Keuntungan:
- Mengevaluasi informasi berdasarkan sensitivitasnya dan membedakan antara kendaraan terbuka dan sistem aman dengan refleks 'tanya kelas, cocokkan kendaraan'
- Memahami prinsip minimal data, keamanan dan tanggung jawab KVKK serta melihat bahwa menghapus nama saja tidak cukup dan konteksnya adalah identitas.
- Kemampuan untuk menerapkan disiplin dalam memilih jalur teraman jika ada keraguan, melindungi data sensitif pada tingkat tertinggi dan melaporkan pelanggaran secara transparan.
Apa yang klien sampaikan kepada Anda—kekerasan, penyakit, kemiskinan, kecanduan, rahasia keluarga—adalah informasi pribadi yang paling rapuh dalam hidupnya. Dia memberikan informasi ini kepada Anda dengan keyakinan akan kerahasiaan profesional. Kepercayaan ini adalah landasan yang memungkinkan pekerjaan sosial dapat berjalan; Ketika terguncang, klien tidak terbuka lagi dan layanan kehilangan fungsinya. Mempertahankan kepercayaan di era kecerdasan buatan ini telah mengambil dimensi baru: memasukkan informasi klien ke alat yang salah kini tidak hanya merupakan pelanggaran privasi, namun juga tanggung jawab hukum berdasarkan KVKK (UU Perlindungan Data Pribadi) dan dapat menyebabkan kebocoran informasi yang tidak dapat diubah. Dalam unit ini, Anda akan mempelajari cara melindungi data klien di era AI, logika dasar KVKK, perbedaan antara kendaraan terbuka dan kendaraan aman, dan disiplin praktis "kebersihan data".
Aturan paling dasar sejak awal adalah yang kami ulangi sepanjang modul ini: Tidak ada data pribadi yang mengidentifikasi klien yang akan dimasukkan ke dalam alat AI publik yang belum disetujui oleh institusi Anda. Kalimat yang satu ini adalah inti dari semua detail di bawah ini.
Meringkas KVKK untuk pekerja sosial
KVKK mengatur bagaimana data pribadi (informasi apa pun yang menjadikan seseorang spesifik atau dapat diidentifikasi – nama, ID, alamat, telepon, tetapi juga informasi seperti kesehatan, status keluarga, catatan kriminal) dapat diproses. Sebagian besar data yang Anda proses dalam pekerjaan sosial adalah data pribadi yang sensitif (data yang kebocorannya sangat berbahaya, seperti kesehatan, kehidupan seksual, agama, etnis, hukuman pidana) dan memerlukan perlindungan tertinggi. Arti praktis KVKK bagi Anda bermuara pada beberapa prinsip:
- Batasan tujuan dan data minimum: Hanya data sebanyak yang diperlukan saja yang diproses. Saat memproses teks ke dalam AI, jangan memasukkan detail pribadi apa pun yang tidak diperlukan untuk pekerjaan itu.
- Keamanan: Data dilindungi terhadap akses tidak sah. Alat AI publik tidak memberikan keamanan ini.
- Persetujuan dan transparansi: Memberi tahu klien tentang bagaimana data diproses. Memberikan data klien ke alat eksternal yang tidak terkontrol tidak termasuk dalam cakupan persetujuan apa pun.
- Akuntabilitas: Jika pelanggaran terjadi, tanggung jawab terletak pada organisasi yang memproses data dan orang yang memasukkan data tersebut — “AI menginginkannya seperti itu” bukanlah sebuah pembelaan.
Perhatian: Menghapus nama sering kali BUKAN merupakan perlindungan yang memadai. Bahkan jika nama tidak disebutkan dalam teks, konteks (lingkungan + usia + peristiwa + tanggal + struktur keluarga) dapat membuat seseorang dapat dikenali. Perlindungan nyata diberikan bukan melalui masker, tetapi dengan memilih alat dan lingkungan yang tepat.
Dua dunia: kendaraan terbuka vs. sistem aman
Pisahkan penggunaan AI Anda menjadi dua dunia yang jelas:
1. Dunia alat publik/terbuka. Ini dapat digunakan untuk tugas-tugas yang tidak mengidentifikasi klien: pertanyaan informasi umum ("Bagaimana cara menulis tujuan SMART?"), pelatihan dengan contoh fiksi/anonim, penjelasan umum tentang undang-undang, teks program yang tidak menunjuk kepada siapa pun. Data klien sebenarnya tidak pernah dimasukkan di sini.
2. Dunia data klien. Pekerjaan apa pun yang melibatkan informasi klien nyata — pencatatan, laporan, catatan risiko, rujukan — hanya dilakukan dalam sistem aman yang disetujui oleh institusi Anda, sehingga data tidak bocor. Jika tidak ada sistem seperti itu, pekerjaan tersebut dilakukan tanpa AI, dengan metode tradisional yang aman.
