利益:
- 法律に従って情報要求に対する回答を準備し、それ以上でも以下でも説明しません。
- 公開前にオープンデータを匿名化し、再特定の危険性がある組み合わせレベルでスキャンします。
- 透明性は国民の信頼を高め、何を秘密にしておくべきかを区別するガバナンスツールであることを知っています。
民主的な行政の基礎は透明性、つまり自分たちに関係する決定がどのように、どのような根拠で行われるのかを国民が知る能力です。この原則は 2 つの具体的なメカニズムで実現されます。 1つ目は、情報への権利（情報への権利に関する法律第4982号。例外を除き、国民は公的機関に情報や資料を請求することができる）です。 2 つ目はオープンデータです (公的機関は、誰もがアクセスして使用できる方法で、作成したデータの非個人的および非機密部分を公開します)。ここで、AI は、受信した情報要求の分類、応答草案の作成、提供できる情報と免除される情報の事前評価、および公開用のオープン データ セットの準備において強力な支援となります。しかし、この単元の 2 つの注意点は重要です。透明性はそれ以上であってもそれ以下であってはなりません。国民には権利のある情報が与えられるべきですが、個人データと実際の例外は保護されるべきです。このバランスは、AI ではなく、責任ある公務員によって確立されます。
知識を得るという2つの間違った目的
情報の要求では、次の 2 つの方向でエラーが発生する可能性があります。
- 透明性の欠如: 提供可能な情報を「機密/例外」として不必要に拒否します。これは権利を侵害するだけでなく、制度に対する不信感を生み出し、最終的には司法の場にまで及ぶことも少なくありません。
- 過剰開示: 文書を提出する際に、第三者の個人データ、企業秘密、または実際の例外 (セキュリティなど) を誤って明らかにしてしまうこと。これは KVKK に違反し、損害が発生します。
AI は両方の側面で役立ちます。文書をスキャンし、その中の個人データにマークを付け、編集を提案します (文書の機密部分や個人的な部分を隠したり削除したりする)。リクエストを評価する例外カテゴリがリストされる場合があります。しかし、この情報が提供されるかどうか、どの部分が隠蔽されるかという最終的な決定は、法的責任を負う人物に属します。
注意: AI の「この情報は例外の範囲内である」または「提供できる」という発言は、法的な意見ではありません。例外の評価は、情報アクセス法の関連条項に従って行われ、正当化されます。 AI は事前審査とドラフトのみを生成します。
オープンデータを安全に公開する
オープンデータは公共の効率性と説明責任を高めます。起業家、ジャーナリスト、研究者は、このデータから価値を生み出します。ただし、データセットを公開する前に、再特定のリスクがないかどうかを確認する必要があります（匿名だと思われているデータは、他のデータと組み合わせることで個人に関連付けられます）。たとえば、「年齢 + 近所 + 珍しい職業」の組み合わせは、1 人の人物を示す可能性があります。公開用のデータセットを準備する場合、AI は危険な列の組み合わせにフラグを立てたり、データ ディクショナリ (各列の意味の説明) を作成したりするのに役立ちます。
ヒント: オープン データを公開する前に、「このセット内の 2 ～ 3 つの列を組み合わせて 1 人の人物を見つけることができますか?」と尋ねてください。答えが「おそらく」の場合は、（個別ではなくグループを）集約するか、まれなカテゴリを組み合わせるか、デリケートな領域を削除します。
段階的な情報の流れ
- 需要を理解し、分類します。何が要求されますか、どの単位が関係しますか、期間はどれくらいですか?
- 情報は存在しますか、それとも作成する必要がありますか?この法律は既存の知識を対象としています。機関は新たな分析を作成する必要はないかもしれない（確認済み）。
- 例外評価。個人データ、セキュリティ、企業秘密、社内意見などの例外はありますか?
