Przejdź do treści

Modele AI z danymi w UE: jak ustawić API, żeby dane klientów zostały w Europie

Firma chce używać GPT, Claude albo Gemini w agencie lub aplikacji, a dane klientów mają być przetwarzane w Europie. Da się, tylko że o miejscu przetwarzania decyduje ustawienie projektu albo wdrożenia, a nie nazwa modelu. Zestawiam opcje, z których korzystam, i to, czego sam region nie załatwi.

Autor: Szymon Łakomy. Aktualizacja:

Czy zasób w regionie UE wystarczy, żeby dane zostały w Europie?

Nie zawsze. U dużych dostawców trzeba rozróżnić dwie rzeczy: gdzie dane są przechowywane i gdzie model je przetwarza, czyli liczy odpowiedź. Microsoft, AWS i Google opisują to w dokumentacji osobno. Pliki i zapisane dane zostają zwykle w regionie, który wybierzesz, ale wdrożenia globalne mogą wysłać samo zapytanie do innego regionu, żeby obsłużyć ruch.

Dla agenta oznacza to, że treść maila od klienta może zostać przetworzona poza Europą, choć zasób założyłeś w regionie europejskim. Ustawienie, które to zmienia, wybiera się przy zakładaniu projektu albo wdrożenia modelu, więc sprawdzam je na początku, a nie po starcie.

Jak ustawić przetwarzanie w UE u poszczególnych dostawców?

DostawcaUstawienie dla UENa co uważam
OpenAI APInowy projekt z regionem Europa (EOG i Szwajcaria) i zapytania na adres eu.api.openai.comopcja dla kwalifikujących się klientów, wymaga uzgodnionego z OpenAI zmodyfikowanego monitorowania nadużyć albo zerowego przechowywania danych (ZDR); istniejącego projektu nie przestawisz, a obsługa zależy od modelu i punktu końcowego API
Azure OpenAIzasób w regionie UE i wdrożenie Data Zone dla UE albo typu Standard (regionalne) zamiast globalnegoprzy Data Zone zapytanie może trafić do innego kraju Unii, przy wdrożeniu Standard nie wychodzi poza geografię Azure zasobu; zapisane dane, na przykład wgrane pliki, zostają w wybranej geografii
Amazon Bedrockgeograficzny profil wnioskowania dla UE, który kieruje zapytania tylko do regionów Unii, także dla części modeli Claudeprofil globalny wysyła zapytania do dowolnego regionu komercyjnego; dane zapisane zostają w regionie źródłowym
Vertex AI (Google Cloud)punkt końcowy w regionie UE albo w wieloregionie UE zamiast globalnegopunkt globalny nie daje żadnej obietnicy co do miejsca przetwarzania, a przetwarzanie w UE Google podaje osobno dla każdego modelu
MistralAPI Mistral, w którym dane są domyślnie przechowywane w UEosobny punkt końcowy w USA przenosi dane do Stanów; listę podwykonawców sprawdzam u dostawcy
Model z otwartymi wagamiwłasny serwer albo serwer z kartą graficzną wynajęty w centrum danych w UEjakość i koszt utrzymania, opisane na stronie lokalny model AI w firmie

Stan na listopad 2026, według dokumentacji dostawców podanej w źródłach. Dostępność konkretnych modeli w regionach UE się zmienia, więc sprawdzam ją przy każdym wdrożeniu.

Opcja OpenAI bywa dla małej firmy trudno dostępna, bo zależy od kwalifikacji konta i od uzgodnień z OpenAI w sprawie przechowywania danych. Dlatego wybieram Azure OpenAI, Bedrock albo Vertex AI, gdy firma ma już konto w danej chmurze, Mistrala, gdy liczy się prosta konfiguracja z danymi w UE od pierwszego dnia, a model na własnym serwerze przy danych, które nie powinny opuszczać firmy. Który model sprawdzi się w zadaniu, rozstrzyga porównanie opisane na stronie wybór modelu AI do agenta.

Azure OpenAI czy OpenAI API: czym się różnią?

To te same rodziny modeli GPT, ale inna usługa, inne konto i inne ustawienia danych. Różnice, które mają znaczenie przy agencie albo aplikacji:

KwestiaOpenAI APIAzure OpenAI
Logowanie aplikacjizwykle klucz API przypisany do projektuklucz albo logowanie bez kluczy przez Microsoft Entra ID i tożsamość zarządzaną
Siećpołączenie z adresem API OpenAI przez internetmożliwy prywatny punkt końcowy w sieci wirtualnej Azure
Miejsce przetwarzaniadomyślnie bez wybranego regionu, Europa w nowym projekcie kwalifikującego się klientazależne od typu wdrożenia: globalne, Data Zone albo Standard w geografii zasobu
Rozliczeniekonto rozliczeniowe w OpenAIsubskrypcja Azure i faktura Microsoftu
Dostępność modelilista modeli w dokumentacji OpenAIzależna od regionu i typu wdrożenia, według tabel Microsoftu

Azure wybieram, gdy firma ma już subskrypcję Azure albo Microsoft 365 z administratorem, potrzebuje logowania bez kluczy lub sieci prywatnej, a model ma działać w UE bez czekania na kwalifikację w OpenAI. OpenAI API zostawiam, gdy region UE nie jest wymagany albo projekt już go ma. W kodzie różnią się głównie adres i sposób logowania, więc połączenie z modelem trzymam w jednym miejscu i zmieniam konfiguracją, jak przy integracji ChatGPT API z aplikacją firmową.

