AI ગવર્નન્સ ફ્રેમવર્ક: ભૂમિકાઓ, મંજૂરી, ઓડિટ અને ઘટના પ્રતિસાદ

નફો:

• RACI મેટ્રિક્સ સાથે ગવર્નન્સની ભૂમિકાઓને વ્યાખ્યાયિત કરવી
• સંતુલિત મંજૂરી પ્રક્રિયા અને નિયમિત ઓડિટ કાર્યક્રમ સ્થાપિત કરો
• 72 કલાકના નિયમ સાથે AI અને ડેટા ભંગ ઘટના પ્રતિભાવ યોજનાનો અમલ કરો

પ્રથમ એકમથી આ બિંદુ સુધી, અમે નીતિ લખી, કાયદો શીખ્યા અને જોખમોનું મૂલ્યાંકન કર્યું. હવે આ બધું કાર્યકારી સિસ્ટમમાં પ્લગ કરવાનો સમય છે. નીતિ ગમે તેટલી સારી રીતે લખાઈ હોય, જો તેની પાછળ કોઈ ભૂમિકા, મંજૂરી પ્રવાહ, ઑડિટ અને ઘટના પ્રતિભાવ ન હોય, તો તે દસ્તાવેજ તરીકે શેલ્ફ પર રહે છે. આ ક્લોઝિંગ યુનિટમાં, અમે ચાર મિકેનિઝમ્સને જોડીએ છીએ જે AI ગવર્નન્સને જીવંત રાખે છે - ભૂમિકાઓ (RACI), મંજૂરી પ્રક્રિયા, નિયમિત ઑડિટ અને ઘટના પ્રતિસાદ — અને ફ્રેમવર્ક પૂર્ણ કરીએ છીએ.

સ્પષ્ટતા કરતી ભૂમિકાઓ: RACI મેટ્રિક્સ

શાસનનો પ્રથમ નિયમ: દરેક કાર્યનો માલિક હોવો જોઈએ. આને સ્પષ્ટ કરવા માટેનું ઉત્તમ સાધન RACI મેટ્રિક્સ છે. RACI ચાર ભૂમિકાઓના આદ્યાક્ષરોમાંથી આવે છે:

• R (જવાબદાર/કર્તા): જે ખરેખર કામ કરે છે.
• A (જવાબદાર): ફક્ત એક જ વ્યક્તિ હોવી જોઈએ જે આખરે જવાબદાર હોય.
• C (પરામર્શ): જેનો અભિપ્રાય લેવામાં આવ્યો છે.
• હું (માહિતગાર): જાણકાર.

ક્વેસ્ટ

(R) દ્વારા બનાવેલ

જવાબદાર (A)

સલાહ લીધી (C)

જાણકાર (I)

નીતિ લખી રહ્યા છીએ

એઆઈ અધિકારી

અનુપાલન મેનેજર

લીગલ, આઈટી, એચઆર

વરિષ્ઠ સંચાલન

નવા વાહનની મંજૂરી

આઇટી/સુરક્ષા

અનુપાલન મેનેજર

કાયદો

વ્યવસાય એકમ

DPIA અમલ

ડેટા સંરક્ષણ અધિકારી

અનુપાલન મેનેજર

સંબંધિત ટીમ

વરિષ્ઠ સંચાલન

ઉલ્લંઘન પ્રતિભાવ

સુરક્ષા ટીમ

વરિષ્ઠ સંચાલન

કાયદો, સંદેશાવ્યવહાર

સમગ્ર સંસ્થા

ઓડિટ

આંતરિક ઓડિટ

અનુપાલન મેનેજર

એકમો

વરિષ્ઠ સંચાલન

ટીપ: પ્રતિ લીટી માત્ર એક "A" (હિસાબી) રાખો. બે આખરે જવાબદાર છે, શૂન્ય જવાબદાર છે; કટોકટીના સમયે "મને લાગ્યું કે તમે જોઈ રહ્યા છો" તે વાક્ય અહીંથી આવે છે. એક ભૂમિકા પર જવાબદારી નક્કી કરવી એ શાસનનો અંગૂઠો નિયમ છે.

સંતુલિત મંજૂરી પ્રક્રિયા

નવા AI ટૂલ અથવા તેના ઉપયોગ માટે મંજૂરી પ્રક્રિયાની જરૂર છે. બે ફાંસો ટાળવામાં આવે છે: ખૂબ છૂટક (બધું મફત છે, શેડો AI) અને ખૂબ સખત (બધું મહિનાઓ સુધી મંજૂરીની રાહ જોઈ રહ્યું છે, કોઈને પરેશાન કરતું નથી). જોખમના આધારે ટ્રેડ-ઓફ ક્રમિક મંજૂરી છે:

જોખમ સ્તર

ઉદાહરણ

મંજૂરી પાથ

નીચું

ખુલ્લા ડેટા સાથેનો ટેક્સ્ટ ડ્રાફ્ટ

કોઈ મંજૂરીની જરૂર નથી, પોલિસીમાં મફત

મધ્યમ

ઇન-હાઉસ ડેટા સાથે વિશ્લેષણ

યુનિટ મેનેજર + માન્ય વાહન જરૂરિયાત

ઉચ્ચ

વ્યક્તિગત/ખાનગી ડેટા, સ્વચાલિત નિર્ણય

અનુપાલન + કાનૂની મંજૂરી + DPIA

ઓછા-જોખમના ઉપયોગો છોડવાથી ટીમોને પ્રક્રિયાની માલિકી લેવાની મંજૂરી મળે છે; ઉચ્ચ જોખમ ધરાવતા લોકોને કડક નિયંત્રણ હેઠળ રાખવાથી વાસ્તવિક જોખમનું સંચાલન થાય છે. આમ, પ્રક્રિયા ઝડપી અને સલામત બંને છે.

નિયમિત નિરીક્ષણ

શાસન એ જીવંત પ્રણાલી છે; નિયમિત દેખરેખ વિના તે મૃત્યુ પામે છે. ઓડિટ તપાસો: શું મંજૂર સૂચિમાં હજુ પણ ઉપયોગમાં લેવાતા વાહનો છે, શું શેડો AI ના ચિહ્નો છે, શું રીટેન્શન પીરિયડ લાગુ છે, DPIA અપ ટૂ ડેટ છે, ઘટનાઓ રેકોર્ડ કરવામાં આવી છે. ઓડિટ આવર્તન જોખમ દ્વારા નક્કી કરવામાં આવે છે (દા.ત. ઉચ્ચ જોખમવાળી સિસ્ટમ માટે ત્રિમાસિક, સામાન્ય માટે દર છ મહિને).

ધ્યાન આપો: ઑડિટીંગ એ "કોઈને દોષિત" કરવાનું સાધન નથી, પરંતુ "સિસ્ટમને સુધારવા" માટેનું સાધન છે. સજા-કેન્દ્રિત ઓડિટ સંસ્કૃતિ કર્મચારીઓને સમસ્યાઓ છુપાવવા દબાણ કરે છે અને શેડો AIને પ્રોત્સાહન આપે છે. ધ્યેય સમસ્યાઓને વહેલી તકે જોવા અને ઠીક કરવાનો છે.

ઘટના પ્રતિસાદ અને 72 કલાકનો નિયમ

ભલે ગમે તેટલી સારી રીતે મેનેજ કરવામાં આવે, એક દિવસ એક ઘટના બનશે: ડેટા લીક, ખોટો AI નિર્ણય, ગોપનીય ડેટા ખોટા ટૂલમાં પ્રવેશ કરવો. ઘટના પ્રતિભાવ યોજના શું કરવું તે સૂચવે છે:

1. તપાસ અને નિયંત્રણ: ઘટનાને ઓળખો, તેનો ફેલાવો રોકો (દા.ત. એક્સેસ કાપી નાખો).
2. મૂલ્યાંકન: કયો ડેટા, કેટલા લોકો, કેટલી અસર થઈ?
3. સૂચના: વ્યક્તિગત ડેટાના ભંગના કિસ્સામાં, જ્યારે જરૂરી હોય ત્યારે સંબંધિત સત્તાધિકારી (KVKK બોર્ડ) અને સંબંધિત વ્યક્તિઓને સૂચિત કરો. GDPR ને ઉલ્લંઘનની જાણ થયાના 72 કલાકની અંદર સત્તાધિકારીને સૂચનાની જરૂર છે; KVKK પણ "શક્ય તેટલી વહેલી" સૂચનાની અપેક્ષા રાખે છે.
4. સુધારણા અને શીખવું: મૂળ કારણને ઠીક કરો, સમાન ઘટનાને રોકવા માટે પગલાં લો, ઘટનાનું દસ્તાવેજીકરણ કરો.

ધ્યાન આપો: 72-કલાકનો નોટિસ પીરિયડ તમે ઘટના વિશે જાણ્યા ત્યારથી શરૂ થાય છે; "ચાલો પહેલા તેને આંતરિક રીતે હલ કરીએ, પછી અમે તમને જણાવીશું" નો અભિગમ સમયમર્યાદા ચૂકી જશે. ઘટના પ્રતિસાદ યોજના અને સંચાર શૃંખલા અગાઉથી તૈયાર રાખવાથી કટોકટી દરમિયાન સમયની બચત થાય છે.

