Natrag na AI agenti vodič

Oriphiel AI agenti vodič

Privatnost, redakcija i data retention

Kako pripremiti podatke za AI agente: minimalni kontekst, redakcija osobnih podataka, retention rokovi, provider tokovi i audit.

Oriphiel stručni tim Ažurirano 21. 7. 2026. 4 min čitanja

Odgovor ukratko

AI agent ne treba uvijek vidjeti cijeli CRM zapis. Za mnoge zadatke dovoljni su opis potrebe, status, izvor i anonimizirani metapodaci. Redakcija uklanja ili maskira nepotrebne osobne podatke prije modelskog poziva, a retention pravila definiraju koliko se promptovi, outputi, traceovi i memorija čuvaju.

Ključne odluke

  • Minimalizacija podataka vrijedi i za modele i za logove.
  • Provider data flow treba dokumentirati po modelu i alatu.
  • Redakcija mora biti deterministička gdje je moguće, ne samo modelska preporuka.
  • Retention za prompt, trace, memoriju i dokumente treba biti odvojen.

Provedba korak po korak

Cilj ove lekcije je smanjiti podatkovni rizik agentic sustava. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Mapirati koja polja svaki agent stvarno treba.
  • Uvesti redaction layer za email, telefon, ime, OIB i slobodni tekst gdje nije potreban.
  • Postaviti retention pravila za agent runove i traceove.
  • Dokumentirati kada podaci izlaze prema cloud provideru ili ostaju lokalno.

Praktičan primjer

Praktičan primjer za vlasnike podataka, DPO i developere: tim prvo provodi korak „Mapirati koja polja svaki agent stvarno treba.”, zatim provjerava „Potvrđena je ključna odluka: Minimalizacija podataka vrijedi i za modele i za logove.”. Odluka o nastavku ne donosi se prema dojmu, nego prema pokazatelju „Polja uklonjena redakcijom.”.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Potvrđena je ključna odluka: Minimalizacija podataka vrijedi i za modele i za logove.
  • Testiran je prvi korak provedbe: Mapirati koja polja svaki agent stvarno treba.
  • Dogovoreno je početno mjerenje: Polja uklonjena redakcijom.

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Agent dobije sve osobne podatke jer je lakše složiti context builder.
  • Trace log zadrži podatke koji su redigirani u promptu.
  • Memorija nema rok brisanja.
  • RAG indeks sadrži dokumente bez pravila pristupa.

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Polja uklonjena redakcijom.
  • Agent runovi po provider data flowu.
  • Traceovi stariji od retention roka.
  • Pristupi RAG dokumentima.
  • Incidenti privatnosti.

Česta pitanja

Koji je prvi korak za temu „Privatnost, redakcija i data retention”?

Mapirati koja polja svaki agent stvarno treba. Prije nastavka potvrdite odluku: Minimalizacija podataka vrijedi i za modele i za logove.

Kako provjeriti da je provedba uspješna?

Potvrđena je ključna odluka: Minimalizacija podataka vrijedi i za modele i za logove. Nakon toga pratite metriku: Polja uklonjena redakcijom..

Koju pogrešku treba prvo spriječiti?

Agent dobije sve osobne podatke jer je lakše složiti context builder. Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

Memorija agenta: kratkoročna i dugoročnaKako agent pamti razgovor, radno stanje, preferencije, sažetke i trajne CRM činjenice bez miješanja memorije s izvorom istine. RAG, vector search i embeddingsKako agent dohvaća relevantne dokumente, FAQ, ponude i CRM bilješke kroz chunking, embeddings i semantičku pretragu. Permissions, sandbox i human-in-the-loopKako ograničiti AI agenta kroz dozvole, sandbox, approval korake, read/write scope i sigurnosne prekidače. Evaluacija agentic workflowaKako mjeriti kvalitetu AI agenata: zlatni skup primjera, rubni slučajevi, tool accuracy, trajectory eval i ljudska ocjena.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče