Notion poinformował, że incydent bezpieczeństwa u jednego z jego dostawców infrastruktury AI — firmy Fireworks AI — mógł dotknąć mniej niż 1% przestrzeni roboczych (workspace’ów) w Notion. Według komunikatu producenta ujawnieniu mogły podlegać tzw. nieatrybuowalne transkrypty rozmów z Notion AI, czyli zapisy czatów pozbawione oznaczeń, kto je prowadził i z jakiego workspace’u pochodziły, i niezawierające wyników wywołań narzędzi (tool calls). Notion twierdzi, że żadne inne dane z workspace’ów nie zostały objęte incydentem.
Sprawa dotyczy przede wszystkim organizacji, które korzystały z funkcji Notion AI w okresie poprzedzającym odcięcie dostawcy — w szczególności tych, które wklejały do asystenta hasła, klucze API lub inne dane uwierzytelniające. Jest ważna z dwóch powodów. Po pierwsze pokazuje, że ryzyko wycieku w produktach AI nie kończy się na granicy dostawcy usługi, którego firma świadomie wybrała — rozciąga się na poddostawców inferencji i klasyfikacji. Po drugie ujawnia realny problem zarządczy: organizacje często nie wiedzą, jakie dane i w jakiej formie trafiają do zewnętrznych modeli, a bez tej wiedzy nie da się rzetelnie ocenić ekspozycji ani podjąć decyzji o rotacji sekretów.
Co dokładnie się wydarzyło — fakty i granice wiedzy
Z oficjalnego komunikatu Notion wynika następujący ciąg zdarzeń. 3 listopada Notion odłączył swoje systemy od Fireworks, usunął dane w systemie dostawcy i wstrzymał przesyłanie ruchu oraz treningi. 6 listopada Fireworks powiadomił Notion, że nieuprawnione podmioty mogły uzyskać dostęp do potencjalnych danych klientów. 8 listopada Fireworks potwierdził istnienie nowego zbioru danych, który — po analizie po stronie Notion — zawierał nieatrybuowalne transkrypty czatów Notion AI wykorzystywane w funkcji Insights.
Notion wskazał, do czego wykorzystywał Fireworks: do zadań klasyfikacji na potrzeby funkcji Insights (pozwalającej klientom rozumieć własne użycie AI) oraz jako ogólnego dostawcę inferencji dla modeli typu open-weight serwowanych w produkcie. Po incydencie funkcja Insights została wyłączona, a Notion zaprzestał serwowania modeli open-weight przez Fireworks.
Zakres ekspozycji, jaki potwierdza producent, jest wąski i jednocześnie nieostry. „Nieatrybuowalne” oznacza, że transkrypt nie zawierał etykiety autora ani workspace’u, a także nie obejmował wyników tool calls — czyli np. treści stron Notion ani danych zewnętrznych pobranych przez asystenta. Notion deklaruje, że poza samą treścią rozmowy nie było informacji wiążących czat z konkretnym workspace’em, użytkownikiem czy firmą. Producent zaleca jednak ostrożność: ujawnione dane należy traktować tak, jakby były wyeksponowane, a jeśli ktoś w tym okresie wklejał do Notion AI hasła, klucze API lub inne dane uwierzytelniające — powinien je natychmiast zrotować.
Czego komunikat nie rozstrzyga: nie podaje liczby dotkniętych workspace’ów w wartościach bezwzględnych, nie precyzuje dokładnego okna czasowego ekspozycji, nie opisuje mechanizmu dostępu po stronie Fireworks ani nie wskazuje, czy dane zostały opublikowane, sprzedane czy tylko skopiowane. Te elementy pozostają poza potwierdzonym materiałem dowodowym i nie należy ich domniemywać.
