लाभ:
- डेटा को उसकी संवेदनशीलता (सार्वजनिक/आंतरिक/गोपनीय/महत्वपूर्ण) के अनुसार वर्गीकृत करने और गोपनीय और महत्वपूर्ण डेटा को सार्वजनिक उपकरणों पर प्रकट किए बिना अज्ञात करने की क्षमता
- सत्यापन को रिफ्लेक्स में बदलना और तथ्यों को चिह्नित करना, स्रोत तक जाना और जोखिम के अनुसार कृत्रिम बुद्धिमत्ता द्वारा दिए गए स्रोत को खोलने के चरणों को बढ़ाना
- यह समझकर पारदर्शिता, आरोपण और गोपनीयता की नैतिकता को लागू करने की क्षमता कि हटाना सुरक्षा नहीं है और यह जिम्मेदारी माध्यम पर नहीं डाली जा सकती।
इस मॉड्यूल की प्रत्येक इकाई में दो सिद्धांत दोहराए गए हैं: गोपनीयता बनाए रखें और प्रत्येक आउटपुट को सत्यापित करें। यह इकाई उन दो सिद्धांतों को एक व्यवस्थित अनुशासन में बदल देती है - क्योंकि व्यक्तिगत उत्पादकता में एआई का उपयोग करने का सबसे बड़ा जोखिम गति या गुणवत्ता नहीं है, बल्कि लीक हुआ डेटा और असत्यापित झूठ है। एक ग़लत ईमेल को ठीक किया जा सकता है; सर्वर पर भेजा गया ग्राहक डेटा पुनर्प्राप्त नहीं किया जा सकता है। आत्मविश्वास भरे स्वर में प्रस्तुत किया गया एक बना-बनाया नंबर किसी निर्णय को अस्वीकार कर देगा यदि उस पर ध्यान नहीं दिया गया। इसीलिए गोपनीयता और प्रमाणीकरण दक्षता की नींव हैं जो ज़मीन से ऊपर बनाई जाती हैं, न कि "बाद में जोड़ी गईं।"
शर्तें। व्यक्तिगत डेटा वह जानकारी है जो किसी व्यक्ति की पहचान करती है - नाम, आईडी नंबर, ईमेल, स्वास्थ्य, स्थान। केवीकेके/जीडीपीआर ऐसे कानून हैं जो व्यक्तिगत डेटा की सुरक्षा को विनियमित करते हैं (तुर्की में केवीकेके, ईयू में जीडीपीआर)। डेटा वर्गीकरण जानकारी को उसकी संवेदनशीलता (सार्वजनिक, आंतरिक, गोपनीय) के अनुसार लेबल करने का कार्य है। गुमनामीकरण डेटा से व्यक्तिगत रूप से पहचाने जाने योग्य तत्वों को हटाना है। सत्यापन एक स्वतंत्र स्रोत के साथ आउटपुट की सटीकता की पुष्टि कर रहा है।
गोपनीयता: क्या चिपकाएँ, क्या नहीं चिपकाएँ
एआई टूल में आप जो कुछ भी टाइप करते हैं, वह ज्यादातर मामलों में एक सर्वर पर जाता है और किसी सेवा में संग्रहीत होता है या मॉडल को प्रशिक्षित करने के लिए उपयोग किया जा सकता है। तो मूल प्रश्न यह है: क्या आप यह जानकारी किसी अज्ञात तीसरे पक्ष को देने को तैयार हैं? यदि उत्तर नहीं है, तो इसे AI को भी न दें।
एक सरल वर्गीकरण का प्रयोग करें:
कक्षा
उदाहरण
क्या यह AI में आता है?
