ગોપનીયતા, KVKK અને ક્લાયન્ટ ડેટાનું રક્ષણ

નફો:

• વ્યાવસાયિક ગોપનીયતા અને KVKK ના માળખામાં ક્લાયંટ ડેટાને વર્ગીકૃત કરવાની ક્ષમતા અને કૃત્રિમ બુદ્ધિ સાધનોને કયો ડેટા આપી શકાય તે નક્કી કરવાની ક્ષમતા
• સત્ર સામગ્રી અને ઓળખ માહિતીને અનામી કરીને ક્લાઉડ-આધારિત ટૂલ્સમાં સુરક્ષિત સંદર્ભ બનાવવાની ક્ષમતા
• કૃત્રિમ બુદ્ધિમત્તાના ઉપયોગ માટે માહિતી, સ્પષ્ટ સંમતિ અને ડેટા સ્ટોરેજ/ડિલીટ કરવાની જવાબદારીઓને અનુકૂલિત કરવાની ક્ષમતા

માનસિક સ્વાસ્થ્ય વ્યવસાયના મૂળમાં એક કહેવત છે: "તમે મને જે કહો છો તે ત્યાં રહે છે." ગ્રાહક તમને તેના જીવનની સૌથી નાજુક માહિતી (આઘાત, વ્યસનો, સંબંધો, ડર) જણાવવા માટે તમારા પર વિશ્વાસ કરે છે. આ ટ્રસ્ટ એ વ્યવસાયનું હૃદય છે અને એકવાર નુકસાન થઈ જાય પછી તેને પુનઃસ્થાપિત કરી શકાતું નથી. આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ટૂલ્સ આ ટ્રસ્ટમાં એક નવું જોખમ ઉમેરે છે: કારણ કે તમે ક્લાઉડમાં ટાઇપ કરો છો તે વાક્ય તમારા નિયંત્રણની બહાર જઇ શકે છે અને અન્ય કંપનીના સર્વર પર સંગ્રહિત થઈ શકે છે અથવા મોડેલને તાલીમ આપવા માટે પણ ઉપયોગમાં લઈ શકાય છે. આ એકમમાં, તમે એઆઈ યુગમાં ક્લાયંટ ડેટાને કેવી રીતે સુરક્ષિત કરવો તે શીખી શકશો; તમે KVKK (વ્યક્તિગત ડેટા સંરક્ષણ કાયદો; કાયદો નંબર 6698, જે તુર્કીમાં વ્યક્તિગત ડેટાની પ્રક્રિયાને નિયંત્રિત કરે છે) ના માળખામાં શું મંજૂર છે અને શું પ્રતિબંધિત છે તે શીખી શકશો.

ક્લાયંટ ડેટા શા માટે "વિશિષ્ટ ગુણવત્તા" છે?

KVKK ડેટાને બે ભાગમાં વહેંચે છે: સામાન્ય વ્યક્તિગત ડેટા (નામ, ટેલિફોન) અને વિશેષ વ્યક્તિગત ડેટા. માનસિક સ્વાસ્થ્ય સંબંધિત કોઈપણ માહિતી (એ હકીકત પણ કે વ્યક્તિ ઉપચાર પ્રાપ્ત કરી રહી છે) આ બીજા, સૌથી વધુ સુરક્ષિત જૂથમાં આવે છે. આરોગ્ય ડેટા કાયદામાં અલગથી સુરક્ષિત શ્રેણી છે; એક નિયમ તરીકે, પ્રક્રિયા માટે સ્પષ્ટ સંમતિ અથવા કડક અપવાદોની જરૂર છે. બીજા શબ્દોમાં કહીએ તો, ક્લાયન્ટના સત્રની સામગ્રીને રેન્ડમ AI ટૂલમાં ટાઈપ કરવી એ નૈતિક જ નહીં પરંતુ કાનૂની ઉલ્લંઘન પણ હોઈ શકે છે.

