Ganancias:
- Evaluar la información según su sensibilidad y distinguir entre el vehículo abierto y el sistema seguro con el reflejo 'pregunta a la clase, empareja el vehículo'
- Comprender los principios mínimos de datos, seguridad y responsabilidad de KVKK y ver que eliminar un nombre no es suficiente y el contexto es identidad.
- Capacidad de adoptar la disciplina de elegir el camino más seguro en caso de duda, proteger los datos sensibles al más alto nivel y denunciar la infracción de forma transparente.
Lo que un cliente le cuenta (violencia, enfermedad, pobreza, adicción, secretos familiares) es la información privada más frágil de su vida. Él le proporciona esta información en condiciones de confidencialidad profesional. Esta confianza es la base que hace posible que el trabajo social funcione; Cuando se agita, el cliente no vuelve a abrir y el servicio pierde su función. Mantener esta confianza en la era de la inteligencia artificial ha adquirido una nueva dimensión: introducir la información de un cliente en la herramienta incorrecta ahora no sólo es una violación de la privacidad, sino también una responsabilidad legal según la KVKK (Ley de Protección de Datos Personales) y puede conducir a una fuga irreversible de información. En esta unidad, aprenderá cómo proteger los datos de los clientes en la era de la IA, la lógica básica de KVKK, la distinción entre vehículos abiertos y vehículos seguros y una disciplina práctica de "higiene de datos".
La regla más básica desde el principio es la que repetimos a lo largo de este módulo: ningún dato personal que identifique al cliente será ingresado en una herramienta pública de IA que su institución no haya aprobado. Esta frase es la esencia de todos los detalles a continuación.
Resumen de KVKK para el trabajador social
KVKK regula cómo se pueden procesar los datos personales (cualquier información que haga que una persona sea específica o identificable: nombre, documento de identidad, dirección, teléfono, pero también información como salud, estado familiar, antecedentes penales). La mayoría de los datos que usted procesa en el trabajo social son datos personales sensibles (datos cuya filtración es particularmente dañina, como la salud, la vida sexual, la religión, el origen étnico, las condenas penales) y requieren la máxima protección. El significado práctico de KVKK para usted se reduce a algunos principios:
- Limitación de finalidad y datos mínimos: Sólo se tratan tantos datos como sean necesarios. Al procesar texto en la IA, no ingrese ningún dato personal que no sea necesario para el trabajo.
- Seguridad: Los datos están protegidos contra el acceso no autorizado. Una herramienta pública de IA no proporciona esta seguridad.
- Consentimiento y transparencia: Informar al cliente sobre cómo se tratan los datos. Proporcionar los datos de un cliente a una herramienta externa no controlada no está dentro del alcance de ningún consentimiento.
- Responsabilidad: si se produce una infracción, la responsabilidad recae en la organización que procesa los datos y en la persona que los ingresa; “AI lo quería de esa manera” no es una defensa.
Precaución: Eliminar nombres a menudo NO es una protección suficiente. Incluso si un nombre no se menciona en un texto, el contexto (vecindario + edad + evento + fecha + estructura familiar) puede hacer que una persona sea identificable. La verdadera protección no se obtiene mediante el uso de mascarillas, sino eligiendo la herramienta y el entorno adecuados.
Dos mundos: vehículo abierto versus sistema seguro
Separe su uso de la IA en dos mundos claros:
1. Mundo de herramientas públicas/abiertas. Se puede utilizar para tareas que no identifican al cliente: preguntas de información general ("¿Cómo escribir un objetivo SMART?"), formación con ejemplos ficticios/anónimos, explicación general de la legislación, textos de programas que no apuntan a nadie. Aquí nunca se introducen datos reales del cliente.
2. El mundo de los datos de los clientes. Cualquier trabajo que implique información real de un cliente (registro, informe, nota de riesgo, referencia) se realiza únicamente en sistemas seguros aprobados por su institución, donde los datos no se filtran. Si no existe tal sistema, ese trabajo se hace sin IA, con el método tradicional seguro.
