سود:
- امکان استفاده از داده های کاندید و کارمند مطابق با اصول KVKK (محدودیت هدف، کمینه سازی داده ها)
- امکان محافظت از داده های شخصی از طریق پوشاندن / ناشناس سازی و انتخاب ابزار ایمن
- توانایی پشتیبانی از فرآیندهای افشا، رضایت و حفظ با هوش مصنوعی برای پردازش داده ها در منابع انسانی
رزومه کاندیدا، نمرات عملکرد، اطلاعات حقوق، نظرات مرجع، گزارش های پزشکی، سوابق انضباطی... HR نگهبان حساس ترین داده های شخصی در یک شرکت است. استفاده از ابزارهای هوش مصنوعی (AI) با این داده ها کارایی فوق العاده ای را ارائه می دهد. بلکه مسئولیت جدی قانونی و اخلاقی را نیز ایجاد می کند. چسباندن همه رزومههای یک مجموعه نامزد در یک ابزار تصادفی میتواند در عرض چند دقیقه به نقض داده تبدیل شود. در این بخش، ما یاد خواهیم گرفت که چگونه استفاده از هوش مصنوعی در منابع انسانی را مطابق با KVKK (قانون حفاظت از داده های شخصی) مطابق، ایمن و قابل دفاع کنیم.
چند عبارت: داده های شخصی هر گونه اطلاعاتی است که در رابطه با یک شخص حقیقی شناسایی شده یا قابل شناسایی (نام، شناسه، ایمیل، حتی یک متن CV منحصر به فرد) باشد. داده های با کیفیت ویژه (حساس) داده های محافظت شده اضافی مانند سلامت، مذهب، زندگی جنسی، محکومیت جنایی، عضویت در اتحادیه است. کنترل کننده داده، موسسه (شرکت شما) است که هدف از پردازش داده ها را تعیین می کند. ناشناس سازی به معنای ساختن داده ها به گونه ای است که به هیچ وجه نمی توان آن ها را به یک شخص مرتبط کرد. پوشاندن (نام مستعار) به جای شناسه ها با نام مستعار (کاندیدا 1، نامزد 2) است. ضعیفتر از ناشناسسازی است، اما برای اکثر تحلیلها کافی است.
اصول اولیه KVKK و معادل آن در منابع انسانی
اصول کلی KVKK همچنین استفاده شما از هوش مصنوعی را مقید می کند. برای اینکه یک معامله قانونی باشد، باید این اصول را رعایت کند:
اصل
معنی در منابع انسانی
قانونمندی و صداقت
آیا مبنای قانونی برای پردازش وجود دارد (قرارداد، منافع مشروع، رضایت صریح)
محدودیت هدف
از داده ها فقط برای هدفی استفاده کنید که برای آن جمع آوری شده است (از داده های استخدام در بازاریابی استفاده نکنید)
به حداقل رساندن داده ها
به اندازه ای که کار نیاز به داده دارد؛ زیاد به مدل ندهید
دقت
اطمینان حاصل کنید که داده ها به روز و دقیق هستند
محدودیت ذخیره سازی
ذخیره سازی نامحدود؛ از بین بردن اطلاعات دیگر مورد نیاز نیست
امنیت
پردازش داده ها با حفاظت های فنی و اداری مناسب
احتیاط: چسباندن تمام رزومههای یک مجموعه نامزد در یک ابزار هوش مصنوعی عمومی بدون تضمین حفظ دادههای شرکتی یک خطر جدی برای KVKK است. این داده ها را می توان با ارائه دهنده مدل ذخیره کرد و حتی در برخی از شرایط خدمات در آموزش استفاده کرد. ابزارهای شرکتی/تأیید شده، قراردادهای پردازش داده (DPA) و ناشناسسازی/نقابگذاری در صورت امکان هنگام کار با دادههای شخصی ضروری هستند.
مراحل استفاده ایمن
- ابزار را انتخاب کنید. ابزارهایی را انتخاب کنید که شرکتی هستند، توافقنامه پردازش داده دارند و گزینه "استفاده از داده های من در آموزش" را ارائه می دهند.
- داده ها را به حداقل برسانید. ارائه حداقل داده های مورد نیاز برای تجزیه و تحلیل؛ اضافی را حذف کنید
- پوشاندن/ناشناس کردن. نام، شناسه، مخاطب، تاریخ تولد کامل را با مقدار نام مستعار یا محدوده جایگزین کنید.