આમાં એક વ્યાવસાયિક ગુપ્તતાની જવાબદારી પણ ઉમેરવામાં આવે છે. વ્યવસાયિક નીતિશાસ્ત્ર પરવાનગી વિના તૃતીય પક્ષો સાથે ક્લાયંટની માહિતી શેર કરવાનું પ્રતિબંધિત કરે છે. ક્લાઉડ-આધારિત AI સાધન કાયદેસર રીતે "તૃતીય પક્ષ" છે. તો પ્રશ્ન એ છે: શું હું ખરેખર આ ટૂલને આ ડેટા આપવા માટે અધિકૃત છે?

સાવચેતી: "કોઈ તેને જોશે નહીં" અથવા "હું ફક્ત સારાંશ આપીશ" એ રક્ષણ નથી. જે ક્ષણે ડેટા વાહનમાં પ્રવેશે છે, તે તમારા નિયંત્રણની બહાર છે. ગોપનીયતા જાળવવી એ ડેટા મોકલતા પહેલા લેવામાં આવેલ નિર્ણય છે; પાછળથી પાછા લઈ શકાય નહીં.

ડેટાની ત્રણ સ્થિતિઓ: કયો ડેટા, કયો માધ્યમ

ક્લાયંટ ડેટા સાથે કામ કરતી વખતે, દરેક માહિતીને ત્રણ શ્રેણીઓમાં વિભાજીત કરો:

ડેટા પ્રકાર

ઉદાહરણ

શું તે AI ને આપી શકાય?

નિયમ

સીધી ઓળખ

નામ-અટક, TR ID, ટેલિફોન, સરનામું, કાર્યસ્થળ

ના

તેના કાચા સ્વરૂપમાં ક્યારેય આપવામાં આવતું નથી

પરોક્ષ ઓળખ

દુર્લભ વ્યવસાય, નાની વસાહત, અનોખી ઘટના

ના (એકલા ID ખોલે છે)

સામાન્યકૃત અથવા દૂર

ક્લિનિકલ સામગ્રી (અનામી)

લક્ષણો, થીમ્સ, પ્રક્રિયા (ઓળખ કાઢવામાં આવેલ)

શરતી રીતે હા

અનામી અને સુરક્ષિત વાહનમાં

ધ્યેય ડિ-ઓઇડેન્ટિફિકેશન છે: ડેટાને એવો બનાવવો કે તમે કે અન્ય કોઈ તેને કોઈ ચોક્કસ વ્યક્તિ સાથે લિંક કરી શકે નહીં. માત્ર નામ કાઢી નાખવું પૂરતું નથી; "નગરમાં એકમાત્ર દંત ચિકિત્સક" વાક્ય વ્યક્તિનું નામ કાઢી નાખવામાં આવે તો પણ તેને દૂર કરે છે.

સ્ટેપ બાય સ્ટેપ: સુરક્ષિત અનામીકરણ

1. સીધા ઓળખકર્તાઓને બહાર કાઢો. નામ, અટક, ઉંમરને બદલે શ્રેણી ("30s"), સ્થાન, કાર્યસ્થળ, શાળા, તારીખ, સંબંધીઓના નામ.
2. પરોક્ષ ઓળખકર્તાઓને સામાન્ય બનાવો. "શહેરમાં કૃષિ ક્ષેત્રમાં કામ કરતા" કરતાં "ટ્રાબ્ઝોનમાં હેઝલનટ નિકાસકાર" અમૂર્ત અનન્ય ઘટનાઓ.
3. નંબરોને અસ્પષ્ટ કરો. ચોક્કસ તારીખને બદલે "લગભગ 6 મહિના પહેલા"
4. વાહનનું નિરીક્ષણ કરો. શું તમે જે AI ટૂલનો ઉપયોગ કરો છો તે તાલીમમાં ડેટાનો ઉપયોગ કરે છે? શું ત્યાં કોઈ "એન્ટરપ્રાઇઝ/ગોપનીયતા મોડ" છે? ડેટા ક્યાં સંગ્રહિત છે?
5. ન્યૂનતમ ડેટા નીતિ. કાર્ય કરવા માટે જરૂરી ન્યૂનતમ માહિતી પ્રદાન કરો; વધારે ન આપો.
6. સંમતિ અને પારદર્શિતા. ક્લાયન્ટને શિક્ષિત કરો કે તમે પ્રક્રિયામાં વહીવટી/ડ્રાફ્ટિંગ હેતુઓ માટે AI નો ઉપયોગ કરી રહ્યાં છો.

