કોર્પોરેટ AI ઉપયોગ નીતિ કેવી રીતે લખવી

નફો:

• આઠ-ભાગ નીતિ નમૂનાનો ઉપયોગ કરીને ડ્રાફ્ટ બનાવો
• ચાર-સ્તરના ડેટા વર્ગીકરણ પર આધારિત ઉપયોગ નિયમો લખો
• નીતિનો અમલ કરવો અને અમલીકરણ ચેકલિસ્ટને અનુસરવું

જ્યારે “આવતા શુક્રવારે બોર્ડ સમક્ષ રજૂ થનારી AI પોલિસીનો મુસદ્દો તૈયાર” કરવાનું કામ પાલન અધિકારીના ડેસ્ક પર આવે છે, ત્યારે ઘણાને ખાલી સ્લેટનો ડર હોય છે. જો કે, સારી AI પોલિસી આર્કિટેક્ચરલી સ્ટાન્ડર્ડ છે: તેમાં ધારી શકાય તેવું આઠ-ભાગનું માળખું છે. આ એકમમાં, અમે તે હાડપિંજર વિભાગને વિભાગ દ્વારા બનાવીશું, ડેટા વર્ગીકરણમાં તપાસ કરીશું જે તેનું હૃદય છે, અને ડ્રાફ્ટને અમલમાં મૂકવાનાં પગલાં જોઈશું. તેનો હેતુ એક નક્કર દસ્તાવેજ તૈયાર કરવાનો છે જે શુક્રવારે રજૂ કરી શકાય.

નીતિ લેખનનો સુવર્ણ નિયમ

સારી નીતિની એક-વાક્યની કસોટી છે: "શું કર્મચારી 10 મિનિટમાં આ દસ્તાવેજ વાંચી શકે છે અને 'હું શું કરી શકું છું અને હું શું કરી શકતો નથી?' પ્રશ્નનો સ્પષ્ટ જવાબ આપી શકે છે." જો દસ્તાવેજ 30 પાના લાંબો હોય, કાનૂની ભાષામાં લખાયેલ હોય અને તેમાં નક્કર ઉદાહરણો ન હોય, તો પરીક્ષણ નિષ્ફળ જાય છે. નીતિ ટૂંકી, અનુકરણીય અને ક્રિયાલક્ષી હોવી જોઈએ.

આઠ ભાગનું હાડપિંજર

નીચે આપેલ કોષ્ટક સાબિત AI નીતિ માળખું છે. દરેક સંસ્થા તેને તેના પોતાના સંદર્ભમાં અપનાવે છે.

#

વિભાગ

શું જવાબો?

1

હેતુ અને અવકાશ

પોલિસી કોને અને કયા સાધનોને આવરી લે છે?

2

વ્યાખ્યાઓ

એઆઈ, શેડો એઆઈ, વ્યક્તિગત ડેટા જેવા શબ્દોનો અર્થ શું છે?

3

ભૂમિકાઓ અને જવાબદારીઓ

કોણ મંજૂરી આપે છે, કોણ નિરીક્ષણ કરે છે, કોણ જવાબદાર છે?

4

ડેટા વર્ગીકરણ અને ઉપયોગ નિયમો

કયા ટૂલમાં કયો ડેટા દાખલ કરી શકાય?

5

મંજૂર વાહનો અને મંજૂરી પ્રક્રિયા

કયા વાહનો મફત છે, નવા વાહનને કેવી રીતે મંજૂરી આપવામાં આવે છે?

6

પ્રતિબંધિત ઉપયોગો

કોઈ પણ સંજોગોમાં શું ન કરવું જોઈએ?

7

માનવ નિરીક્ષણ અને ચકાસણી

આઉટપુટ કેવી રીતે નિયંત્રિત કરવું, કોણ જવાબદાર?

8

ઉલ્લંઘન, મંજૂરી અને અમલીકરણ

જો નિયમ ભંગ થાય તો શું થાય છે, દસ્તાવેજ ક્યારે અપડેટ થાય છે?

ટીપ: પહેલા આ આઠ હેડિંગ સાથે પોલિસીને એક પેજ પર ફિટ કરવાનું લક્ષ્ય રાખો. પોસ્ટ-લિંક તરીકે વિગતો ઉમેરે છે (મંજૂર વાહન સૂચિ, વર્ગીકરણ માર્ગદર્શિકા). મુખ્ય ટેક્સ્ટ જેટલો ટૂંકો છે, તે વધુ વાંચવા યોગ્ય છે.

