નફો:
- એઆઈ ટૂલ્સ પર કયો ડેટા લખી શકાય તે પારખી શકે છે
- વ્યક્તિગત ડેટા અને વેપાર રહસ્યોના ખ્યાલોને વ્યવહારીક રીતે લાગુ કરી શકે છે
- એન્ટરપ્રાઇઝ અને સાર્વજનિક AI સાધનો વચ્ચેના ગોપનીયતા તફાવતને જાણે છે
આ એકમ રોજિંદા AI ઉપયોગમાં સૌથી સામાન્ય ભૂલો અને સૌથી ગંભીર જોખમોના કેન્દ્રમાં છે: તમે AI ટૂલમાં શું લખી શકો છો અને તમે શું નહીં કરી શકો? જો કોઈ કર્મચારી, સદ્ભાવનાથી, વ્યવસાયને વેગ આપવા માટે સાર્વજનિક ચેટ ટૂલમાં સંવેદનશીલ ગ્રાહક ડેટા પેસ્ટ કરે છે, તો તે કંપનીને કાનૂની કાર્યવાહી અને પ્રતિષ્ઠા બંનેને નુકસાન પહોંચાડી શકે છે. આ એકમમાં અમે સ્પષ્ટ, કાર્યક્ષમ હોકાયંત્ર આપીશું. KVKK (પર્સનલ ડેટા પ્રોટેક્શન લૉ) એ કાયદો છે જે નિયમન કરે છે કે તુર્કીમાં વ્યક્તિગત ડેટા પર કેવી રીતે પ્રક્રિયા કરવામાં આવશે; તેની યુરોપિયન સમકક્ષ GDPR છે.
મૂળભૂત સિદ્ધાંત: "દરવાજામાંથી નીકળતો ડેટા ક્યારેય પાછો આવતો નથી"
એકવાર તમે સાર્વજનિક AI ટૂલમાં માહિતી ટાઇપ કરો, તે માહિતી હવે તમારા નિયંત્રણની બહાર થઈ શકે છે. વાહનના પ્રકાર પર આધાર રાખીને, આ ડેટા; સંગ્રહિત કરી શકાય છે, કર્મચારીઓ દ્વારા સમીક્ષા કરી શકાય છે અથવા મોડેલની ભાવિ તાલીમમાં ઉપયોગ કરી શકાય છે. તેથી મૂળભૂત પ્રશ્ન એ છે કે: "જો હું આ માહિતીને હું જાણતો નથી તેને ઈમેલ કરું તો શું મને વાંધો હશે?" જો તમારો જવાબ "હા" હોય, તો તે માહિતીને સાર્વજનિક સાધનમાં ટાઇપ કરતાં પહેલાં બે વાર વિચારો.
કયો ડેટા જોખમી છે? એક સરળ વર્ગીકરણ
શ્રેણી
ઉદાહરણો
શું તે જાહેર સાધન પર લખી શકાય છે?
વ્યક્તિગત ડેટા
નામ-અટક, ટીઆર આઈડી નંબર, ટેલિફોન, સરનામું, આરોગ્ય, પગાર
ના
વેપાર રહસ્ય
કિંમત નિર્ધારણ વ્યૂહરચના, સૂત્ર, સ્રોત કોડ, કરારની વિગતો
ના
આંતરિક ગોપનીય માહિતી
અપ્રકાશિત નાણાકીય, કર્મચારીઓના નિર્ણયો, આંતરિક પત્રવ્યવહાર
ના
ગ્રાહક ડેટા
ગ્રાહક યાદીઓ, ખરીદી ઇતિહાસ, સંપર્ક રેકોર્ડ
ના
જાહેર માહિતી
પ્રકાશિત બ્લોગ, પ્રેસ રિલીઝ, સામાન્ય વર્ણન
હા
કાલ્પનિક/અનામી ઉદાહરણ
બનાવેલા નામો સાથે નમૂનાનું દૃશ્ય
હા (કાળજીપૂર્વક)
ધ્યાન: "ખાનગી/સંવેદનશીલ વ્યક્તિગત ડેટા" (આરોગ્ય, ધર્મ, વંશીયતા, બાયોમેટ્રિક્સ, ગુનાહિત રેકોર્ડ) ને સર્વોચ્ચ સુરક્ષાની જરૂર છે. તેમને અનામી કર્યા વિના કોઈપણ બાહ્ય સાધન પર લખશો નહીં.