ત્રણ નાના કેસો

કેસ 1 — દાવો ન કરેલ કાર્ય. એક કંપની પાસે AI પોલિસી છે, પરંતુ તે સ્પષ્ટ નથી કે "મંજૂર ટૂલ લિસ્ટને કોણ અપડેટ કરે છે". સૂચિ 8 મહિના સુધી અપડેટ કરવામાં આવી નથી, ટીમો એવા સાધનોનો ઉપયોગ કરવાનું શરૂ કરે છે જે સૂચિમાં નથી. જો RACI મેટ્રિક્સ આ કાર્યને ભૂમિકામાં પિન કરે છે, તો ગેપ થશે નહીં.

કેસ 2 — 72 કલાક ચૂકી ગયા. એક કર્મચારી ખોટા ટૂલમાં મિસ્ટ્રી શોપર લિસ્ટ દાખલ કરે છે. ટીમ આંતરિક રીતે આનો ઉકેલ લાવવાનો પ્રયાસ કરે છે અને ત્રણ દિવસ પછી કાયદાને જાણ કરે છે. માર્ગ દ્વારા, સૂચનાનો સમયગાળો પસાર થઈ ગયો છે. એક તૈયાર ઘટના પ્રતિભાવ યોજના અને સ્પષ્ટ સંચાર શૃંખલાએ ઘટનાને પ્રથમ કલાકમાં યોગ્ય ચેનલ પર ખસેડી દીધી હોત.

કેસ 3 - શેડો AI ઓડિટ દ્વારા પકડાયો. એક સંસ્થા નિયમિત અર્ધ-વાર્ષિક ઓડિટ દરમિયાન નેટવર્ક ટ્રાફિકમાં ત્રણ બિનમંજૂર AI ટૂલ્સ શોધે છે. સજાને બદલે, તે ટીમો સાથે વાત કરે છે, સમજે છે કે તેમને આ સાધનોની શા માટે જરૂર છે, બેનું મૂલ્યાંકન કરે છે અને તેમને માન્ય સૂચિમાં ઉમેરે છે. ઓડિટ બંને જોખમને બંધ કરે છે અને વાસ્તવિક જરૂરિયાતને દૃશ્યમાન બનાવે છે.

નકલ કરી શકાય તેવા નમૂનાઓ

નમૂનો 1 — RACI મેટ્રિક્સ રૂપરેખા: "અમારી સંસ્થાના AI ગવર્નન્સ માટે RACI મેટ્રિક્સનો ડ્રાફ્ટ કરો. કાર્યો: નીતિ લેખન, સાધન મંજૂરી, DPIA, ઉલ્લંઘન પ્રતિભાવ, ઑડિટ, તાલીમ. ભૂમિકાઓ: AI લીડ, અનુપાલન મેનેજર, કાનૂની, IT, HR, વરિષ્ઠ સંચાલન. દરેક ભૂમિકામાં માત્ર એક 'A'."

નમૂનો 2 — ટાયર્ડ એપ્રુવલ ફ્લો: "જોખમ અનુસાર ટાયર્ડ AI મંજૂરી પ્રક્રિયા ડિઝાઇન કરો: નીચા/મધ્યમ/ઉચ્ચ જોખમ માટે અલગ મંજૂરી પાથ. દરેક સ્તર માટે ઉદાહરણનો ઉપયોગ, મંજૂરી આપનારની ભૂમિકા અને જરૂરી દસ્તાવેજ (DPIA વગેરે) લખો. પ્રક્રિયાને ઝડપી અને સુરક્ષિત બંને બનાવો."

નમૂનો 3 — ઑડિટ ચેકલિસ્ટ: "છ મહિનાના AI ગવર્નન્સ ઑડિટ માટે ચેકલિસ્ટ તૈયાર કરો: મંજૂર સાધન અનુપાલન, શેડો AI સંકેતો, રીટેન્શન પીરિયડ્સ, DPIAકરન્સી, ઇવેન્ટ લૉગ્સ, તાલીમ પૂર્ણતા દર. દરેક આઇટમમાં 'કેવી રીતે તપાસવું' પદ્ધતિ ઉમેરો."

નમૂનો 4 — ઘટના પ્રતિસાદ પ્રવાહ કાર્ડ: "એઆઈ/ડેટા ભંગ માટે એક-પૃષ્ઠ ઘટના પ્રતિસાદ ફ્લો કાર્ડ લખો: સ્ટેપ બાય સ્ટેપ (શોધ, નિયંત્રણ, આકારણી, સૂચના, ઉપાય), જવાબદાર ભૂમિકા અને દરેક પગલા પર સંપર્ક માહિતી, 72-કલાક સૂચના ચેતવણી. કટોકટીમાં ટેબલ પર બેસી શકે તેટલું સરળ રાખો."