सामान्य
प्रकाशित जानकारी, मसौदा पाठ
निःशुल्क
आंतरिक
प्रक्रिया नोट, सामान्य बैठक सारांश
गुमनाम करके
रहस्य
ग्राहक डेटा, वित्तीय रिकॉर्ड, रणनीति
केवल संस्था-अनुमोदित वाहन
आलोचनात्मक
पासवर्ड, एपीआई कुंजी, अनुबंध, स्वास्थ्य
कभी नहीं
व्यावहारिक सुरक्षा: व्यक्तिगत डेटा को अज्ञात करें (नाम "व्यक्ति ए", कंपनी "कंपनी एक्स" बनाएं); अपने संस्थान के अनुमोदित एआई टूल का उपयोग करें (एंटरप्राइज़ संस्करण अक्सर प्रशिक्षण में डेटा का उपयोग न करने की गारंटी देते हैं); और अपनी एआई उपयोग नीति पढ़ें - अन्यथा सावधानी बरतें।
सावधानी: "मैंने चैट हटा दी है, यह अब सुरक्षित है" धारणा गलत है। हटाने से यह इंटरफ़ेस से हट जाता है, लेकिन सर्वर पर रिकॉर्ड या प्रशिक्षण में शामिल डेटा पुनर्स्थापित नहीं होता है। बंधन से पहले सुरक्षा शुरू होती है; बाद में नहीं।
मान्यता: एक व्यवस्थित आदत
"अगर मैं इसके बारे में सोचूंगा तो मैं इसे करूंगा" के बजाय सत्यापन को एक प्रतिक्रिया बनाएं। यहां एक व्यावहारिक सत्यापन अनुशासन है:
- तथ्यों को चिन्हित करें. प्रिंटआउट में प्रत्येक नाम, दिनांक, संख्या, उद्धरण, कानून का टुकड़ा, दावा - इन्हें सत्यापित किया जाएगा।
- स्रोत पर जाएँ. प्रत्येक तथ्य की पुष्टि किसी स्वतंत्र, विश्वसनीय स्रोत से करें। एआई द्वारा दिए गए स्रोत को खोलें और इसे पढ़ें; क्या इसका अस्तित्व है, क्या इसमें वह जानकारी है?
- जोखिम के अनुसार पैमाना. कम जोखिम वाले आंतरिक नोट पर थोड़ा नियंत्रण; उच्च-स्तरीय प्रस्तुति या बाहरी संचार का पूर्ण नियंत्रण।
- अनिश्चित को स्वीकार करें. यदि एआई कहता है "निश्चित नहीं" या जानकारी की पुष्टि नहीं की जा सकती है, तो रिक्त स्थान को मनगढ़ंत तरीके से न भरें; इसे "असत्यापित" के रूप में छोड़ दें।
मुख्य अंतर: आप आम तौर पर एआई की भाषा कार्य (धाराप्रवाह वाक्य, साफ संरचना, उचित स्वर) पर भरोसा कर सकते हैं। एआई के तथ्यों के दावों (यह संख्या, यह तारीख, यह स्रोत) पर कभी भी आंख मूंदकर भरोसा न करें। सत्यापन दोनों को अलग कर रहा है।
नैतिकता: पारदर्शिता और जिम्मेदारी
दक्षता के लिए एआई का उपयोग करना कोई नैतिक मुद्दा नहीं है - लेकिन आप इसका उपयोग कैसे करते हैं यह हो सकता है। तीन सिद्धांत: पारदर्शिता - कुछ संदर्भों (शैक्षणिक कार्य, पत्रकारिता, आधिकारिक दस्तावेज़) में आपको यह इंगित करने की आवश्यकता हो सकती है कि आप एआई का उपयोग कर रहे हैं। एट्रिब्यूशन - एआई के माध्यम से किसी और के विचार को लेना और उसे अपने विचार के रूप में प्रस्तुत करना साहित्यिक चोरी है, भले ही माध्यम बदल जाए। जिम्मेदारी - आप जो कुछ भी पोस्ट करते हैं वह आपकी जिम्मेदारी है; "एआई ने इसे लिखा" कोई बहाना नहीं है।
चरण दर चरण: सुरक्षित AI वर्कफ़्लो नियंत्रण
- चिपकाने से पहले क्रमबद्ध करें. यह डेटा किस क्लास में है? यदि गुप्त/महत्वपूर्ण हो तो रुकें।
- गुमनाम करें. यदि आवश्यक न हो तो व्यक्तिगत वस्तुएँ हटा दें।
- तथ्यों को प्रस्तुत करें और चिह्नित करें। सत्यापित करने के लिए आउटपुट में आइटम की पहचान करें।
- सत्यापित करें। जोखिम-स्तरीय, स्रोत-आधारित पुष्टि।
- इसे अपना बनाओ। अपनी आवाज को सुधारें, जिम्मेदारी लें।