અનામીકરણ: સમાન કામ સુરક્ષિત રીતે કરવું
મોટાભાગના કિસ્સાઓમાં, તમે ટૂલને સંવેદનશીલ ડેટા આપ્યા વિના તમારું લક્ષ્ય પ્રાપ્ત કરી શકો છો. મુખ્ય તકનીક એ અનામીકરણ છે: માહિતીને દૂર કરવી જે વ્યક્તિ અથવા સંસ્થાને ઓળખે છે અને તેને સામાન્ય શબ્દસમૂહો સાથે બદલીને.
- "અલી વેલી" ને બદલે "એક ગ્રાહક"
- "Acme A.Ş સાથે 2 મિલિયન TL કરાર" ને બદલે "મોટા કોર્પોરેટ ગ્રાહક સાથેનો મહત્વપૂર્ણ કરાર"
- વાસ્તવિક ID/ફોન/સરનામાને બદલે તેમને સંપૂર્ણપણે કાઢી નાખવું
- વાસ્તવિક આંકડાઓને બદલે અંદાજિત અથવા પ્રતિનિધિ આંકડા
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળું પ્રોમ્પ્ટ: Ahmet Yılmaz (TC 123456...), ગ્રાહક નંબર 0532... છેલ્લા 3 મહિનાથી તેની ચુકવણીમાં વિલંબ કરી રહ્યો છે. મારે તેને શું લખવું જોઈએ?
પરિણામ: ગંભીર ગોપનીયતા અને KVKK ઉલ્લંઘન; વ્યક્તિગત ડેટા બાહ્ય સાધન પર ગયો.
શક્તિશાળી પ્રોમ્પ્ટ: લાંબા ગાળાના ગ્રાહકને મોકલવા માટે એક નમ્ર પરંતુ સ્પષ્ટ રીમાઇન્ડર ઈમેઈલનો ડ્રાફ્ટ કરો કે જેઓ લગભગ 3 મહિનાથી તેમની ચુકવણીની મુદતવીતી છે. નામ, ID અથવા નંબરનો ઉપયોગ કરશો નહીં; તેમને પ્લેસહોલ્ડર્સ સાથે બદલો જેમ કે [ગ્રાહકનું નામ].
પરિણામ: તમને સમાન નોકરી મળે છે, કોઈ વ્યક્તિગત ડેટા ખુલ્લા નથી.
ત્રણ મિની કેસ
કેસ 1 — પેસ્ટ કરેલ ગ્રાહક યાદી. એક કર્મચારીએ "તેમને વિભાજિત કરવા" માટે સાર્વજનિક સાધનમાં ગ્રાહક ઇમેઇલ સૂચિની 800 લાઇન પેસ્ટ કરી. આ યાદીમાં વેપારના રહસ્યો અને અંગત ડેટા હતા. માહિતી સુરક્ષા ટીમે પરિસ્થિતિની નોંધ લીધી; આ ઘટના ડેટા ભંગની સૂચના પ્રક્રિયામાં ફેરવાઈ ગઈ. સાચો જવાબ હતો: અનામી/પ્રતિનિધિ નમૂનાઓ સાથે ડેટાનો અભ્યાસ કરો અથવા સંસ્થાકીય, માન્ય સાધનનો ઉપયોગ કરો.
કેસ 2 - અનામીકરણ દ્વારા ઉકેલો. એક HR પ્રોફેશનલ પર્ફોર્મન્સ ઇન્ટરવ્યુની તૈયારી કરી રહ્યો હતો. કર્મચારીના વાસ્તવિક નામ અને વિગતોને બદલે, તેણે કર્મચારીને "એક કર્મચારી તરીકે વર્ણવ્યો જે છેલ્લા ક્વાર્ટરમાં તેના લક્ષ્યાંકોથી ઓછો પડ્યો હતો પરંતુ મજબૂત ટીમ સંબંધો ધરાવે છે." તેને ઉપયોગી વાતના મુદ્દા મળ્યા; કોઈને ખુલ્લું પાડ્યું ન હતું.