Confundir ambos (dar datos reales del cliente a la herramienta abierta) es el error más peligroso y común de este módulo.
Paso a paso: disciplina de higiene de datos
- Pregunta por la clase. Pregunte antes de cada trabajo: "¿Este texto describe al cliente?" En caso afirmativo, sistema seguro; En caso negativo, se puede utilizar un vehículo abierto.
- Minimizar. Limite los datos ingresados al mínimo requerido por el trabajo, incluso si el trabajo realmente lo requiere.
- Desidentificarse (y conocer sus límites). Eliminar identificadores cuando sea necesario; pero recuerda que el contexto también puede revelar la identidad.
- Utilice una herramienta aprobada. Sepa qué vehículo homologa la institución para qué datos y no se desvíe de él.
- Si no estás seguro, actúa como un estudiante de último año. Si no está seguro de si un dato es confidencial o no, elija la ruta más protegida.
- Informe la infracción. Si hay una fuga o un error, ocultelo; Informe según procedimiento de la institución. La intervención temprana reduce los daños.
tres mini casos
Caso 1: El contexto delató la identidad. Un experto envió un resumen del caso a la herramienta abierta y dijo: "Eliminé los nombres, ahora es seguro". No había ningún nombre en el texto, pero sí la frase "Una mujer con discapacidad visual del barrio X, con 3 hijos, cuyo marido está en prisión". Sólo había una persona en ese vecindario que encajaba en esa descripción; la identidad estaba prácticamente clara. El experto principal se dio cuenta de esto; El trabajo se trasladó al sistema seguro. Lección: el contexto también son datos personales.
Caso 2: La política de datos mínimos funcionó. Un experto sólo necesitaba simplificar una frase. En lugar de entregar el archivo completo a la herramienta, simplemente proporcionó esa frase sin detalles personales. El trabajo estaba hecho, no se difundió ningún dato confidencial. La política de datos mínimos era segura y suficiente.
Caso 3: La notificación temprana redujo los daños. Un nuevo empleado pegó accidentalmente la información de un cliente en una herramienta abierta y se dio cuenta de inmediato. En lugar de entrar en pánico y esconderse, inmediatamente lo informó a su supervisor. La institución evaluó el incidente según el procedimiento KVKK, tomó las medidas necesarias y enseñó al empleado a utilizarlo correctamente. La notificación transparente y rápida evitó que el incidente se agravara.
Cuatro plantillas copiables
1) Verificación previa de clase de datos:
Evalúe el siguiente texto ANTES de procesarlo en una herramienta de inteligencia artificial: ¿Este texto hace que una persona sea identificable directamente (nombre, identificación, dirección, teléfono) O indirectamente (contexto: vecindario, edad, evento, estructura familiar)? ¿Contiene datos sensibles (salud, religión, origen étnico, antecedentes penales)? Si es así, ¿qué secciones? Dime si este texto se puede representar en la herramienta pública. Texto: [pegar texto]
2) Bajar a datos mínimos:
Determine la MENOR información necesaria para realizar el siguiente trabajo. Elimine todos los datos personales que no sean requeridos por el trabajo y deje solo la parte no identificable que sea requerida por el trabajo. Enumere qué información omitió y por qué. Trabajo: [describa la tarea] Texto: [pegue texto]
3) Desidentificación y control del contexto:
Extraiga identificadores (nombre, DNI, dirección, teléfono, nombre de la institución) directamente del texto siguiente. También marque cualquier elemento de contexto que permanezca en el texto (una rara combinación de circunstancias, ubicación específica + evento) que pueda revelar INDIRECTAMENTE su identidad. Antes de eliminarlos, evalúe si el texto aún hace identificable a la persona. Texto: [pegar texto]
4) Crear un ejemplo de formación anónimo/ficticio:
Produzca un caso de ejemplo que se asemeje a un caso real, pero que sea completamente FICCIONAL y no pertenezca a ninguna persona real; Usaré esto para entrenamiento/práctica. Utilizar nombres, lugares o eventos reales; Que todo sea falso. [Tema: evaluación inicial del cuidado de personas mayores]
Aviso débil / Aviso fuerte
Aviso débil:
Estoy pegando el archivo completo de este cliente a continuación, me dará un buen resumen. (incluido nombre, dirección, información de salud)
Esto supone proporcionar datos personales confidenciales a un sistema externo no controlado: una violación de la KVKK y un riesgo irreversible para la privacidad. El hecho de que el resumen sea "agradable" no excusa esta infracción.
