Kasu:
- Enne tehisintellekti tööriista ostmist rakendage hindamiskriteeriume
- Andmetöötluslepingust (DPA) ja näidiskaardilt otsitavate esemete äratundmine
- Looge heakskiidetud sõidukite loend ja müüja riskiskoor
Mida teete, kui äriüksus tuleb teie ukse taha ja ütleb: "Me tahame seda uut tehisintellekti tööriista kasutada, see on väga kasulik"? Ütlemine "ei tee" toidab vari-AI-d; "OK" ütlemine avab kontrollimatu riski. Õige vastus on sõiduki hindamisprotsess. Selles üksuses õpime, milliseid küsimusi küsida enne tehisintellekti sõiduki ostmist/sertifitseerimist, mida otsida andmetöötluslepingust (DPA) ja mudelikaardilt ning kuidas seda kõike heakskiidetud sõidukite loendisse ja müüja riskiskoori koondada.
Miks on hindamine vajalik?
Iga AI tööriist on andmetöötleja: see töötleb organisatsiooni andmeid. Vale tööriista heakskiitmine tähendab organisatsiooni isikuandmete kontrollimatut üleandmist kolmandale osapoolele (ja sageli ka välismaale). Peamised küsimused, millele enne tööriista kinnitamist vastata:
- Kus see andmeid töötleb ja salvestab (mis riik)?
- Kas see kasutab meie andmeid mudelikoolituses? Kas seda saab välja lülitada (loobuda)?
- Kas see pakub andmetöötluslepingut (DPA)?
- Kas on olemas turvasertifikaadid (nt ISO 27001)?
- Kui kaua vestlusajalugu säilitatakse ja kas seda saab kustutada?
- Kas on kohustus meid teavitada turvarikkumisest?
Andmetöötlusleping (DPA)
Andmetöötlusleping (DPA) on vastutava töötleja (asutuse) ja andmetöötleja (AI pakkuja) vahel sõlmitud leping, mis määrab, kuidas andmeid töödeldakse. KVKK ja GDPR nõuavad seda suures osas. Üksused, mida DPA-st otsida:
asja
Mida see peaks andma?
Töötlemise ulatus ja eesmärk
Laske teenusepakkujal tegutseda ainult meie juhiste järgi
Alamprotsessorid
Kellele see üle kantakse? Kas sellest on ette teatatud?
Ülekande tagatis
Lepingu tüüptingimused või samaväärsed tingimused
Turvameetmed
Krüpteerimine, juurdepääsukontroll, ISO 27001
Rikkumise teatis
Rikkumise korral teavitamine meid teatud aja jooksul
Kustutamine/tagastamine
Andmete kustutamise/tagastamise kohustus lepingu lõppedes
Õigus auditile
Võimalus teenusepakkujat auditeerida või aruandeid vastu võtta
Ettevaatust: enamik "tasuta" ja "individuaalseid" AI plaane ei paku DPA-d ja võivad kasutada andmeid mudelitreeningu jaoks. Ettevõtete jaoks tuleks eelistada ettevõtte/äriplaane, mis pakuvad DPA-d ja tagavad hariduse loobumise. Tasuta plaan on sageli plaan, kus andmete eest makstakse.
Mudelkaart ja läbipaistvus
Mudelkaart on dokument, mis selgitab, milleks tehisintellekti mudel on loodud, milliste andmetega seda koolitatakse, selle piiranguid ja teadaolevaid riske. Hea pakkuja jagab seda. Asjad, mida mudelikaardilt otsida: mudeli kasutusotstarve, teadaolevad piirangud ja eelarvamuste riskid, mittesoovitavad kasutusviisid ja jõudlus-/turvamärkused. Kui mudelikaart on puudu või väga ebamäärane, on see juba iseenesest hoiatav märk.
kolm minikarpi
Juhtum 1 – tasuta paketi maksumus. Raamatupidamismeeskond alustab klientide finantsandmete töötlemist tasuta tehisintellekti tööriistaga. Tööriist ei paku DPA-d ja selle tingimustes on kirjas, et see võib kasutada andmeid mudelikoolituse jaoks. Järelevalveametnik märkab seda ja keelab tööriista, kiites heaks ettevõtte alternatiivi, mis pakub DPA-d. Erinevus: mõnisada TL kuus litsentsi jms eest. Võimalikud trahvid miljonid naelad.