હાર્ટ: ચાર-સ્તરની માહિતી વર્ગીકરણ

નીતિનો સૌથી મહત્વપૂર્ણ ભાગ ડેટા વર્ગીકરણ છે, જે નક્કી કરે છે કે કયા પ્રકારનો ડેટા કયા AI ટૂલમાં દાખલ કરી શકાય છે. ચાર સ્તર સામાન્ય અને પર્યાપ્ત છે:

સ્તર

નમૂના ડેટા

AI માં ઉપયોગનો નિયમ

ખુલ્લું (જાહેર)

પ્રકાશિત બ્રોશર, અખબારી યાદી

મફત; કોઈપણ માન્ય વાહન દાખલ કરી શકાય છે

ઘરની અંદર

આંતરિક પ્રક્રિયા, મીટિંગ નોંધ (વ્યક્તિગત/બિન-ગોપનીય)

માત્ર કોર્પોરેટ (કોન્ટ્રાક્ટ) વાહનો પર

ગોપનીય

ગ્રાહક સૂચિ, કરાર, નાણાકીય ડેટા

મંજૂર કોર્પોરેટ વાહન + માત્ર માસ્કિંગ; વ્યક્તિગત વાહનો પર પ્રતિબંધ

વિશેષ/નિર્ણાયક

આરોગ્ય, જાતિ, ધર્મ, બાયોમેટ્રિક્સ, ગુનાહિત ડેટા

એક નિયમ તરીકે, તે દાખલ કરવામાં આવતું નથી; માત્ર વિશેષ મંજૂરી અને કાનૂની આધાર સાથે

વિશેષ વ્યક્તિગત ડેટા એ સંવેદનશીલ ડેટાની શ્રેણી છે જેના માટે KVKK વધારાની સુરક્ષા પૂરી પાડે છે: આરોગ્ય, જાતીય જીવન, જાતિ, વંશીયતા, રાજકીય અભિપ્રાય, દાર્શનિક માન્યતા, ધર્મ, સંપ્રદાય, પહેરવેશ, એસોસિએશન/ફાઉન્ડેશન/યુનિયન સભ્યપદ, ગુનાહિત દોષારોપણ અને બાયોમેટ્રિક/આનુવંશિક ડેટા. આ ડેટાની પ્રક્રિયા ઘણી કડક શરતોને આધીન છે; AI ટૂલને તોડવા માટે લગભગ હંમેશા વિશેષ કાનૂની વિચારણાની જરૂર પડે છે.

ત્રણ નાના કેસો: વર્ગીકરણ નિર્ણયો

કેસ 1 — પગારપત્રક. એચઆર નિષ્ણાત એઆઈને 120 કર્મચારીઓનો પગારપત્રક આપવા માંગે છે જેથી તે "પગારની અસમાનતાના અહેવાલનું વિશ્લેષણ અને ઉત્પાદન કરી શકે". પગારપત્રક બંને ગોપનીય છે અને તેમાં નામ અને અટક હોવાથી વ્યક્તિગત ડેટા શામેલ છે. સાચો નિર્ણય: અનામી ડેટા (કોડ નામો જેમ કે "કર્મચારી-001", વિભાગ સાચવો), ફક્ત માન્ય કોર્પોરેટ ટૂલમાં જ દાખલ કરો. અનામી 120 પંક્તિઓનું વિશ્લેષણ આત્મવિશ્વાસ સાથે કરવામાં આવે છે; કાચો પગાર ક્યારેય વ્યક્તિગત વાહનમાં જતો નથી.

કેસ 2 - દર્દીનો ઇતિહાસ. હેલ્થકેર સુવિધામાં નર્સ દર્દીના ઇતિહાસનો સારાંશ આપવા માટે AI નો ઉપયોગ કરવા માંગે છે. આ વિશેષ ગુણવત્તા ડેટા છે. નીતિ દ્વારા, વ્યક્તિગત વાહનમાં આ પ્રકારનો ડેટા સખત રીતે પ્રતિબંધિત છે; જો કે, તે સંસ્થા દ્વારા મંજૂર કરાયેલ સિસ્ટમમાં જ પ્રક્રિયા કરી શકાય છે, જેમાં આરોગ્ય ડેટા માટે ખાસ કરાર અને કાનૂની આધાર હોય છે. વર્ગીકરણ કોષ્ટક આ તફાવતને એક નજરમાં બતાવે છે.