Czego sama rezydencja danych nie załatwia?

  • Umowa powierzenia i warunki dostawcy. Region przetwarzania nie zastępuje umowy. Przy danych osobowych potrzebna jest umowa powierzenia z dostawcą modelu i z każdym innym podmiotem, który przetwarza te dane w imieniu firmy.
  • Lista podwykonawców. Dostawca modelu korzysta z własnych podwykonawców i część z nich może działać poza Unią. Listę czytam przed wdrożeniem i zapisuję w dokumentacji projektu.
  • Logi i czas przechowywania. Zapisy rozmów i wywołań narzędzi trzymam w bazie w UE, z ustalonym okresem usuwania. Dostawca modelu ma własne zasady przechowywania zapytań, które sprawdzam dla wybranej usługi.
  • Baza wektorowa i pliki. Dokumenty, z których agent czerpie wiedzę, leżą w bazie wektorowej albo magazynie plików. Ich region wybieram tak samo starannie jak region modelu.
  • Monitoring, przepływy i serwery MCP. Narzędzie do obserwacji agenta, chmura z przepływami i cudzy serwer MCP mogą wysyłać treść zapytań gdzie indziej, więc każde dopisuję do listy usług z regionem. Wybór dla n8n opisuję w tekście n8n self-hosted czy cloud, a ryzyka cudzych serwerów przy serwerze MCP dla firmy.

Najprostsza ochrona to mniej danych w zapytaniu: zanim treść trafi do modelu, usuwam zbędne pola i maskuję dane osobowe, gdy się da. Zasady dla pracowników, którzy wklejają tekst do czatu ręcznie, opisuje strona czy można wklejać dane firmy do ChatGPT, a ogólne zasady ochrony danych poradnik bezpieczeństwo danych w małej firmie.

Role administratora i podmiotu przetwarzającego, umowę powierzenia i dostawców spoza Unii omawiam na stronie aplikacja zgodna z RODO. To opis techniczny, a nie porada prawna: zakres danych i umowy ustal z osobą odpowiedzialną za ochronę danych w firmie.

Źródła

Opis opieram na poniższych źródłach. Przepisy, dokumentacja producentów i warunki usług się zmieniają, więc szczegóły warto sprawdzić u źródła:

Najczęstsze pytania

Czy przez API OpenAI dane mogą zostać w Europie?

Tak, w projekcie założonym od razu z regionem Europa, z zapytaniami na adres eu.api.openai.com. OpenAI udostępnia tę opcję kwalifikującym się klientom, a dokumentacja wymaga przy niej zmodyfikowanego monitorowania nadużyć albo zerowego przechowywania danych. Starego projektu nie przestawisz, więc przy przejściu zakładam nowy projekt z nowymi kluczami i przenoszę konfigurację. Gdy konto się nie kwalifikuje, modeli GPT używam przez Azure OpenAI z wdrożeniem w UE.

Czy wdrożenie Data Zone EU w Azure trzyma dane w Polsce?

Nie musi. Zapisane dane, na przykład wgrane pliki, zostają w geografii Azure zasobu, ale samo zapytanie przy Data Zone dla UE może zostać przetworzone w kraju zasobu albo w dowolnym innym kraju Unii. Gdy wymaganiem jest węższy obszar, wybieram wdrożenie typu Standard, które Microsoft przetwarza w geografii zasobu, czasem w kilku regionach tej geografii. Najpierw sprawdzam, czy potrzebny model jest dostępny w danym regionie.

Czy przetwarzanie w UE kosztuje tyle samo co wdrożenie globalne?

Tego nie zakładam. Stawkę biorę z cennika dla wybranego typu wdrożenia, regionu albo profilu, a nie dla wariantu globalnego, i dopiero na niej liczę koszt jednej sprawy. Rachunek dla swojego ruchu oszacujesz w kalkulatorze kosztów API AI, podstawiając stawki z cennika dostawcy.

Czy model na własnym serwerze rozwiązuje sprawę danych?

Rozwiązuje kwestię dostawcy modelu, bo zapytania nie trafiają do zewnętrznego API. Zostają te same pytania o logi, kopie zapasowe, dostęp pracowników i bazę dokumentów, a przy serwerze wynajętym także umowa powierzenia z dostawcą serwera. Dochodzą zwykle słabsza jakość odpowiedzi i koszt sprzętu, które opisuję przy lokalnym modelu AI.

Ile kosztuje agent z modelem przetwarzającym dane w UE?

Agent do jednego zadania z modelem w regionie UE kosztuje od około 1200 zł netto, tyle samo co przy wdrożeniu globalnym. Kilka systemów, sieć prywatna w Azure albo własny serwer z modelem wyceniam po rozmowie. Opłaty za model i chmurę płacisz dostawcy na koncie firmy. Koszt aplikacji, w której model jest częścią procesu firmy, opisuje strona aplikacja AI na zamówienie.

Powiązane strony

Dane klientów mają zostać w Europie?

Napisz, z jakiej chmury korzysta firma i jakie dane trafią do modelu. Zaproponuję dostawcę i ustawienie regionu oraz listę usług wokół modelu, które trzeba sprawdzić.