ટીપ: ટેક્સ્ટને અનામી કર્યા પછી, તમારી જાતને આ પ્રશ્ન પૂછો: "જો આ ક્લાયંટ આ ટેક્સ્ટ વાંચે, તો શું તે પોતાને ઓળખશે? શું અન્ય કોઈ તેને ઓળખશે?" જો તમે બંનેને "ના" કહી શકતા નથી, તો અનામીકરણ પૂર્ણ નથી.

ત્રણ નાના કેસો

કેસ 1 - નાની ભૂલ, મોટું ઉલ્લંઘન. જ્યારે નિષ્ણાત પાસે સત્રની નોંધોનો સારાંશ AI હોય છે, ત્યારે ક્લાયન્ટનું નામ "M.Y" છે. અને બાકીનાને નીચે પ્રમાણે છોડી દે છે: "કાડીકોયમાં X હોસ્પિટલની નર્સ, પુત્રીનું નામ એલિફ છે, છૂટાછેડાનો કેસ..." નામ ટૂંકું હોવા છતાં, આ વિગતો સરળતાથી વ્યક્તિને ઓળખી શકે છે. અનામીકરણ નિષ્ફળ થયું; ઉલ્લંઘન થયું હોવાનું માનવામાં આવે છે. સાચો રસ્તો: "આરોગ્ય સંભાળ ક્ષેત્રમાં કાર્યકર" તરીકેની ભૂમિકાને સામાન્ય બનાવો, બાળકને "બાળક છે", કેસ "કાનૂની પ્રક્રિયા" તરીકે.

કેસ 2 — વાહનની પસંદગીમાં ફરક પડે છે. બે મનોવૈજ્ઞાનિકો એક જ કામ કરે છે. એક વ્યક્તિગત, મફત ચેટ સાધનમાં કાચો ડેટા લખે છે; સાધનનો કરાર કહે છે કે "ઇનપુટ્સનો ઉપયોગ સેવાને સુધારવા માટે થઈ શકે છે." અન્ય ડેટા પ્રોસેસિંગ કરાર સાથે એન્ટરપ્રાઇઝ ટૂલનો ઉપયોગ કરે છે, જેનું સેટિંગ "શિક્ષણમાં મારા ઇનપુટનો ઉપયોગ કરીને" અને અનામી ડેટા સાથે ખુલ્લું છે. તેઓ બંને કહે છે કે "અમે AI નો ઉપયોગ કર્યો", પરંતુ એકે ડેટાને સુરક્ષિત કર્યો અને બીજાએ તેને લીક કર્યો.

કેસ 3 - ભૂંસી નાખવાનો અધિકાર. ક્લાયંટ ઉપચાર છોડી દે છે અને તેનો ડેટા કાઢી નાખવાની વિનંતી કરે છે (KVKK હેઠળ તેનો અધિકાર). નિષ્ણાત તેના પોતાના રેકોર્ડિંગને કાઢી નાખે છે, પરંતુ તેણે 3 મહિના પહેલા AI ટૂલમાં પેસ્ટ કરેલી સેશન ટ્રાન્સક્રિપ્ટ યાદ કરે છે; તે ડેટાને યાદ કરી શકતો નથી અથવા ખાતરી કરી શકતો નથી કે તેણે તેને કાઢી નાખ્યો છે. આ બતાવે છે કે શા માટે અનામી રીતે કામ કરવું શરૂઆતથી જ જરૂરી છે: કોઈ ઓળખ ડેટા મૂકવામાં આવતો નથી જ્યાં તેને કાઢી ન શકાય.