કેસ 3 - પ્રેસ રિલીઝ. માર્કેટિંગ એઆઈને "સોશિયલ મીડિયા માટે 5 અલગ-અલગ વર્ઝનમાં રૂપાંતરિત" કરવા માટે પ્રકાશિત પ્રેસ રિલીઝ આપે છે. કારણ કે ડેટા ખુલ્લો છે, ત્યાં કોઈ નિયંત્રણો નથી; કર્મચારી સંકોચ વિના માન્ય વાહનમાં કામ કરે છે. સારું વર્ગીકરણ પણ બિનજરૂરી ઘર્ષણને દૂર કરે છે: તે ખુલ્લા ડેટા માટે "ના" કહેતું નથી, તે ખાનગી ડેટા માટે સ્પષ્ટ "સ્ટોપ" કહે છે.

ધ્યાન આપો: ડેટાનું વર્ગીકરણ કરતી વખતે, "શું તેમાં વ્યક્તિગત ડેટાનો એક ભાગ પણ છે?" અને "શું તે સંસ્થાને નુકસાન પહોંચાડશે?" તમારા પ્રશ્નો એકસાથે પૂછો. જો કોઈ દસ્તાવેજ વ્યવસાયના દૃષ્ટિકોણથી સ્પષ્ટ હોય પરંતુ તેમાં ગ્રાહકનું નામ હોય, તો તે દસ્તાવેજ હવે વ્યક્તિગત ડેટા ધરાવે છે અને અપગ્રેડ કરવામાં આવે છે.

પ્રતિબંધિત ઉપયોગ વિભાગ

નીતિનો સૌથી વધુ વાંચવામાં આવતો ભાગ સામાન્ય રીતે પ્રતિબંધ છે. તે નક્કર અને અનુકરણીય હોવું જોઈએ. લાક્ષણિક પ્રતિબંધો:

• મંજૂરી વિના વાહનમાં સંવેદનશીલ વ્યક્તિગત ડેટા (સ્વાસ્થ્ય, બાયોમેટ્રિક્સ, વગેરે) દાખલ કરવો.
• વ્યક્તિગત/વ્યક્તિગત AI એકાઉન્ટ્સમાં ગોપનીય ડેટા અથવા કંપનીનું રહસ્ય દાખલ કરવું.
• AI આઉટપુટને ચકાસ્યા વિના કાનૂની, તબીબી, નાણાકીય નિર્ણયો તરીકે ઉપયોગ કરવો.
• લોકોને અસર કરતા નિર્ણયો, જેમ કે ભરતી, પ્રમોશન અને ક્રેડિટ, ફક્ત AI પર છોડી દેવા.
• વ્યક્તિની નકલ કરવા, ખોટી સામગ્રી અથવા ગેરમાર્ગે દોરતી માહિતી બનાવવા માટે AI નો ઉપયોગ કરવો.
• પરવાનગી વિના કૉપિરાઇટ કરેલી સામગ્રીનું નિર્માણ અને પ્રકાશિત કરવું.

નકલ કરી શકાય તેવા નમૂનાઓ

નમૂનો 1 — હેતુ અને અવકાશ વિભાગની રૂપરેખા: "એક [ઉદ્યોગ] કંપની માટે AI નીતિનો 'હેતુ અને અવકાશ' વિભાગ લખો. તે સ્પષ્ટ કરો: નીતિ કોને આવરી લે છે (તમામ કર્મચારીઓ, સલાહકારો) અને કયા સાધનો (જનરેટિવ AI, કોડ સહાયકો); 'જવાબદાર અને સુસંગત ઉપયોગને સક્ષમ કરો' તરીકે હેતુ જણાવો. 150 શબ્દો અથવા ઓછા, સાદી ભાષા."

નમૂનો 2 — ડેટા વર્ગીકરણ કોષ્ટક બનાવો: "નીચેના ડેટા પ્રકારોને સાર્વજનિક / ઓન-પ્રિમીસીસ / ગોપનીય / માલિકી તરીકે વર્ગીકૃત કરો અને દરેક માટે AI વપરાશ નિયમ સૂચવો: [સૂચિ ડેટા પ્રકારો]. આઉટપુટને 3-કૉલમ ટેબલ બનાવો: ડેટા પ્રકાર, વર્ગ, AI નિયમ. એક '*કાનૂની પુષ્ટિકરણ' લખો કે તમે પ્રકાર વિશે ખાતરી નથી.

