Keuntungan:
- Menyiapkan tanggapan terhadap permintaan informasi sesuai dengan peraturan perundang-undangan, dengan menjelaskan tidak lebih dan tidak kurang.
- Ini menganonimkan data terbuka sebelum dipublikasikan dan memindainya pada tingkat kombinasi yang berisiko teridentifikasi ulang.
- Mengetahui bahwa transparansi adalah alat tata kelola yang meningkatkan kepercayaan publik dan membedakan apa yang harus dirahasiakan.
Landasan administrasi publik yang demokratis adalah transparansi: kemampuan warga negara untuk mengetahui bagaimana dan atas dasar apa keputusan diambil. Prinsip ini terwujud dalam dua mekanisme konkrit. Yang pertama adalah hak atas informasi (UU Hak Atas Informasi No. 4982; warga negara dapat meminta informasi dan dokumen dari lembaga publik, dengan pengecualian). Yang kedua adalah data terbuka (lembaga publik mempublikasikan bagian non-pribadi dan non-rahasia dari data yang mereka hasilkan sedemikian rupa sehingga semua orang dapat mengakses dan menggunakannya). Di sini, AI merupakan alat bantu yang ampuh dalam mengklasifikasikan permintaan informasi yang masuk, menghasilkan rancangan respons, melakukan pra-evaluasi informasi mana yang boleh diberikan dan mana yang dikecualikan, serta menyiapkan kumpulan data terbuka untuk dipublikasikan. Namun ada dua hal yang perlu diperhatikan dalam unit ini: transparansi tidak boleh lebih, tidak boleh kurang – warga negara harus diberikan informasi yang menjadi haknya, namun data pribadi dan pengecualian nyata harus dilindungi; Keseimbangan ini ditentukan oleh pejabat publik yang bertanggung jawab, bukan AI.
Dua tujuan yang salah dalam memperoleh ilmu
Dalam permintaan informasi, kesalahan dapat terjadi dalam dua arah:
- Kurangnya transparansi: Menolak informasi yang diberikan secara tidak perlu karena dianggap "rahasia/luar biasa". Hal ini melanggar hak dan menimbulkan ketidakpercayaan terhadap institusi, dan seringkali berakhir di lembaga peradilan.
- Pengungkapan berlebihan: Secara tidak sengaja mengungkapkan data pribadi pihak ketiga, rahasia dagang, atau pengecualian nyata (keamanan, dll.) saat mengirimkan dokumen. Hal ini melanggar KVKK dan menimbulkan kerugian.
AI dapat membantu dalam kedua hal: AI dapat memindai dokumen, menandai data pribadi di dalamnya, dan menyarankan redaksi (mengaburkan/menghapus bagian rahasia/pribadi dari dokumen); Ini mungkin mencantumkan kategori pengecualian di mana Anda akan mengevaluasi permintaan tersebut. Namun keputusan akhir - apakah informasi ini diberikan, bagian mana yang dikaburkan - ada di tangan orang yang memikul tanggung jawab hukum.
Perhatian: Pernyataan AI bahwa “informasi ini berada dalam lingkup pengecualian” atau “dapat diberikan” bukan merupakan pendapat hukum. Evaluasi pengecualian dilakukan dan dibenarkan sesuai dengan pasal-pasal terkait Undang-Undang Akses Informasi; AI hanya menghasilkan pra-kualifikasi dan draft.
Memublikasikan data terbuka dengan aman
Data terbuka meningkatkan efisiensi dan akuntabilitas publik; pengusaha, jurnalis, peneliti menciptakan nilai dari data ini. Namun sebelum menerbitkan kumpulan data, kumpulan data tersebut harus diperiksa terhadap risiko identifikasi ulang (data yang dianggap anonim dihubungkan kembali ke individu dengan menggabungkannya dengan data lain). Misalnya, kombinasi "usia + lingkungan + pekerjaan langka" mungkin mengindikasikan satu orang. Saat menyiapkan kumpulan data untuk dipublikasikan, AI berguna dalam menandai kombinasi kolom yang berisiko dan menulis kamus data (deskripsi tentang arti setiap kolom).
