Ganancias:
- Prepara respuestas a las solicitudes de información de acuerdo con la legislación, explicando ni más ni menos.
- Anonimiza los datos abiertos antes de publicarlos y los escanea al nivel de combinaciones que corren el riesgo de ser reidentificados.
- Sabe que la transparencia es una herramienta de gobernanza que aumenta la confianza pública y distingue lo que debe mantenerse confidencial.
La piedra angular de una administración pública democrática es la transparencia: la capacidad de los ciudadanos de saber cómo y sobre qué base se toman las decisiones que les conciernen. Este principio cobra vida en dos mecanismos concretos. El primero es el derecho a la información (Ley de Derecho a la Información N° 4982; los ciudadanos pueden solicitar información y documentos a las instituciones públicas, con excepciones). El segundo son los datos abiertos (las instituciones públicas publican la parte no personal y no confidencial de los datos que producen de manera que todos puedan acceder y utilizar). En este caso, la IA es una poderosa ayuda para clasificar las solicitudes de información entrantes, producir borradores de respuestas, evaluar previamente qué información se puede proporcionar y cuál está exenta y preparar conjuntos de datos abiertos para su publicación. Pero la doble advertencia de esta unidad es importante: la transparencia no debe ser ni más ni menos: el ciudadano debe recibir la información a la que tiene derecho, pero deben protegerse los datos personales y las excepciones reales; Este equilibrio lo establece el funcionario público responsable, no la IA.
Los dos extremos equivocados de adquirir conocimiento
En las solicitudes de información se pueden cometer errores en dos direcciones:
- Falta de transparencia: Rechazar innecesariamente la información que se puede proporcionar como "confidencial/excepcional". Esto viola el derecho y crea desconfianza en la institución y, a menudo, termina en el poder judicial.
- Sobredivulgación: Revelar accidentalmente datos personales de terceros, un secreto comercial o una excepción real (seguridad, etc.) al presentar un documento. Esto viola la KVKK y causa daños.
La IA puede ayudar en ambos extremos: puede escanear un documento, marcar datos personales en él y sugerir redacción (oscurecer/eliminar partes confidenciales/personales del documento); Puede enumerar la categoría de excepción bajo la cual evaluará la solicitud. Pero la decisión final (si se proporciona esta información o qué parte se oculta) corresponde a la persona que tiene la responsabilidad legal.
Atención: la afirmación de AI de que "esta información está dentro del alcance de la excepción" o "puede proporcionarse" no es una opinión legal. La evaluación de excepción se realiza y justifica de conformidad con los artículos pertinentes de la Ley de Acceso a la Información; La IA solo produce borradores y precalificaciones.
Publicar datos abiertos de forma segura
Los datos abiertos aumentan la eficiencia y la rendición de cuentas públicas; empresarios, periodistas e investigadores crean valor a partir de estos datos. Pero antes de publicar un conjunto de datos, se debe comprobar el riesgo de reidentificación (los datos que se consideran anónimos se vinculan con individuos combinándolos con otros datos). Por ejemplo, la combinación "edad + barrio + ocupación rara" puede indicar una sola persona. Al preparar un conjunto de datos para su publicación, la IA es útil para señalar combinaciones de columnas riesgosas y escribir un diccionario de datos (una descripción de lo que significa cada columna).
Consejo: antes de publicar datos abiertos, pregunte: "¿Puedo encontrar una sola persona combinando dos o tres columnas en este conjunto?" Si la respuesta es "tal vez", agregue (grupo en lugar de individual), combine categorías poco comunes o elimine el área sensible.
Flujo de información paso a paso.
- Comprender y clasificar la demanda. ¿Qué se solicita, a qué unidad se refiere, cuál es la duración?
- ¿Existe información o es necesario producirla? La ley cubre el conocimiento existente; Es posible que la institución no tenga que realizar nuevos análisis (confirmados).
- Evaluación de excepción. ¿Existen excepciones como datos personales, seguridad, secretos comerciales, opinión interna?
- Redacción. Elimine las partes del documento exportable que deban conservarse.
- Respuesta razonada. La parte dada/no dada y su fundamento; Método de objeción en caso de rechazo.