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "એઆઈ ગવર્નન્સ માટે આપણે શું કરવું જોઈએ?"-> મોડેલ સામાન્ય સૂચિ આપે છે; ભૂમિકાઓ, મંજૂરીના માર્ગો અને ઘટના યોજના સંસ્થા-વિશિષ્ટ અને લાગુ પડશે નહીં. સ્ટ્રોંગ: "અમે 60 લોકોની સંસ્થા છીએ. AI ગવર્નન્સ કાર્ય કરવા માટે: (1) 5-ટાસ્ક RACI મેટ્રિક્સનું નિર્માણ કરો, (2) નીચા/મધ્યમ/ઉચ્ચ જોખમ માટે ટાયર્ડ મંજૂરી પ્રવાહ, (3) 72-કલાકના નિયમ સાથે એક-પૃષ્ઠ ઘટના પ્રતિસાદ કાર્ડ. દરેક કાર્યમાં એક જ 'A' હોવા દો, અને તરત જ એપ્લીકેશન કરી શકાય તેવી સંસ્થા;--અમને કરી શકાય તેવી સરળ સંસ્થા; શાસન સાધનો.

સામાન્ય ભૂલો

• ભૂમિકા માટે કાર્યોને ઠીક ન કરો; "દરેકની નોકરી એ કોઈનો વ્યવસાય નથી" ગેપ બનાવવો.
• કાર્ય પર એક કરતાં વધુ "A" (અંતિમ જવાબદાર) ની વ્યાખ્યા કરવી.
• મંજૂરીની પ્રક્રિયાને કાં તો ખૂબ શિથિલ અથવા ખૂબ કડક બનાવવી; જોખમ અનુસાર સ્તરીકરણ નથી.
• નિરીક્ષણ બિલકુલ ન કરવું અથવા તેને સજાના સાધનમાં ફેરવવું અને સમસ્યાઓ છુપાવવી નહીં.
• ઘટના બન્યા પછી ઘટના પ્રતિભાવ યોજનાને ધ્યાનમાં લેવી.
• "ચાલો પહેલા તેને આંતરિક રીતે ઠીક કરીએ" માટે 72 કલાકની નોટિસ અવધિ ખૂટે છે.
• એક વખત શાસનની સ્થાપના કરવી અને ફરીથી તેની સમીક્ષા ન કરવી; જો કે, તે એક જીવંત પ્રણાલી છે.

સારાંશમાં

• ચાર મિકેનિઝમ્સ ગવર્નન્સનું કામ કરે છે: ભૂમિકાઓ (RACI), ટાયર્ડ મંજૂરી, નિયમિત ઑડિટિંગ અને ઘટના પ્રતિસાદ.
• RACI મેટ્રિક્સમાં, દરેક કાર્યમાં એક અંતિમ જવાબદાર વ્યક્તિ (A) હોવી જોઈએ.
• મંજૂરીની પ્રક્રિયા જોખમ અનુસાર થવી જોઈએ; ઓછા જોખમ મુક્ત, ઉચ્ચ જોખમ કડક નિયંત્રણ.
• નિયમિત ઓડિટીંગ શાસનને જીવંત રાખે છે; તેનો ઉપયોગ સારવારના સાધન તરીકે થાય છે, સજા નહીં.
• ઘટના પ્રતિભાવ યોજના અગાઉથી તૈયાર થવી જોઈએ; વ્યક્તિગત ડેટાના ભંગના કિસ્સામાં 72-કલાકના નોટિફિકેશનના નિયમને ભૂલવો જોઈએ નહીં.

એપ્લિકેશન કાર્ય

એક દસ્તાવેજમાં તમારી સંસ્થા માટે સંપૂર્ણ ગવર્નન્સ ફ્રેમવર્ક એકત્રિત કરો. પ્રથમ ઓછામાં ઓછા પાંચ કાર્યોનું RACI મેટ્રિક્સ સ્થાપિત કરો; ખાતરી કરો કે દરેક કાર્યમાં ફક્ત એક જ "A" છે. પછી નીચા, મધ્યમ અને ઉચ્ચ જોખમ માટે ટાયર્ડ મંજૂરી પ્રવાહ ડિઝાઇન કરો અને દરેક સ્તરે ઉદાહરણનો ઉપયોગ, મંજૂર ભૂમિકા અને જરૂરી દસ્તાવેજો ઉમેરો. પછી છ મહિનાની ઓડિટ ચેકલિસ્ટ બનાવો. અંતે, AI/ડેટા ભંગ માટે એક-પૃષ્ઠ ઘટના પ્રતિભાવ કાર્ડ લખો; 72-કલાકની સૂચના ચેતવણી અને સંચાર સાંકળનો સમાવેશ કરો. આ ચાર ટુકડાઓ એ દસ્તાવેજ હશે જે તમે સમગ્ર મોડ્યુલમાં જે શીખ્યા છો તેને કાર્યકારી સિસ્ટમમાં ફેરવે છે.