- هدف را محدود کنید داده ها را فقط برای هدفی که برای آن جمع آوری شده است پردازش کنید.
- دنباله رو نگه دار ثبت کنید که کدام داده ها، برای چه هدفی و با کدام ابزار پردازش شده اند.
- تایید انسانی را قرار دهید. اجازه دهید یک فرد تصمیمی بگیرد که بر شخص تأثیر می گذارد.
قبل از ارزیابی رزومه زیر، دادههای شخصی را پنهان کنید: - به جای نام، "کاندیدا" را بنویسید، اطلاعات تماس را بنویسید [REDACTED] - از محدوده سنی (مثلاً 30 تا 35 سال) به جای تاریخ تولد استفاده کنید - اگر نام مدرسه/شرکت میتواند منجر به تبعیض شود تعمیم دهید، سپس یک خلاصه ساختاریافته فقط بر اساس معیارهای مربوط به شغل ایجاد کنید.
تمرین ناشناس سازی و پوشش دادن
بیشتر تجزیه و تحلیل منابع انسانی را می توان بدون شناسایی فرد انجام داد. منطق تجزیه و تحلیل تغییر نمی کند، اطلاعات شخصی فاش نمی شود:
ضعیف (خطرناک): قرار دادن اطلاعات با نام واقعی، شناسه، واحد و حقوق کامل. قوی (ایمن): افراد را به عنوان "شخص 1/2/3" کدگذاری کنید، به جای تاریخ تولد از محدوده سنی استفاده کنید، به جای حقوق کامل از نوار (مثلاً 40-50 هزار تومان). از منطقه به جای مکان، ماه/سال به جای تاریخ دقیق استفاده کنید.
هوش مصنوعی همچنین در تهیه پیشنویس اسناد KVKK، مانند متن شفافسازی و دوره نگهداری، کمک میکند - اما دوباره، فقط پیشنویس:
نقش شما: دستیار حفظ حریم خصوصی داده ها. وظیفه: یک پیش نویس از متن اطلاعات نامزد برای فرآیند استخدام بنویسید. محتوا: کدام داده ها پردازش می شوند، برای چه هدفی، بر اساس چه مبنای قانونی، چه مدت ذخیره می شوند، حقوق نامزد چیست. قانون: اظهارات قانونی را با برچسب [VERIFY TO KVKK EXPERT] علامت گذاری کنید. دوره/مورد خاص جعلی نیست. این یک پیش نویس است، نه متن نهایی.
سه کیف کوچک
مورد 1 - از نقض با دقت جلوگیری شد. یک استخدامکننده قصد داشت 60 رزومه را به یکباره در حساب خودروی شخصی خود بچسباند. رهبر تیم مداخله کرد. این فرآیند به یک ابزار شرکتی با قابلیت DPA منتقل شد و CV ها پوشانده و پردازش شدند. بدین ترتیب هم کارایی حفظ شد و هم خطر تخلف احتمالی و جریمه اداری از بین رفت.
مورد 2 - نقض حد هدف. یک شرکت متعاقباً از ایمیل های نامزد جمع آوری شده برای استخدام در یک کمپین بازاریابی استفاده کرد. این امر نقض اصل «محدودیت هدف» بوده و موضوع شکایت بوده است. پس از این حادثه، HR قانونی را اجرا کرد که هدف هر مجموعه داده را برچسب گذاری می کرد و از سوء استفاده جلوگیری می کرد.
مورد 3 - محدودیت ذخیره سازی. یک سازمان رزومه کاندیداهایی را که سالها استخدام نشده بودند نگهداری می کرد. تطبیق داده ها، هدف و دوره نگهداری با موجودی مبتنی بر هوش مصنوعی؛ اطلاعات منقضی شده در طرح تخریب گنجانده شد. بنابراین، هم محدودیت ذخیره قانونی رعایت شد و هم ریسک غیرضروری کاهش یافت.
اعلان ضعیف / اعلان قوی
اعلان ضعیف: اطلاعات این نامزدها را ارزیابی کنید. [نام واقعی، شناسه ترکی، حقوق، رزومه کامل]
نتیجه: داده های شخصی حساس به صورت ناامن پردازش می شوند. خطر نقض KVKK و نشت داده ها.