- Registro y pista de auditoría. Se deja constancia de la solicitud, decisión y justificación.
tres mini casos
Caso 1: error de edición evitado. Una agencia presentaría un documento de licitación a una solicitud de libertad de información. AI escaneó el documento y marcó los números de teléfono y los números de identificación TR de tres personas. Si se hubiera enviado sin revisión, habría sido una violación de la KVKK; Los datos personales estaban ennegrecidos, el documento se entregó de forma segura.
Caso 2: Rechazo injusto corregido. Una unidad habitualmente rechazaría una solicitud de datos de actividad como "interna". Cuando se preguntó a AI sobre las categorías de excepción, se vio que estos datos ya se podían publicar como datos abiertos. La solicitud fue atendida, se evitó una posible objeción y demanda.
Caso 3: Riesgo de reidentificación. Un municipio publicaría su conjunto de datos de “solicitudes de servicio” como datos abiertos. El conjunto incluía barrio + desglose de distrito de dirección completa. La IA advirtió que el campo de dirección podría apuntar a dígitos individuales; La dirección se agregó al nivel de la calle y el conjunto se publicó de forma segura.
Cuatro plantillas copiables
1) Clasificación de solicitudes de información:
Su función: especialista en adquisición de información. Procese la siguiente solicitud: (1) qué se solicita exactamente, (2) a qué unidad se refiere, (3) si requiere información existente o nueva producción, (4) posibles categorías de excepción (datos personales, seguridad, secreto comercial, etc.). Precisa que cada excepción "deberá estar justificada por el artículo correspondiente". Toma de decisiones, preevaluar. SOLICITUD: [texto]
2) Redacción (marcando datos personales/confidenciales):
En el siguiente documento, marque todas las partes que deben estar ENMASCARADAS en una respuesta de información: nombre-apellido, número de identificación TR, dirección, teléfono, información de salud/penal, datos de terceros, secreto comercial. Escribe una breve justificación para cada signo. Deje la parte exportable del documento como está. DOCUMENTO: [texto]
3) Borrador de respuesta razonada:
Redacte una respuesta razonada a la siguiente solicitud: (1) qué información se proporcionó, (2) qué parte no se proporcionó y por qué (cláusula de excepción [por confirmar]), (3) método de apelación y duración [por confirmar]. El lenguaje debe ser formal y respetuoso. La justificación de la parte no dada debe ser concreta, no general. SOLICITUD: [resumen] DECISIÓN: [lo que se dio/no se dio]
4) Control de reautenticación de datos abiertos:
Examine las columnas del conjunto de datos a continuación. Enumere qué combinaciones de columnas pueden indicar una sola persona (riesgo de reidentificación). Sugiera alguna mitigación para cada riesgo: agregación, agregación de categorías raras, extracción de campo. Simplemente use la lista de columnas proporcionada. COLUMNAS: [lista]
Aviso débil / Aviso fuerte
Débil: “Responder a esta solicitud de información”.
Güçlü: "Su papel es el de experto de la unidad de información. Primero, clasifique la solicitud: qué se solicita, qué unidad, si está disponible, cuáles son las posibles excepciones. Marque cada excepción como 'que debe ser justificada por el artículo correspondiente', no tome una decisión legal usted mismo. Luego, marque las partes personales/confidenciales que deben ocultarse en el documento que se presentará con una sugerencia de redacción. Finalmente, produzca un borrador de respuesta razonado que incluya la parte dada/no dada y la forma de objetar; haga la justificación concreta."
Diferencia: un aviso fuerte equilibra la transparencia y la protección, vincula la excepción a la justificación, agrega redacción y ruta de apelación.
Enfoque por tipo de información
Tipo de información
Predeterminado
Atención
Estadísticas, datos agregados
abierto
Verificación de reidentificación
Motivo de la acción administrativa
se puede dar
Redactar datos de terceros
Datos personales de terceros
protegido
KVKK; pero con permiso/excepción
Excepción de seguridad/privacidad
protegido
¿Es una excepción real? Confirmar.
Opinión/negociación interna
depende
Evaluar según el artículo correspondiente.