- अपना निशान जानें. इस बात पर नज़र रखें कि आपने क्या चिपकाया है और कौन सा टूल डेटा संग्रहीत करता है।
चार प्रतिलिपि योग्य सुरक्षा/प्रमाणीकरण टेम्पलेट
एआई को देने से पहले निम्नलिखित पाठ को अज्ञात बनाएं: - नामों को "व्यक्ति ए/बी" और कंपनियों को "कंपनी" में बदलें
इस एआई आउटपुट में उन सभी तथ्यों को सूचीबद्ध करें जिन्हें सत्यापित करने की आवश्यकता है: - प्रत्येक नाम, दिनांक, संख्या, आंकड़े, उद्धरण और दावे के लिए एक अलग बुलेट बिंदु बनाएं। - पूछें "मैं कैसे सत्यापित करूं?" प्रत्येक के लिए. सुझाव दें (कौन सा स्रोत)- अप्राप्य/संदिग्ध को चिह्नित करें। आउटपुट: """[पेस्ट करें]"""
आपके द्वारा दिए गए स्रोत के अनुसार निम्नलिखित दावे को सत्यापित करें: दावा: [संख्या/तथ्य]। - क्या यह दावा वास्तव में आपके द्वारा बताए गए स्रोत में शामिल है? - अन्यथा, कहें "मैं इस स्रोत में इसे सत्यापित नहीं कर सका", इसे पूरा करें। - यदि आप निश्चित नहीं हैं, तो ऐसे न बोलें जैसे कि आप निश्चित हैं।
जांचें कि इस कार्य में गोपनीयता संबंधी कौन से जोखिम हैं: कार्य: [जो काम मैं एआई के साथ करने का इरादा रखता हूं, वह किस डेटा के साथ है]। - यह किस डेटा वर्ग में आता है (सार्वजनिक/आंतरिक/गोपनीय/महत्वपूर्ण)? - क्या इसे सार्वजनिक एआई उपकरण में जाना चाहिए या नहीं? - यदि नहीं, तो सुरक्षित विकल्प क्या है?
कमजोर संकेत/मजबूत संकेत
कमजोर: "उस ग्राहक शिकायत ईमेल को संक्षेप में प्रस्तुत करें।" (इसमें ग्राहक का नाम, ऑर्डर आईडी, शायद फ़ोन शामिल है - यह सब सीधे सर्वर पर जाता है।)
सशक्त: पहले टेक्स्ट को अज्ञात बनाएं ("ग्राहक ए, ऑर्डर [आईडी छिपा हुआ], इस उत्पाद के बारे में शिकायत करता है"), फिर कहें "इस अज्ञात टेक्स्ट को सारांशित करें"। समान दक्षता, शून्य व्यक्तिगत डेटा लीक। अंतर आउटपुट में नहीं है, बल्कि इनपुट को बनाए रखने में है।
तीन मिनी मामले
केस 1 - अपरिवर्तनीय रिसाव। एक कर्मचारी ने "उन्हें विभाजित करने" के लिए संपूर्ण ग्राहक सूची (नाम, फोन, खर्च) को एक सामान्य एआई टूल में चिपका दिया। संस्था ने इसका मूल्यांकन केवीकेके के उल्लंघन के रूप में किया; डेटा अब तीसरे पक्ष के सर्वर पर था और उसे पुनर्प्राप्त नहीं किया जा सका। वही विश्लेषण अज्ञात डेटा या एंटरप्राइज़ टूल के साथ जोखिम-मुक्त किया जा सकता है।
केस 2 - यह सत्यापन रिफ्लेक्स देता है। एक पत्रकार ने प्रकाशन से पहले एआई द्वारा दिए गए प्रत्येक आंकड़े और उद्धरण को उसके मूल स्रोत पर तथ्य-जांच करने का नियम बनाया। एक सप्ताह में उन्होंने पाया कि AI द्वारा दिए गए 5 में से 2 "तथ्य" नकली थे। इस प्रतिक्रिया ने संभावित झूठी खबरों और प्रतिष्ठा की हानि को रोका।
केस 3 - "एआई ने इसे लिखा" बहाना काम नहीं आया। एक सलाहकार ने ग्राहक को सत्यापित किए बिना एआई-जनरेटेड रिपोर्ट भेज दी; इसमें गलत कानूनी दावे ने ग्राहक को गुमराह किया। "यह एआई से आया" बचाव ग्राहक या नियामक के साथ मेल नहीं खाता था; जिम्मेदारी कंसलटेंट पर थी. सीख: उपकरण बदलता है, जिम्मेदारी नहीं।
सामान्य गलतियाँ
- गोपनीय/महत्वपूर्ण डेटा चिपकाना: सबसे महंगी और अपरिवर्तनीय गलती; पहले वर्गीकृत करें.
