Bezpieczeństwo AI w firmie: 6 obszarów do uporządkowania przed wdrożeniem Copilota
Grzegorz Strząbała 2026-09-09 Czytasz:
Asystent AI wpięty w firmowe środowisko nie tworzy nowych dziur w bezpieczeństwie. On sprawia, że stare dziury zaczynają być widoczne – i to natychmiast, w formie odpowiedzi na zwykłe pytanie zadane przez zwykłego pracownika.
To najważniejsza zmiana w myśleniu o bezpieczeństwie AI w firmie. Ryzyko nie leży w modelu, a w zaległościach, które organizacja gromadziła latami: w uprawnieniach nadanych „tymczasowo”, w plikach udostępnionych „wszystkim”, w danych, których nikt nie sklasyfikował.
Poniżej sześć obszarów, które warto przejrzeć przed wdrożeniem, oraz druga warstwa, o której mówi się rzadziej – prawna.
Ale zanim przejdziemy dalej – nie potrzebujecie idealnego stanu.
Lista sześciu obszarów brzmi jak półroczny projekt do zrealizowania przed uruchomieniem czegokolwiek. Nie jest. Idealnego stanu danych nie ma żadna organizacja i nie będzie miała.
Podejście, które działa, jest inne: ustalić, gdzie są największe ryzyka, zdecydować, które z nich zamykamy jako pierwsze, i uszczelniać system stopniowo. Podstawowa konfiguracja to zwykle kwestia dni pracy jednej osoby plus przygotowanie instrukcji operacyjnych — kosztowna jest nie technika, a decyzje i dokumentacja.
Gdyby wybierać jedną rzecz do zrobienia jutro: polityki DLP.
1. Porządek w repozytoriach dokumentów
Na pytanie „czy Copilot dobrze odpowiada?” najlepszą odpowiedzią jest kontrpytanie: czy SharePoint jest dobrze uporządkowany?
Asystent nie ma żadnej magicznej wiedzy o firmie. Korzysta wyłącznie z tego, co zostało mu udostępnione. Jeśli zarząd udostępnił plik „wszystkim w organizacji”, to nawet pracownik, który nie wie o istnieniu tego pliku, prędzej czy później zobaczy jego treść w wynikach zapytania. Nie musi go szukać – wystarczy, że zapyta o temat, którego plik dotyczy.
Warto więc zacząć od inwentaryzacji: gdzie faktycznie leżą dokumenty, które linki zostały wystawione publicznie, jakie biblioteki mają udostępnienia typu „wszyscy” i czy struktura odzwierciedla dzisiejszą organizację, czy tę z trzech reorganizacji temu.
2. Etykiety poufności
Model sam nie rozpozna, który dokument jest strategiczny, który publiczny, a który zawiera dane osobowe. Trzeba mu to powiedzieć – i służą do tego etykiety poufności.
Ich struktura powinna odzwierciedlać sposób, w jaki organizacja faktycznie klasyfikuje dane, a nie teoretyczny model z podręcznika. W praktyce kilka poziomów wystarcza: publiczny, wewnętrzny, poufny, zawierający dane osobowe. Etykiety da się zaprojektować i wdrożyć znacznie prościej, niż większość firm zakłada, a zwrot jest natychmiastowy – bo od tego momentu asystent i mechanizmy DLP mają czym się kierować.
3. Uprawnienia
Najczęstsze ryzyko przy wdrożeniu asystenta AI to nie uwierzytelnianie i nie DLP, ale zaległości w uprawnieniach.
Copilot nie włamuje się do zasobów. Copilot ujawnia nasze błędy.
Jeśli pracownik ma dostęp do dokumentu, którego widzieć nie powinien, asystent ten dokument znajdzie i wykorzysta w odpowiedzi. Nie dlatego, że złamał zabezpieczenia, ale dlatego, że tych zabezpieczeń albo nie było, albo od lat są ustawione źle — zwykle jako pozostałość po projekcie, migracji albo osobie, która dawno zmieniła stanowisko.
