Kort svar: Når du sætter kundedata ind i et AI-værktøj – en supportmail til omskrivning, et mødereferat, en ordreliste til analyse – videregiver du persondata til en leverandør. Så gælder de samme krav som til andre leverandører: databehandleraftale, kendt dataplacering og overførselsgrundlag – plus det AI-specifikke spørgsmål om, hvorvidt dine data bruges til træning. Brug erhvervsudgaver med databehandleraftale og træningsfravalg, anonymisér, hvor du kan, og skriv en kort AI-politik, som teamet kan huske.
Fagligt gennemgået: 2. oktober 2026
Kontrolgrundlag: GDPR’s regler om databehandleraftaler (artikel 28), fortegnelse (artikel 30) og konsekvensanalyse (artikel 35) samt Datatilsynets vejledning om kunstig intelligens. Hostious’ VPS- og cloud-sider er aflæst 15. oktober 2026. Guiden er ikke juridisk rådgivning.
AI, GDPR og kundedata hænger sammen fra den dag, den første medarbejder indsætter en kundemail i en chatbot. AI-værktøjerne er rykket ind i hverdagen hurtigere, end databeskyttelsen kunne følge med, og mange har sendt kundedata ud af huset, længe før nogen spurgte, om det var i orden. Denne guide handler om rammerne: hvad der sker juridisk, når kundedata møder AI, hvilke værktøjsvalg der gør det forsvarligt, og hvad der skal stå i jeres dokumentation. Hverdagens trafiklys for, hvad der må i prompten, og eksemplerne fra supporten står i AI og kundedata i praksis.
Vigtigt: Guiden er en praktisk gennemgang, ikke juridisk rådgivning. Området udvikler sig hurtigt – AI-forordningen indfases gradvist, og leverandørernes vilkår ændres løbende. Tjek altid den aktuelle aftale og vejledningen fra Datatilsynet, før I træffer en endelig beslutning.
Hvad der sker, når kundedata møder AI
Juridisk er et AI-værktøj som regel en databehandler – i nogle opsætninger kan leverandøren også være selvstændigt dataansvarlig for en del af behandlingen. Prompten med kundens navn, mail eller sag er under alle omstændigheder en videregivelse. Dermed gælder de kendte spørgsmål: databehandleraftale, placering, underdatabehandlere og overførselsgrundlag.
Dertil kommer de AI-specifikke spørgsmål: Gemmes prompts og svar, og hvor længe? Bruges de til at træne modellerne, så oplysningerne potentielt indgår i fremtidige modeller? Kan medarbejderes private konti se eller gemme firmadata? Forskellen på en gratis chatbot-konto og en erhvervsaftale ligger netop i svarene på de spørgsmål.
Hvem har ansvaret – dig eller leverandøren?
Det er din virksomhed, der er dataansvarlig over for kunden. Det ændrer sig ikke, fordi en medarbejder bruger et smart værktøj. Du skal derfor kunne svare på, hvorfor behandlingen er nødvendig, hvilket grundlag den hviler på, og hvordan kunden er informeret. Står AI-værktøjer ikke i jeres privatlivspolitik og fortegnelse, er det et tegn på, at praksis er løbet fra papirerne.
Leverandørens rolle afgøres af aftalen. I en typisk erhvervsaftale behandler leverandøren kun data efter dine instrukser, og det fremgår af databehandleraftalen. På privatkonti gælder forbrugervilkår, hvor leverandøren ofte har bredere rettigheder til at bruge indholdet. Derfor er “hvilken konto bruger I?” det første spørgsmål – ikke “hvilken model?”.
Værktøjsvalget: erhverv, databehandleraftale, træningsfravalg
Gå denne kravliste igennem, før kundedata rører en AI-leverandør:
- Erhvervsaftale – ikke privatkonti, som har andre vilkår.
- Databehandleraftale med kendt dataplacering og overførselsgrundlag. Flere store udbydere tilbyder behandling i EU – vælg den, hvor det er muligt.
- Træningsfravalg som standard. Erhvervsaftaler har det typisk, men verificér det skriftligt.
- Styring af logning og opbevaring – hvor længe gemmes samtaler, og kan I slette dem?
- Plads i kortlægningen – leverandøren skal stå i jeres oversigt over databehandlere som alle andre.
Til de mest følsomme opgaver findes også EU-hostede og selvhostede modeller. En VPS eller en cloud hosting med Servere i Europa kan køre en åben model til afgrænsede opgaver – fx klassificering eller opsummering – så datavejen aldrig forlader jeres egen infrastruktur. Tænk på det som AI’ens svar på selvhostet webanalyse: mere arbejde, men fuld kontrol.
