Overcoming Language Barriers: Multilingual Analysis of the 2023 Swiss Privacy Law's Impact

Technische Samenvatting: Het overwinnen van taalbarrières: Multilinguale analyse van de impact van de Zwitserse privacywetgeving van 2023

Probleemstelling
Hoewel empirisch onderzoek uitgebreid de werkelijke impact van privacyregelgeving in de EU (AVG/GDPR) en de VS (Californië) heeft gemeten, is er een opvallend gebrek aan bewijs met betrekking tot de implementatie van privacywetten in de meer dan 140 andere jurisdicties die dergelijke wetten hebben aangenomen. Een primaire barrière voor dit onderzoek is de meetuitdaging die wordt veroorzaakt door meertalige omgevingen, waarbij traditionele geautomatiseerde analysemethoden vaak bevooroordeeld zijn richting het Engels of uitgebreide herannotatie voor andere talen vereisen. Dit artikel adresseert deze kloof door de revisie van 2023 van de Zwitserse Federale Wet op de Gegevensbescherming (FADP) te evalueren. De revisie stemt de Zwitserse wet nauw af op de AVG, maar verschilt er opvallend van dat zij niet de expliciete vermelding van rechten van betrokkenen in privacyverklaringen verplicht stelt. Dit onderscheid biedt een unieke kans om te bepalen of Zwitserse websites vrijwillig openbaarmakingen hebben uitgebreid die verder gaan dan de binnenlandse verplichtingen (een potentieel "Brussel-effect") en om te analyseren hoe regelgevende veranderingen de inhoud van beleid in een meertalige setting beïnvloeden.

Methodologie
Om taalbarrières te overwinnen zonder gebruik te maken van vertaling, hebben de auteurs een nieuwe, op Large Language Models (LLM) gebaseerde pipeline ontwikkeld die is ontworpen voor meertalige documentniveau-inferentie.

• Pipeline-ontwerp: Het systeem maakt gebruik van OpenAI-modellen (specifiek GPT-5) om privacyverklaringen in het Duits, Frans, Italiaans en Engels gelijktijdig te verwerken. In plaats van documenten te vertalen of afzonderlijke classificatiesystemen voor elke taal te gebruiken, voert de pipeline één enkele inferentie-aanvraag per beleid uit. Het model wordt geprompt met een gestructureerd codeboek met negen juridisch relevante dimensies (bijv. identiteit van de verwerkingsverantwoordelijke, doeleinden van verwerking, rechten van betrokkenen) en is verplicht een JSON-object terug te geven dat voldoet aan een vooraf gedefinieerd schema. Deze aanpak dwingt gestructureerde output af, wat hallucinaties voorkomt en consistentie over talen heen waarborgt.
• Gegevensverzameling: De auteurs hebben privacyverklaringen van ongeveer 35.000 Zwitserse en EU-gerichte websites gescraped op twee tijdstippen: augustus 2023 (vóór de revisie) en oktober 2023 (ná de revisie). De dataset is gefilterd om alleen geldige verklaringen in de vier doeltalen te bevatten.
• Benchmarking: Om de pipeline te valideren, hebben de auteurs een door experts geannoteerde benchmark-dataset van 120 verklaringen geconstrueerd (30 per taal). De annotaties werden uitgevoerd door juridische experts en privacy-engineers met behulp van een iteratief verfijnd codeboek. De prestaties van de pipeline werden geëvalueerd tegen deze door mensen geannoteerde grondwaarheid.
• Statistische Analyse: De studie maakt gebruik van een difference-in-differences (DiD) model op een gebalanceerd panel van websites die in beide momenten zijn waargenomen. Dit isoleert de temporele veranderingen in openbaarmakingspercentages voor Zwitserse websites (groepen CH en CH & EU) ten opzien van een quasi-controlegroep van EU-websites, waarbij gecorrigeerd wordt voor websitepopulariteit en taal.
• Detectie van Generatoren: De studie onderzoekt ook de rol van geautomatiseerde beleidsgeneratoren. Een verkennende LLM-query identificeerde potentieel gebruik van generatoren, wat vervolgens werd verfijnd naar een conservatieve set Regular Expression (RegEx) patronen om expliciete erkenningen van generator-tools in de tekst van de verklaring te detecteren.