કેસ 3 - "પ્રથમ તેને પૂછો" રીફ્લેક્સ. ટીમ નવું AI ટૂલ રજૂ કરે તે પહેલાં, માહિતી સુરક્ષાએ પૂછવું જોઈએ કે "અમે તેનો કયા પ્રકારના ડેટા સાથે ઉપયોગ કરી શકીએ?" તેણે પૂછ્યું. તેઓએ જાણ્યું કે એન્ટરપ્રાઇઝ વર્ઝનના કોન્ટ્રાક્ટમાં "ડેટાનો ઉપયોગ મોડલ તાલીમ માટે થતો નથી" કલમ હતી અને સ્પષ્ટ ઉપયોગ નિયમ પ્રકાશિત કર્યો હતો. પરિણામ: ઝડપ + સુરક્ષા સંયુક્ત.
એન્ટરપ્રાઇઝ AI અને પબ્લિક AI વચ્ચેનો તફાવત
- સાર્વજનિક/મફત ટૂલ્સ: સામાન્ય રીતે તમારો ડેટા કેવી રીતે સંગ્રહિત અને ઉપયોગમાં લેવાય છે તેના વિશે મર્યાદિત ગેરંટી આપે છે. મૂળભૂત રીતે, તે વાતાવરણ છે જેમાં તમારે સૌથી વધુ સાવધ રહેવું જોઈએ.
- એન્ટરપ્રાઇઝ / કોન્ટ્રાક્ટ ટૂલ્સ: એન્ટરપ્રાઇઝ વર્ઝન કે જેનો ઉપયોગ કંપની કોન્ટ્રાક્ટ સાથે કરે છે તે ઘણીવાર કરારની ગેરંટી આપે છે જેમ કે "તમારા ડેટાનો ઉપયોગ મોડલ તાલીમમાં કરવામાં આવશે નહીં", "તે ચોક્કસ સમયગાળામાં કાઢી નાખવામાં આવશે", "તે ચોક્કસ પ્રદેશમાં સંગ્રહિત કરવામાં આવશે".
નકલ કરી શકાય તેવા નમૂનાઓ
નીચેની ટેક્સ્ટમાંથી બધી વ્યક્તિગત અને ઓળખી શકાય તેવી માહિતી (નામ, ID, ફોન, સરનામું, ઇમેઇલ, કંપનીનું નામ) સાફ કરો અને તેને [ROLE] અથવા [PLACEHOLDER] વડે બદલો. પછી સાફ કરેલ ટેક્સ્ટ નિકાસ કરો. ટેક્સ્ટ: [અહીં પેસ્ટ કરો]
કોઈપણ વાસ્તવિક વ્યક્તિ/સંસ્થાની માહિતીનો ઉપયોગ કર્યા વિના, સંપૂર્ણ કાલ્પનિક ઉદાહરણ સાથે આ દૃશ્યને ફરીથી લખો. દૃશ્ય: [અહીં પેસ્ટ કરો]
મને "તમે AI ને લખતા પહેલા ગોપનીયતા ચેકલિસ્ટ" બનાવો: વ્યક્તિગત ડેટા, વેપાર રહસ્ય, ગ્રાહક ડેટા અને આંતરિક ગોપનીય માહિતી.
કોઈપણ વાસ્તવિક ગ્રાહક/કર્મચારી ડેટા શેર કર્યા વિના મને નીચેનું કાર્ય પૂર્ણ કરવાની મંજૂરી આપવા માટે જરૂરી પ્લેસહોલ્ડર્સને ફરીથી ડિઝાઇન કરો અને સ્પષ્ટ કરો. શોધ: [શોધ]
સામાન્ય ભૂલો
સામાન્ય ભૂલો
- વાસ્તવિક વ્યક્તિગત ડેટા પેસ્ટ કરી રહ્યું છે. જાહેર સાધનોમાં નામ, ID, ફોન નંબર, સરનામું, આરોગ્ય, પગાર શામેલ નથી.
