--- title: "Budovanie RAG systémov v súlade s GDPR: praktický návod" description: "RAG systém v súlade s GDPR spracúva osobné údaje v zdrojových dokumentoch, vo vektorovom indexe a v embeddingoch len na spoľahlivom právnom základe, s minimalizáciou údajov, hostingom v EÚ, oddelen…" locale: "sk" canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/budovanie-rag-systemov-v-sulade-s-gdpr" category: "AI agenti" topic: "RAG systémy vysvetlené" updated: "2026-10-17T15:33:01.305Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Budovanie RAG systémov v súlade s GDPR: praktický návod RAG systém v súlade s GDPR spracúva osobné údaje v zdrojových dokumentoch, vo vektorovom indexe a v embeddingoch len na spoľahlivom právnom základe, s minimalizáciou údajov, hostingom v EÚ, oddelením tenantov a mazacou pipeline, ktorá odstraňuje chunky a embeddingy spoločne. Embeddingy z textov s osobnými údajmi treba pritom považovať za pseudonymné osobné údaje, nie za anonymné. ## Na prvý pohľad - Embeddingy nie sú anonymné: inverzia textových embeddingov (Morris et al. 2023) a útoky typu membership inference umožňujú reidentifikáciu. Embeddingy z textov s osobnými údajmi preto považuj za pseudonymné osobné údaje. - Minimalizácia údajov začína pred embeddingom: detekcia PII (napr. Presidio, NER) a pseudonymizácia zdrojových chunkov ešte pred ich indexovaním, k tomu minimálny kontext pri každom dopyte. - Právo na vymazanie (čl. 17) vyžaduje vymazať zdrojový dokument a embedding spoločne (hard delete). Soft delete so sebou nesie riziko úniku cez vyhľadávanie podľa podobnosti. - Oddelenie tenantov cez filtrovateľné metadáta (tenant_id, ACL) s viacvrstvovou ochranou (defense in depth): autentifikácia, predbežný filter, opätovná kontrola, auditný log. Orientačná pomôcka nemeckej DSK k RAG uvádza oddelenie tenantov a koncepciu práv a rolí ako ochranné opatrenia. - Hosting LLM a vektorového úložiska v EÚ znižuje riziko spojené s tretími krajinami: suverénne možnosti ako Qdrant (Berlín), Weaviate (NL), Aleph Alpha (Heidelberg, fúzia s Cohere zatiaľ nie je dokončená), Mistral (FR) a STACKIT/IONOS. - Pre každého poskytovateľa je potrebná zmluva so sprostredkovateľom (čl. 28) s jasným reťazcom ďalších sprostredkovateľov, záväzkom nepoužívať údaje na tréning a konfigurovateľnou dobou uchovávania. RAG systém v súlade s [GDPR](https://blckalpaca.at/sk/slovnik/gdpr) spracúva osobné údaje v zdrojových dokumentoch, vo vektorovom indexe a v embeddingoch len na spoľahlivom právnom základe, s minimalizáciou údajov, [hostingom v EÚ](https://blckalpaca.at/sk/vedomosti/ai-agenti/ai-agenti-v-sulade-s-gdpr/rezidencia-udajov-v-eu-pre-llm-kde-sa-vase-udaje-spracuvaju), oddelením tenantov a mazacou pipeline, ktorá odstraňuje chunky a embeddingy spoločne. Embeddingy z textov s osobnými údajmi treba pritom považovať za pseudonymné osobné údaje, nie za anonymné. Tento návod priraďuje technické stavebné prvky k požiadavkám na ochranu údajov a obsahuje kontrolný zoznam na odškrtávanie. **Tri rýchle odpovede:** - **Embeddingy nie sú anonymné.** Z vektorov sa dá rekonštruovať obsah (inverzia textových embeddingov). Zaobchádzaj s nimi ako s pseudonymnými osobnými údajmi. - **Vymazanie znamená chunk plus [embedding](https://blckalpaca.at/sk/slovnik/embedding).