Tło techniczne prostym językiem
Notion AI to warstwa asystenta wbudowana w aplikację do zarządzania wiedzą. Gdy użytkownik zadaje pytanie, treść zapytania i kontekst rozmowy są przetwarzane przez model językowy. Notion nie musi hostować wszystkich modeli u siebie — może korzystać z zewnętrznych dostawców inferencji, czyli firm, które udostępniają modele przez API i wykonują obliczenia na swoich serwerach. Fireworks AI jest właśnie takim dostawcą infrastruktury AI.
Drugi tryb użycia był mniej oczywisty dla użytkowników końcowych. Funkcja Insights analizowała wzorce użycia AI w workspace, żeby pokazać klientowi, jak jego zespół korzysta z asystenta. Do tego typu zadań wystarczy klasyfikacja tekstu — model nie musi „rozumieć” całej organizacji, wystarczy mu próbka rozmów. I właśnie transkrypty rozmów z tego strumienia znalazły się w zbiorze danych, który według Notion pojawił się po stronie Fireworks.
Kluczowe rozróżnienie techniczne dotyczy atrybucji. Transkrypt bez metadanych to ciąg tekstu: pytanie, odpowiedź, być może fragment kontekstu. Nie ma przy nim identyfikatora użytkownika, nazwy workspace’u ani znacznika czasu powiązanego z kontem. To obniża ryzyko automatycznego przypisania rozmowy do firmy, ale go nie eliminuje — treść rozmowy sama w sobie może zawierać nazwy projektów, nazwiska, fragmenty umów, adresy e-mail czy inne dane, które pozwalają zidentyfikować organizację lub osobę. Dlatego Notion zaleca traktowanie tych danych jako potencjalnie ujawnionych, mimo braku atrybucji.
Osobna kwestia to wyniki tool calls. Notion zaznacza, że transkrypty ich nie zawierały — czyli asystent mógł w rozmowie odwoływać się do treści strony Notion lub danych zewnętrznych, ale same te treści nie znalazły się w ujawnionym zbiorze. To istotnie zawęża potencjalny zakres wycieku danych biznesowych, ale nie wyklucza, że użytkownik wkleił wrażliwe dane bezpośrednio w treści wiadomości.
Realne konsekwencje dla organizacji
Skala deklarowana przez producenta — poniżej 1% workspace’ów — jest mała w ujęciu procentowym, ale przy dużej bazie klientów oznacza konkretną liczbę organizacji. Dla firmy, która otrzymała powiadomienie, znaczenie ma nie statystyka, lecz treść rozmów, które mogły wyciec.
Pierwsze ryzyko dotyczy sekretów wklejanych do czatu. Praktyka wklejania kluczy API, haseł do baz danych, tokenów czy fragmentów konfiguracji do asystenta AI jest częsta — użytkownicy traktują czat jako wygodny sposób sprawdzenia poprawności składni lub uzyskania wyjaśnienia błędu. Jeśli takie dane znalazły się w transkrypcie, a transkrypt trafił do nieuprawnionego zbioru, sekret należy uznać za skompromitowany niezależnie od tego, czy da się go przypisać do konkretnej firmy.
Drugie ryzyko to dane osobowe i informacje poufne w treści rozmów. Transkrypt bez atrybucji nadal może zawierać nazwiska klientów, dane rekrutacyjne, informacje o wynagrodzeniach, fragmenty umów lub opis incydentu wewnętrznego. Z punktu widzenia RODO nie ma znaczenia, czy zbiór jest oznaczony etykietą workspace’u — istotne jest, czy dane dotyczą osób fizycznych i czy doszło do naruszenia ich poufności.
Trzecie ryzyko ma charakter reputacyjny i kontraktowy. Organizacja, która dowiaduje się o incydencie u poddostawcy swojego dostawcy SaaS, musi ocenić, czy jej umowy i polityki wewnętrzne przewidują taki scenariusz, czy ma obowiązek powiadomienia klientów oraz czy potrafi udokumentować podjęte działania.