ચેકલિસ્ટ

• [ ] મેં RACI મેટ્રિક્સ સેટ કર્યું છે; દરેક મિશનમાં એક જ "A" હોય છે.
• [ ] મેં જોખમ અનુસાર ધીમે ધીમે મંજૂરીનો પ્રવાહ તૈયાર કર્યો છે.
• [ ] મેં ઓછા જોખમવાળા ઉપયોગો વ્યાજબી ઉદારતાથી છોડી દીધા છે.
• [ ] મેં છ મહિનાની ઓડિટ ચેકલિસ્ટ તૈયાર કરી છે.
• [ ] મેં ઑડિટીંગને સુધારણા માટેના સાધન તરીકે સ્થાન આપ્યું છે.
• [ ] મેં એક પાનાનું ઘટના પ્રતિભાવ કાર્ડ લખ્યું છે.
• [ ] મેં 72 કલાકની સૂચનાનો નિયમ અને સંચારની સાંકળનો સમાવેશ કર્યો છે.

મોડ્યુલ પરીક્ષા

1. એવી વિભાવના શું છે જે કર્મચારીઓ દ્વારા AI ના અસ્વીકૃત ઉપયોગનો સંદર્ભ આપે છે જે ત્યારે થાય છે જ્યારે સંસ્થાઓ પાસે લેખિત AI નીતિ નથી?

• A) શેડો એઆઈ (શેડો એઆઈ) ✔
• બી) ઓપન વેઇટ AI
• સી) મલ્ટિમોડલ AI
• ડી) દેખરેખ રાખેલ AI

વર્ણન: સંસ્થાની જાણકારી અને મંજૂરી વગર AI નો ઉપયોગ 'શેડો AI' કહેવાય છે અને ડેટા લીકેજ જેવા ગંભીર જોખમો ઉભો કરે છે.

2. સારી કોર્પોરેટ AI નીતિનો મૂળભૂત અભિગમ શું હોવો જોઈએ?

• A) શક્ય હોય ત્યાં સુધી AI ના ઉપયોગ પર સંપૂર્ણ પ્રતિબંધ મૂકવો
• બી) એક ફ્રેમવર્ક બનવું જે જવાબદાર ઉપયોગને સક્ષમ કરે અને સ્પષ્ટતા અને વિશ્વાસ પ્રદાન કરે ✔
• સી) એક તકનીકી દસ્તાવેજ હોવાને કારણે જે ફક્ત IT વિભાગને જ ઓળખાય છે
• ડી) શક્ય તેટલું લાંબું હોવું અને ફક્ત કાનૂની ભાષામાં જ લખવું

સમજૂતી: સારી નીતિ એ પ્રતિબંધોની સૂચિ નથી, પરંતુ એક માળખું છે જે જવાબદાર ઉપયોગને સક્ષમ કરે છે. તેને સંપૂર્ણપણે પ્રતિબંધિત કરવાથી ઉપયોગ દૂર થશે નહીં; તે ફક્ત તેને અદ્રશ્ય અને અનિયંત્રિત બનાવે છે.

3. એન્ટરપ્રાઇઝ AI નીતિનો સૌથી મહત્વપૂર્ણ ભાગ ડેટા વર્ગીકરણ શું નક્કી કરે છે?

• A) AI મોડલની ટોકન કિંમત
• બી) કંપનીનું વાર્ષિક AI બજેટ
• C) કયા AI સાધનમાં કયા પ્રકારનો ડેટા દાખલ કરી શકાય છે ✔
• ડી) કયો કર્મચારી કયો પગાર મેળવશે?

વર્ણન: ડેટા વર્ગીકરણ; તે સ્પષ્ટ નિયમો નક્કી કરે છે કે કયા પ્રકારનાં ખુલ્લા, આંતરિક, ગોપનીય અને માલિકીનો ડેટા કયા AI ટૂલમાં દાખલ કરી શકાય અને ન કરી શકાય.

