利益:
- データを機密性 (公開/内部/機密/重要) に従って分類し、公開ツールに公開することなく機密データと重要データを匿名化する機能
- 検証を反射神経に変えて事実をマークし、情報源に行き、リスクに応じて人工知能によって与えられる情報源を開く手順をスケールする
- 削除は保護ではなく、責任を媒体に帰すことはできないことを理解し、透明性、帰属、機密保持の倫理を適用する能力。
このモジュールの各ユニットでは、機密性の維持と各出力の検証という 2 つの原則が繰り返されました。この単元では、これら 2 つの原則を 1 つの体系的な規律に変えます。個人の生産性向上に AI を使用する最大のリスクは、速度や品質ではなく、データの漏洩と検証されていない虚偽だからです。間違ったメールは 1 つだけ修正できます。サーバーに送信された顧客データは取得できません。自信に満ちた口調で提示されたでっち上げの数字は、気づかれないと決定を反証することになります。そのため、プライバシーと認証は、「後から追加する」のではなく、最初から構築される効率の基礎となります。
条項。個人データとは、名前、ID 番号、電子メール、健康状態、所在地など、個人を特定する情報です。 KVKK/GDPR は、個人データの保護を規制する法律です (トゥルキエでは KVKK、EU では GDPR)。データ分類は、機密性 (公開、内部、機密) に従って情報にラベルを付ける行為です。匿名化とは、データから個人を特定できる要素を削除することです。検証とは、独立した情報源を使用して出力の正確性を検証することです。
プライバシー: 何を貼り付けて、何を貼り付けてはいけないのか
ほとんどの場合、AI ツールに入力した内容はすべてサーバーに送信され、何らかのサービスに保存されたり、モデルのトレーニングに使用されたりすることができます。基本的な質問は、この情報を未知の第三者に提供する意思はありますか?ということです。答えがノーなら、AIにも渡さないでください。
単純な分類を使用します。
クラス
例
AIに該当するのでしょうか？
一般
公表情報・草案文
無料
インテリア
プロセスメモ、一般的な会議の概要
匿名化することで
秘密
顧客データ、財務記録、戦略
機関が承認した車両のみ
クリティカル
パスワード、APIキー、契約、健康状態
決して
実際の保護: 個人データを匿名化します (名前を「個人 A」、会社を「会社 X」にする)。教育機関が承認した AI ツールを使用します (エンタープライズ版では、トレーニングでデータを使用しないことが保証されていることがよくあります)。 AI 使用ポリシーを読んでください。そうでない場合は、デフォルトで警告が表示されます。
注意: 「チャットを削除したので安全になった」という前提は間違っています。削除するとインターフェイスから削除されますが、サーバー上のレコードやトレーニングに関係するデータは復元されません。保護は接着前に始まります。その後ではありません。
検証: 体系的な習慣
「思いついたらやってみよう」ではなく、反射的に検証するようにしましょう。実践的な検証規律は次のとおりです。
- 事実をマークしてください。印刷物に含まれるすべての名前、日付、番号、見積書、法律の一部、主張などは検証されます。
- ソースに行きます。独立した信頼できる情報源を使用してあらゆる事実を確認してください。 AI が提供するソースを開いて読んでください。それは存在しますか、その情報は含まれていますか?
- リスクに応じてスケールします。リスクの低い内部ノートをわずかにコントロールします。一か八かのプレゼンテーションや外部コミュニケーションを完全にコントロール。
- 不確実なものを受け入れてください。 AIが「わからない」と答えたり、情報が確認できない場合は、捏造で空白を埋めないでください。 「未確認」のままにしておきます。
主な特徴: AI の言語処理 (流暢な文章、きちんとした構造、適切な口調) は、一般的に信頼できます。 AI の主張する事実 (この数値、この日付、この情報源) を盲目的に信用しないでください。検証はこの 2 つを分離します。
倫理: 透明性と責任
効率化のために AI を使用することは倫理的な問題ではありませんが、それをどのように使用するかが問題になる可能性があります。 3 つの原則: 透明性 — 状況によっては (学術研究、ジャーナリズム、公式文書)、AI を使用していることを示す必要がある場合があります。帰属 — AI を通じて他人のアイデアを採用し、それを自分のものとして提示することは、たとえ媒体が変わったとしても盗作です。責任 — あなたが投稿するものはすべてあなたの責任です。 「AIが書いた」というのは言い訳にはなりません。
ステップバイステップ: 安全な AI ワークフロー制御
- 貼り付ける前に並べ替えます。このデータはどのクラスのものですか?シークレット/クリティカルの場合は停止します。
- 匿名化します。必要がない場合は私物を取り外してください。
- 事実を作成し、マークします。検証する出力内の項目を特定します。
- 確認する。リスクに応じたソースベースの確認。
- それを所有してください。自分の声でレタッチし、責任を持ってください。
- 自分のマークを知ってください。何をどこに貼り付けたか、どのツールがデータを保存したかを追跡します。
コピー可能な 4 つのセキュリティ/認証テンプレート
AI に渡す前に、次のテキストを匿名化します。 - 名前を「人物 A/B」に、会社名を「会社」に変更します。
この AI 出力で検証する必要があるすべての事実をリストします。 - 名前、日付、数値、統計、引用、主張ごとに個別に箇条書きを作成します。 - 「どうやって検証すればよいですか?」と尋ねます。それぞれに。 (どのソースを) 提案します。 - 検証不可能/疑わしいものにフラグを立てます。出力: """[貼り付け]"""
提示した情報源に従って、次の主張を検証してください: 主張: [番号/事実]。- この主張は、あなたが言及した情報源に本当に含まれていますか?- それ以外の場合は、「この情報源では確認できませんでした」と言って、でっち上げてください。- 確信がない場合は、確信しているかのように話さないでください。
このタスクにどのようなプライバシー リスクがあるかを確認します: タスク: [AI を使用して実行しようとしている作業、使用するデータ]。- それはどのデータ クラスに分類されますか (パブリック/内部/機密/重要)?- パブリック AI ツールに含めるべきかどうか?- そうでない場合、安全な代替手段は何ですか?