** Kto odstráni len zdrojový dokument, ponechá vektor, ktorý cez vyhľadávanie podľa podobnosti naďalej prezrádza obsah. - **Hosting v EÚ a oddelenie tenantov patria do návrhu od začiatku,** nie ako dodatočná nadstavba: suverénna vektorová DB plus [LLM](https://blckalpaca.at/sk/slovnik/llm) v regióne EÚ, ACL filter pri každom dopyte. *Poznámka: Tento príspevok je odborným zhodnotením a nepredstavuje právne poradenstvo. Konkrétne právne otázky rieš so svojím oddelením ochrany údajov alebo s právnym oddelením.* ## Kde v RAG systéme vznikajú osobné údaje RAG (Retrieval-Augmented Generation) pred generovaním odpovede cielene vyhľadá znalosti z externého zdroja a vloží ich do promptu. Osobné údaje pritom vznikajú na viacerých miestach súčasne: v zdrojových dokumentoch (záznamy z [CRM](https://blckalpaca.at/sk/slovnik/crm), HR a o zákazníkoch), v indexovaných chunkoch, vo vektoroch embeddingov, v samotnom dopyte, vo vygenerovanej odpovedi a v logoch a trasovacích záznamoch. Každé z týchto miest predstavuje samostatné spracúvanie v zmysle GDPR. Najdôležitejším nemeckým referenčným dokumentom je [orientačná pomôcka Konferencie pre ochranu údajov (DSK) k RAG systémom](https://www.datenschutzkonferenz-online.de/media/oh/DSK_OH_RAG.pdf) z októbra 2025. Ako ochranné opatrenia pre vektorovú databázu uvádza oddelenie tenantov a koncepciu práv a rolí a konštatuje, že záznamy vo vektorovej databáze a v referenčných dokumentoch sa dajú cielene vymazať. V Rakúsku je príslušný [Úrad na ochranu údajov (Datenschutzbehörde, DSB)](https://dsb.gv.at/kuenstlichebrintelligenz/kuenstliche-intelligenz-datenschutz), a to aj pre otázky ochrany údajov pri systémoch [AI](https://blckalpaca.at/sk/slovnik/ai). DSK je [grémium nemeckých dozorných orgánov pre ochranu údajov na spolkovej a krajinskej úrovni](https://www.datenschutzkonferenz-online.de/); pre rakúsky úrad DSB preto jej dokumenty nie sú záväzné, slúžia tam však ako pomôcka pri výklade. Doplnkovo platia zásady GDPR z čl. 5 (obmedzenie účelu, minimalizácia údajov, správnosť, minimalizácia uchovávania) aj pre vektorové reprezentácie, len čo sa dajú priradiť dotknutej osobe. ## Hlavný omyl: embeddingy nie sú anonymizácia Rozšírenou chybou je vyhlasovať vektorové cache za „anonymizované príznaky“. To odporuje stavu výskumu. [Útoky inverziou textových embeddingov](https://arxiv.org/abs/2310.06816) (Morris et al., *Text Embeddings Reveal (Almost) As Much As Text*, 2023, a nadväzujúce práce z rokov 2024 až 2025) ukazujú, že z embeddingov sa dajú rekonštruovať veľké časti pôvodného textu. K tomu pribúdajú útoky typu membership inference a reidentifikácia cez vyhľadávanie podľa podobnosti: kto má podobný text, nájde indexovanú osobu. Dôsledok: embeddingy z textov s osobnými údajmi považuj za pseudonymné osobné údaje. [Diskusný dokument hamburského poverenca pre ochranu údajov](https://datenschutz-hamburg.de/fileadmin/user_upload/HmbBfDI/Datenschutz/Informationen/240715_Diskussionspapier_HmbBfDI_KI_Modelle.pdf) z júla 2024 síce v embeddingoch vo vnútri LLM nevidí osobné údaje, výslovne však hodnotí