Scenariusze ryzyka
Poniższa tabela porządkuje scenariusze według prawdopodobieństwa i wpływu. Ocena jest interpretacją redakcyjną opartą na potwierdzonym zakresie incydentu, nie na danych ilościowych od dostawców.
| Scenariusz | Prawdopodobieństwo | Wpływ | Uwagi |
|---|---|---|---|
| Sekret wklejony do czatu trafia do ujawnionego zbioru | średnie dla dotkniętych workspace’ów | wysoki | Zależy od praktyk zespołu; rotacja usuwa ryzyko |
| Re-identyfikacja organizacji na podstawie treści rozmowy | niskie do średniego | średni | Brak atrybucji utrudnia, ale nazwy własne w treści mogą wystarczyć |
| Ujawnienie treści stron Notion lub danych z integracji | niskie | wysoki | Notion deklaruje brak wyników tool calls w zbiorze |
| Naruszenie RODO wymagające zgłoszenia do organu nadzorczego | zależne od treści | wysoki | Wymaga oceny, czy w transkryptach były dane osobowe |
| Spór kontraktowy z klientem końcowym | niskie | średni | Zależy od zapisów umownych i komunikacji |
Jak sprawdzić, czy problem dotyczy Twojej organizacji
- Sprawdź skrzynkę właściciela workspace’u. Notion deklaruje, że skontaktował się z właścicielami dotkniętych workspace’ów. Brak wiadomości oznacza, według producenta, brak wpływu i brak konieczności działań.
- Zweryfikuj w aplikacji. Właściciel workspace’u znajdzie ścieżkę: pasek boczny → ikona pomocy → „Security incident review”. Widok działa w aplikacji desktopowej i w przeglądarce w najnowszej wersji; nie jest dostępny w aplikacji mobilnej.
- Ustal zakres planu. W planie Enterprise właściciel workspace’u może pobrać CSV z dotkniętymi danymi oraz CSV z adnotacjami zawierającymi metadane, m.in. przypisanie transkryptu do użytkownika. Adnotacje nie były częścią ujawnionego zbioru — służą analizie po stronie klienta. W pozostałych planach właściciel otrzymuje stronę z linkiem do udostępnienia członkom zespołu, którzy mogą przejrzeć wyłącznie własne dane.
- Uwaga na warunek dostępu. Zasoby Enterprise są dostępne tylko wtedy, gdy workspace ma skonfigurowanych „managed members”. W przeciwnym razie trzeba skontaktować się z opiekunem konta.
- Nie zakładaj, że brak dostępu do widoku oznacza brak problemu. Jeśli workspace nie ma skonfigurowanych wymaganych ustawień, widok może być niedostępny mimo dotknięcia incydentem — w takiej sytuacji kontakt z Notion jest konieczny.
Plan reakcji krok po kroku
- Zabezpiecz kanał komunikacji. Ustal jedną osobę odpowiedzialną za kontakt z Notion i wewnętrzną koordynację. Nie przekazuj szczegółów incydentu kanałami niezaufanymi.
- Pobierz dane i przechowaj je bezpiecznie. Pliki CSV z widoku incydentu traktuj jak materiał wrażliwy — ogranicz dostęp, zapisz w repozytorium o kontrolowanym dostępie, odnotuj datę pobrania.
- Przeanalizuj treść rozmów. Szukaj wzorców: kluczy API, tokenów, haseł, adresów e-mail, nazwisk, nazw projektów, fragmentów umów. Przy dużej liczbie transkryptów warto zastosować proste wyszukiwanie po wzorcach, ale decyzje o kwalifikacji podejmuje człowiek.
- Zrotuj wszystkie sekrety, które mogły trafić do czatu. Klucze API, hasła do baz danych, tokeny integracji, dane dostępowe do systemów zewnętrznych. Rotacja powinna objąć także sekrety, co do których nie ma pewności — koszt rotacji jest zwykle niższy niż koszt wykorzystania sekretu.