- 編集。エクスポート可能なドキュメントのうち、保存する必要がある部分を削除します。
- 合理的な答え。与えられた/与えられなかった部分とその根拠。拒否された場合の異議申し立て方法。
- ログと監査証跡。要求、決定、正当化が記録されます。
ミニケース3個
ケース 1 — 編集エラーが回避されました。政府機関は情報公開請求に入札書類を提出することになる。 AI は文書をスキャンし、3 人の電話番号と TR ID 番号をマークしました。校正せずに送信していたら、KVKK の違反になっていたでしょう。個人情報は黒く塗りつぶされていましたが、書類は無事に届けられました。
ケース 2 — 不当な拒否が修正されました。部門は活動データの要求を「社内」として拒否することが常でした。 AI に例外カテゴリーについて質問したところ、このデータは実際にはすでにオープン データとして公開可能であることがわかりました。要求は満たされ、異議申し立てや訴訟の可能性は回避されました。
ケース 3 — 再識別のリスク。自治体は「サービスリクエスト」データセットをオープンデータとして公開します。このセットには、近隣地域と完全な住所地区の内訳が含まれていました。 AI は、住所フィールドが個々の数字を指している可能性があると警告しました。住所は街頭レベルまで集約され、セットは安全に発行されました。
コピー可能な 4 つのテンプレート
1) 情報要求の分類:
あなたの役割: 情報収集のスペシャリスト。次のリクエストを処理します: (1) リクエストの正確な内容、(2) どのユニットに関係するか、(3) 既存の情報が必要か、それとも新しい制作物が必要か、(4) 考えられる例外カテゴリ (個人データ、セキュリティ、企業秘密など)。各例外は「関連する条項によって正当化されなければならない」と指定します。意思決定、事前評価。リクエスト: [テキスト]
2) 編集 (個人/機密データのマーキング):
以下の文書で、情報応答でマスクする必要があるすべての部分にマークを付けます: 氏名、TR ID 番号、住所、電話番号、健康/犯罪情報、第三者データ、企業秘密。各記号の簡単な理由を書きます。ドキュメントのエクスポート可能な部分はそのままにしておきます。文書: [テキスト]
3) 理由のある回答草案:
次の要請に対する論理的な回答の草案を作成してください: (1) どのような情報が提供されたか、(2) どの部分が提供されなかったのか、およびその理由 (例外条項 [確認予定])、(3) 異議申し立ての方法と期間 [確認予定]。言葉遣いはフォーマルで敬意を持ったものでなければなりません。示されていない部分の正当な理由は、一般的なものではなく、具体的なものである必要があります。要求: [要約] 決定: [与えられたもの/与えられなかったもの]
4) オープンデータ再認証制御:
以下のデータセットの列を調べてください。どの列の組み合わせが 1 人の人物を示す可能性があるかをリストします (再識別のリスク)。リスクごとにいくつかの軽減策を提案します: 集約、まれなカテゴリの集約、フィールド抽出。指定された列リストを使用するだけです。列: [リスト]
弱いプロンプト / 強いプロンプト
弱者: 「この情報要求に応答してください。」
ギュシュル: 「あなたの役割は情報部門の専門家です。まず、要求を分類します。何が要求されているか、どの部門が利用可能か、考えられる例外は何か。それぞれの例外を「関連記事によって正当化される」とマークし、自分で法的判断を下さないでください。次に、提出する文書内でマスキングする必要がある個人/機密部分に墨消しの提案を付けます。最後に、与えられた部分と与えられなかった部分、および反対の方法を含む理由のある回答草案を作成し、正当化します。コンクリート。」
違い: 強力なプロンプトは透明性と保護のバランスをとり、例外を正当化に結び付け、編集と異議申し立てのパスを追加します。
情報の種類別のアプローチ
情報の種類
デフォルト
注意
統計、集計データ
開く
再本人確認チェック
行政処分の理由
与えることができます
サードパーティデータを編集する
第三者の個人データ
保護された
KVKK;ただし許可/例外あり
セキュリティ/プライバシーの例外
保護された
それは本当に例外ですか、確認してください
社内意見・交渉
依存
