In één zin
De herkenning van persoonsgegevens draait bij ons in hetzelfde systeem als al het andere — geen extra verwerker die uw dossierteksten in leesbare vorm te zien krijgt, en geen model dat namen moet gokken.
Waarom dit überhaupt een vraag is
Wie een AI-cloud voor het kantoor inkoopt, stuit op een tweede probleem: voordat een tekst naar een model gaat, moeten de persoonsgegevens eruit verdwijnen. Een gangbare route is daarvoor een aparte herkenningsdienst in te kopen. Dat lost de technische vraag op — en creëert een nieuwe: die dienst moet de tekst vóór het maskeren zien, dus in leesbare vorm. Voor uw zorgvuldigheid bij de keuze betekent dat één plek meer die beroepsgeheimen verwerkt, één contract meer, één regel meer in het verwerkingsregister.
Wat wij in plaats daarvan doen: opzoeken in plaats van gokken
Een herkenningsmodel moet uit de zin afleiden dat "Kraus" hier een persoon is. Wij hoeven dat niet af te leiden — wij weten het al. Wie cliënt, wederpartij, getuige of deskundige in uw dossier is, staat al getypeerd in uw feitennetwerk; dat is ontstaan bij het lezen van de documenten. Bij het maskeren zoeken we het daar op in plaats van te schatten — inclusief de verbogen vormen waarop een simpele woordenlijst stukloopt (genitief, korte vorm, bijvoeglijke afleiding).
Daar komt bij wat structureel herkenbaar is en helemaal geen model vraagt: rechtsvormen als GmbH, AG of GmbH & Co. KG herken je aan het achtervoegsel, IBAN's en identiteitsnummers aan hun controlegetal, aanhef- en diagnoseformules aan hun vaste bouw.
Drie dingen die daaruit volgen
Een regelwerk is toetsbaar. U kunt nalezen waarom een gegeven is vervangen. Een model kan die vraag niet beantwoorden — het heeft beslist, maar het kan zijn beslissing niet motiveren. Voor een gedocumenteerde keuzebeslissing is dat het verschil tussen bewijs en een bewering.
De kwaliteit is gemeten, niet geschat. Wij toetsen de herkenning aan een vast bestand van 246 testdocumenten met 280 gemarkeerde passages. De meting is onderdeel van onze buildcontrole: zakt het herkenningspercentage onder een vastgestelde drempel, dan faalt de build. Hetzelfde bestand gebruiken we voor de tegenproef — 22 documenten die bewust termen bevatten die niet gemaskeerd mogen worden: rechtbanken, instanties, wetsbepalingen. Ook daarvoor geldt sinds kort een harde drempel: geen enkel vals alarm.
Geen extra contract. Er is geen dienstverlener aan wie u voor deze stap uw dossierteksten zou moeten toevertrouwen.
Wat wij uitdrukkelijk niet beweren
Geen enkele maskeermethode herkent alles, en wij zeggen niet het tegendeel. Twee grenzen benoemen we open, omdat ze uit de bouwwijze volgen:
Rechtbanken en instanties raken we structureel niet. Onze organisatieherkenning grijpt aan op de rechtsvorm — "Amtsgericht München" draagt er geen. Dat is geen verzuim, maar juist het mechanisme dat de nul-vals-alarm-toezegging overeind houdt: een regel die ruim genoeg is om namen van instanties te vangen, zou onvermijdelijk ook wetsbenamingen en plaatsnamen meenemen.
Rechtsbegrippen blijven staan. "Erwerbsminderungsrente" (arbeidsongeschiktheidspensioen) is een rechtsbegrip, geen gezondheidsgegeven over een bepaalde persoon — dat laten we ongemoeid. Precies zulke gevallen verwart een herkenningsmodel regelmatig.
En het belangrijkste voorbehoud blijft het vakinhoudelijke: alleen namen weghalen maakt een tekst niet anoniem als de toerekening uit de context blijkt. Daarom is maskeren bij ons één beschermingsmaatregel onder meerdere — niet de enige, en geen garantie.
Waar u dit ziet
De schakelaar staat in uw kantoorinstellingen; welke agents maskeren en welke bewust met leesbare namen werken, staat daar stuk voor stuk vermeld. De details staan in het handboek onder gegevensbescherming en maskering, de duiding op onze compliancepagina en in de aanbiedersvergelijking.