નકલ કરી શકાય તેવા સંકેતો અને નમૂનાઓ

નીચેના ટેક્સ્ટને અનામી બનાવો. નીચેનાને દૂર કરો અથવા સામાન્ય કરો: પ્રથમ નામ, છેલ્લું નામ, ઉંમર (શ્રેણીમાં રૂપાંતરિત કરો), શહેર/કાઉન્ટી/પડોશ, કાર્યસ્થળ, શાળા, તારીખ, સંબંધિત નામો, અનન્ય ઇવેન્ટ્સ. પછી મને પૂછવામાં આવ્યું કે "શું બાકીના લખાણ પરથી ઓળખાણ કાઢી શકાય?" તમારું મૂલ્યાંકન પણ લખો. ટેક્સ્ટ: [ટેક્સ્ટ]

આ લખાણમાં દરેક શબ્દસમૂહની સૂચિ બનાવો જે વ્યક્તિનું પ્રત્યક્ષ અથવા પરોક્ષ રીતે વર્ણન કરી શકે (દુર્લભ વ્યવસાય, નાની જગ્યા, અનન્ય ઘટના સહિત). દરેક માટે હું કેવી રીતે સામાન્યીકરણ કરી શકું તે સૂચવો. ટેક્સ્ટ: [ટેક્સ્ટ]

મનોવિજ્ઞાન પ્રેક્ટિસ માટે ક્લાયંટ માહિતી ટેક્સ્ટમાં ઉમેરવા માટે એક સરળ, સમજી શકાય તેવો ફકરો તૈયાર કરો, જેમાં એવી માહિતી શામેલ છે કે "કૃત્રિમ બુદ્ધિ સાધનોનો ઉપયોગ સેવા પ્રક્રિયા દરમિયાન વહીવટી અને ડ્રાફ્ટ હેતુઓ માટે થઈ શકે છે; ક્લાયંટ ડેટા અનામી રહેશે અને નિદાન/સારવારના નિર્ણયો નિષ્ણાતના છે."

તે કૃત્રિમ બુદ્ધિમત્તાના સાધનની ગોપનીયતા નીતિના સંદર્ભમાં મને પૂછવા જોઈએ તે નિયંત્રણ પ્રશ્નોની સૂચિ પ્રદાન કરે છે જેનો હું ઉપયોગ કરવા વિચારી રહ્યો છું: ડેટા સંગ્રહ, શિક્ષણમાં ઉપયોગ, ડેટા સ્થાન, કાઢી નાખવું, ડેટા પ્રોસેસિંગ કરાર, કોર્પોરેટ મોડ.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ: "નીચેના સત્ર રેકોર્ડિંગનો સારાંશ આપો: [વાસ્તવિક નામ અને સંપૂર્ણ વિગતો સાથે કાચો ટેક્સ્ટ]"

આ પ્રોમ્પ્ટ સંવેદનશીલ ડેટાને તેના કાચા સ્વરૂપમાં તૃતીય પક્ષને સ્થાનાંતરિત કરે છે; તે KVKK અને વ્યાવસાયિક ગુપ્તતાનું ઉલ્લંઘન છે.

શક્તિશાળી પ્રોમ્પ્ટ: "પ્રથમ નીચેના ટેક્સ્ટને અનામી કરો (નામ, સ્થળ, કાર્યસ્થળ, તારીખ, સંબંધીઓના નામો સામાન્ય બનાવો), પછી SOAP ફોર્મેટમાં અનામી સંસ્કરણનો સારાંશ આપો. અનામીકરણ પૂરતું છે કે કેમ તેનું પણ મૂલ્યાંકન કરો: [ટેક્સ્ટ]"

આ પ્રોમ્પ્ટ પ્રથમ રક્ષણ આપે છે, પછી ઉત્પાદન કરે છે; તેની ઓળખ જાહેર થાય તે પહેલાં તે કામ પૂરું કરી લે છે.