Typiske opgaver og hvad du skal gøre
Risikoen afhænger af, hvad der sendes. Tabellen giver et udgangspunkt for de mest almindelige opgaver:
| Opgave | Typiske data | Sådan gør du det forsvarligt |
|---|---|---|
| Omskrive et kundesvar | Navn, ordrenummer, sagsdetaljer | Erstat identiteter med pladsholdere – teksten bliver lige så god |
| Mødereferat | Navne, stillinger, aftaler | Kun godkendt erhvervsværktøj, og informér deltagerne |
| Analyse af ordrer | Kundeliste, adresser, købshistorik | Brug anonymiserede eller aggregerede udtræk |
| Kategorisering af supportmails | Fuld mailtekst | Automatisk behandling – skal stå på listen over automatiske behandlinger |
| Kode og fejlsøgning | Logs med IP-adresser og mails | Ryd logudsnittet for persondata, før det indsættes |
Dataminimering i prompts
En billig og effektiv beskyttelse er at sende mindre. De fleste AI-opgaver løses lige så godt uden identiteter. “Omskriv dette svar venligere” behøver ikke kundens navn og ordrenummer, og analyser kan køre på anonymiserede udtræk. Pladsholdere som [KUNDE] og [ORDRENR] er en vane, de fleste teams lærer på en uge.
Særlige kategorier af personoplysninger – fx helbred og fagforeningsforhold, jf. guiden om foreninger og medlemsdata – samt CPR-numre hører aldrig hjemme i prompts til eksterne tjenester. Den enkle regel til teamet: skriv prompten, som om den var offentlig. Så falder det meste på plads af sig selv.
Fortegnelsen: sådan dokumenterer du AI-behandlingen
Fortegnelsen over behandlingsaktiviteter er det dokument, Datatilsynet beder om først. Et AI-værktøj, der behandler kundedata, er en behandlingsaktivitet som alle andre og skal stå der – med leverandøren som databehandler. Tabellen viser, hvad der skal udfyldes, og hvordan det typisk ser ud for et AI-værktøj til kundesupport.
| Felt i fortegnelsen | Det skriver du for et AI-værktøj |
|---|---|
| Formål | Fx “udkast til svar på kundehenvendelser” eller “kategorisering af supportmails” |
| Kategorier af registrerede | Kunder, potentielle kunder, medarbejdere |
| Kategorier af oplysninger | Navn, e-mail, ordrenummer, henvendelsens indhold – og udtrykkeligt: ingen særlige kategorier |
| Modtagere | AI-leverandøren som databehandler, med henvisning til databehandleraftalen |
| Overførsel til tredjeland | Ja/nej, og på hvilket grundlag – fx EU-behandling valgt i aftalen |
| Slettefrister | Hvor længe samtaler gemmes hos leverandøren, og hvornår I selv sletter |
| Sikkerhedsforanstaltninger | Erhvervskonti med login, træningsfravalg, anonymisering i prompts, AI-politik |
To ting glemmes ofte. For det første skal privatkonti, der alligevel bruges, ikke stå i fortegnelsen – de skal lukkes. For det andet skal fortegnelsen opdateres, når leverandøren skifter underdatabehandler eller dataplacering; derfor hører halvårstjekket af værktøjslisten og fortegnelsen sammen.
AI-politikken på én side
Skriv den korte politik, før vanerne sætter sig. Den skal svare på fire spørgsmål:
- Hvilke værktøjer er godkendt – og på hvilke konti?
- Hvad må de bruges til?
- Hvad må aldrig indgå: kundeidentiteter uden behov, særlige kategorier, adgangskoder og forretningshemmeligheder efter jeres vurdering?
- Hvem spørger man, når man er i tvivl?
Én side, gennemgået på et teammøde og revideret halvårligt. Skabelonen står i AI-politik for din virksomhed, og resten af anvendelsen – produkttekster, chatbots, agenter – finder du i AI i praksis. Med politikken på plads er AI ikke et hul i jeres databeskyttelse, men et værktøj med samme rammer som resten af jeres datalandskab.
Risikovurdering eller konsekvensanalyse (DPIA)?
Al behandling kræver en risikovurdering: hvad kan gå galt for kunden, og hvad gør I ved det. En konsekvensanalyse (DPIA) er den store udgave og er kun pligt, når behandlingen sandsynligvis indebærer en høj risiko. Datatilsynet og de europæiske tilsyn arbejder med en liste af kriterier – blandt andet evaluering eller scoring af personer, automatiske afgørelser, systematisk overvågning, følsomme oplysninger, stort omfang og ny teknologi. Tommelfingerreglen er, at to eller flere kriterier udløser en DPIA, og AI tæller som regel som ny teknologi fra start.
| Opgave | Kriterier, der rammes | Konklusion |
|---|---|---|
| Omskrive ét kundesvar med pladsholdere i stedet for navne | Ingen – der sendes ingen persondata | Ingen DPIA; notér værktøjet i AI-politikken |
| Automatisk kategorisering af alle indkommende supportmails | Ny teknologi, systematisk behandling, muligvis stort omfang | Vurdér konkret – ofte ja, hvis det er hele kundemassen |
| AI-scoring af kunder til kreditgrænse, rabat eller opsigelsesrisiko | Evaluering, automatiske afgørelser, ny teknologi | Ja – og kunden har ret til at få en menneskelig vurdering |
| Chatbot på hjemmesiden, der svarer på kundehenvendelser | Ny teknologi, stort omfang, evt. følsomme oplysninger i fritekst | Vurdér konkret – og begræns, hvad botten må modtage |
En DPIA er ikke et juridisk notat på 40 sider. Den beskriver behandlingen, vurderer nødvendigheden, kortlægger risiciene for kunderne og de foranstaltninger, der nedbringer dem. Skriv den sammen med leverandørens dokumentation, og gem den sammen med fortegnelsen.
