투명성, 공개 데이터 및 정보 접근 — 행정과 정부의 인공지능

이득:

법률에 따라 정보 요청에 대한 응답을 준비하며 그 이상도 그 이하도 설명하지 않습니다.
게시하기 전에 공개 데이터를 익명화하고 재식별 위험이 있는 조합 수준에서 스캔합니다.
투명성은 대중의 신뢰를 높이고 기밀로 유지해야 할 사항을 구별하는 거버넌스 도구라는 것을 알고 있습니다.

민주적 공공행정의 초석은 투명성입니다. 즉, 시민들이 자신과 관련된 결정이 어떻게, 어떤 기준으로 내려지는지 알 수 있는 능력입니다. 이 원칙은 두 가지 구체적인 메커니즘으로 실현됩니다. 첫 번째는 정보에 대한 권리입니다(정보권에 관한 법률 제4982호, 국민은 예외를 제외하고 공공기관에 정보 및 문서를 요청할 수 있음). 두 번째는 공개 데이터입니다. 공공 기관은 자신이 생산하는 데이터의 비개인적이고 기밀이 아닌 부분을 모든 사람이 액세스하고 사용할 수 있는 방식으로 게시합니다. 여기에서 AI는 들어오는 정보 요청을 분류하고, 응답 초안을 작성하고, 제공할 수 있는 정보와 면제되는 정보를 사전 평가하고, 공개 데이터 세트를 게시할 준비를 하는 데 강력한 도움이 됩니다. 그러나 이 단위에서는 두 가지 주의 사항이 중요합니다. 투명성은 그 이상도 그 이하도 되어서는 안 됩니다. 시민에게는 자신이 받을 자격이 있는 정보가 제공되어야 하지만 개인 데이터와 실제 예외 사항은 보호되어야 합니다. 이 균형은 AI가 아닌 담당 공무원이 설정합니다.

지식을 얻는 것의 두 가지 잘못된 목적

정보 요청 시 오류는 두 가지 방향으로 발생할 수 있습니다.

투명성 부족: 제공 가능한 정보를 "기밀/예외"로 간주하여 불필요하게 거부합니다. 이는 권리를 침해하고 기관에 대한 불신을 조성하며 결국 사법부로 가는 경우가 많다.
과잉 공개: 문서를 제출할 때 실수로 제3자의 개인 데이터, 영업 비밀 또는 실제 예외 사항(보안 등)을 공개하는 것입니다. 이는 KVKK를 위반하고 피해를 입힙니다.

AI는 두 가지 측면 모두에서 도움이 될 수 있습니다. 문서를 스캔하고, 그 안에 있는 개인 데이터를 표시하고, 수정(문서의 기밀/개인 부분을 가리거나 제거)을 제안할 수 있습니다. 요청을 평가할 예외 카테고리가 나열될 수 있습니다. 그러나 이 정보를 제공할지, 어느 부분을 가릴지 등 최종 결정은 법적 책임을 지는 사람에게 있습니다.

주의: "이 정보는 예외 범위 내에 있습니다" 또는 "제공될 수 있습니다"라는 AI의 진술은 법적 의견이 아닙니다. 정보 접근에 관한 법률의 관련 조항에 따라 예외 평가가 이루어지고 정당화됩니다. AI는 사전 예선과 초안만 제작합니다.

오픈데이터를 안전하게 공개

공개 데이터는 공공 효율성과 책임성을 향상시킵니다. 기업가, 언론인, 연구원은 이 데이터로부터 가치를 창출합니다. 그러나 데이터 세트를 게시하기 전에 재식별 위험이 있는지 확인해야 합니다(익명으로 간주되는 데이터는 다른 데이터와 결합하여 개인에게 다시 연결됨). 예를 들어, '나이+동네+희귀직업'의 조합은 한 사람을 나타낼 수 있다. 게시할 데이터 세트를 준비할 때 AI는 위험한 열 조합을 표시하고 데이터 사전(각 열의 의미에 대한 설명)을 작성하는 데 도움이 됩니다.

팁: 공개 데이터를 게시하기 전에 "이 세트의 2~3개 열을 결합하여 한 사람을 찾을 수 있습니까?"라고 질문해 보세요. 대답이 '아마도'인 경우 집계(개인이 아닌 그룹), 희귀 카테고리 결합 또는 민감한 영역을 제거합니다.

정보의 단계별 흐름

수요를 이해하고 분류합니다. 요청 내용, 해당 단위, 기간은 얼마나 됩니까?
정보가 존재하는가, 아니면 생산되어야 하는가? 법은 기존 지식을 다루고 있습니다. 기관은 새로운 분석을 생성할 필요가 없을 수도 있습니다(확인됨).
예외 평가. 개인 데이터, 보안, 영업 비밀, 내부 의견 등 예외가 있습니까?
편집. 내보낼 수 있는 문서 중 보존해야 할 부분을 제거합니다.
합리적인 답변. 주어진 부분과 주어지지 않은 부분 및 그 근거 거부된 경우 이의제기 방법.
로그 및 감사 추적. 요청, 결정 및 정당성이 기록됩니다.