len samotný model. Pri dopytoch do databáz v ostatných častiach systému AI práva dotknutých osôb naďalej platia. Vektory [RAG](https://blckalpaca.at/sk/slovnik/rag) databázy, z ktorých každý patrí k chunku s osobnými údajmi, tento dokument teda nepokrýva. Pseudonymizované údaje zostávajú osobnými údajmi pre prevádzkovateľa, ktorý vie priradenie obnoviť ([odôvodnenie 26 GDPR](https://dsgvo-gesetz.de/erwaegungsgruende/nr-26/)). Pre príjemcu bez reálnej možnosti priradenia nie sú podľa [rozsudku Súdneho dvora EÚ C-413/23 P zo 4. septembra 2025](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:62023CJ0413) nevyhnutne osobnými údajmi. Na výsledku pre tvoje vlastné vektorové úložisko to nič nemení. Samotný embedding podľa prevládajúceho názoru **nie je bezpečnou pseudonymizáciou**. Embeddingy preto nikdy nepropaguj ani nedokumentuj ako anonymné, ibaže by to výnimočne preukázal postup s differential privacy a spoľahlivými testami. ## Minimalizácia údajov: rozpoznať PII a pseudonymizovať pred embeddingom Minimalizácia údajov (čl. 5 ods. 1 písm. c) je v kontexte RAG otázkou pipeline, nie dodatočného filtra. Najúčinnejšie páky: - **Detekcia PII pred indexovaním:** NER alebo pipeline založené na pravidlách (napríklad Microsoft Presidio alebo interný NER) označia v chunkoch mená, adresy a čísla dokladov skôr, než sa z nich vytvoria embeddingy. - **Pseudonymizácia zdrojových chunkov:** nahradiť identifikátory stabilnými pseudonymami; tabuľku priradení uchovávať v oddelenom úložisku s prístupom podľa rolí. - **Riadenie kontextu pri každom dopyte:** vyhľadať a do promptu odovzdať len to, čo úloha potrebuje, nie celý súbor dokumentov. Re-ranking na top\_k = 5 až 10 znižuje náklady aj množstvo odhalených údajov. - **Redigovanie logov:** logy promptov a výstupov pred trvalým uložením redigovať; na prepojenia naprieč systémami používať pseudonymné ID. Pri technickej realizácii odkazuje DSK vo svojej [orientačnej pomôcke k technickým a organizačným opatreniam pri systémoch AI](https://www.datenschutzkonferenz-online.de/media/oh/DSK-OH_KI-Systeme.pdf) (jún 2025) na [štandardný model ochrany údajov (SDM V3.1)](https://www.datenschutzkonferenz-online.de/media/ah/SDM-Methode-V31.pdf). Ten prekladá požiadavky GDPR cez ciele ochrany, ako sú minimalizácia údajov a nespojiteľnosť, do technických a organizačných opatrení. ## Hosting v EÚ pre LLM a vektorové úložisko Rezidencia údajov je priamou pákou na riziko. Hosting v regióne EÚ znižuje riziko spojené s tretími krajinami, u amerických poskytovateľov však automaticky neodstraňuje zvyškové riziko podľa CLOUD Act. Pri prepojení s treťou krajinou treba preskúmať [štandardné zmluvné doložky (SCC)](https://blckalpaca.at/sk/slovnik/standardne-zmluvne-dolozky) a posúdenie vplyvu prenosu (TIA). Suverénne možnosti z regiónu DACH a z EÚ sa tejto otázke do veľkej miery vyhnú. Jina a BGE-M3 v tabuľke sú otvorené modely na vlastnú prevádzku, nie však suverénni poskytovatelia z regiónu DACH: | Komponent | Možnosť (stav 2026) | Sídlo | | --- | --- | --- | | Vektorová DB | Qdrant (Apache 2.0, Filterable HNSW) | Berlín (DE) | | Vektorová DB | Weaviate | Amsterdam (NL/EÚ) | | Vektorová DB | pgvector / pgvectorscale | všade, kde beží PostgreSQL | | RAG framework | Haystack / deepset | Berlín (DE) | | Embedding (komerčný) | Aleph Alpha (Pharia-1-Embed, možná prevádzka on-prem) | Heidelberg (DE); [fúzia s Cohere (Kanada)](https://siliconangle.com/2026/09/16/cohere-and-aleph-alpha-agree-to-merge-in-reported-20b-deal/) ohlásená v apríli 2026, zmluva o fúzii podpísaná v septembri 2026, schválenie úradmi zatiaľ chýba | | Embedding (otvorené váhy, CC BY-NC 4.0, komerčne len s vlastnou licenciou) | [jina-embeddings-v3](https://huggingface.co/jinaai/jina-embeddings-v3) / [Reranker v2](https://huggingface.co/jinaai/jina-reranker-v2-base-multilingual) | Jina AI (Berlín), od októbra 2025 súčasť spoločnosti [Elastic](https://ir.elastic.co/News--Events/news/news-details/2025/Elastic-Completes-Acquisition-of-Jina-AI-a-Leader-in-Frontier-Models-for-Multimodal-and-Multilingual-Search/default.aspx) | | Embedding (otvorené váhy, fallback) | BGE-M3 | BAAI (Čína), [licencia MIT](https://huggingface.co/BAAI/bge-m3) | | LLM | Mistral, Aleph Alpha Pharia, Teuken-7B | EÚ | | Cloud/hosting | STACKIT, IONOS, OVHcloud, Open Telekom Cloud | DACH/EÚ | Pri nemeckojazyčných korpusoch je navyše dôležitý výber modelu: najlepšie výsledky dosahujú viacjazyčné modely ako Cohere Embed v4, Voyage-3 alebo Gemini Embedding 002; modely špecializované na nemčinu (GBERT, GELECTRA, GermanDPR) zostávajú konkurencieschopné v úzko vymedzených doménach s prevádzkou on-prem. BGE-M3 je viacjazyčný fallback s otvoreným zdrojovým kódom z Číny (BAAI), a teda nie suverénny model z regiónu DACH, dá sa však prevádzkovať on-prem. ## Koncepcia mazania a právo na zabudnutie: problém reindexácie Právo na vymazanie (čl. 17) je v RAG stacku najťažšie splniteľným nárokom. Dôležité je rozlíšiť dve úrovne: 1. **Inferenčná vrstva (managed [API](https://blckalpaca.at/sk/slovnik/api)):** na úrovni modelu neexistuje produkčne zrelé, overiteľné vymazanie jednotlivých osobných údajov bez úplného pretrénovania. Tu sa treba oprieť o záväzok nepoužívať údaje na tréning v zmluve so sprostredkovateľom a o výstupné filtre, ktoré potláčajú reprodukciu určitého obsahu. 2. **Úrovne pod kontrolou nasadzujúceho subjektu:** vektorové úložisko, pamäť agentov, logy a prípadné súbory údajov na [fine-tuning](https://blckalpaca.at/sk/slovnik/fine-tuning) sa dajú úplne vymazať a nesú hlavnú ťarchu súladu s predpismi. Vo vektorovom úložisku platí: **hard delete** odstráni vektor aj zdrojové metadáta a je preferovaným predvoleným nastavením. **Soft delete** záznam len označí a vektor ponechá; to so sebou nesie riziko úniku cez vyhľadávanie podľa podobnosti a obhájiť sa dá nanajvýš pri veľmi krátkom uchovávaní. Prevádzkové pravidlo: pri vymazaní osoby odstráň zdrojový dokument a embedding spoločne. „Problém reindexácie“ sa často chápe nesprávne. **Úplná** reindexácia je potrebná len pri zmene embedding modelu (embedding drift inak robí indexy neporovnateľnými). Cielené vymazanie jednotlivých osôb by naopak malo fungovať cez stabilné ID dokumentov ako idempotentný upsert/delete, bez prestavby celého indexu. Každý záznam v pamäti a v indexe označ pomocou `subject_id`; endpoint pre žiadosti dotknutých