નમૂનો 3 — પ્રતિબંધિત ઉપયોગોની સૂચિ: "KVKK ને આધિન સંસ્થા માટે આઇટમ દ્વારા 'પ્રતિબંધિત ઉપયોગો' વિભાગ આઇટમ લખો. દરેક આઇટમમાં નક્કર ઉદાહરણ ('ઉદાહરણ તરીકે: ...') શામેલ હોવું જોઈએ. ઓછામાં ઓછી 8 વસ્તુઓ. સ્વર: સ્પષ્ટ અને આવશ્યક, પરંતુ તર્કસંગત."

નમૂનો 4 — કર્મચારી સારાંશ (એક-પૃષ્ઠ): "કર્મચારીઓના ડેસ્ક પર લટકાવવા માટે આ 20-પૃષ્ઠની AI નીતિને એક-પૃષ્ઠના સારાંશમાં ઘટાડો: 'તમે કરી શકો છો' અને 'તમે કરી શકતા નથી' કૉલમ + 5 સુવર્ણ નિયમો + પ્રશ્નો પૂછવા માટે વ્યક્તિ. સરળ, દ્રશ્ય, યાદગાર."

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળી: "મારી કંપની માટે AI નીતિ લખો, તે બધું આવરી લેવું જોઈએ."-> મોડેલ સામાન્ય ટેક્સ્ટના 15 પૃષ્ઠોનું ઉત્પાદન કરે છે જે કોઈ વાંચતું નથી અને સંસ્થાને બંધબેસતું નથી; ડેટા વર્ગો અને મંજૂરી પ્રક્રિયા અસ્પષ્ટ રહે છે. સ્ટ્રોંગ: "અમે 80 લોકોની ઈ-કોમર્સ કંપની છીએ, જે ગ્રાહકનું સરનામું અને ઓર્ડર ડેટા પર પ્રક્રિયા કરે છે. 4-સ્તરના ડેટા વર્ગીકરણ કોષ્ટક, 6 પ્રતિબંધિત વસ્તુઓ અને AI નીતિનો એક-પેજનો કર્મચારી સારાંશ તૈયાર કરો. વ્યક્તિગત ડેટા માટે માસ્કિંગ નિયમનો સમાવેશ કરો. તમને ખાતરી ન હોય તેવા કાનૂની મુદ્દાઓને ટિક કરો, મને નક્કી કરવા દો." -> મોડેલ સંક્ષિપ્ત, લાગુ, સંદર્ભિત અને ચકાસી શકાય તેવું આઉટપુટ આપે છે.

નીતિ ઘડવાના પગલાં

લેખન એનો અડધો ભાગ છે; વાસ્તવિક કામ નીતિને જીવંત નિયમમાં ફેરવવાનું છે. પગલાં:

1. ડ્રાફ્ટ: આઠ પ્રકરણો પૂર્ણ કરો, પરિશિષ્ટ તૈયાર કરો.
2. સ્ટેકહોલ્ડરનો અભિપ્રાય: કાનૂની, IT, HR અને બિઝનેસ એકમો તરફથી લેખિત પ્રતિસાદ મેળવો.
3. કાનૂની મંજૂરી: KVKK અને કાયદાના પાલન માટે કાનૂની/પાલન સહી.
4. વરિષ્ઠ સંચાલન મંજૂરી: હસ્તાક્ષર જે દસ્તાવેજને સત્તાવાર કોર્પોરેટ નીતિ બનાવે છે.
5. જાહેરાત અને શિક્ષણ: દરેક માટે ટૂંકા સત્ર; એક-પૃષ્ઠ સારાંશનું વિતરણ કરો.
6. મંજૂરી રેકોર્ડ: સિસ્ટમમાં કર્મચારીઓની "મેં વાંચ્યું છે, હું સમજું છું" મંજૂરી રાખો.
7. શેડ્યૂલની સમીક્ષા કરો: ઓછામાં ઓછા દર 6 મહિને અપડેટ તારીખ સેટ કરો.

ટીપ: નીતિના છેલ્લા પૃષ્ઠ પર "સંસ્કરણ અને તારીખ" બોક્સ મૂકો. AI અને કાયદો ખૂબ જ ઝડપથી બદલાય છે; કયું સંસ્કરણ માન્ય છે તે જાણવું ઓડિટમાં જીવન બચાવે છે.