該当記事に従って評価する
匿名化と再識別のリスク
オープンデータを公開する際の最も技術的だが重要なステップは、匿名化 (データから直接的または間接的に個人を特定できないようにすること) です。名前とT.R.多くの場合、ID 番号を削除するだけでは十分ではありません。なぜなら、いくつかの普通の領域を組み合わせることで、その人を再識別できるようになるからです。これを再識別（匿名と思われるデータと他の情報を照合して本人を見つけること）といいます。たとえば、近所に 92 歳の未亡人が 1 人いる場合、「近所 + 年齢 + 婚姻状況」という 3 つの組み合わせによって、その人が判明します。 AI は、データセット内のどのフィールドの組み合わせが開示の危険にさらされているかをスクリーニングし、より安全なグループ化 (年齢を範囲に変換し、まれなカテゴリーを組み合わせる) を提案するのに役立ちます。ただし、公開の決定と最終監査は機関の責任です。
ミニケース — 3 つの領域による開示。ある自治体は生活保護データを「匿名」で公開したが、名前は記載せず、近隣地域、誕生年、障害の種類を記載した。あるジャーナリストが、ある地域の 1 人にまれな種類の障害があることに気づき、その人物を特定しました。データが撤回されました。生まれ年を10年刻みに換算し、レアカテゴリーを「その他」にまとめて再掲載した。
再識別リスクをスクリーニングするテンプレート:
タスク: 次のデータセットの列を調べます。個人データは公開しません。リスク スクリーニングのみが必要です。列: [列名]出力: 1) 直接識別子 (削除する必要があります)。 2) 間接的な識別子の組み合わせ (再識別のリスク)。 3) 危険な組み合わせごとに推奨されるグループ化/マスキング。 4) 公開前の最終チェック質問。ルール: 実際の個人的な値は貼り付けませんでした。列の構造を考慮してください。
注意: 「名前を削除したので匿名になった」は最も一般的で危険な誤解です。匿名性はフィールド自体ではなく、フィールドの組み合わせと外部データと一致する確率によって決まります。疑わしい場合は公開しないでください。匿名性は取り消しできない決定です。
よくある間違い
- 習慣的に拒否すること。提供できる情報を不必要な「機密」とみなすことは権利侵害であり、訴訟の原因となります。
- 編集されていない文書を提出する。サードパーティのデータを公開することは KVKK の違反です。
- 正当な理由なく例外を使用する。拒否は具体的な内容と具体的な理由を伴って行われなければなりません。 「社内」というだけでは十分ではありません。
- AIの法的判断に頼る。例外を設けるかどうかの決定は人間が行うものです。 AI は事前資格を取得します。
- オープンデータでの再識別を回避します。列の組み合わせで人物を見つけることができます。集計。
- 異議の手段を特定しない。お断りの場合は申請方法と期間を記載（確認）する必要があります。
要約すれば
透明性は国民の信頼の基礎です。 AI は、FOI リクエストの分類、校正の推奨、回答の草稿、公開用のオープンデータの準備を強力に支援します。しかしバランスが重要です。国民には権利のある情報が与えられなければなりませんが、実質的な例外があり、個人データは保護されなければなりません。例外を設ける決定は、合理的で人間的なものでなければなりません。オープンデータは公開前に再特定のリスクがないか監査する必要があります。
アプリケーションタスク
本当の（仮面をかぶった）情報公開請求を受け取ります。 「リクエスト分類」テンプレートを使用して事前評価し、添付文書に「墨消し」テンプレートを適用して、マスクする領域をマークします。 「オープン データ再識別チェック」テンプレートをオープン データ セットの列に適用し、少なくとも 1 つの危険な組み合わせを見つけます。
チェックリスト
- [ ] リクエストを分類しました。不必要に与えられる情報を拒否しませんでした。
- [ ] 例外を具体的な内容と正当化（人間の判断）で評価しました。
- [ ] 提出書類の個人/機密データを編集しました。
- [ ] 拒否の場合、異議の方法と期間を記載しました（確認済み）。
- [ ] オープンデータにおける再特定のリスクを調べてみた。
- [ ] 監査の要求、決定、および正当化を記録しました。