Juhtum 2 – alamprotsessori üllatus. Ettevõte avastab kuid hiljem auditi käigus, et tema heakskiidetud tehisintellekti tööriist edastas andmeid alamtöötlejatele kolmes erinevas riigis. Kuna DPA-s ei ole klauslit "alltöötlejaid tuleb ette teavitada", ei olnud ettevõte sellest teadlik. Õppetund: DPA klausel, mis muudab alamprotsessori ahela nähtavaks, on kohustuslik.
Juhtum 3 – Otsus punktiarvestuse alusel. Organisatsioon koostab 8-kriteeriumilise tarnija riskiskoori tabeli, et võrrelda kolme tehisintellekti tööriista (DPA, andmete asukoht, koolitusest loobumine, ISO 27001, rikkumise teatis, kustutamine, mustrikaart, hind). Reitingu tulemus tõstab esile tööriista, mis pole kõige populaarsem, kuid kõige ühilduvam. Otsus põhineb pigem dokumenteeritaval skooril kui subjektiivsel "mulle meeldis".
Näpunäide. Hallake kinnitatud sõidukite loendit "valge nimekirjana": lubage ainult loendis olevad sõidukid. Musta nimekirja tuleb uuendada iga uue tööriistaga ja see on alati sammu võrra maas; valge nimekirja lisamine on vaikimisi turvaline.
Väljumise ja sõltuvuse oht
Küsimus, mille enamik agentuure sõiduki heakskiitmisel vahele jätab, on: "Mis juhtub, kui tahame sellest sõidukist väljuda?" Hea hinnang arvestab nii väljumist kui ka sisenemist. Silma jäävad kaks riski. Esimene on andmete teisaldatavus: kas teenusepakkuja juurest lahkudes saate oma andmed ja konfiguratsiooni tagasi standardvormingus või on andmed pakkujas lukus? Teine on müüja lukustus: äriprotsessid võivad olla nii seotud ühe tööriistaga, et väljumiskulud muutuvad talumatuks, kui pakkuja tõstab hindu või katkestab teenuse osutamise.
Seetõttu on hea tava lisada kinnituskirjesse ka rida "väljumisplaan": kuidas saame andmed tagasi, milline on alternatiivne tööriist, kui kaua üleminek aega võtab. Isegi kui teenusepakkuja ühel päeval teenuse välja lülitab, on organisatsioon ette valmistatud.
Ettevaatust. See, et sõiduk on populaarne või odav, ei tähenda, et see oleks jätkusuutlik. Väikesed pakkujad võivad sulgeda, omandada või ootamatult muuta oma poliitikat. Enne kriitilise protsessi ühendamist ühe tööriistaga kaaluge väljumisstsenaariumit.
Kopeeritavad mallid
MALL 1 – hankija hindamisküsimuste komplekt: "Valmistage ette hindamisküsimused, mida müüjalt esitada enne uue tehisintellekti tööriista kinnitamist. Kaasake andmete asukoht, kasutamine ja loobumine mudelikoolitusest, DPA kohalolek, turvasertifikaadid, säilitusperiood, rikkumise teatis, alamprotsessorid, kustutamiskohustus. Lisage igale küsimusele eeldatav "turvaline" vastus."
MALL 2 – DPA klausli kontroll-loend: "Kontrollige allolevast DPA eelnõust [kleebi tekst] järgmisi klausleid: töötlemise ulatus, alltöötlejad, edastuse tagatis, turvameetmed, rikkumisest teatamise periood, kustutamine/tagastamine, auditiõigus. Märkige iga klausli juures "praegu / puudub / ebakindel". Tuletage meelde, et lõplikku otsust ei ole vaja teha.
MALL 3 – tarnija riskide tulemustabel: "Seadistage 8 kriteeriumiga riskide tulemustabel, et võrrelda kolme tehisintellekti tööriista: DPA, andmete asukoht, koolitusest loobumine, ISO 27001, rikkumise teatis, kustutamine, mustrikaart, hind. Olgu iga kriteerium 0–3 punkti, lisage kogusumma ja soovituste veerg. Sisestage tühi mall, ma täidan."