Membingungkan keduanya — memberikan data klien nyata ke alat terbuka — adalah kesalahan paling berbahaya dan umum dalam modul ini.
Langkah demi langkah: disiplin kebersihan data
- Tanyakan tentang kelasnya. Tanyakan sebelum setiap pekerjaan: "Apakah teks ini menggambarkan klien?" Jika ya, amankan sistem; Jika tidak, kendaraan terbuka dapat digunakan.
- Memperkecil. Batasi data yang dimasukkan hingga jumlah minimum yang diperlukan oleh pekerjaan, meskipun pekerjaan tersebut benar-benar memerlukannya.
- Identifikasi (dan ketahui batasan Anda). Hapus pengidentifikasi jika perlu; tapi ingat bahwa konteks juga bisa mengungkapkan identitas.
- Gunakan alat yang disetujui. Ketahui kendaraan mana yang disetujui lembaga untuk data apa dan jangan menyimpang darinya.
- Jika Anda tidak yakin, bersikaplah seperti kakak kelas. Jika Anda tidak yakin apakah suatu data sensitif atau tidak, pilih jalur yang paling terlindungi.
- Laporkan pelanggarannya. Jika ada kebocoran atau kesalahan, sembunyikan; Melaporkan sesuai prosedur institusi. Intervensi dini mengurangi kerusakan.
tiga kasus mini
Kasus 1 — Konteks menunjukkan identitas. Seorang ahli mengirimkan ringkasan kasus ke alat terbuka, mengatakan "Saya menghapus nama-nama itu, sekarang aman." Tidak ada nama dalam teks tersebut, namun terdapat kalimat "Wanita tunanetra di lingkungan X, dengan 3 orang anak, suaminya dipenjara". Hanya ada satu orang di lingkungan itu yang cocok dengan deskripsi itu – identitasnya jelas. Pakar senior memperhatikan hal ini; Pekerjaan dipindahkan ke sistem aman. Pelajaran: konteks juga merupakan data pribadi.
Kasus 2 — Kebijakan data minimum berhasil. Seorang ahli hanya perlu menyederhanakan satu kalimat. Alih-alih memberikan seluruh file ke alat tersebut, dia hanya memberikan satu kalimat tanpa detail pribadi. Pekerjaan selesai, tidak ada data sensitif yang keluar. Kebijakan data minimum aman dan memadai.
Kasus 3 — Pelaporan dini mengurangi kerusakan. Seorang karyawan baru secara tidak sengaja menempelkan informasi klien ke dalam alat terbuka dan langsung menyadarinya. Bukannya panik dan bersembunyi, dia langsung melaporkan hal tersebut kepada atasannya. Lembaga mengevaluasi kejadian tersebut sesuai prosedur KVKK, mengambil langkah-langkah yang diperlukan dan mengajari karyawan cara menggunakannya dengan benar. Pemberitahuan yang transparan dan cepat mencegah insiden meningkat.
Empat templat yang dapat disalin
1) Pra-penerbangan kelas data:
Evaluasi teks berikut SEBELUM memprosesnya dalam alat AI: Apakah teks ini membuat seseorang secara langsung (nama, ID, alamat, telepon) ATAU secara tidak langsung (konteks: lingkungan, usia, peristiwa, struktur keluarga) dapat diidentifikasi? Apakah berisi data sensitif (kesehatan, agama, etnis, catatan kriminal)? Jika ya, bagian mana? Beri tahu saya apakah teks ini dapat dirender di alat publik. Teks: [tempel teks]
2) Menurunkan versi ke data minimum:
Tentukan informasi PALING PALING diperlukan untuk melakukan pekerjaan berikut. Hapus semua detail pribadi yang tidak diperlukan oleh pekerjaan dan tinggalkan hanya bagian yang tidak dapat diidentifikasi yang diperlukan oleh pekerjaan. Cantumkan informasi apa yang Anda hilangkan dan alasannya. Pekerjaan: [jelaskan tugas] Teks: [tempel teks]
3) De-identifikasi dan kontrol konteks:
Ekstrak pengidentifikasi (nama, ID, alamat, telepon, nama institusi) langsung dari teks di bawah ini. Tandai juga setiap elemen konteks yang tersisa dalam teks (kombinasi keadaan yang jarang terjadi, lokasi + peristiwa tertentu) yang secara TIDAK LANGSUNG dapat memberikan identitas. Sebelum menghapusnya, evaluasi apakah teks tersebut masih membuat orang tersebut dapat diidentifikasi. Teks: [tempel teks]
4) Membuat contoh pelatihan anonim/fiksi:
Menghasilkan contoh kasus yang menyerupai kasus nyata, namun sepenuhnya FIKSI dan bukan milik orang sungguhan; Saya akan menggunakan ini untuk pelatihan/latihan. Menggunakan nama asli, tempat atau peristiwa; Biarkan semuanya palsu. [Topik: penilaian awal perawatan lansia]
Perintah lemah / Perintah kuat
Perintah yang lemah:
Saya menempelkan seluruh file klien ini di bawah, ini akan memberi saya ringkasan yang bagus. (termasuk nama, alamat, informasi kesehatan)
Hal ini berarti memberikan data pribadi yang sensitif ke sistem eksternal yang tidak terkendali — merupakan pelanggaran KVKK dan risiko privasi yang tidak dapat diubah. Hanya karena ringkasannya "bagus" bukan berarti pelanggaran ini bisa dibenarkan.