- "કોઈપણ તેને કોઈપણ રીતે જોશે નહીં" એમ ધારી રહ્યા છીએ. માહિતી સંગ્રહિત અથવા તાલીમમાં ઉપયોગ કરી શકાય છે; જોખમનું સંચાલન કરવું જોઈએ.
- ધારી રહ્યા છીએ કે સાધન કોર્પોરેટ છે. જો તમને ખાતરી ન હોય, તો IT/માહિતી સુરક્ષા પૂછો; દરેક વાહન સમાન વોરંટી આપતું નથી.
- એવું વિચારીને કે સ્ક્રીનશોટ/ફાઈલો અપલોડ કરવી "સલામત" છે. છબી અથવા દસ્તાવેજમાંનો વ્યક્તિગત ડેટા પણ વ્યક્તિગત ડેટા છે.
- અનામીકરણને બાયપાસ કરીને. મોટા ભાગના કાર્યો માહિતી ઓળખ્યા વિના કરી શકાય છે.
ધ્યાન આપો: KVKK/GDPR ને લીધે, ગોપનીયતા એ "જો તે થાય તો વધુ સારું" પસંદગી નથી, પરંતુ તેનું પાલન કરવા માટે ફરજિયાત નિયમ છે. પરવાનગી વિના વ્યક્તિગત ડેટાને તૃતીય-પક્ષ સાધનમાં સ્થાનાંતરિત કરવાથી વહીવટી દંડ થઈ શકે છે.
સારાંશમાં
- તમે સાર્વજનિક AI ટૂલમાં ટાઈપ કરો છો તે ડેટા તમારા નિયંત્રણની બહાર હોઈ શકે છે; "દરવાજો છોડે છે તે ડેટા પાછો આવતો નથી" ના સિદ્ધાંત સાથે કાર્ય કરો.
- વ્યક્તિગત ડેટા, વેપાર રહસ્યો, આંતરિક ગોપનીય માહિતી અને ગ્રાહક ડેટા સાર્વજનિક રૂપે ઉપલબ્ધ સાધનો પર લખવો જોઈએ નહીં.
- તમે અનામીકરણ સાથે ઓળખાતી માહિતીને દૂર કરીને સુરક્ષિત રીતે સમાન કાર્ય કરી શકો છો.
- એન્ટરપ્રાઇઝ સાધનો કરાર આધારિત ગોપનીયતા ગેરંટી ઓફર કરી શકે છે; જાહેર વાહનોમાં સૌથી વધુ સાવધાની રાખો.
- KVKK/GDPRને કારણે ગોપનીયતા એ કાનૂની જવાબદારી છે; જો તમને ખાતરી ન હોય, તો તમારી IT/માહિતી સુરક્ષા ટીમનો સંપર્ક કરો.
એપ્લિકેશન કાર્ય
છેલ્લા અઠવાડિયે તમે AI પર લખેલા (અથવા લેખનને ધ્યાનમાં લીધા) ઇનપુટની સમીક્ષા કરો. શું તેઓ વ્યક્તિગત અથવા ગોપનીય ડેટા ધરાવે છે? ઉપરના "સફાઈ" ટેમ્પલેટ વડે એકને સુરક્ષિત અનામી સંસ્કરણમાં કન્વર્ટ કરો અને તફાવત જુઓ.
ચેકલિસ્ટ
- [ ] હું જાણું છું કે સાર્વજનિક સાધનો પર કયા ડેટા પ્રકારો લખી શકાતા નથી.
- [ ] હું વ્યવહારમાં વ્યક્તિગત ડેટા અને વેપાર રહસ્યોના ખ્યાલોને લાગુ કરી શકું છું.
- [ ] હું કોઈ કાર્યને અનામી કરીને સુરક્ષિત બનાવી શકું છું.
- હું એન્ટરપ્રાઇઝ અને જાહેર સાધનો વચ્ચે ગોપનીયતામાં તફાવત જાણું છું.
- જ્યારે મને ખાતરી ન હોય, ત્યારે હું IT/માહિતી સુરક્ષા ટીમનો સંપર્ક કરું છું.