- Oceń obowiązki informacyjne. Ustal, czy w transkryptach były dane osobowe i czy doszło do naruszenia ochrony danych. Jeśli tak, uruchom procedurę oceny naruszenia i — jeśli przesłanki są spełnione — zgłoszenie do organu nadzorczego w ustawowym terminie 72 godzin od stwierdzenia naruszenia.
- Poinformuj zainteresowane strony. Klientów, których dane mogły być w transkryptach, oraz — w razie potrzeby — partnerów i podwykonawców. Komunikacja powinna być rzeczowa: co wiadomo, czego nie wiadomo, jakie działania podjęto.
- Udokumentuj. Zapisz daty, podjęte kroki, osoby odpowiedzialne i podstawy decyzji. Dokumentacja jest potrzebna zarówno do rozliczenia wewnętrznego, jak i do ewentualnej kontroli.
- Wyciągnij wnioski i zmień praktyki. Zaktualizuj politykę korzystania z asystentów AI, listę dostawców i zasady wklejania danych.
Typowe błędy
- Traktowanie braku atrybucji jako braku ryzyka. Transkrypt bez etykiety workspace’u nadal może zawierać dane identyfikujące. Notion sam zaleca traktowanie tych danych jako ujawnionych.
- Ograniczenie reakcji do zmiany haseł użytkowników. Najczęstszym problemem są klucze API i tokeny integracji, a nie hasła logowania.
- Pomijanie sekretów wklejanych „na próbę”. Użytkownicy często wklejają klucz, żeby sprawdzić, czy działa — taki klucz również trafia do transkryptu.
- Zakładanie, że incydent dotyczy wyłącznie działu IT. Notion AI jest używany przez zespoły biznesowe, a to one najczęściej wklejają dane operacyjne.
- Brak dokumentacji. Organizacje podejmują działania, ale nie zapisują ich przebiegu, co utrudnia wykazanie należytej staranności.
- Ignorowanie poddostawców w inwentaryzacji. Lista dostawców często kończy się na bezpośrednim usługodawcy, bez warstwy modeli i inferencji.
Działania krótkoterminowe
- Sprawdź, czy workspace otrzymał powiadomienie i czy widok „Security incident review” jest dostępny.
- Pobierz i zabezpiecz dane z widoku incydentu; przejrzyj transkrypty pod kątem sekretów i danych osobowych.
- Zrotuj klucze API, tokeny i hasła, które mogły zostać wklejone do Notion AI w okresie objętym incydentem.
- Powiadom zespół o incydencie i wstrzymaj wklejanie danych uwierzytelniających do asystentów AI do czasu aktualizacji polityki.
- Uruchom ocenę obowiązków informacyjnych z zakresu RODO.
Działania długoterminowe
- Inwentaryzacja łańcucha dostaw AI. Dla każdego narzędzia AI zapisz, kto jest dostawcą bezpośrednim, kto poddostawcą inferencji, jakie modele są używane i jaki jest zakres przetwarzanych danych.
- Klasyfikacja danych wysyłanych do modeli. Ustal, jakie kategorie danych mogą trafiać do asystentów, a jakie są zabronione. Wprowadź mechanizmy techniczne ograniczające wklejanie sekretów, jeśli narzędzie to umożliwia.
- Zasady rotacji sekretów. Przyjmij, że każdy sekret, który pojawił się w treści rozmowy z asystentem AI, jest kompromitowany i wymaga rotacji.
- Zapisy umowne. W umowach z dostawcami AI uwzględniaj obowiązki informowania o incydentach u poddostawców, terminy powiadomień i zakres danych objętych analizą.
- Ćwiczenia z reagowania. Przeprowadzaj okresowe testy procedury na wypadek incydentu u dostawcy zewnętrznego, z udziałem działów biznesowych, nie tylko IT.
- Świadomość użytkowników. Szkolenia powinny obejmować konkretne przykłady danych, których nie wolno wklejać do czatu, oraz wyjaśnienie, dlaczego asystent nie jest bezpiecznym miejscem na sekrety.