- यह सोचते हुए कि "मैंने इसे हटा दिया, मैं सुरक्षित हूं": हटाने से सर्वर पंजीकरण पूर्ववत नहीं होता; चिपकाने से पहले सुरक्षा.
- भाषा के साथ तथ्य को भ्रमित करना: भाषा पर भरोसा करें, तथ्य की पुष्टि करें- दोनों को अलग करें।
- एआई द्वारा दिए गए स्रोत को नहीं खोलना: नकली छाप उत्पन्न हो सकती है; स्रोत देखें.
- टूल पर दोष मढ़ना: "एआई ने इसे लिखा" कोई बहाना नहीं है।
- नीति की जानकारी न होना: संगठन की AI उपयोग नीति पढ़ें; अन्यथा सावधान रहें.
टिप: अपने आप को एक सरल व्यक्तिगत नियम दें: "मैं सार्वजनिक एआई टूल में कुछ भी गोपनीय या महत्वपूर्ण पेस्ट नहीं करता; मैं इसे भेजने से पहले हर आंकड़े और स्रोत को सत्यापित करता हूं।" यह दो-वाक्य वाला नियम इस मॉड्यूल के अधिकांश जोखिमों को तुरंत समाप्त कर देता है।
सारांश
- एआई का सबसे बड़ा जोखिम गति या गुणवत्ता नहीं है, बल्कि लीक हुआ डेटा और असत्यापित अशुद्धि है।
- डेटा वर्गीकृत करें (सार्वजनिक/आंतरिक/गोपनीय/महत्वपूर्ण); सार्वजनिक एआई टूल को गोपनीय और महत्वपूर्ण न दें, इसे गुमनाम रखें।
- हटाना सुरक्षा नहीं है; चिपकाने से पहले सुरक्षा शुरू हो जाती है।
- सत्यापन को रिफ्लेक्स में बदलें: तथ्यों को चिह्नित करें, स्रोत पर जाएं, एआई का स्रोत खोलें, जोखिम के अनुसार स्केल करें।
- एआई की भाषा पर भरोसा करें, उसके तथ्यों पर भरोसा करें; जिम्मेदारी वाहन पर नहीं आती, जिम्मेदारी हमेशा आपकी होती है।
आवेदन कार्य
एक वास्तविक पाठ लें जो आप इस सप्ताह एआई को देंगे। चौथे टेम्पलेट के साथ, पहले गोपनीयता वर्ग निर्धारित करें; यदि गोपनीय डेटा है, तो उसे पहले टेम्पलेट से अज्ञात करें। एआई आउटपुट प्राप्त करने के बाद, दूसरे टेम्पलेट में सत्यापित किए जाने वाले तथ्यों को सूचीबद्ध करें और मूल स्रोत पर उनमें से कम से कम एक की पुष्टि करें। अपने लिए दो-वाक्य वाला गोपनीयता-सत्यापन नियम लिखें और इसे कहीं पोस्ट करें।
चेकलिस्ट
- [ ] मैंने डेटा को चिपकाने से पहले वर्गीकृत किया।
- [ ] मैंने सार्वजनिक एआई टूल को गोपनीय/महत्वपूर्ण डेटा प्रदान नहीं किया; यदि आवश्यक हुआ तो मैंने इसे अज्ञात कर दिया।
- [ ] मैंने आउटपुट में प्रत्येक तथ्य (नाम, दिनांक, संख्या, स्रोत) को सत्यापित किया।
- [ ] मैंने एआई द्वारा दिए गए स्रोत को खोला और जांच की कि क्या यह वास्तव में इसमें शामिल है।
- [ ] मैंने सुनिश्चित किया कि मैं कॉर्पोरेट एआई नीति जानता हूं।
- [ ] मैंने अंतिम आउटपुट की जिम्मेदारी ली।