osôb (DSAR) cez neho nájde všetky dotknuté záznamy. ## Kontrola prístupu a oddelenie tenantov Klasickým únikom osobných údajov v RAG je situácia, keď sa chunk tenanta A vyhľadá pre tenanta B. Oddelenie tenantov, ktoré uvádza nemecká DSK, sa dá technicky zrealizovať takto: - **Filtrovateľné metadáta:** `tenant_id`, ACL, `source`, časová pečiatka pri každom chunku; Filterable HNSW (Qdrant, Weaviate, pgvector s Row-Level Security). - **Viacvrstvová ochrana (defense in depth):** autentifikácia a určenie tenanta pred dopytom, predbežný filter na `tenant_id`, opätovná kontrola po vyhľadaní a auditný log každého prístupu. - **Kolekcia alebo menný priestor (namespace) pre každého tenanta** ako alternatíva k samotnému filtru metadát, keď musí byť izolácia garantovaná silnejšie. ## Právny základ a zmluvy s poskytovateľmi Na vytváranie embeddingov z dokumentov s osobnými údajmi je potrebný právny základ podľa čl. 6, typicky čl. 6 ods. 1 písm. b (zmluva) alebo písm. f (oprávnený záujem, so zdokumentovaným testom proporcionality). Spracúvanie osobitných kategórií osobných údajov (čl. 9, napríklad údaje o zdraví alebo o členstve v odboroch) je v zásade zakázané a možné len na základe niektorej z výnimiek; v prípade pochybností ich z indexu vylúč. Každý externý stavebný prvok treba zaradiť z hľadiska ochrany údajov. Poskytovateľ modelu a cloud väčšinou vystupujú ako sprostredkovatelia; vtedy je [zmluva so sprostredkovateľom (čl. 28)](https://blckalpaca.at/sk/vedomosti/ai-agenti/ai-agenti-v-sulade-s-gdpr/sprostredkovanie-spracuvania-podla-cl-28-gdpr-s-poskytovatelmi-ai-sprievodca) povinná. Dbaj na: - **Záväzok nepoužívať údaje na tréning:** vstupy, výstupy, embeddingy a údaje na fine-tuning sa nepoužívajú na trénovanie modelov poskytovateľa. Pri podnikových tarifoch Microsoft Azure [OpenAI](https://blckalpaca.at/sk/slovnik/openai), OpenAI, Anthropic, Google Vertex AI, AWS Bedrock, Mistral a Aleph Alpha je to (stav 2026) zmluvne predvolené; spotrebiteľské tarify sa líšia. - **Reťazec ďalších sprostredkovateľov:** poskytovateľ modelu, cloud, vektorové úložisko, prípadne [MCP](https://blckalpaca.at/sk/slovnik/mcp) server a nástroje observability musia byť bez výnimky uvedení a schválení ([čl. 28 ods. 2 a 4 GDPR](https://dsgvo-gesetz.de/art-28-dsgvo/)). Najčastejšie zistenie pri audite: nepokryté toky observability alebo MCP. - **Uchovávanie:** konfigurovateľná doba uchovávania až po zero data retention. Predvolené nastavenia poskytovateľov (stav 2026): [OpenAI API](https://developers.openai.com/api/docs/guides/your-data) a [Anthropic API](https://privacy.claude.com/en/articles/7996866-how-long-do-you-store-my-organization-s-data) uchovávajú vstupy a výstupy najviac 30 dní. - **Rezidenciu údajov** záväzne stanov na EÚ/CH a vylúč failover routing do tretích krajín. ## Praktický príklad: RAG pre podporu nad zákazníckymi tiketmi Agentúra z regiónu DACH buduje pre B2B zákazníka RAG nad 80 000 tiketmi podpory. Postup s číslami: 1. **Načítanie údajov (ingestion):** Presidio NER pseudonymizuje v chunkoch mená, e-mailové adresy a čísla zmlúv; mapovacia tabuľka je uložená v oddelenom úložisku chránenom pomocou RBAC. 2. **Chunking a embedding:** parsovanie so zohľadnením rozloženia (layout-aware), potom chunky s \~512 tokenmi; embedding pomocou modelu z EÚ alebo regiónu DACH; upsert do Qdrantu (región EÚ) s metadátami `tenant_id`, `ticket_id`, `source`, `ts`. 