Den praktiske hverdag: tre vaner, der bærer det hele
Reglerne bliver først virkelige som vaner.
Vane 1: anonymisér i prompten. “Skriv et svar til en kunde, hvis pakke er forsinket” virker lige så godt som at indsætte hele mailtråden med navn, adresse og ordrenummer. Gør omskrivningen til rygrad, så sparer du både risiko og diskussion.
Vane 2: én godkendt vej ind. Peg på ét værktøj med erhvervsaftale og træningsfravalg som firmaets standard. Skygge-AI opstår, hvor den officielle vej mangler eller er for besværlig.
Vane 3: log de automatiske behandlinger. Alt, der kører uden et menneske – autosvar, opsummeringer, kategorisering – skal stå på én liste med formål og datagrundlag. Det er den liste, du slår op i, når en kunde eller Datatilsynet spørger.
Genbesøg desuden værktøjslisten halvårligt. AI-leverandørernes vilkår ændrer sig hurtigere end de fleste andres: tjek, at træningsfravalget stadig gælder, og at dataplaceringen ikke har flyttet sig, siden I sagde ja. Skriv vanerne ind i AI-politikken, så nye kolleger arver dem fra første dag.
Hvis kundedata allerede er sendt det forkerte sted hen
Det sker: en medarbejder har indsat en kundeliste i en privat chatbot-konto. Reager roligt, men hurtigt:
- Stop brugen, og find ud af, præcis hvilke data der er sendt, hvornår og til hvilken tjeneste.
- Slet samtalen og eventuel historik i kontoen, hvis tjenesten giver mulighed for det, og notér, hvad du har gjort.
- Vurdér, om hændelsen er et brud på persondatasikkerheden, som skal anmeldes til Datatilsynet. Fristerne er korte, så vent ikke med vurderingen.
- Dokumentér hændelsen internt – også hvis du konkluderer, at den ikke skal anmeldes.
- Ret årsagen: manglede der et godkendt værktøj, eller kendte medarbejderen ikke reglerne?
Brug hændelsen til at forbedre politikken frem for at finde en syndebuk. Medarbejdere, der tør sige “jeg kom til at …”, er en vigtig tidlig varsling.
Læs også
- Hub: Datasuverænitet: dine data i Danmark og EU
- AI-politik for din virksomhed
- AI og kundedata: hvad må du sende til modellerne?
- Databehandleraftale med dit hostingfirma
- VPS hosting hos Hostious – til selvhostede, afgrænsede AI-opgaver
Ofte stillede spørgsmål om AI og kundedata
Må mine medarbejdere bruge gratis AI-chatbots til arbejdet?
Ikke med kundedata. Privatkonti har andre vilkår – ofte træning på input og ingen databehandleraftale. Brug en erhvervsaftale med databehandleraftale og træningsfravalg.
Bruges vores prompts til at træne modellerne?
Det afhænger af aftalen. Erhvervsudgaver har typisk træningsfravalg som standard, men verificér det skriftligt, og tjek igen, når vilkårene ændres.
Skal AI-værktøjet stå i fortegnelsen over behandlingsaktiviteter?
Ja, så snart det behandler kunders personoplysninger. Leverandøren føres som databehandler med formål, kategorier af oplysninger, dataplacering, slettefrister og sikkerhedsforanstaltninger. Privatkonti skal ikke dokumenteres – de skal lukkes.
Skal AI-værktøjer stå i vores privatlivspolitik?
Ja, hvis I behandler kunders personoplysninger i dem. Kunden skal kunne se, hvilke typer modtagere data deles med, og værktøjet skal stå i jeres oversigt over databehandlere.
Kræver brug af AI en konsekvensanalyse (DPIA)?
Ikke altid. En risikovurdering skal I altid lave. En DPIA er pligt, når behandlingen sandsynligvis indebærer høj risiko – typisk når AI bruges til at evaluere eller score kunder, træffe automatiske afgørelser eller behandle hele kundemassen systematisk. Et enkelt omskrevet kundesvar uden navne kræver ingen DPIA.
Hvem tilbyder hosting i EU til selvhostede AI-opgaver?
Hostious er et dansk selskab med Servere i Europa og dansk support døgnet rundt. En VPS eller en cloud-løsning dimensioneres efter opgaven, så I kan køre en åben model til klassificering eller opsummering på egen infrastruktur – med databehandleraftale og uden at kundedata forlader jeres kontrol.
Udgivet 2. september 2026Opdateret 15. oktober 2026Fagligt gennemgået 2. oktober 2026