4. AI ના ઉપયોગમાં KVKK ના "ડેટા મિનિમાઇઝેશન" (સંબંધિતતા, મર્યાદિત અને પ્રમાણસર) સિદ્ધાંતનો અર્થ શું છે?

• A) AI માં ફક્ત જરૂરી ડેટા દાખલ કરવો અને વધુ નહીં ✔
• B) AI માં શક્ય તેટલો વધુ ડેટા ઇનપુટ કરીને વધુ સારા પરિણામો મેળવો
• સી) અનિશ્ચિત સમય માટે ડેટા સ્ટોર કરવો
• ડી) તમામ ડેટા વિદેશમાં ટ્રાન્સફર કરવાની ખાતરી કરો

સમજૂતી: ડેટા મિનિમાઇઝેશન એ હેતુ માટે જરૂરી ડેટા જ AI માં દાખલ કરવાનો ઉલ્લેખ કરે છે અને વધુ નહીં. જો શક્ય હોય તો, ડેટા અનામી અથવા માસ્ક કરીને દાખલ કરવામાં આવે છે.

5. પ્રદાતાના સર્વર પરના ડેટાની પ્રક્રિયા કરતા AI ટૂલમાં વ્યક્તિગત ડેટા ધરાવતો ટેક્સ્ટ દાખલ કરતી વખતે KVKK ના સંદર્ભમાં શું ધ્યાનમાં લેવામાં આવે છે?

• એ) કોઈ કાનૂની પરિણામો વિનાનો સામાન્ય વ્યવહાર
• બી) એવી ક્રિયા જે તમામ સંજોગોમાં સખત પ્રતિબંધિત છે
• સી) એક ઓપરેશન કે જે ડેટા ઓપન હોય તો જ નોંધપાત્ર છે
• ડી) એક વ્યવહાર અને ઘણીવાર ટ્રાન્સફર; કાનૂની આધાર અને ખાતરીની જરૂર છે ✔

સમજૂતી: આ એક 'પ્રોસેસિંગ' છે અને ઘણી વખત 'ટ્રાન્સફર' છે કારણ કે ડેટા પ્રદાતાના સર્વર પર પ્રક્રિયા કરવામાં આવે છે (ઘણી વખત વિદેશમાં); તેને માન્ય કાનૂની આધાર અને યોગ્ય કરાર/ગેરંટી જરૂરી છે.

6. EU AI એક્ટનો મૂળભૂત અભિગમ શું છે?

• A) તમામ AI સિસ્ટમને સમાન કડક નિયમોને આધીન
• B) AI સિસ્ટમને તેમના સંભવિત જોખમો અનુસાર વર્ગીકૃત કરો અને તે મુજબ નિયમો લાગુ કરો ✔
• C) સમગ્ર EU માં AI ના ઉપયોગ પર સંપૂર્ણ પ્રતિબંધ
• ડી) મોડેલની માત્ર ટોકન કિંમતને નિયંત્રિત કરવી

સમજૂતી: EU AI કાયદો તમામ AI ને એકસાથે ગઠ્ઠો કરતો નથી; તે સિસ્ટમોને તેમના સંભવિત નુકસાન અનુસાર ચાર જોખમ વર્ગો (પ્રતિબંધિત, ઉચ્ચ, મર્યાદિત, ન્યૂનતમ) માં વિભાજિત કરે છે અને જોખમ વધે તેમ નિયમોને કડક બનાવે છે.

7. EU AI કાયદા અનુસાર, AI સિસ્ટમ કે જે ઉમેદવારોને નોકરી પર રાખવાના નિર્ણયો પર દેખરેખ રાખે છે તે કયા જોખમ વર્ગમાં આવે છે?

• A) ઉચ્ચ જોખમ ✔
• બી) ન્યૂનતમ જોખમ
• સી) મર્યાદિત જોખમ
• ડી) જોખમ મુક્ત

વર્ણન: એવા ક્ષેત્રો કે જે લોકોના જીવનને ગંભીરતાથી અસર કરે છે, જેમ કે ભરતી, ધિરાણ અને આરોગ્યસંભાળ, સામાન્ય રીતે 'ઉચ્ચ જોખમ' શ્રેણીમાં આવે છે અને સખત જવાબદારીઓને આધીન છે (રેકોર્ડિંગ, માનવ દેખરેખ, ડેટા ગુણવત્તા).

8. EU AI કાયદા હેઠળ, રાજ્ય દ્વારા પ્રાયોજિત "સામાજિક સ્કોરિંગ" સિસ્ટમ્સ કઈ શ્રેણીમાં આવે છે, જે લોકોને તેમના વર્તન અથવા લાક્ષણિકતાઓના આધારે સ્કોર કરે છે અને તેમને સામાજિક રીતે ગેરલાભ ઉઠાવે છે?