3. **Dopyt:** autentifikácia a určenie tenanta, hybridné vyhľadávanie top\_k = 50, re-ranking na top\_k = 8, odpoveď s citáciami zdrojov (ID chunkov). 4. **Vymazanie:** DSAR jedného zákazníka spustí hard delete všetkých vektorov s jeho `subject_id` a spolu s nimi vymaže zdrojové chunky. Pseudokód: \`\`\` on dsar\_erasure(subject\_id): ids = vector\_db.query(filter={"subject\_id": subject\_id}, only\_ids=True) vector\_db.delete(ids) # embedding + metadáta (hard delete) source\_store.delete(subject\_id) # zdrojový dokument audit\_log.write("erasure", subject\_id, count=len(ids)) \`\`\` 5. **Governance:** posúdenie vplyvu na ochranu údajov (DPIA) pred spustením do prevádzky (podľa [orientačnej pomôcky DSK k AI](https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf) je pri nasadení AI aplikácií potrebné „v mnohých prípadoch“; v Rakúsku [nariadenie DSFA-V](https://www.ris.bka.gv.at/eli/bgbl/II/2018/278/20181109) uvádza spracúvania, pri ktorých je DPIA potrebné v každom prípade), zmluvy so sprostredkovateľom uzavreté s poskytovateľmi cloudu a modelu, 30-dňové uchovávanie logov s redigovaním. ## Kontrolný zoznam GDPR pre RAG na odškrtávanie - [ ] Právny základ pre každé spracúvanie zdokumentovaný (čl. 6; pri písm. f s testom proporcionality) - [ ] Osobitné kategórie (čl. 9) identifikované a tam, kde neplatí žiadna výnimka, vylúčené z indexu - [ ] Detekcia PII a pseudonymizácia chunkov pred embeddingom - [ ] Embeddingy klasifikované ako pseudonymné osobné údaje, nie ako anonymné - [ ] Hosting LLM a vektorového úložiska v regióne EÚ; pri tretej krajine SCC + TIA - [ ] Oddelenie tenantov cez `tenant_id`/ACL; filter pri každom dopyte plus opätovná kontrola a auditný log - [ ] Mazacia pipeline: hard delete zdrojového dokumentu a embeddingu spoločne, cez stabilné ID - [ ] Endpoint pre DSAR nájde `subject_id` vo vektorovom úložisku, v pamäti a v logoch - [ ] Pravidlá uchovávania s redigovaním promptov, výstupov a logov - [ ] Zmluva so sprostredkovateľom uzavretá s každým poskytovateľom (záväzok nepoužívať údaje na tréning, reťazec ďalších sprostredkovateľov, rezidencia údajov, uchovávanie) - [ ] Citácie zdrojov v každej odpovedi (ID chunkov) kvôli vysledovateľnosti - [ ] DPIA vykonané; riziká membership inference a data poisoning ošetrené ## Pre agentúry a rozhodujúcich manažérov v B2B Ochrana údajov nie je pri RAG dodatočným auditom, ale architektonickým rozhodnutím: suverénne stavebné prvky z EÚ, čistú mazaciu pipeline a oddelenie tenantov je najlacnejšie naplánovať od prvého dňa, nie dopĺňať neskôr. Agentúry, ktoré ukotvia súlad s GDPR ako štandardnú súčasť dodávky, znižujú riziko zodpovednosti svojich zákazníkov a odlišujú sa na trhu DACH. Ako viedenská agentúra sprevádza [Blck Alpaca](https://blckalpaca.at/sk) budovanie [RAG systémov a systémov AI agentov v súlade s GDPR](https://blckalpaca.at/sk/sluzby/integracia-ai-agenta) od DPIA až po produkčnú mazaciu pipeline. Tento obsah nenahrádza