Tip: Sebelum memublikasikan data terbuka, tanyakan: “Dapatkah saya menemukan satu orang dengan menggabungkan dua-tiga kolom dalam kumpulan ini?” Jika jawabannya “mungkin”, gabungkan (kelompok, bukan individu), gabungkan kategori yang jarang, atau hilangkan area sensitif.
Aliran informasi langkah demi langkah
- Memahami dan mengklasifikasikan permintaan. Apa yang diminta, menyangkut satuan apa, durasinya berapa?
- Apakah informasi itu ada atau perlu diproduksi? Hukum mencakup pengetahuan yang ada; lembaga tersebut mungkin tidak perlu menghasilkan analisis baru (dikonfirmasi).
- Evaluasi pengecualian. Apakah ada pengecualian seperti data pribadi, keamanan, rahasia dagang, opini internal?
- Redaksi. Hapus bagian dokumen yang dapat diekspor yang perlu disimpan.
- Jawaban yang masuk akal. Bagian yang diberikan/tidak diberikan dan dasarnya; Metode keberatan jika ditolak.
- Jejak pencatatan dan audit. Permintaan, keputusan dan pembenaran dicatat.
tiga kasus mini
Kasus 1 — Kesalahan pengeditan dihindari. Suatu lembaga akan menyerahkan dokumen tender untuk permintaan kebebasan informasi. AI memindai dokumen tersebut dan menandai nomor telepon serta nomor TR ID tiga orang. Jika dikirimkan tanpa proofreading maka merupakan pelanggaran KVKK; data pribadi dihitamkan, dokumen terkirim dengan aman.
Kasus 2 — Penolakan yang tidak adil telah diperbaiki. Sebuah unit biasanya menolak permintaan data aktivitas sebagai “in-house.” Ketika AI ditanya tentang kategori pengecualian, terlihat bahwa data tersebut sebenarnya sudah dapat dipublikasikan sebagai data terbuka. Permintaan dipenuhi, kemungkinan keberatan dan tuntutan hukum dapat dicegah.
Kasus 3 — Risiko identifikasi ulang. Pemerintah kota akan mempublikasikan kumpulan data “permintaan layanan” sebagai data terbuka. Kumpulan tersebut mencakup perincian lingkungan + alamat lengkap distrik. AI memperingatkan bahwa bidang alamat dapat menunjuk ke masing-masing digit; Alamat tersebut dikumpulkan ke tingkat jalan dan kumpulan tersebut diterbitkan dengan aman.
Empat templat yang dapat disalin
1) Klasifikasi permintaan informasi:
Peran Anda: spesialis perolehan informasi. Proses permintaan berikut: (1) apa sebenarnya yang diminta, (2) unit mana yang bersangkutan, (3) apakah memerlukan informasi yang sudah ada atau produksi baru, (4) kemungkinan kategori pengecualian (data pribadi, keamanan, rahasia dagang, dll.). Tentukan bahwa setiap pengecualian "harus dibenarkan oleh artikel yang relevan". Pengambilan keputusan, evaluasi terlebih dahulu. PERMINTAAN: [teks]
2) Redaksi (menandai data pribadi/rahasia):
Pada dokumen di bawah ini, tandai semua bagian yang harus DIMASKER dalam respon informasi: nama-nama belakang, nomor TR ID, alamat, telepon, informasi kesehatan/kriminal, data pihak ketiga, rahasia dagang. Tuliskan pembenaran singkat untuk setiap tanda. Biarkan bagian dokumen yang dapat diekspor apa adanya. DOKUMEN: [teks]
3) Draf jawaban yang beralasan:
Buatlah rancangan tanggapan yang masuk akal terhadap permintaan berikut: (1) informasi apa yang diberikan, (2) bagian mana yang tidak diberikan dan alasannya (klausul pengecualian [akan dikonfirmasi]), (3) metode dan durasi banding [untuk dikonfirmasi]. Bahasanya harus formal dan penuh hormat. Pembenaran atas bagian yang tidak diberikan harus konkrit, bukan umum. PERMINTAAN: [ringkasan] KEPUTUSAN: [apa yang diberikan/tidak diberikan]
4) Kontrol autentikasi ulang data terbuka:
Periksa kolom kumpulan data di bawah ini. Cantumkan kombinasi kolom mana yang dapat mengindikasikan satu orang (risiko identifikasi ulang). Sarankan beberapa mitigasi untuk setiap risiko: agregasi, agregasi kategori langka, ekstraksi lapangan. Cukup gunakan daftar kolom yang diberikan. KOLOM: [daftar]
Perintah lemah / Perintah kuat
Lemah: “Tanggapi permintaan informasi ini.”