• એ) મર્યાદિત જોખમ
• બી) ઉચ્ચ જોખમ
• સી) પ્રતિબંધિત (અસ્વીકાર્ય જોખમ) પ્રેક્ટિસ ✔
• ડી) ન્યૂનતમ જોખમ

વર્ણન: સામાજિક સ્કોરિંગ, અચેતન મેનીપ્યુલેશન અને અમુક બાયોમેટ્રિક સર્વેલન્સ પ્રથાઓ 'પ્રતિબંધિત પ્રથાઓ' પૈકી છે; જોખમ ઘટાડવામાં આવે તો પણ આને મુક્ત કરી શકાતા નથી, તેઓ સંપૂર્ણપણે પ્રતિબંધિત છે.

9. કલમ 22 જીડીપીઆર વ્યક્તિઓને શું સામે રક્ષણ આપે છે?

• A) AI સાધનોની ઊંચી કિંમતો સામે
• બી) માત્ર જાહેરાત ઈમેઈલ સામે
• સી) ડેફિસિટ-વેઇટેડ મોડલ્સના ઉપયોગ સામે
• ડી) એવા નિર્ણયો સામે કે જે વ્યક્તિ પર નોંધપાત્ર અસર કરે છે અને ફક્ત આપમેળે જ લેવામાં આવે છે ✔

સમજૂતી: GDPR ની કલમ 22 વ્યક્તિને એવા નિર્ણયો સામે રક્ષણ આપે છે કે જે વ્યક્તિને કાયદાકીય અથવા સમાન રીતે નોંધપાત્ર હદ સુધી અસર કરે છે અને તે સંપૂર્ણપણે સ્વયંસંચાલિત પ્રક્રિયા (AI સહિત) પર આધારિત છે; તે માનવ હસ્તક્ષેપ અને ઑબ્જેક્ટની વિનંતી કરવાનો અધિકાર પ્રદાન કરે છે.

10. જ્યારે તમે વિદેશમાં AI પ્રદાતાના સર્વર પર વ્યક્તિગત ડેટાની પ્રક્રિયા કરવા માંગતા હોવ ત્યારે KVKK/GDPRના સંદર્ભમાં શું જરૂરી છે?

• એ) કોઈ વધારાની શરતો નથી; ડેટા મુક્તપણે ટ્રાન્સફર કરી શકાય છે
• બી) યોગ્ય ખાતરી (લેટર ઓફ બાંયધરી/પ્રમાણભૂત કરાર કલમો) અથવા સ્પષ્ટ સંમતિ જેવી પદ્ધતિ ✔
• સી) માત્ર ડેટાનું એન્ક્રિપ્શન પૂરતું છે
• ડી) કર્મચારી તરફથી માત્ર મૌખિક મંજૂરી પૂરતી છે

સમજૂતી: ક્રોસ-બોર્ડર ટ્રાન્સફર, એક નિયમ તરીકે, એવી મિકેનિઝમ્સની જરૂર છે જેમાં સ્પષ્ટ સંમતિ અથવા રક્ષણ માટે પર્યાપ્ત પ્રતિબદ્ધતા શામેલ હોય (ઉચિત સલામતી જેમ કે બાંયધરી પત્ર, પ્રમાણભૂત કરારની કલમો); ડેટા રેન્ડમ ટ્રાન્સફર કરી શકાતો નથી.

11. મોટાભાગની કાનૂની પ્રણાલીઓમાં AI-જનરેટેડ આઉટપુટ કૉપિરાઇટ યોગ્ય છે કે કેમ તે શું નક્કી કરે છે?

• A) માનવ સર્જનાત્મકતાનું સ્તર અને સામગ્રીમાં યોગદાન ✔
• બી) વપરાયેલ મોડેલની ટોકન કિંમત
• સી) માત્ર આઉટપુટની લંબાઈ
• ડી) AI ટૂલનો મૂળ દેશ

વર્ણન: ઘણી કાનૂની પ્રણાલીઓમાં, કૉપિરાઇટ સંરક્ષણ માટે માનવ સર્જનાત્મકતા જરૂરી છે. માનવીય દિશા, પસંદગી, નિયમન અને અનન્ય યોગદાન જેટલું વધારે છે, આઉટપુટને સાચવવાની સંભાવના વધારે છે.

12. એઆઈ ગવર્નન્સ ફ્રેમવર્કનો સૌથી નિર્ણાયક સિદ્ધાંત, "માનવ નિયંત્રણ", શું સૂચવે છે?