Warto to potraktować jako korzyść, a nie zagrożenie. Wdrożenie AI działa jak audyt uprawnień, którego organizacja nigdy nie przeprowadziła. Lepiej zrobić ten audyt świadomie i wcześniej niż dowiedzieć się o wyniku z odpowiedzi wygenerowanej pracownikowi.
4. MFA i Conditional Access
W środowiskach Microsoft uwierzytelnianie wieloskładnikowe jest dziś standardem i w wielu tenantach działa natywnie. To obszar, który większość firm ma już zamknięty. Znaczenie poprawnej konfiguracji rośnie jednak wraz z uruchamianiem agentów i automatyzacji operujących na danych biznesowych. Przy zwykłym dostępie do poczty kompromitacja konta oznacza dostęp do skrzynki. Przy agencie zintegrowanym z systemami dziedzinowymi — do znacznie szerszego zakresu informacji i operacji. Warto więc przejrzeć polityki dostępu warunkowego pod kątem kont, które takie automatyzacje uruchamiają.5. Polityki DLP
To najszybszy sposób ograniczenia najpoważniejszego realnego ryzyka: wynoszenia danych do zewnętrznych narzędzi AI.
Największym zagrożeniem nie jest bowiem firmowy asystent, a korzystanie z narzędzi AI z kont prywatnych, które nie podlegają żadnym mechanizmom monitorowania, logowania i zabezpieczeń. Ci sami ludzie, którzy w pracy ostrożnie podchodzą do asystenta, wieczorem wrzucają do publicznego czatu umowy, dokumenty klientów albo raporty kupione od zewnętrznego dostawcy. Dane wypływają kawałek po kawałku, bez pojedynczego incydentu, który dałby się wykryć.
Dwie rzeczy w tym kontekście nie działają:
- Blokowanie. Przenosi ruch na urządzenia prywatne, gdzie nie ma już żadnej widoczności.
- Jednorazowe szkolenie. Istnieją obserwacje, że osoby po szkoleniu z bezpieczeństwa AI sięgają po nieautoryzowane narzędzia częściej — bo czują, że już wiedzą, na co uważać.
Działa kombinacja trzech elementów: klasyfikacja danych, kilka polityk DLP zamykających najbardziej ryzykowne kanały, oraz bezpieczne narzędzie wygodniejsze od tego niebezpiecznego. Jeśli pracownik ma wdrożonego asystenta z dostępem do firmowych danych, a nadal wysyła te dane do prywatnego czatu, gdzieś zawiodło wdrożenie, szkolenie albo cała koncepcja adopcji.
6. Rozdzielenie środowisk
Praktyka pokazuje regularność, którą warto potraktować poważnie: agent testowy ma silną tendencję do stawania się agentem produkcyjnym. Bez decyzji, bez testów, bez właściciela — po prostu ktoś zaczął z niego korzystać, bo działał.
Dlatego warto z góry zdefiniować, co jest środowiskiem testowym, gdzie faktycznie pracuje biznes i jaka jest droga promocji rozwiązania z jednego do drugiego. To najmniej techniczny punkt z całej szóstki i najczęściej pomijany.
Druga warstwa: prawna
Technicznie zmiana ustawienia to kilka minut roboty. Prawne skutki są zupełnie nieproporcjonalne do wysiłku.
Typowy przykład: wydłużenie retencji nagrań i transkrypcji ze spotkań ponad domyślne ustawienie. Właściwe pytanie nie brzmi „czy da się to kliknąć”, ale „jakie jest uzasadnienie”. Ustawienia systemowe to jedno, otoczenie prawne to drugie — ochrona danych osobowych, NIS2, AI Act, a coraz częściej także konkretne zapisy w umowach z klientami.
Skutek nie nastąpi natychmiast. Nastąpi przy audycie rocznym, przy wdrożeniu ISO, przy due diligence albo w rozmowie z klientem, który ma w umowie odpowiednie klauzule. Dlatego przy każdej zmianie warto mieć nie tylko ustawienie, ale i papier: uzasadnienie, procedurę, właściciela.