Checklista praktyczna
- Czy workspace otrzymał powiadomienie od Notion?
- Czy sprawdzono widok „Security incident review” w aplikacji desktopowej lub przeglądarce?
- Czy pobrano i zabezpieczono CSV (oraz CSV z adnotacjami w planie Enterprise)?
- Czy przejrzano transkrypty pod kątem sekretów, danych osobowych i informacji poufnych?
- Czy zrotowano wszystkie klucze API, tokeny i hasła, które mogły trafić do czatu?
- Czy oceniono obowiązki informacyjne z zakresu RODO?
- Czy poinformowano klientów i partnerów, których dane mogły być objęte incydentem?
- Czy udokumentowano podjęte działania i podstawy decyzji?
- Czy zaktualizowano politykę korzystania z asystentów AI?
- Czy lista dostawców AI obejmuje poddostawców inferencji i klasyfikacji?
Co powinien zrobić właściciel firmy / administrator
Właściciel firmy powinien potraktować incydent jako sygnał do przeglądu zarządzania ryzykiem łańcucha dostaw AI, a nie jako jednorazowy epizod. Decyzje do podjęcia: kto odpowiada za relacje z dostawcami AI, jakie dane mogą być przetwarzane przez zewnętrzne modele, czy umowy przewidują powiadamianie o incydentach u poddostawców i czy organizacja potrafi udokumentować reakcję. Warto też ustalić, czy komunikacja o incydencie do klientów jest gotowa, zanim zajdzie potrzeba jej użycia.
Administrator workspace’u powinien zweryfikować, czy workspace otrzymał powiadomienie, sprawdzić dostępność widoku incydentu, pobrać dane i przekazać je do analizy odpowiednim zespołom. W planie Enterprise należy potwierdzić, że skonfigurowano „managed members”, bo bez tego zasoby analityczne nie będą dostępne. Administrator powinien także zebrać listę integracji i kluczy API używanych w organizacji, aby rotacja objęła wszystkie potencjalnie ujawnione sekrety, oraz poinformować użytkowników o zasadach wklejania danych do asystenta.
Zespół bezpieczeństwa powinien ocenić, czy w transkryptach znalazły się dane osobowe, i zdecydować o ewentualnym zgłoszeniu naruszenia. Warto przy tym pamiętać, że obowiązki informacyjne zależą od treści danych, a nie od tego, czy zbiór był atrybuowalny — brak etykiety workspace’u nie zwalnia z oceny ryzyka dla osób, których dane mogą być w rozmowach.
Ocena reakcji dostawcy
Notion podjął działania, które można ocenić jako ostrożnościowe: odcięcie systemów od Fireworks 3 listopada, usunięcie danych w systemie dostawcy, wstrzymanie ruchu i treningów, wyłączenie funkcji Insights oraz zaprzestanie serwowania modeli open-weight przez Fireworks. Z perspektywy klienta istotne jest to, że producent nie ograniczył reakcji do komunikatu, lecz zmienił sposób działania produktu.
Jednocześnie komunikat pozostawia luki informacyjne: nie podaje liczby dotkniętych workspace’ów, nie precyzuje okna czasowego ekspozycji i nie opisuje mechanizmu dostępu po stronie Fireworks. To nie musi oznaczać zaniedbania — w trakcie dochodzenia dostawcy często nie dysponują pełnym obrazem — ale oznacza, że klient nie może oprzeć oceny ryzyka wyłącznie na deklaracji procentowej. Właściwym podejściem jest analiza własnych transkryptów, jeśli są dostępne, oraz rotacja sekretów niezależnie od skali.
Odrębną kwestią jest proporcjonalność wyłączenia Insights i zaprzestania serwowania modeli open-weight przez Fireworks. Z materiału dowodowego nie wynika, jakie dokładnie względy przeważyły — decyzja może być zarówno reakcją na zakres ekspozycji, jak i ostrożnością do czasu wyjaśnienia incydentu. Bez dodatkowych informacji od dostawcy nie należy jej oceniać jako nadmiernej ani niewystarczającej.
