27. januar 2026
Murali Mani har tilbrakt mesteparten av livet sitt som ingeniør, fra doktorgraden sin om bevegelsesgeometri til arbeidet sitt med å integrere brikkesett i tidlige HDTV-er. Men omtrent et tiår inn i karrieren gikk han over fra fysisk mekanikk til den usynlige arkitekturen innen personvernteknikk, hvor problemene var mer tornefulle og innsatsen ofte høyere.
Som senior personvernansvarlig for et globalt helseforetak som jobbet med kliniske studier, og senere som compliance-leder for en avdeling for medisinsk utstyr og en oppstartsbedrift for gentesting, bygde han beskyttelse rundt helsedata, blant de mest sensitive – men med sikkerhetstiltak som fortsatt tillot leger og forskere å få tilgang til innsikt for nye behandlinger uten å sette pasientenes personvern i fare.
For Mani har målet med personvernteknikk alltid handlet om å bygge tillit og beskytte mennesker, samtidig som det muliggjør innovasjon. I dag er han visepresident for personvern, kunstig intelligens og dataansvar hos Mastercard, med ansvar for å beskytte selskapets transaksjonsdata og annen sensitiv informasjon ettersom kunstig intelligens gjør rådata kraftigere – og mer avslørende.
Etter hvert som verden har blitt digital, er data ikke lenger bare et biprodukt av livet. Det er livet: våre kjøp, våre vaner, våre bevegelser, våre identiteter. Som et resultat har jobben til personverningeniører blitt viktigere og eksponentielt vanskeligere. Data beveger seg raskere, krysser landegrenser lettere og kan kombineres på måter som avslører langt mer enn noen noen gang hadde tenkt, fordi AI-systemer kan oppdage mønstre som er usynlige for mennesker.
Myndigheter over hele verden strammer også inn regelverket for hvordan informasjonen brukes og hvor den kan behandles, noe som skaper globale debatter om personvern, sikkerhet og suverenitet. Men å beskytte folks informasjon handler ikke bare om samsvar – det handler også om å forutse hvordan data kan bli brukt, misbrukt eller misforstått.
Mens Mani jobber med team i hele virksomheten – med produkt- og programvareutviklere, dataforskere, AI-eksperter og advokater – nærmer han seg databeskyttelse som en ingeniør, og finner nye måter å integrere personvern i Mastercards maskineri.
Og, som man kanskje forventer av en ingeniør, bruker han en automatiseringsmetafor for å forklare rollen sin: «Det handler om å hjelpe teamene som faktisk administrerer dataene, snakke med dem og implementere kontrollene», sier han. «Se for deg at produktteamet bygger et kjøretøy med den nyeste motoren og teknologiske funksjonene, og som personvernperson gir jeg dem standard sikkerhetsfunksjoner, som sikkerhetsbelte og sidespeil.» Men noen ganger er det en kollisjonspute og ABS – slik at alle er bedre beskyttet.»
Etter å ha sluttet i oppstartsbedriften innen gentesting, lette Mani etter en ny utfordring. Han var fascinert av Mastercards investering i personvernteknologier, spesielt arbeidet deres med dataanonymisering gjennom Trūata, et Dublin-basert «datafond» som startet som et joint venture med IBM og nå er en integrert del av Mastercards bedriftsomfattende dataressurser. (Den 20 minutter lange pendlingen til Mastercards hovedkvarter i Purchase i New York fra hjemmet hans i Westchester County skadet heller ikke.)
Mani lærte raskt at betalingsdata er usedvanlig kraftige, men også unike i sin sammensetning. I 2024 behandlet Mastercard 159 milliarder transaksjoner, og denne informasjonen anonymiseres og aggregeres når den utnyttes for datainnsikt. Men Mastercard bruker også teknikker som tokenisering – å erstatte kredittkortnummeret med en unik plassholder – slik at kortdataene ikke kan spores tilbake til enkeltpersoner hvis de blir hacket.
Dette er eksempler på personvernkontroller, som kommer i to hovedkategorier. Tekniske kontroller er innebygd i selve systemene – som å avidentifisere data før de brukes. Administrative kontroller er avhengige av mennesker og prosesser, som å lære opp ansatte til å gjenkjenne når noe ser galt ut. Og i noen situasjoner er begge deler påkrevd.
Manis jobb er å opprette og bygge inn disse kontrollene, slik at de avidentifiserte dataene kan nås raskt og håndteres sikkert og i samsvar med en rekke nasjonale og internasjonale forskrifter.
