Gevinster:
- Evaluering af informationen i henhold til dens følsomhed og skelnen mellem det åbne køretøj og det sikre system med 'spørg klassen, match køretøjet'-refleksen
- At forstå minimumsprincipperne for data, sikkerhed og ansvar i KVKK og se, at sletning af et navn ikke er nok, og konteksten er identitet.
- Evne til at vedtage disciplinen at vælge den sikreste vej i tvivlstilfælde, beskytte følsomme data på højeste niveau og rapportere overtrædelsen gennemsigtigt.
Hvad en klient fortæller dig – vold, sygdom, fattigdom, afhængighed, familiehemmeligheder – er den mest skrøbelige, private information i hans eller hendes liv. Han giver dig disse oplysninger i fortrolighed med professionel fortrolighed. Denne tillid er fundamentet, der gør det muligt for socialt arbejde at fungere; Når den rystes, åbner klienten ikke op igen, og tjenesten mister sin funktion. At bevare denne tillid i en tidsalder med kunstig intelligens har fået en ny dimension: At indtaste en klients oplysninger i det forkerte værktøj er nu ikke kun et brud på privatlivets fred, men også et juridisk ansvar i henhold til KVKK (Personal Data Protection Law) og kan føre til irreversibel lækage af information. I denne enhed lærer du, hvordan du beskytter klientdata i AI-alderen, KVKK's grundlæggende logik, skelnen mellem åbne køretøjer og sikre køretøjer og en praktisk "datahygiejne"-disciplin.
Den mest grundlæggende regel fra starten er den, vi gentager gennem hele dette modul: Ingen personlige data, der identificerer klienten, vil blive indtastet i et offentligt AI-værktøj, som din institution ikke har godkendt. Denne ene sætning er essensen af alle detaljerne nedenfor.
Opsummering af KVKK for socialrådgiveren
KVKK regulerer, hvordan personoplysninger (enhver information, der gør en person specifik eller identificerbar - navn, ID, adresse, telefon, men også oplysninger som helbred, familiestatus, straffeattest) kan behandles. De fleste af de data, du behandler i socialt arbejde, er følsomme personoplysninger (data, hvis lækage er særligt skadelige, såsom sundhed, seksualliv, religion, etnicitet, straffedomme) og kræver den højeste beskyttelse. Den praktiske betydning af KVKK for dig kommer ned til et par principper:
- Formålsbegrænsning og minimumsdata: Kun så mange data som nødvendigt behandles. Når du behandler tekst til AI, skal du ikke indtaste nogen personlige oplysninger, der ikke er nødvendige for jobbet.
- Sikkerhed: Data er beskyttet mod uautoriseret adgang. Et offentligt AI-værktøj giver ikke denne sikkerhed.
- Samtykke og gennemsigtighed: Informere klienten om, hvordan data behandles. At levere en klients data til et ukontrolleret eksternt værktøj er ikke inden for rammerne af noget samtykke.
- Ansvarlighed: Hvis der opstår et brud, ligger ansvaret hos den organisation, der behandler dataene, og den person, der indtaster disse data - "AI ville have det sådan" er ikke et forsvar.
Forsigtig: Sletning af navne er ofte IKKE en tilstrækkelig beskyttelse. Selvom et navn ikke er nævnt i en tekst, kan kontekst (nabolag + alder + begivenhed + dato + familiestruktur) gøre en person identificerbar. Reel beskyttelse ydes ikke ved maskering, men ved at vælge det rigtige værktøj og miljø.
To verdener: åbent køretøj vs. sikkert system
Adskil din brug af kunstig intelligens i to klare verdener:
1. Offentlig/åben værktøjsverden. Det kan bruges til opgaver, der ikke identificerer klienten: generelle informationsspørgsmål ("Hvordan skriver man et SMART-mål?"), træning med fiktive/anonyme eksempler, generel forklaring af lovgivningen, programtekster, der ikke peger på nogen. Reelle klientdata indtastes aldrig her.
2. En verden af klientdata. Ethvert arbejde, der involverer en reel kundes information - registrering, rapport, risikonotat, henvisning - udføres kun i sikre systemer godkendt af din institution, hvor data ikke lækker. Hvis der ikke er et sådant system, udføres arbejdet uden AI, med den traditionelle sikre metode.