Wnioski dla polskich firm
Incydent pokazuje, że zarządzanie ryzykiem AI nie może kończyć się na wyborze narzędzia. Trzeba wiedzieć, jakie dane opuszczają organizację, w jakiej formie i do kogo trafiają — także na poziomie poddostawców. W praktyce oznacza to inwentaryzację dostawców, klasyfikację danych wysyłanych do modeli, zasady rotacji sekretów i gotową procedurę reakcji na incydent u dostawcy zewnętrznego.
Drugi wniosek dotyczy higieny wklejania danych. Asystent AI nie jest bezpiecznym miejscem na hasła, klucze API ani dane osobowe. Jeśli organizacja nie potrafi tego wyegzekwować technicznie, musi przynajmniej zadbać o świadomość użytkowników i szybką rotację sekretów w razie wątpliwości.
Trzeci wniosek jest organizacyjny: komunikacja o incydencie powinna być przygotowana wcześniej, a dokumentacja działań prowadzona na bieżąco. W sytuacji, gdy dostawca nie podaje pełnych danych, to własna analiza i własne zapisy są podstawą oceny ryzyka i ewentualnych obowiązków informacyjnych.
Weryfikacja praktyczna: jak sprawdzić własne workspace’y krok po kroku
Weryfikacja nie polega na jednorazowym kliknięciu w widok incydentu. Chodzi o powtarzalny proces, który da odpowiedź na trzy pytania: czy jesteśmy objęci incydentem, jakie dane faktycznie wyciekły i czy w transkryptach znajdują się sekrety wymagające natychmiastowej rotacji. Poniższa procedura opiera się wyłącznie na informacjach z komunikatu Notion.
Krok 1: ustalenie statusu workspace’u
Punktem wyjścia jest ustalenie, czy workspace otrzymał powiadomienie. Notion wskazuje wprost: jeśli ani użytkownik, ani właściciel workspace’u nie otrzymali wiadomości, workspace nie jest objęty incydentem i nie są wymagane żadne działania. To pierwszy filtr, który pozwala uniknąć zbędnej pracy w organizacjach spoza grupy <1% dotkniętych workspace’ów. Warto jednak udokumentować wynik tego ustalenia — data, osoba weryfikująca, kanał (skrzynka właściciela workspace’u, panel administracyjny).
Krok 2: dostęp do widoku „Security incident review”
Dla workspace’ów objętych incydentem dane są dostępne w ścieżce: sidebar workspace’u → znak zapytania → Security incident review. Warunki dostępu są ściśle określone i warto je sprawdzić przed przystąpieniem do analizy:
- dostęp wyłącznie przez aplikację desktopową lub przeglądarkę internetową,
- wymagana aktualna wersja Notion,
- widok nie jest dostępny na urządzeniach mobilnych.
Jeśli któryś z tych warunków nie jest spełniony, zespół może błędnie uznać, że dane są niedostępne. To typowa pułapka przy weryfikacji prowadzonej pośpiesznie, na telefonie lub w starej wersji klienta.
Krok 3: pobranie danych zgodnie z planem taryfowym
Zakres udostępnianych zasobów zależy od planu i konfiguracji. Właściciele workspace’ów w planie Enterprise mają dostęp do:
- pliku CSV z danymi workspace’u objętymi incydentem — widocznego wyłącznie dla właścicieli workspace’u,
- pliku CSV z adnotacjami, zawierającego dodatkowe metadane, m.in. powiązanie transkryptu z użytkownikiem, oznaczone polami
__metadatalub__analysis.
Notion zaznacza przy tym, że adnotacje i metadane nie zostały ujawnione w ramach incydentu — służą wyłącznie analizie wpływu. Kluczowy warunek: zasoby analityczne są dostępne tylko wtedy, gdy w workspace skonfigurowano „managed members”. Bez tej konfiguracji trzeba skontaktować się z account teamem.