세 개의 미니 케이스

사례 1 — 편집 오류가 방지되었습니다. 기관은 정보 공개 요청에 대한 입찰 문서를 제출합니다. AI는 문서를 스캔해 3명의 전화번호와 TR ID 번호를 표시했다. 교정하지 않고 보낸 경우 KVKK 위반이 됩니다. 개인정보는 검게 처리되어 안전하게 문서가 전달되었습니다.

사례 2 — 부당한 거부가 수정되었습니다. 단위는 습관적으로 활동 데이터 요청을 "사내"로 거부합니다. AI에게 예외 범주에 대해 질문했을 때 이 데이터는 실제로 이미 오픈 데이터로 게시할 수 있는 것으로 나타났습니다. 요청이 충족되었고 가능한 이의 제기 및 소송이 예방되었습니다.

사례 3 - 재식별 위험. 지방자치단체는 "서비스 요청" 데이터 세트를 공개 데이터로 게시합니다. 세트에는 동네 + 전체 주소 지구 분석이 포함되었습니다. AI는 주소 필드가 개별 숫자를 가리킬 수 있다고 경고했습니다. 주소는 거리 수준으로 집계되었으며 세트는 안전하게 게시되었습니다.

복사 가능한 템플릿 4개

1) 정보 요청 분류:

귀하의 역할: 정보 수집 전문가. 다음 요청을 처리하십시오: (1) 요청한 내용이 정확히 무엇인지, (2) 관련 단위, (3) 기존 정보 또는 새로운 생산이 필요한지 여부, (4) 가능한 예외 범주(개인 데이터, 보안, 영업 비밀 등). 각 예외는 "관련 기사에 의해 정당화되어야 함"을 지정합니다. 의사결정, 사전평가. 요청: [텍스트]

2) 수정(개인/기밀 데이터 표시):

아래 문서에서 이름-성, TR ID 번호, 주소, 전화번호, 건강/범죄 정보, 제3자 데이터, 영업 비밀 등 정보 응답에서 마스크되어야 하는 모든 부분을 표시하십시오. 각 표시에 대한 간략한 근거를 작성합니다. 문서의 내보낼 수 있는 부분은 그대로 둡니다. 문서: [텍스트]

3) 합리적인 답변 초안:

다음 요청에 대한 합리적인 답변 초안을 작성하십시오: (1) 어떤 정보가 제공되었는지, (2) 어떤 부분이 제공되지 않았는지, 그 이유(예외 조항 [확인 예정]), (3) 이의 제기 방법 및 기간 [확인 예정]. 언어는 형식적이고 정중해야 합니다. 주어지지 않은 부분에 대한 정당성은 일반적이지 않고 구체적이어야 한다. 요청: [요약] 결정: [제공된/제공되지 않은 것]

4) 공개 데이터 재인증 제어:

아래 데이터세트의 열을 살펴보세요. 한 사람을 나타낼 수 있는 열 조합을 나열하십시오(재식별 위험). 집계, 희귀 카테고리 집계, 필드 추출 등 각 위험에 대한 몇 가지 완화 방법을 제안합니다. 주어진 열 목록을 사용하십시오. 열: [목록]

약한 프롬프트 / 강한 프롬프트

약함: “이 정보 요청에 응답하세요.”

Güçlü: "당신의 역할은 정보 단위 전문가입니다. 먼저 요청을 분류하십시오: 요청된 내용, 어떤 단위, 사용 가능 여부, 가능한 예외가 무엇입니까? 각 예외를 '관련 기사에 의해 정당화되어야 함'으로 표시하고 법적 결정을 직접 내리지 마십시오. 그런 다음 문서에서 마스킹되어야 하는 개인/기밀 부분을 편집 제안과 함께 제출하도록 표시하십시오. 마지막으로 제공/제공되지 않은 부분 및 이의를 제기하는 방법을 포함하는 합리적인 응답 초안을 작성하고 정당화하십시오. 콘크리트."

차이점: 강력한 프롬프트는 투명성과 보호의 균형을 맞추고, 예외를 정당화에 연결하고, 수정 및 항소 경로를 추가합니다.