Lista regulacji, którymi trzeba się zająć, jest skończona. Historia wdrażania RODO to dobry punkt odniesienia: dużo szumu, potem duży wysiłek jednorazowy, a dziś procedury działają w tle i nikogo nie paraliżują.
I zasada, która porządkuje resztę: warstwa prawna powinna być zaimplementowana w systemie, żeby użytkownik nie łamał prawa dla własnej wygody. Regulamin, o którym wszyscy zapomną, nie jest zabezpieczeniem. Analogia z BHP jest tu trafna — kask w magazynie wysokiego składowania działa nie dlatego, że ludzie przeczytali instrukcję, ale dlatego, że wymusza go otoczenie i kontrola.
Wątek pomijany: koszt zbieractwa danych
Każde nagranie ze spotkania, każda transkrypcja i każdy wygenerowany dokument ląduje na dysku, waży i kosztuje. Skala generowania treści przez AI oznacza terabajty, do których nikt nigdy nie wraca.
Retencja to więc nie tylko compliance, ale i pozycja w budżecie IT. Polityki retencyjne pełnią podwójną rolę: ograniczają zakres danych, które w razie incydentu mogą wyciec, i wykonują naturalne czyszczenie, którego nikt nie zrobi ręcznie.
Checklista: co zrobić w pierwszej kolejności
- Zinwentaryzuj udostępnienia typu „wszyscy" w repozytoriach dokumentów i zamknij te, które nie mają uzasadnienia.
- Przejrzyj uprawnienia w najbardziej wrażliwych bibliotekach - kadry, finanse, zarząd, umowy.
- Zaprojektuj kilka etykiet poufności odzwierciedlających realną klasyfikację danych i wdroż je na najważniejszych obszarach.
- Uruchom podstawowe polityki DLP blokujące najbardziej ryzykowne kanały wynoszenia danych.
- Sprawdź polityki dostępu warunkowego dla kont uruchamiających automatyzacje.
- Ustal, co jest środowiskiem testowym, a co produkcyjnym, i opisz drogę między nimi.
- Przygotuj dokumentację - uzasadnienia, procedury, właścicieli. Nie po fakcie, a razem ze zmianą.
- Ustaw polityki retencji, świadomie i z uzasadnieniem dla każdego odstępstwa od domyślnych wartości.
Najczęstsze pytania
Czy Copilot ma dostęp do wszystkich naszych dokumentów?
Do tych, do których dostęp ma zalogowany użytkownik – nie więcej i nie mniej. Dlatego przegląd uprawnień jest warunkiem wstępnym, a nie opcją.
Czy dane wychodzą poza Unię Europejską?
W domyślnych konfiguracjach tenantów w UE wszystko, co mogłoby powodować transfer danych poza UE, jest wyłączone. Ryzyko pojawia się przy świadomych zmianach konfiguracji oraz przy korzystaniu z narzędzi zewnętrznych na kontach prywatnych.
Od czego zacząć, jeśli mamy zasoby na jedną rzecz?
Od polityk DLP. To najszybszy sposób ograniczenia ryzyka wynoszenia danych na zewnątrz.
Czy trzeba mieć wszystko uporządkowane przed startem?
Nie. Trzeba wiedzieć, gdzie są największe ryzyka, i zamykać je w kolejności. Czekanie na idealny stan danych oznacza, że pracownicy w tym czasie korzystają z narzędzi prywatnych.
Czy asystent AI może wygenerować odpowiedź na podstawie dokumentu, do którego nie mam dostępu?
Nie. Ale wygeneruje ją na podstawie dokumentu, do którego dostęp macie omyłkowo – i o tym właśnie jest ten artykuł.
Bezpieczeństwo AI w firmie to w dziewięciu przypadkach na dziesięć porządkowanie rzeczy, które powinny być uporządkowane niezależnie od AI: uprawnień, klasyfikacji, polityk wycieku danych, retencji. Asystent tylko przyspiesza moment, w którym zaległości stają się widoczne.
Nie trzeba idealnego stanu, żeby zacząć. Trzeba wiedzieć, które ryzyko zamykamy pierwsze – i zrobić to zanim pracownicy sami rozwiążą problem po swojemu, na kontach prywatnych.