Güçlü: "Peran Anda adalah ahli unit informasi. Pertama, klasifikasikan permintaan: apa yang diminta, unit mana, apakah tersedia, apa kemungkinan pengecualiannya. Tandai setiap pengecualian sebagai 'dibenarkan oleh pasal yang relevan', jangan membuat keputusan hukum sendiri. Kemudian, tandai bagian pribadi/rahasia yang perlu ditutupi dalam dokumen yang akan diserahkan dengan saran redaksi. Terakhir, buatlah rancangan tanggapan yang beralasan termasuk bagian yang diberikan/tidak diberikan dan cara untuk menolak; buatlah pembenaran konkrit."
Perbedaan: perintah yang kuat menyeimbangkan transparansi dan perlindungan, mengaitkan pengecualian dengan pembenaran, menambahkan jalur redaksi dan banding.
Pendekatan berdasarkan jenis informasi
Jenis informasi
Bawaan
Perhatian
Statistik, data agregat
terbuka
Pemeriksaan identifikasi ulang
Alasan tindakan administratif
dapat diberikan
Sunting data pihak ketiga
Data pribadi pihak ketiga
dilindungi
KVKK; tetapi dengan izin/pengecualian
Pengecualian keamanan/privasi
dilindungi
Apakah ini pengecualian nyata, konfirmasikan
Opini/negosiasi internal
Tergantung
Evaluasi menurut artikel yang relevan
Anonimisasi dan risiko identifikasi ulang
Langkah paling teknis namun penting dalam mempublikasikan data terbuka adalah anonimisasi (membuat seseorang tidak dapat diidentifikasi secara langsung atau tidak langsung dari suatu data). Nama dan T.R. Menghapus nomor ID seringkali tidak cukup; karena kombinasi beberapa area biasa membuat seseorang dapat diidentifikasi kembali. Hal ini disebut identifikasi ulang (menemukan orang tersebut dengan mencocokkan data yang dianggap anonim dengan informasi lain). Misalnya, jika ada seorang duda lajang berusia 92 tahun di suatu lingkungan, trio "lingkungan + usia + status perkawinan" akan mengungkapkannya. AI dapat membantu menyaring kombinasi bidang mana dalam kumpulan data yang berisiko diungkapkan dan menyarankan pengelompokan yang lebih aman (mengubah usia menjadi rentang, menggabungkan kategori yang jarang terjadi); Namun keputusan publikasi dan audit akhir merupakan tanggung jawab lembaga.
Kasus mini — pengungkapan dengan tiga area. Sebuah kotamadya menerbitkan data bantuan sosial "secara anonim": tidak ada nama, tapi lingkungan, tahun lahir, dan jenis disabilitas. Seorang jurnalis memperhatikan jenis disabilitas yang jarang terjadi pada satu orang di suatu lingkungan dan mengidentifikasi orang tersebut. Data ditarik; Itu diterbitkan ulang ketika tahun lahir diubah menjadi interval 10 tahun dan kategori langka dikelompokkan dalam "lainnya".