સામાન્ય ભૂલો

• પોલિસીને ખૂબ જ લાંબી અને કાયદાકીય ભાષામાં લખીને તેને વાંચી ન શકાય તેવી બનાવવી.
• ડેટા વર્ગીકરણને અવગણવું અને "સાવચેત રહો" જેવા અસ્પષ્ટ શબ્દસમૂહોમાં પસાર થવું.
• સામાન્ય ગોપનીય ડેટા સાથે ડેટાની વિશિષ્ટ શ્રેણીને ગૂંચવણમાં મૂકે છે.
• માન્ય વાહન સૂચિ અને મંજૂરી પ્રક્રિયા બનાવ્યા વિના પ્રતિબંધ લખવા.
• નક્કર ઉદાહરણો આપ્યા વિના અમૂર્ત રીતે પ્રતિબંધો લખવા.
• કર્મચારી તાલીમ અને મંજૂરી નોંધણીના પગલાને છોડીને અને "મેં ઈમેલ દ્વારા તેની જાહેરાત કરી છે."
• રિવ્યૂ શેડ્યૂલ સેટ ન કરવું અને પોલિસી એકવાર લખવી અને તેના વિશે ભૂલી જવું.

સારાંશમાં

• સારી નીતિમાં આઠ પ્રમાણભૂત ભાગોનો સમાવેશ થાય છે; તે ટૂંકું, અનુકરણીય અને ક્રિયાલક્ષી હોવું જોઈએ.
• તેનું હૃદય ચાર-સ્તરના ડેટા વર્ગીકરણ છે જે નક્કી કરે છે કે કયો ડેટા કયા સાધનમાં જાય છે.
• વ્યક્તિગત ડેટાની વિશેષ શ્રેણીઓ (આરોગ્ય, બાયોમેટ્રિક્સ, વગેરે) કડક નિયમને આધીન છે; એક નિયમ તરીકે, AI શામેલ નથી.
• પ્રતિબંધિત ઉપયોગો કોંક્રિટ અને અનુકરણીય હોવા જોઈએ; તે માન્ય સાધનો અને મંજૂરી પ્રક્રિયા સાથે વ્યાખ્યાયિત થવી જોઈએ.
• એકવાર પોલિસી લખાઈ જાય પછી, તેને સ્ટેકહોલ્ડર અભિપ્રાય, કાનૂની અને વ્યવસ્થાપન મંજૂરી, તાલીમ અને નિયમિત સમીક્ષા દ્વારા જીવંત રાખવામાં આવે છે.

એપ્લિકેશન કાર્ય

તમારી પસંદગીની સંસ્થા માટે આઠ-વિભાગના હાડપિંજરના ઓછામાં ઓછા ત્રણ વિભાગો (હેતુ અને અવકાશ, ડેટા વર્ગીકરણ, પ્રતિબંધિત ઉપયોગો) નિશ્ચિતપણે ભરો. ચાર સ્તરો સાથે ડેટા વર્ગીકરણ કોષ્ટક સેટ કરો અને તેમાં ઓછામાં ઓછા આઠ વાસ્તવિક ડેટા પ્રકારો મૂકો જે તમારી સંસ્થા પ્રક્રિયા કરે છે; દરેક માટે AI નિયમ લખો. પછી તે ત્રણ વિભાગોને એક-પૃષ્ઠ "તમે કરી શકો/તમે કરી શકતા નથી" સારાંશમાં ઉકાળો જે કર્મચારીઓના ડેસ્ક પર પોસ્ટ કરી શકાય છે. છેલ્લે, નોંધ કરો કે નીતિ અમલીકરણના કયા બે પગલાં તમને તમારી સંસ્થા માટે સૌથી મુશ્કેલ લાગે છે અને તમે તેને કેવી રીતે દૂર કરશો.

ચેકલિસ્ટ

• [ ] મેં મારી સંસ્થામાં આઠ ભાગનું માળખું સ્વીકાર્યું.
• [ ] મેં ચાર-સ્તરની માહિતી વર્ગીકરણ કોષ્ટક ભર્યું.
• [ ] મેં વિશેષ ડેટાને એક અલગ અને કડક નિયમથી બંધાવ્યો છે.
• [ ] મેં નક્કર ઉદાહરણો સાથે પ્રતિબંધિત ઉપયોગો લખ્યા છે.
• [ ] મેં માન્ય સાધનો અને મંજૂરી પ્રક્રિયાનું વર્ણન કર્યું છે.
• [ ] મેં એક પાનાનો કર્મચારી સારાંશ તૈયાર કર્યો.
• [ ] મેં કાનૂની મંજૂરી અને સમીક્ષા શેડ્યૂલનું આયોજન કર્યું છે.