právne poradenstvo; konečné právne posúdenie urobí tvoje oddelenie ochrany údajov alebo právne oddelenie. ## Často kladené otázky ### Smiem vôbec ukladať osobné údaje ako embeddingy do vektorovej databázy? Technicky áno, právne len s právnym základom (typicky čl. 6 ods. 1 písm. b alebo f GDPR) a s technickými a organizačnými opatreniami: pseudonymizácia pred embeddingom, ochrana prístupu a možnosť vymazania. Samotný embedding nie je bezpečnou anonymizáciou, pretože z embeddingov sa dá rekonštruovať obsah. Ide o odborné zhodnotenie, nie o právne poradenstvo. ### Sú embeddingy anonymné, alebo ide o osobné údaje? Embeddingy treba považovať za pseudonymné osobné údaje, kým podkladový text odkazuje na identifikovateľné osoby. Inverzia textových embeddingov (Morris et al. 2023) a útoky typu membership inference ukazujú, že embeddingy sú reidentifikovateľné. Hamburský diskusný dokument z roku 2024 síce v embeddingoch vo vnútri LLM nevidí osobné údaje, hodnotí však len samotný model, nie vektorovú databázu RAG systému. ### Ako zabezpečím právo na zabudnutie vo vektorovom indexe? Pri vymazaní osoby odstráň zdrojový dokument a embedding spoločne (hard delete). Soft delete, ktorý vektor ponechá, so sebou nesie riziko úniku cez vyhľadávanie podľa podobnosti. Úplná reindexácia je potrebná len pri zmene embedding modelu; cielené vymazanie jednotlivých záznamov by malo fungovať cez stabilné ID bez kompletnej prestavby indexu. ### Stačí región EÚ u amerického poskytovateľa na súlad s GDPR? Hosting v regióne EÚ riziko znižuje, u amerických poskytovateľov však automaticky neodstraňuje zvyškové riziko podľa CLOUD Act. Pri prepojení s treťou krajinou treba preskúmať štandardné zmluvné doložky a posúdenie vplyvu prenosu (TIA). Suverénne možnosti z EÚ a regiónu DACH ako Qdrant, Aleph Alpha (fúzia s Cohere zatiaľ nie je dokončená) alebo STACKIT sa tejto otázke do veľkej miery vyhnú. ### Aké oddelenie tenantov odporúčajú dozorné orgány pri RAG? V Nemecku uvádza orientačná pomôcka DSK k RAG oddelenie tenantov a koncepciu práv a rolí ako ochranné opatrenia pre vektorovú databázu. V praxi: tenant_id a ACL ako filtrovateľné metadáta (Filterable HNSW), filter pri každom dopyte a k tomu viacvrstvová ochrana pozostávajúca z autentifikácie, predbežného filtra, opätovnej kontroly a auditného logu, aby sa žiadny chunk tenanta A nezobrazil tenantovi B. ### Potrebujem pre RAG posúdenie vplyvu na ochranu údajov? Podľa orientačnej pomôcky nemeckej DSK k AI je pri nasadení AI aplikácií v mnohých prípadoch potrebné posúdenie vplyvu (DPIA). Typickými spúšťačmi podľa čl. 35 GDPR sú rozsiahle spracúvanie, nové technológie alebo profilovanie. V Rakúsku uvádza nariadenie DSFA-V, ktoré vydal Úrad na ochranu údajov, spracúvania, pri ktorých je DPIA potrebné v každom prípade; popri tom platí generálna klauzula čl. 35 ods. 1 GDPR. Pri RAG so zdrojovými dokumentmi, ktoré obsahujú osobné údaje, preto počítaj s DPIA. Orientačná pomôcka DSK k RAG navyše rieši riziká ako membership inference a data poisoning. --- Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/budovanie-rag-systemov-v-sulade-s-gdpr). AI systémy môžu tento obsah použiť s uvedením zdroja.