Anonimización y riesgo de reidentificación
El paso más técnico pero crítico en la publicación de datos abiertos es la anonimización (hacer que una persona no sea identificable directa o indirectamente a partir de unos datos). Nombre y T.R. A menudo, eliminar el número de identificación no es suficiente; porque la combinación de varias áreas ordinarias hace que una persona sea reidentificable. Esto se llama reidentificación (encontrar a la persona cruzando datos que se consideran anónimos con otra información). Por ejemplo, si en un barrio hay un viudo soltero de 92 años, el trío "barrio + edad + estado civil" lo revelará. La IA puede ayudar a detectar qué combinaciones de campos en un conjunto de datos están en riesgo de divulgación y sugerir agrupaciones más seguras (convirtiendo edades en rangos, combinando categorías raras); Pero la decisión de publicar y la auditoría final son responsabilidad de la institución.
Mini caso: divulgación con tres áreas. Un municipio publicó los datos de la asistencia social de forma "anónima": sin nombre, pero sí barrio, año de nacimiento y tipo de discapacidad. Un periodista notó un tipo raro de discapacidad en una sola persona en un solo vecindario y la identificó. Datos retirados; Se volvió a publicar cuando el año de nacimiento se convirtió a un intervalo de 10 años y las categorías raras se agruparon en "otros".
Plantilla que detecta el riesgo de reidentificación:
Tarea: Examinar las columnas del siguiente conjunto de datos; No publico datos personales, solo quiero una evaluación de riesgos. Columnas: [nombres de las columnas] Salida: 1) Identificadores directos (deben eliminarse). 2) Combinaciones de identificadores indirectos (riesgo de reidentificación). 3) Agrupación/enmascaramiento recomendado para cada combinación de riesgo. 4) Preguntas de verificación final antes de la publicación. Regla: No pegué ningún valor personal real; basta con considerar la estructura de la columna.
Precaución: "Eliminé el nombre, ahora anónimo" es el error más común y peligroso. El anonimato no está determinado por el campo en sí, sino por la combinación de campos y la probabilidad de coincidencia con datos externos. En caso de duda, no publicar; El anonimato es una decisión irrevocable.
Errores comunes
- Rechazar habitualmente. Considerar la información que se puede dar como “confidencial” innecesaria es una vulneración de derechos y causa de demanda.
- Envío de documentos no redactados. Revelar datos de terceros es una violación de KVKK.
- Utilizar la excepción sin justificación. El rechazo debe hacerse con sustancia y justificación concretas; Decir "interno" no es suficiente.
- Confiando en el juicio legal de la IA. La decisión de hacer una excepción es humana; La IA precalifica.
- Evitar la reidentificación en datos abiertos. Las combinaciones de columnas pueden encontrar personas; agregar.
- No especificar los medios de oposición. En caso de rechazo, se deberá escribir (confirmar) el método de solicitud y la duración.
En resumen
La transparencia es la base de la confianza pública; La IA es una poderosa ayuda para clasificar solicitudes de libertad de información, recomendar revisiones, redactar respuestas y preparar datos abiertos para su publicación. Pero el equilibrio es fundamental: los ciudadanos deben recibir la información a la que tienen derecho, excepciones reales y se deben proteger los datos personales. La decisión de hacer una excepción debe ser razonada y humana; Los datos abiertos deben ser auditados para detectar el riesgo de reidentificación antes de su publicación.
Tarea de aplicación
Reciba una solicitud de libertad de información real (enmascarada). Evalúe previamente con la plantilla "Solicitar clasificación", aplique la plantilla "Redacción" a un documento adjunto y marque las áreas a enmascarar. Aplique la plantilla "Verificación de reidentificación de datos abiertos" a las columnas de un conjunto de datos abiertos y encuentre al menos una combinación riesgosa.
lista de verificación
- [ ] Clasifiqué la solicitud; No rechacé la información que pudiera darse innecesariamente.
- [ ] Evalué las excepciones con sustancia concreta y justificación (decisión humana).
- [ ] He redactado los datos personales/confidenciales en el documento que se presentará.
- [ ] En caso de rechazo, he indicado el método de objeción y la duración (confirmado).
- [ ] Verifiqué el riesgo de reidentificación en datos abiertos.
- [ ] Registré la solicitud, decisión y justificación de la auditoría.