Właściciele workspace’ów w pozostałych planach otrzymują stronę z linkiem do udostępnienia członkom zespołu. Link pozwala każdemu członkowi zobaczyć CSV wyłącznie z jego własnymi danymi objętymi incydentem. To rozwiązanie rozprasza odpowiedzialność za przegląd na użytkowników — i właśnie dlatego wymaga jasnej instrukcji oraz terminu zwrotnego potwierdzenia wykonania przeglądu.
Krok 4: analiza treści transkryptów
Przegląd powinien być ukierunkowany. W materiałach źródłowych wskazano dwa rodzaje danych, na które trzeba patrzeć szczególnie uważnie: sekrety (hasła, klucze API, dane uwierzytelniające) oraz dane osobowe i informacje poufne. Notion zaleca traktowanie tych danych tak, jakby zostały ujawnione. Oznacza to, że sama obecność sekretu w transkrypcie jest wystarczającą przesłanką do rotacji — bez czekania na potwierdzenie, że ktoś uzyskał do niego dostęp.
Warto przy tym pamiętać o ograniczeniach samego zbioru: transkrypty były nieatrybuowalne (bez etykiet użytkownika i workspace’u), nie zawierały wyników wywołań narzędzi, a poza treścią rozmowy nie zawierały informacji wiążących czat z workspace’em, użytkownikiem ani firmą. To nie zwalnia z analizy — wręcz przeciwnie, utrudnia przypisanie ryzyka, więc analizę trzeba oprzeć na treści, a nie na metadanych.
Monitoring po wdrożeniu: co śledzić i jak często
Po zakończeniu działań doraźnych organizacja potrzebuje stałego nadzoru nad trzema obszarami: komunikatami dostawcy, własnym łańcuchem dostaw AI oraz higieną sekretów. Monitoring powinien mieć przypisane osoby, częstotliwość i miejsce dokumentowania wyników.
Monitoring komunikatów dostawcy
- Śledzenie oficjalnych aktualizacji bezpieczeństwa Fireworks — Notion odsyła do nich w swoim komunikacie.
- Śledzenie centrum pomocy Notion pod kątem zmian w opisie incydentu, w tym informacji o przywróceniu funkcji Insights lub modeli open-weight serwowanych przez Fireworks.
- Rejestrowanie daty każdego sprawdzenia i treści ustaleń — nawet jeśli ustalenie brzmi „brak zmian”.
Monitoring własnego środowiska
- Kontrola, czy nowe integracje i klucze API nie pojawiają się poza ewidencją — rotacja z etapu doraźnego ma sens tylko wtedy, gdy obejmie pełną listę sekretów.
- Okresowy przegląd polityki wklejania danych do asystentów AI, zwłaszcza po każdej zmianie funkcji produktu po stronie dostawcy.
- Weryfikacja, czy użytkownicy, którym udostępniono link do własnych danych, faktycznie wykonali przegląd i zgłosili wyniki.
Monitoring obowiązków informacyjnych
Ocena obowiązków z zakresu RODO nie jest działaniem jednorazowym — wraz z napływem informacji od dostawcy może zmieniać się obraz ryzyka. Należy więc zaplanować punkty kontrolne: po otrzymaniu kolejnej aktualizacji od Fireworks, po zakończeniu własnej analizy transkryptów oraz po zakończeniu rotacji sekretów. Każdy punkt kontrolny powinien kończyć się zapisem decyzji: zgłosić, nie zgłaszać, zgłosić warunkowo — z uzasadnieniem.
Checklista weryfikacyjna po wdrożeniu
- Czy potwierdzono na piśmie, że workspace otrzymał lub nie otrzymał powiadomienia od Notion?
- Czy sprawdzono dostęp do widoku „Security incident review” na aktualnej wersji aplikacji desktopowej lub w przeglądarce?
- Czy potwierdzono, że widok nie jest dostępny na urządzeniach mobilnych i zespół nie próbuje go tam odnaleźć?