Belangrijkste Resultaten

• Pipeline-prestaties: De meertalige pipeline behaalde F1-scores boven de 0,90 voor de meeste taalparen en juridisch relevante openbaarmakingen (bijv. rechten op inzage, rectificatie, gegevenswissing en overdraagbaarheid). Het model demonstreerde een hoge betrouwbaarheid in het Duits, Frans, Italiaans en Engels zonder vertaling, hoewel de prestaties licht varieerden voor "geautomatiseerde besluitvorming" vanwege de lage prevalentie van positieve gevallen in de benchmark.
• Impact van de Revisie van 2023: De analyse laat significante toenames zien in zowel verplichte als vrijwillige openbaarmakingen bij Zwitserse websites na de wetswijziging. Specifiek namen de openbaarmakingspercentages voor rechten van betrokkenen (zoals overdraagbaarheid en het recht om een klacht in te dienen) met 4 tot 6 procentpunten toe in de Zwitserse groepen, terwijl de EU-controlegroep stabiel bleef. Dit suggereert dat Zwitserse websites vrijwillig de AVG-niveau transparantiestandaarden hebben overgenomen, ondanks dat de herziene FADP dit niet expliciet vereist.
• Rol van Beleidsgeneratoren: De studie vond dat 18,2% van de Zwitserse websites in oktober 2023 door geautomatiseerde tools werd gegenereerd. Het gebruik van deze generatoren correleert met openbaarmakingspercentages die tot 15 procentpunten hoger liggen dan bij niet-gegenereerde beleidsstukken. De auteurs hypothetiseren dat deze tools, die vaak door kleinere bedrijven worden gebruikt om juridische kosten te vermijden, de transparantie-openbaarmakingen effectief standaardiseren en verbeteren.

Belangrijkste Bijdragen

1. Empirisch Bewijs: Het artikel levert grootschalig empirisch bewijs van de werkelijke effecten van de Zwitserse privacywet hervorming van 2023, waarbij een meetbare verschuiving in de inhoud van beleid wordt aangetoond en een "Brussel-effect" wordt gesuggereerd waarbij EU-standaarden niet-EU-jurisdicties beïnvloeden.
2. Meertalige Methodologie: De auteurs hebben een nieuwe, gevalideerde en publiekelijk beschikbare, door experts geannoteerde benchmark-dataset en een LLM-gebaseerde pipeline ontwikkeld voor het beoordelen van privacyverklaringen over vier talen zonder vertaling, waarmee zij een gebrek aan meertalige middelen in privacyonderzoek aanpakken.
3. Generatoranalyse: De studie rapporteert over de proliferatie van geautomatiseerde beleidsgeneratoren in een meertalige omgeving, en levert bewijs dat het gebruik ervan geassocieerd is met aanzienlijk hogere openbaarmakingspercentages, wat de eerdere scepsis over hun effectiviteit uitdaagt.

Betekenis en Claims
Het artikel beweert een robuust kader te bieden voor het evalueren van naleving van privacywetgeving in meertalige omgevingen, waarbij de "anglofoon-bias" van eerdere geautomatiseerde analyse-instrumenten wordt overwonnen. Door aan te tonen dat regelgevende veranderingen kunnen leiden tot vrijwillige afstemming op internationale standaarden (AVG), zelfs wanneer dit niet strikt verplicht is, benadrukt het werk de dynamische aard van wereldwijde privacycompliance. Bovendien suggereren de bevindingen dat geautomatiseerde opsteltechnologieën een constructieve rol kunnen spelen bij het verbeteren van de transparantie voor organisaties die geen toegang hebben tot juridisch advies. De auteurs nemen een bescheiden standpunt in door te merken dat, hoewel de resultaten consistent zijn met een Brussel-effect, ze geen direct causaal bewijs vormen, en dat de studie zich richt op geobserveerde openbaarmakingen in plaats van de onderliggende juridische geldigheid of handhaving van de verklaringen.