Perintah yang kuat:
(Hanya dalam sistem aman yang disetujui institusi, atau dengan teks yang tidak teridentifikasi.) Ringkaslah teks yang TIDAK DIIDENTIFIKASI di bawah ini. Saya tidak meninggalkan konteks apa pun dalam teks yang dapat memberikan nama, alamat, ID atau identitas. Hanya memproses informasi yang diperlukan untuk tugas tersebut. Teks: [tempel teks anonim]
Perbedaannya: bekerja dengan alat yang tepat, dengan data minimal dan tidak teridentifikasi, melindungi privasi dan hukum saat menyelesaikan pekerjaan.
Tipe data dan jalur yang benar
Tipe data
contoh
alat yang tepat
Informasi umum
“Apa yang dimaksud dengan tujuan SMART?”
kendaraan terbuka
contoh fiksi
Kasus pelatihan yang dibuat-buat
kendaraan terbuka
Tanpa identitas + tanpa konteks
Penyederhanaan kalimat umum
Buka kendaraan (hati-hati)
data klien
catatan aktual, laporan
Hanya sistem yang aman
Data berkualitas khusus
Kesehatan, hukuman, etnis
Perlindungan tertinggi/sistem aman
Catatan risiko/keamanan
Kekerasan, informasi perlindungan
Perlindungan tertinggi/sistem aman
Kesalahan umum
- Memberikan data klien nyata ke alat terbuka. Kesalahan paling berbahaya dan umum; Pelanggaran KVKK dan penetrasi yang tidak dapat diubah.
- "Saya menghapus nama-nama itu" karena berpikir itu keamanan. Konteks dapat memberikan identitas; Masking bukanlah perlindungan.
- Memasukkan lebih banyak data dari yang diperlukan. Terapkan kebijakan data minimum; Berikan sebanyak yang dibutuhkan pekerjaan.
- Mengambil risiko ketika Anda tidak yakin. Jika ragu, pilihlah jalan yang paling aman, bersikaplah seperti kelas atas.
- Menyembunyikan pelanggaran. Pelaporan dini dan transparan mengurangi dampak buruk; Bersembunyi membuatnya lebih besar.
Singkatnya
Privasi klien adalah landasan kepercayaan dalam pekerjaan sosial, dan di era AI, hal itu juga menjadi kewajiban hukum bagi KVKK. Aturan dasarnya jelas: tidak ada data pribadi yang mengidentifikasi klien yang dimasukkan ke alat publik yang tidak disetujui. Pisahkan kedua dunia (alat terbuka vs. sistem aman), terapkan prinsip data minimum, ketahuilah bahwa menghapus nama saja tidak cukup dan konteks adalah identitas, jika ada keraguan, pilih jalur teraman dan laporkan pelanggaran secara transparan. Privasi bukanlah suatu ukuran yang ditambahkan kemudian, namun sebuah prinsip yang dipatuhi sejak awal.
Tugas aplikasi
Tulis teks kasus fiksi dan lihat item mana yang ditandai AI sebagai data pribadi/pribadi dengan templat “data class preflight”. Kemudian uji dengan pola "de-identifikasi dan pemeriksaan konteks" untuk melihat apakah konteksnya masih memberikan identitas bahkan setelah namanya dihapus. Terakhir, buatlah contoh yang dapat Anda gunakan dengan aman di alat terbuka dengan templat "contoh pelatihan anonim/fiksi".
daftar periksa
- [ ] Sebelum setiap pekerjaan, "Apakah teks ini menggambarkan klien?" saya bertanya.
- [ ] Saya memproses data klien hanya dalam sistem yang disetujui dan aman.
- [ ] Saya menerapkan kebijakan data minimum; Saya tidak menjelaskan secara detail.
- [ ] Mengetahui bahwa menghapus nama saja tidak cukup, saya juga memeriksa konteksnya.
- [ ] Jika ragu, saya memilih jalur teraman dan saya tahu cara melaporkan jika terjadi pelanggaran.