정보 유형별 접근

정보 유형

기본값

주의

통계, 집계된 데이터

열다

재식별 확인

행정조치 사유

주어질 수 있다

제3자 데이터 수정

제3자 개인 데이터

보호됨

KVKK; 하지만 허가/예외가 있는 경우

보안/개인정보 보호 예외

보호됨

진짜 예외인가요 확인

내부 의견/협상

의존한다

익명화 및 재식별 위험

공개 데이터 게시에서 가장 기술적이면서도 중요한 단계는 익명화(데이터에서 직접 또는 간접적으로 개인을 식별할 수 없게 만드는 것)입니다. 이름과 T.R. ID 번호를 삭제하는 것만으로는 충분하지 않은 경우가 많습니다. 여러 개의 일상적인 영역이 결합되어 사람을 재식별할 수 있기 때문입니다. 이를 재식별(익명으로 간주되는 데이터와 다른 정보를 교차 대조하여 개인을 찾는 것)이라고 합니다. 예를 들어, 동네에 92세 홀아비가 있다면 '동네+나이+결혼 여부' 3인방이 그 사람을 드러낸다. AI는 데이터 세트에서 공개 위험이 있는 필드 조합을 선별하고 보다 안전한 그룹화(연령을 범위로 변환, 희귀 카테고리 결합)를 제안하는 데 도움을 줄 수 있습니다. 그러나 출판 결정과 최종 감사는 해당 기관의 책임입니다.

미니 케이스 - 세 가지 영역으로 공개됩니다. 한 지방자치단체는 이름은 밝히지 않고 동네, 출생 연도, 장애 유형 등 사회 부조 데이터를 "익명"으로 게시했습니다. 한 저널리스트는 한 동네의 한 사람에게서 희귀한 유형의 장애를 발견하고 그 사람의 신원을 확인했습니다. 데이터가 철회되었습니다. 출생 연도를 10년 간격으로 변환하고 희귀 카테고리를 '기타'로 분류하여 다시 출판되었습니다.

재식별 위험을 검사하는 템플릿:

작업: 다음 데이터 세트의 열을 조사합니다. 개인 데이터를 게시하지 않으며 위험 검사만 원합니다.열: [열 이름]출력: 1) 직접 식별자(삭제해야 함). 2) 간접 식별자 조합(재식별 위험). 3) 각 위험 조합에 대한 그룹화/마스킹을 권장합니다. 4) 출판 전 최종 확인 질문. 규칙: 실제 개인 가치를 붙여넣지 않았습니다. 열 구조를 고려하십시오.

주의: "이름을 삭제했습니다. 이제는 익명입니다."는 가장 일반적이고 위험한 오해입니다. 익명성은 필드 자체가 아니라 필드의 조합과 외부 데이터와의 일치 확률에 의해 결정됩니다. 의심스러우면 게시하지 마세요. 익명성은 취소할 수 없는 결정입니다.

일반적인 실수

습관적으로 거부하는 것. 불필요한 '기밀'로 간주되어 제공될 수 있는 정보를 고려하는 것은 권리 침해이자 소송의 원인이 됩니다.
수정되지 않은 문서를 제출합니다. 제3자 데이터를 공개하는 것은 KVKK를 위반하는 것입니다.
정당한 사유 없이 예외를 사용합니다. 거절은 구체적인 내용과 구체적인 정당성을 가지고 이루어져야 합니다. "사내"라고 말하는 것만으로는 충분하지 않습니다.
AI의 법적 판단에 의존합니다. 예외를 두는 결정은 사람의 몫입니다. AI가 사전 자격을 갖추었습니다.
공개 데이터에서 재식별을 우회합니다. 열 조합으로 사람을 찾을 수 있습니다. 골재.
이의제기 수단을 명시하지 않음. 거절시에는 신청방법 및 기간을 기재(확정)하여야 합니다.

요약하면

투명성은 대중의 신뢰의 기초입니다. AI는 FOI 요청 분류, 교정 추천, 응답 초안 작성, 공개 데이터 출판 준비에 강력한 도움을 줍니다. 그러나 균형이 중요합니다. 시민에게 권리가 있는 정보를 제공해야 하며, 실제 예외 사항과 개인 데이터는 보호되어야 합니다. 예외를 두는 결정은 합리적이고 인간적이어야 합니다. 공개 데이터는 게시 전에 재식별 위험이 있는지 감사해야 합니다.

응용과제

실제(마스크된) 정보 자유 요청을 받습니다. "분류 요청" 템플릿으로 사전 평가하고, 첨부 문서에 "수정" 템플릿을 적용한 후 마스킹할 영역을 표시합니다. 공개 데이터 세트의 열에 "공개 데이터 재식별 확인" 템플릿을 적용하고 위험한 조합을 하나 이상 찾아냅니다.

체크리스트

[ ] 요청을 분류했습니다. 불필요하게 제공될 수 있는 정보를 거부하지 않았습니다.
[ ] 구체적인 실체와 정당성(인간의 결정)으로 예외사항을 평가했습니다.
[ ] 제출할 문서의 개인/기밀 데이터를 수정했습니다.
[ ] 거절시 이의신청 방법 및 기간(확정)을 명시하였습니다.
[ ] 오픈데이터의 재식별 위험성을 확인하였습니다.
[ ] 감사요청, 결정, 감사사유를 기록하였습니다.