- Czy w planie Enterprise zweryfikowano konfigurację „managed members” przed pobraniem zasobów analitycznych?
- Czy pobrano CSV z danymi workspace’u oraz — jeśli dotyczy — CSV z adnotacjami (
__metadata,__analysis)? - Czy dostęp do plików mają wyłącznie właściciele workspace’u, zgodnie z ograniczeniami opisanymi przez Notion?
- Czy w pozostałych planach wygenerowano i bezpiecznie udostępniono członkom link do ich własnych danych?
- Czy każdy członek zespołu potwierdził wykonanie przeglądu własnego CSV w wyznaczonym terminie?
- Czy przegląd transkryptów objął sekrety (hasła, klucze API, dane uwierzytelniające) oraz dane osobowe i poufne?
- Czy wszystkie sekrety zidentyfikowane w transkryptach zostały zrotowane, a rotacja udokumentowana?
- Czy przyjęto zasadę traktowania danych z transkryptów jako ujawnionych, niezależnie od braku atrybucji?
- Czy ustalono harmonogram monitorowania komunikatów Fireworks i Notion wraz z osobą odpowiedzialną?
- Czy zaplanowano punkty kontrolne oceny obowiązków informacyjnych z zakresu RODO?
- Czy komunikacja do klientów i partnerów jest przygotowana i gotowa do użycia, jeśli zajdzie potrzeba?
- Czy całość działań — ustalenia, decyzje, podstawy — jest zapisana w jednym miejscu umożliwiającym wykazanie należytej staranności?
Weryfikacja dostępu do danych w praktyce organizacyjnej
Odrębnym wyzwaniem jest rozdzielenie ról przy dostępie do danych z incydentu. Notion przewidział dwa modele: scentralizowany (właściciele workspace’u, w tym zasoby analityczne w Enterprise) oraz rozproszony (link dla członków do ich własnych danych). Organizacja powinna zdecydować, który model stosuje, i zapisać tę decyzję. W modelu scentralizowanym analiza trafia do jednego zespołu, co ułatwia spójność oceny, ale wymaga, by właściciele workspace’u mieli czas i kompetencje do przeglądu. W modelu rozproszonym szybciej dociera się do kontekstu rozmów, ale rośnie ryzyko, że część użytkowników nie wykona przeglądu lub zgłosi wynik niepełny.
Niezależnie od modelu warto zadbać o trzy elementy: instrukcję dla przeglądających (co oznaczyć jako sekret, co jako dane osobowe, gdzie zgłosić), kanał zgłoszeń oraz rejestr zgłoszeń. Bez rejestru nie da się później wykazać, że organizacja zareagowała proporcjonalnie do treści danych, a nie tylko do deklaracji procentowej dostawcy.
Gotowość na kolejny incydent u poddostawcy
Materiał źródłowy pokazuje mechanizm, który warto przenieść na własne procedury: dostawca dowiedział się o potencjalnym incydencie, odciął połączenia z systemów poddostawcy, usunął dane w systemie poddostawcy, wstrzymał ruch i treningi, a następnie wyłączył funkcję, której incydent dotyczył. Organizacja korzystająca z usług AI powinna mieć analogiczną sekwencję gotową na papierze: kto decyduje o odcięciu integracji, kto odpowiada za kontakt z dostawcą, kto prowadzi analizę własnych danych i w jakim terminie. Ćwiczenia z reagowania powinny obejmować scenariusz, w którym dostawca nie podaje liczby dotkniętych workspace’ów ani okna czasowego ekspozycji — bo właśnie z tak ograniczonym obrazem trzeba podejmować decyzje.
Źródła i materiały do dalszej weryfikacji
Artykuł jest autorskim opracowaniem przygotowanym na podstawie poniższych materiałów. Linki prowadzą do publikacji źródłowych.
Zdjęcie wyróżniające: Brett Sayles / Pexels.