弱いプロンプト / 強いプロンプト
弱者: 「顧客からの苦情メールを要約してください。」 (これには顧客の名前、注文 ID、おそらく電話番号が含まれます。すべてサーバーに直接送信されます。)
強力: まずテキストを匿名化し (「顧客 A、注文 [ID 非表示]、この製品に関する苦情」)、次に「この匿名化されたテキストを要約してください」と言います。効率は同じで、個人データの漏洩はゼロです。違いはアウトプットにあるのではなく、インプットを維持することにあります。
ミニケース3個
ケース 1 — 不可逆的な漏れ。従業員は顧客リスト全体（名前、電話番号、支出金額）を汎用 AI ツールに貼り付けて「セグメント化」しました。機関はこれを KVKK の違反と評価した。データは現在サードパーティのサーバー上にあり、取得できませんでした。匿名化されたデータやエンタープライズ ツールを使用すれば、同じ分析をリスクなく実行できます。
ケース 2 — 検証反射を与えます。あるジャーナリストは、AI が提供するすべての統計や引用を、出版前に元の情報源で事実確認することを習慣にしていました。 1週間で、AIが与えた5つの「事実」のうち2つが虚偽であることが判明した。この反射神経により、誤報や評判の低下の可能性が回避されました。
ケース 3 — 「AI が書いた」という言い訳は機能しませんでした。コンサルタントは、AI が生成したレポートを検証せずにクライアントに送信しました。その中にある虚偽の法的主張が顧客を誤解させました。 「AI から来たものである」という弁護は、顧客にも規制当局にも通用しませんでした。責任はコンサルタントにありました。教訓: ツールは変わりますが、責任は変わりません。
よくある間違い
- 機密/重要データの貼り付け: 最もコストがかかり、取り返しのつかないミスです。まず分類します。
- 「削除したから大丈夫」と考える: 削除してもサーバーの登録は取り消されません。貼り付ける前の保護。
- 事実と言語を混同する: 言語を信頼し、事実を確認し、この 2 つを分離します。
- AI によって提供されたソースを開かない: 偽のインプリントが生成される可能性があります。ソースを参照してください。
- 「AIが書いた」とツールのせいにするのは言い訳にはなりません。
- ポリシーがわからない: 組織の AI 使用ポリシーを読んでください。それ以外の場合は注意してください。
ヒント: 「公開 AI ツールには機密情報や重要なものは貼り付けません。送信する前にすべての図とソースを確認します。」という簡単な個人ルールを自分に課してください。この 2 文のルールにより、このモジュールのリスクのほとんどがすぐにカットされます。
要約すれば
- AI の最大のリスクは速度や品質ではなく、データの漏洩と未検証の不正確さです。
- データを分類します (公開/内部/機密/重要)。機密情報や重要情報は公開 AI ツールに渡さず、匿名化してください。
- 削除は保護ではありません。保護は接着前から始まります。
- 検証を反射神経に変えます。事実にフラグを立て、ソースにアクセスし、AI のソースを開き、リスクに応じてスケールします。
- AI の言語を信頼し、その事実を信頼してください。責任は車両にあるのではなく、常にあなたにあります。
アプリケーションタスク
今週 AI に与える実際のテキストを考えてみましょう。 4 番目のテンプレートでは、まずプライバシー クラスを決定します。機密データがある場合は、最初のテンプレートを使用して匿名化します。 AI 出力を受け取った後、2 番目のテンプレートに検証対象の事実をリストさせ、元のソースでそれらの少なくとも 1 つを確認します。 2 文のプライバシー検証ルールを自分で作成し、どこかに投稿します。
チェックリスト
- [ ] データを分類してから貼り付けました。
- [ ] 私は公開 AI ツールに機密/重要データを提供しませんでした。必要に応じて匿名化しました。
- [ ] 出力内のすべての事実 (名前、日付、番号、ソース) を検証しました。
- [ ] AIがくれたソースを開いて、本当に含まれているか確認してみました。
- [ ] 企業の AI ポリシーを必ず理解しました。
- [ ] 最終的な出力は私が責任を負いました。