• A) AI તમામ નિર્ણયો એકલા અને આપમેળે લે છે
• બી) લોકો AI નો ઉપયોગ સંપૂર્ણપણે બંધ કરે છે
• સી) એઆઈ એ એક સાધન છે; મહત્વપૂર્ણ નિર્ણયોમાં અંતિમ કહેવું અને જવાબદારી હંમેશા વ્યક્તિની હોય છે ✔
• ડી) ફક્ત સૌથી મોંઘા મોડેલનો ઉપયોગ કરો

વર્ણન: માનવ નિયંત્રણનો સિદ્ધાંત એ વાત પર ભાર મૂકે છે કે AI એ એક સાધન છે અને તે જવાબદારી હંમેશા મનુષ્યની રહે છે. મહત્વના નિર્ણયોમાં અધિકૃત વ્યક્તિનો અંતિમ મત હોય છે; 'એઆઈએ આમ કહ્યું' એ બહાનું નથી.

13. ડેટા પ્રોટેક્શન ઈમ્પેક્ટ એસેસમેન્ટ (DPIA) સામાન્ય રીતે ક્યારે હાથ ધરવામાં આવવું જોઈએ?

• A) ડેટા ભંગ થાય પછી
• બી) ડિઝાઇન સ્ટેજ પર, ઉચ્ચ જોખમની પ્રક્રિયા શરૂ કરતા પહેલા ✔
• સી) જો ઓડિટર તેની વિનંતી કરે તો જ
• ડી) નિયમિત રીતે, પ્રોજેક્ટના વર્ષો પછી

વર્ણન: નવી ટેક્નોલોજીનો ઉપયોગ કરતી, મોટા પાયે અથવા વ્યવસ્થિત દેખરેખનો સમાવેશ કરતી, અથવા વ્યક્તિઓ માટે ઉચ્ચ જોખમ ઊભું કરતી એઆઈ પ્રોસેસિંગ પ્રવૃત્તિ શરૂ કરતા પહેલા ડીપીઆઈએ ડિઝાઈન સ્ટેજ પર થવી જોઈએ.

14. KVKK ના "હેતુ મર્યાદા" અને રીટેન્શન સિદ્ધાંતો અનુસાર, AI ટૂલના ચેટ ઇતિહાસમાં વ્યક્તિગત ડેટા માટે શું કરવું જોઈએ?

• એ) તેને કાયમ રાખવો જોઈએ
• બી) કોઈ નિયમોની જરૂર નથી, તે પ્રદાતાની સમસ્યા છે
• સી) ફક્ત મેનેજરની વિનંતી પર તેની વાર્ષિક સમીક્ષા કરવામાં આવે છે.
• ડી) તે સ્ટોરેજ અને ડિસ્ટ્રક્શન પોલિસી સાથે જોડાયેલું હોવું જોઈએ અને જ્યારે હેતુ પૂરો થઈ જાય ત્યારે તેને કાઢી નાખવો અથવા અનામી રાખવો જોઈએ ✔

સમજૂતી: વ્યક્તિગત ડેટા જે હેતુ માટે પ્રક્રિયા કરવામાં આવે છે તેના માટે જરૂરી કરતાં વધુ સમય સુધી રાખી શકાતો નથી. AI ચેટ ઇતિહાસને જાળવી રાખવા અને વિનાશની નીતિ સાથે પણ જોડવો જોઈએ; જ્યારે હેતુ હવે રહેતો નથી, ત્યારે તેને કાઢી નાખવો જોઈએ અથવા અનામી રાખવો જોઈએ.

15. ડેટા નિયંત્રકો માટે કઈ રજિસ્ટ્રી જરૂરી છે કે જેઓ ચોક્કસ થ્રેશોલ્ડને ઓળંગે છે તેમની વ્યક્તિગત ડેટા પ્રોસેસિંગ પ્રવૃત્તિઓ તુર્કિયેમાં નોંધણી કરવા માટે?

• A) VERBIS (ડેટા કંટ્રોલર્સ રજિસ્ટ્રી ઇન્ફોર્મેશન સિસ્ટમ) ✔
• બી) MERSIS ટ્રેડ રજિસ્ટ્રી
• C) EU AI કાયદો ડેટાબેઝ
• ડી) કરદાતા રજીસ્ટર

વર્ણન: VERBIS (ડેટા કંટ્રોલર્સ રજિસ્ટ્રી ઇન્ફર્મેશન સિસ્ટમ) એ સત્તાવાર રજિસ્ટ્રી છે જ્યાં ડેટા નિયંત્રકો તેમની પ્રોસેસિંગ ઇન્વેન્ટરીઝની નોંધણી કરે છે; નવી AI-આધારિત પ્રક્રિયા પ્રવૃત્તિ ઈન્વેન્ટરીમાં અને જો જરૂરી હોય તો, VERBIS રેકોર્ડમાં પ્રતિબિંબિત થવી જોઈએ.