MALL 4 – heakskiidetud tööriistaloendi kirje: "Kinnitatud tehisintellekti tööriistade loendi uue kirje mustand: tööriista nimi, kinnitatud kasutusotstarve, millised andmeklassid on lubatud (avalik/sisemine/konfidentsiaalne), keelatud andmetüübid, vastutav üksus, kinnitamise kuupäev, ülevaatuse kuupäev. Üherealise kirje vormingus."
Nõrk viip / Tugev viip
NÕRK: "Kas see AI-tööriist on ohutu?"-> Kordab mudelitööriista turunduslubadust; See ei hinda konkreetseid kriteeriume, nagu DPA, andmete asukoht, koolituskasutus. TUGEV: "Hindan seda tehisintellekti tööriista ettevõttes kasutamiseks. Millist teavet peaksin teenusepakkujalt küsima järgmise 8 kriteeriumi alusel (DPA, andmete asukoht, koolitusest loobumine, ISO 27001, rikkumisteade, salvestusruum, alamprotsessor, mudelkaart) ja milline peaks olema iga kriteeriumi "vastuvõetav" lävi? Esitage kontrolllehe vormingus." -> Mudel loob konkreetse, kontrollitava hindamisraamistiku.
Levinud vead
- Tasuta/individuaalsete plaanide kasutamine ettevõtte andmetega; Ei saa aru, et DPA-d ja loobumist pole.
- Tööriista heakskiitmine turunduslubaduse alusel, mitte andmete asukoha ja haridusliku kasutuse küsimine.
- Andmete jagamine ilma andmekaitselepingut allkirjastamata või alamtöötleja klauslit kontrollimata.
- Sõiduki kinnitamine ilma/ebakindla mudelikaardiga ilma küsimusteta.
- Valge nimekirja asemel keelunimekirja pidamine ja iga uue sõidukiga mahajäämine.
- Sõidukit pärast kinnitamist uuesti üle ei vaadata (tingimused muutuvad).
- Hankija valiku aluseks on subjektiivne eelistus, mitte tõendatav hind.
Kokkuvõttes
- Iga AI tööriist on andmetöötleja; Süstemaatiline hindamine on enne heakskiitmist hädavajalik.
- Andmetöötlusleping (DPA) on andmeid siduv alusdokument; See peaks sisaldama ulatuse, alamprotsessori, turvalisuse, rikkumise ja kustutamise klausleid.
- Tasuta/individuaalsed plaanid ei paku sageli DPA-d ja kasutavad andmeid koolituseks; Eelistada tuleks ettevõtte plaane.
- Mudelikaardil on näidatud mudeli limiidid ja riskid; Selle puudumine on hoiatusmärk.
- Heakskiidetud tööriistu tuleks hallata valge nimekirjana ja hankijaid tuleks hallata dokumenteeritava riskiskooriga.
Rakenduse ülesanne
Valige kolm tõelist AI tööriista, mida teie organisatsioon võiks kasutada. Koostage müüja riskiskoori tabel kaheksa kriteeriumiga (DPA, andmete asukoht, koolitusest loobumine, turvasertifikaat, rikkumisest teatamine, säilitamine, mudelikaart, maksumus) ja hinnake iga sõidukit nende kriteeriumide alusel 0–3. Seejärel kirjutage kõrgeima punktisumma saanud sõiduki heakskiidetud sõidukite loendisse kirje: kinnitatud kasutusotstarve, lubatud andmeklassid, keelatud andmetüübid, vastutav üksus ja ülevaatuse kuupäev. Lõpuks pange tähele viis elementi, mida soovite kindlasti sõiduki DPA-s näha ja miks igaüks neist on oluline.
kontrollnimekiri
- [ ] Esitasin hindamisküsimusi enne tööriista heakskiitmist.
- [ ] Täpsustasin andmete asukoha ja kasutusjuhu mudelikoolitusel.
- [ ] Kontrollisin DPA ja selle kriitiliste üksuste olemasolu.
- [ ] Uurisin mudelikaarti; Nägin piire ja riske.
- [ ] Hindasin müüjat dokumenteeritava riskiskooriga.
- [ ] Lisasin tööriista lubatud andmeklassidega valgesse nimekirja.
- [ ] Määrasin ülevaatuse kuupäeva.