Templat yang menyaring risiko identifikasi ulang:
Tugas: Periksa kolom kumpulan data berikut; Saya tidak mempublikasikan data pribadi, saya hanya ingin penyaringan risiko. Kolom: [nama kolom] Keluaran: 1) Pengidentifikasi langsung (harus dihapus). 2) Kombinasi pengenal tidak langsung (risiko identifikasi ulang). 3) Rekomendasi pengelompokan/penyembunyian untuk setiap kombinasi berisiko. 4) Pertanyaan pemeriksaan terakhir sebelum dipublikasikan. Aturan: Saya tidak menempelkan nilai-nilai pribadi apa pun; perhatikan saja struktur kolomnya.
Perhatian: "Saya menghapus nama saya, sekarang anonim" adalah kesalahpahaman yang paling umum dan berbahaya. Anonimitas ditentukan bukan oleh bidang itu sendiri, namun oleh kombinasi bidang dan kemungkinan kecocokan dengan data eksternal. Jika ragu, jangan publikasikan; Anonimitas adalah keputusan yang tidak dapat dibatalkan.
Kesalahan umum
- Biasanya menolak. Mengingat informasi yang dapat diberikan sebagai informasi “rahasia” yang tidak perlu merupakan pelanggaran hak dan dapat menimbulkan tuntutan hukum.
- Mengirimkan dokumen yang belum disunting. Mengungkap data pihak ketiga merupakan pelanggaran KVKK.
- Menggunakan pengecualian tanpa pembenaran. Penolakan harus dilakukan dengan substansi yang konkrit dan justifikasi yang konkrit; Mengatakan "in-house" saja tidak cukup.
- Mengandalkan penilaian hukum AI. Keputusan untuk membuat pengecualian adalah hal yang manusiawi; AI melakukan pra-kualifikasi.
- Melewati identifikasi ulang dalam data terbuka. Kombinasi kolom dapat menemukan orang; agregat.
- Tidak merinci cara keberatan. Dalam penolakan, cara pengajuan dan durasi harus ditulis (dikonfirmasi).
Singkatnya
Transparansi adalah landasan kepercayaan publik; AI adalah bantuan yang ampuh dalam mengklasifikasikan permintaan FOI, merekomendasikan koreksi, menyusun tanggapan, dan menyiapkan data terbuka untuk dipublikasikan. Namun keseimbangannya sangat penting: warga negara harus diberikan informasi yang menjadi haknya, pengecualian nyata, dan data pribadi harus dilindungi. Keputusan untuk membuat pengecualian harus beralasan dan manusiawi; Data terbuka harus diaudit untuk mengetahui risiko identifikasi ulang sebelum dipublikasikan.
Tugas aplikasi
Menerima permintaan kebebasan informasi yang nyata (tersamar). Evaluasi terlebih dahulu dengan templat "Klasifikasi permintaan", terapkan templat "Redaksi" ke dokumen terlampir dan tandai area yang akan ditutup. Terapkan templat "Pemeriksaan identifikasi ulang data terbuka" ke kolom kumpulan data terbuka dan temukan setidaknya satu kombinasi berisiko.
daftar periksa
- [ ] Saya mengklasifikasikan permintaan tersebut; Saya tidak menolak informasi yang mungkin diberikan secara tidak perlu.
- [ ] Saya mengevaluasi pengecualian tersebut dengan substansi dan pembenaran yang konkrit (keputusan manusia).
- [ ] Saya telah menyunting data pribadi/rahasia pada dokumen yang akan diserahkan.
- [ ] Dalam hal penolakan, saya telah menyatakan metode dan durasi keberatan (dikonfirmasi).
- [ ] Saya memeriksa risiko identifikasi ulang di data terbuka.
- [ ] Saya mencatat permintaan, keputusan dan alasan audit.