At forveksle de to – at give ægte klientdata til det åbne værktøj – er den farligste og mest almindelige fejl i dette modul.
Trin for trin: datahygiejnedisciplin
- Spørg om klassen. Spørg før hvert job: "Beskriver denne tekst kunden?" Hvis ja, sikker system; Hvis nej, kan åbent køretøj bruges.
- Minimer. Begræns de indtastede data til det minimum, der kræves af jobbet, selvom jobbet virkelig kræver det.
- Disidentificer (og kend dine grænser). Fjern identifikatorer, hvor det er nødvendigt; men husk, at kontekst også kan give identitet væk.
- Brug godkendt værktøj. Vide, hvilket køretøj institutionen godkender til hvilke data og undlad at fravige dem.
- Hvis du ikke er sikker, så opfør dig som en overklassemand. Hvis du ikke er sikker på, om en data er følsom eller ej, skal du vælge den mest beskyttede vej.
- Anmeld overtrædelsen. Hvis der er en lækage eller fejl, skal du skjule den; Indberetning efter institutionens procedure. Tidlig indsats reducerer skader.
tre minisager
Sag 1 — Kontekst gav identitet væk. En ekspert indsendte et sagsresumé til det åbne værktøj og sagde "Jeg har slettet navnene, det er sikkert nu." Der var ikke noget navn i teksten, men der var sætningen "En synshandicappet kvinde i X-kvarteret, med 3 børn, hvis mand er i fængsel." Der var kun én person i det nabolag, der passede til den beskrivelse - identiteten var praktisk talt klar. Senioreksperten bemærkede dette; Jobbet blev flyttet til det sikre system. Lektion: kontekst er også personlige data.
Case 2 — Minimumsdatapolitikken virkede. En ekspert behøvede kun at forenkle én sætning. I stedet for at give hele filen til værktøjet, gav han bare den ene sætning uden personlige detaljer. Jobbet var udført, ingen følsomme data kom ud. Minimumsdatapolitikken var både sikker og tilstrækkelig.
Case 3 — Tidlig indberetning reducerede skader. En ny ansat indsatte ved et uheld en kundes oplysninger i et åbent værktøj og bemærkede det med det samme. I stedet for at gå i panik og gemme sig, meldte hun det straks til sin vejleder. Institutionen vurderede hændelsen efter KVKK-proceduren, tog de nødvendige skridt og lærte medarbejderen at bruge den korrekt. Gennemsigtig og hurtig underretning forhindrede hændelsen i at eskalere.
Fire kopierbare skabeloner
1) Dataklasse preflight:
Vurder følgende tekst FØR du behandler den i et AI-værktøj: Gør denne tekst en person direkte (navn, ID, adresse, telefon) ELLER indirekte (kontekst: nabolag, alder, begivenhed, familiestruktur) identificerbar? Indeholder det følsomme data (helbred, religion, etnicitet, straffeattest)? Hvis ja, hvilke afsnit? Fortæl mig, om denne tekst kan gengives i det offentlige værktøj. Tekst: [indsæt tekst]
2) Nedgradering til minimumsdata:
Bestem de MINDSTE oplysninger, der er nødvendige for at udføre følgende job. Fjern alle personlige oplysninger, der ikke kræves af jobbet, og lad kun den ikke-identificerende del, som kræves af jobbet, efterlades. Angiv, hvilke oplysninger du har udeladt og hvorfor. Job: [beskriv opgaven]Tekst: [indsæt tekst]
3) Afidentifikation og kontekstkontrol:
Udtræk identifikatorer (navn, ID, adresse, telefon, institutionsnavn) direkte fra teksten nedenfor. Marker også eventuelle kontekstelementer, der forbliver i teksten (en sjælden kombination af omstændigheder, specifik placering + begivenhed), der INDIREKTE kan give identitet væk. Før du fjerner disse, skal du vurdere, om teksten stadig gør personen identificerbar. Tekst: [indsæt tekst]
4) Oprettelse af et anonymt/fiktivt træningseksempel:
Fremstil en eksempelsag, der ligner en rigtig sag, men som er fuldstændig FIKTIONEL og ikke tilhører nogen virkelig person; Jeg vil bruge dette til træning/øvelse. Brug af rigtige navne, steder eller begivenheder; Lad alt være falsk. [Emne: indledende vurdering af ældreplejen]
Svag prompt / Stærk prompt
Svag prompt:
Jeg indsætter hele denne klients fil nedenfor, det vil give mig en fin oversigt. (inklusive navn, adresse, helbredsoplysninger)
Dette giver følsomme personoplysninger til et ukontrolleret eksternt system - en KVKK-krænkelse og en irreversibel privatlivsrisiko. Bare fordi resuméet er "pænt", undskylder det ikke denne krænkelse.