Potente mensaje:
(Solo en un sistema seguro aprobado por la institución, o con texto no identificado). Resuma el texto NO IDENTIFICADO a continuación. No he dejado ningún contexto en el texto que pueda revelar nombre, dirección, DNI o identidad. Procese únicamente la información requerida para la tarea. Texto: [pegar texto anónimo]
La diferencia: trabajar con la herramienta adecuada, con datos mínimos y no identificados, protege la privacidad y la ley mientras se realiza el trabajo.
Tipo de datos y ruta correcta
tipo de datos
ejemplo
la herramienta adecuada
Información general
"¿Qué es un objetivo INTELIGENTE?"
vehículo abierto
ejemplo ficticio
Caso de entrenamiento artificial
vehículo abierto
Sin identidad + sin contexto
Simplificación de una oración general.
Abrir el vehículo (con cuidado)
Datos del cliente
registro real, informe
Sólo sistema seguro
Datos de calidad especial
Salud, castigo, etnia.
Máxima protección/sistema seguro
Nota de riesgo/seguridad
Violencia, información de protección.
Máxima protección/sistema seguro
Errores comunes
- Dar datos reales del cliente a la herramienta abierta. El error más peligroso y común; Violación de KVKK y penetración irreversible.
- "Borre los nombres" pensando que es seguridad. El contexto puede revelar la identidad; El enmascaramiento no es protección.
- Introducir más datos de los necesarios. Aplicar la política de datos mínimos; Da tanto como el trabajo requiera.
- Tomar riesgos cuando no estás seguro. En caso de duda, elige el camino más seguro, actúa como una clase alta.
- Ocultar la violación. La presentación de informes tempranos y transparentes reduce los daños; Esconderlo lo hace más grande.
En resumen
La privacidad del cliente es la base de la confianza en el trabajo social y, en la era de la IA, también se convierte en una obligación legal con KVKK. La regla básica es clara: ningún dato personal que identifique al cliente ingresa a una herramienta pública no aprobada. Mantenga separados los dos mundos (herramienta abierta vs. sistema seguro), aplique el principio de datos mínimos, sepa que eliminar nombres no es suficiente y el contexto es identidad; en caso de duda, elija el camino más seguro e informe la infracción de forma transparente. La privacidad no es una medida añadida posteriormente, sino un principio observado desde el principio.
Tarea de aplicación
Escriba un texto de caso ficticio y vea qué elementos marca la IA como datos personales/privados con la plantilla de “verificación previa de clase de datos”. Luego pruebe con el patrón "desidentificación y verificación de contexto" para ver si el contexto aún revela la identidad incluso después de eliminar los nombres. Finalmente, genere un ejemplo que pueda utilizar de forma segura en la herramienta abierta con la plantilla "ejemplo de capacitación anónimo/ficticio".
lista de verificación
- [ ] Antes de cada trabajo, "¿Este texto describe al cliente?" Yo pregunté.
- [ ] Proceso los datos de los clientes únicamente en sistemas seguros y aprobados.
- [ ] Apliqué la política de datos mínimos; No entré en muchos detalles.
- [] Sabiendo que borrar el nombre no es suficiente, también verifiqué el contexto.
- [ ] En caso de duda, elegí el camino más seguro y conozco la forma de denunciar en caso de infracción.