સામાન્ય ભૂલો

• ફક્ત નામ કાઢી નાખો. જો તમે નામ કાઢી નાખો તો પણ પરોક્ષ વર્ણનકર્તાઓ (દુર્લભ વ્યવસાય, નાનું સ્થાન) વ્યક્તિ આપે છે.
• ફ્રી/વ્યક્તિગત ટૂલમાં કાચો ડેટા લખવો. શિક્ષણમાં ઇનપુટ્સનો ઉપયોગ થાય છે કે નહીં તે તપાસ્યા વિના ડેટા પ્રદાન કરવો.
• સંમતિને બાયપાસ કરીને. AI ના ઉપયોગ વિશે ક્લાયન્ટને બિલકુલ જાણ ન કરવી; પારદર્શિતા એ નૈતિક જવાબદારી છે.
• વિચારવું કે તે "અસ્થાયી" છે. ભૂલી જવું કે ક્લાઉડમાં દાખલ થતો ડેટા પુનઃપ્રાપ્ત કરી શકાતો નથી; કાઢી નાખવાનો અધિકાર ઊભો થાય ત્યારે લાચાર થવું.
• ન્યૂનતમ ડેટા સિદ્ધાંતનું ઉલ્લંઘન. કાર્ય માટે ડઝનેક બિનજરૂરી વિગતો પેસ્ટ કરવી; દરેક વધારાનો ડેટા એક વધારાનું જોખમ છે.

સારાંશમાં

ક્લાયન્ટ ડેટા KVKK હેઠળ વિશેષ ગુણવત્તાવાળા, સૌથી વધુ સંરક્ષિત જૂથમાં છે અને તે વ્યાવસાયિક રહસ્યના દાયરામાં છે. ક્લાઉડ-આધારિત AI સાધન કાયદેસર રીતે તૃતીય પક્ષ છે; કાચો ગ્રાહક ડેટા તેને આપી શકાતો નથી. પ્રત્યક્ષ/પરોક્ષ ઓળખ અને અનામી ક્લિનિકલ સામગ્રીમાં અલગ ડેટા; ન્યૂનતમ ડેટા નીતિ સાથે ગોપનીયતા-નિયંત્રિત સાધનમાં માત્ર સાચી અનામી સામગ્રીનો ઉપયોગ કરો. પ્રક્રિયા વિશે ગ્રાહકને શિક્ષિત કરો. ગોપનીયતા એ ડેટા મોકલતા પહેલા લેવાયેલ નિર્ણય છે જે પછીથી ઉલટાવી શકાતો નથી.

એપ્લિકેશન કાર્ય

હાથથી (અથવા કાલ્પનિક) સત્રની નોંધ લો. પ્રથમ બધા પ્રત્યક્ષ અને પરોક્ષ ઓળખકર્તાઓને પીળા રંગમાં ચિહ્નિત કરો. પછી દરેકને સામાન્ય અભિવ્યક્તિ સાથે બદલો અને એક અનામી સંસ્કરણ લખો. છેલ્લે તમારી જાતને પૂછો, "શું આ ક્લાયન્ટ પોતાને ઓળખે છે?" પ્રશ્ન પૂછો અને તમારો જવાબ નોંધો. તમે ઉપયોગ કરો છો તે AI ટૂલની ગોપનીયતા સેટિંગ્સ પણ ખોલી શકો છો અને પૂછી શકો છો "શું ઇનપુટ્સનો ઉપયોગ તાલીમમાં થાય છે?" પ્રશ્નનો જવાબ શોધો.

ચેકલિસ્ટ

• [ ] મેં સીધા ઓળખકર્તાઓ (નામ, સ્થાન, તારીખ, કાર્યસ્થળ) કાઢી નાખ્યા.
• [ ] મેં સામાન્યકૃત પરોક્ષ વર્ણનકર્તાઓ (દુર્લભ વ્યવસાય, અનન્ય ઘટના).
• [ ] મેં ચકાસ્યું છે કે હું જે સાધનનો ઉપયોગ કરું છું તે તાલીમ માટે ડેટાનો ઉપયોગ કરતું નથી.
• [ ] મેં ઓછામાં ઓછા ડેટાના સિદ્ધાંતનું પાલન કર્યું; મેં ફક્ત જે જરૂરી હતું તે આપ્યું.
• [ ] મેં ક્લાયન્ટને AI ના ઉપયોગ વિશે જાણ કરી / સંમતિ ફ્રેમવર્કનું અવલોકન કર્યું.
• [ ] "શું ગ્રાહક પોતાને ઓળખે છે?" મેં પરીક્ષા પાસ કરી.