Kraftig prompt:
(Kun i et institutionsgodkendt sikkert system, eller med afidentificeret tekst.) Opsummer den DE-IDENTIFICEREDE tekst nedenfor. Jeg har ikke efterladt nogen sammenhæng i teksten, der kunne give navn, adresse, ID eller identitet væk. Behandle kun de oplysninger, der kræves til opgaven. Tekst: [indsæt anonym tekst]
Forskellen: at arbejde i det rigtige værktøj, med minimale og afidentificerede data, beskytter privatlivets fred og lovgivning, mens du får arbejdet gjort.
Datatype og korrekt sti
Datatype
eksempel
det rigtige værktøj
Generel information
"Hvad er et SMART mål?"
åbent køretøj
fiktivt eksempel
Udtænkt træningscase
åbent køretøj
Uden identitet + uden kontekst
Forenkling af en generel sætning
Åbent køretøj (forsigtigt)
Kundedata
faktisk rekord, rapport
Kun sikkert system
Særlige kvalitetsdata
Sundhed, straf, etnicitet
Højeste beskyttelse / sikkert system
Risiko/sikkerhedsnotat
Vold, beskyttelsesinformation
Højeste beskyttelse / sikkert system
Almindelige fejl
- Giver reelle klientdata til det åbne værktøj. Den farligste og mest almindelige fejl; KVKK overtrædelse og irreversibel penetration.
- "Jeg har slettet navnene" og tænkte, at det er sikkerhed. Kontekst kan give væk identitet; Maskering er ikke beskyttelse.
- Indtastning af flere data end nødvendigt. Anvend minimumsdatapolitikken; Giv så meget som jobbet kræver.
- At tage risici, når du ikke er sikker. Når du er i tvivl, så vælg den sikreste vej, opfør dig som en overklasse.
- Skjuler overtrædelsen. Tidlig og gennemsigtig rapportering reducerer skader; At skjule gør det større.
Sammenfattende
Klienters privatliv er grundlaget for tillid til socialt arbejde, og i AI-tiden bliver det også til en juridisk forpligtelse hos KVKK. Grundreglen er klar: ingen personlige data, der identificerer kunden, kommer ind i et ikke-godkendt offentligt værktøj. Hold de to verdener (åbent værktøj vs. sikkert system) adskilt, anvend minimumsdataprincippet, vid at sletning af navne ikke er nok og kontekst er identitet, i tvivlstilfælde skal du vælge den sikreste vej og rapportere overtrædelsen gennemsigtigt. Privatliv er ikke en foranstaltning, der tilføjes senere, men et princip, der er observeret helt fra begyndelsen.
Ansøgningsopgave
Skriv en fiktiv case-tekst, og se, hvilke elementer AI'en markerer som personlige/private data med skabelonen "data class preflight". Test derefter med mønsteret "afidentifikation og konteksttjek" for at se, om konteksten stadig giver identiteten væk, selv efter at du har slettet navnene. Fremstil til sidst et eksempel, som du trygt kan bruge i det åbne værktøj med skabelonen "anonym/fiktivt træningseksempel".
tjekliste
- [ ] Før hvert job, "Beskriver denne tekst klienten?" spurgte jeg.
- [ ] Jeg behandler kun klientdata i godkendte, sikre systemer.
- [ ] Jeg anvendte minimumsdatapolitikken; Jeg gik ikke meget i detaljer.
- [ ] Da jeg vidste, at det ikke er nok at slette navnet, tjekkede jeg også konteksten.
- [ ] I tvivlstilfælde valgte jeg den sikreste vej, og jeg kender vejen til at anmelde i tilfælde af overtrædelse.