For eksempel er formålsbegrensning – å kun bruke data for det formålet de ble samlet inn for – vanskelig å implementere. Noen ganger håndheves det gjennom opplæring. I økende grad tyr imidlertid selskaper til tekniske kontroller som forhindrer at data brukes til uautoriserte formål. «Du kan lage data som et produkt», sier Mani, «og plattformen ville hindre deg i å bruke det til et annet formål.»
Mastercard-ingeniører utvikler programvareverktøy for dataprofilering, og skanner massive datasett for å bestemme deres opprinnelse, følsomhet og egenskaper, omtrent på samme måte som en blodprøve avslører hva som skjer inne i kroppen. Selskapet vedlikeholder også separate identifiserte og anonymiserte databaser, noe som sikrer at analytikere aldri kan få tilgang til begge samtidig – en sikkerhetsforanstaltning mot reidentifikasjon.
Mani forklarer at en av de største utfordringene innen global personvern i dag er datalokalisering – lover som krever at data som er hentet lokalt, skal holde seg innenfor et bestemt lands grenser. Dataingeniører jobber med verktøy for å merke data med dusinvis av attributter som lar Mastercard håndheve disse reglene automatisk. I fremtiden kan data merkes for å gjenspeile kontraktsmessige krav og kundepreferanser; slik at for eksempel en innehaver av en åpen bankkonto kan gi, tilbakekalle eller fornye tidsbegrensede samtykker til deling av konto- eller transaksjonsdata med tredjeparter.
«Å implementere kontrollene i stor skala», sier han, «lar oss bruke analyser i stor skala.»
Mastercard utforsker kontinuerlig andre teknologier som bevarer personvernet, som syntetiske data – kunstig genererte datasett som etterligner ekte data uten noen forbindelse til underliggende kundeinformasjon. Syntetiske data er nyttige for demonstrasjoner, testing og evaluering av tredjepartsverktøy, selv om Mani advarer om at AI-modellbyggere foretrekker treningsdata fra den virkelige verden.
Såkalte rene rom lar Mastercard og partnerne deres kombinere data midlertidig, kjøre analyser og deretter slette dataene etterpå. Flerpartsberegningsteknikker lar bedrifter utlede innsikt fra disse kombinerte datasettene uten å dele den underliggende informasjonen med andre partnere.
Hvis personvern allerede var komplekst, gjør AI det om til tredimensjonalt sjakkspill. Tradisjonell analyse kan kategorisere kortinnehavere etter hvor ofte de bruker kortene sine. AI kan oppdage intrikate atferdsmønstre, signaler som mennesker aldri ville tenke på å se etter. Den makten øker risikoen for gjenidentifisering og det Mani kaller «uhyggelighetsfaktoren».
«AI kunne finne alle slags kompliserte signaler som vi ikke engang vet om», sier han, og viser til et tilfelle der en stor forhandlers dataanalyseprogramvare var i stand til å anslå at kvinner var gravide og estimere forfallsdatoer basert på tilsynelatende uskyldige kjøp som uparfymert lotion.
Mastercards AI-team gjennomgår alle brukstilfeller og bruker strenge kontroller på de som er godkjent. Høyrisikoapplikasjoner stoppes før de når produksjon. Og innebygd i hver algoritme er åpenhet (som viser hvordan et AI-system fungerer og hvilke data det bruker), observerbarhet (overvåking av hvordan det oppfører seg for å finne og fikse problemer) og verktøy for å oppdage skjevheter, slik at folk kan stole på resultatene.
Til tross for all kompleksiteten ved å bygge personvernkontroller på global skala, er det menneskene rundt ham som Mani elsker med jobben sin. «For det meste fordi jeg jobber med disse strålende menneskene, og jeg lærer noe nytt hver dag», sier han. «Og jeg kan bidra i det miljøet og skape nye ideer og samtidig bidra til å beskytte personvernet.»
På tampen av personverndagen 28. januar er Manis råd til alle som er bekymret for sitt eget digitale spor langt enklere enn systemene han designer: «Hold en lav profil», sier han, inkludert på sosiale medier og i søkemotorer, noe som minimerer brødsmulene du legger igjen på nettet. Slå av informasjonskapslene du ikke trenger; ikke del hvor du befinner deg; reduser overflaten av hva verden kan lære om deg.
Det er den samme filosofien som ligger til grunn for Mastercards tilnærming til data: Tillit bygges ved å integrere sikkerhet, integritet og ansvarlighet i nettverkets mekanikk – tillit som er konstruert og også opptjent.