اعلان قدرتمند: [داده های پوشانده شده (نامزد 1/2، محدوده سنی، باند حقوق) + حد هدف + "فقط معیارهای مرتبط با شغل" + ابزار شرکتی/تأیید شده + رتبه تایید انسانی]
نتیجه: همان قدرت تحلیلی، بدون افشای اطلاعات شخصی. روندی قابل دفاع و قانونی
نکته: قبل از دادن دادهها به هوش مصنوعی، این را آزمایش کنید: "آیا اگر این اسکرین شات فاش شود به حریم خصوصی شخصی آسیب میرسد؟" اگر پاسخ «بله» است، یا آن داده ها را پنهان کنید یا اصلاً آن را ارائه ندهید. اگر شک دارید، تصمیم بگیرید که داده ها را به حداقل برسانید.
اشتباهات رایج
- دادن اطلاعات شخصی خام به یک ابزار ناامن وسایل نقلیه مورد استفاده در آموزش بدون DPA خطرناک هستند.
- نقاب زدن. نام/TC/تاریخ کامل در اکثر تحلیلها غیر ضروری است. آن را حذف کنید
- سوء استفاده از داده های استخدام برای اهداف دیگری مانند بازاریابی استفاده نکنید.
- ذخیره سازی نامحدود داده هایی را قرار دهید که هدف آنها دیگر در یک طرح تخریب نیست.
- دست کم گرفتن داده های حساس داده های بهداشتی / مجازات / مذهبی بیشتر محافظت می شود. از درگیر شدن در هوش مصنوعی خودداری کنید.
- هیچ ردی از خود باقی نگذاشتن. اگر آنچه را که با چه دادههایی انجام میدهید ثبت نکنید، نمیتوانید حسابرسی شوید.
به طور خلاصه
- داده های شخصی در HR (CV، عملکرد، حقوق، سلامت) در محدوده KVKK است. استفاده از هوش مصنوعی نیز تابع این اصول است.
- ابزارهای شرکتی/تأیید شده را انتخاب کنید که دارای DPA هستند و از داده های شما در آموزش استفاده نمی کنند. داده های خام را در ابزارهای عمومی قرار ندهید.
- محدودیت هدف و به حداقل رساندن داده ها: فقط داده های لازم را برای هدفی که برای آن جمع آوری شده است پردازش کنید.
- پوشاندن و ناشناس سازی بیشتر تحلیل ها را ایمن می کند. به جای نام/TC/تاریخ کامل از نام مستعار و محدوده استفاده کنید.
- هوش مصنوعی پیش نویس هایی را در اسناد افشا، رضایت و نگهداری تهیه می کند. جزئیات حقوقی را توسط کارشناس KVKK تأیید کنید و تصمیم گیری را که بر شخص تأثیر می گذارد به آن شخص واگذار کنید.
وظیفه کاربردی
یک رزومه یا سابقه کارمندی که دارید (یا داستانی) بگیرید. ابتدا فیلدهای داده های شخصی را فهرست کنید و بپرسید "آیا این برای تجزیه و تحلیل لازم است؟" برای هر یک به سوال پاسخ دهید. با حذف موارد غیر ضروری و پوشاندن موارد ضروری (نامزد، محدوده سنی، باند حقوق) یک نسخه امن ایجاد کنید. از هوش مصنوعی بخواهید که خلاصه ای مربوط به شغل را فقط با این داده های پوشانده تهیه کند. همچنین یک بروشور مختصر نامزد تهیه کنید و اظهارات حقوقی را به عنوان "در حال تایید" علامت گذاری کنید.
چک لیست
- [ ] آیا ابزار مورد استفاده شرکتی/تأیید شده و دارای گواهی DPA است؟
- [ ] آیا داده ها به حداقل رسیده است (فقط فیلدهای ضروری)؟
- [ ] آیا شناسه هایی مانند نام/شناسه/تاریخ کامل پوشانده شده اند؟
- [ ] آیا داده های با کیفیت خاص (سلامتی، جنایی، مذهبی) از فرآیند مستثنی هستند؟
- [ ] آیا داده ها فقط برای هدفی که برای آن جمع آوری شده استفاده می شود؟
- [ ] آیا دوره ذخیره سازی و طرح تخریب مشخص شده است؟
- [ ] آیا تصمیم نهایی بر شخص در یک فرد تأثیر می گذارد؟