നേട്ടങ്ങൾ:
- ഒരു RACI മാട്രിക്സ് ഉപയോഗിച്ച് ഗവേണൻസ് റോളുകൾ നിർവചിക്കുന്നു
- സമതുലിതമായ അംഗീകാര പ്രക്രിയയും പതിവ് ഓഡിറ്റ് പ്രോഗ്രാമും സ്ഥാപിക്കുക
- 72 മണിക്കൂർ റൂൾ ഉപയോഗിച്ച് AI, ഡാറ്റാ ലംഘന സംഭവ പ്രതികരണ പ്ലാൻ എന്നിവ നടപ്പിലാക്കുക
ആദ്യ യൂണിറ്റ് മുതൽ ഈ ഘട്ടം വരെ ഞങ്ങൾ പോളിസി എഴുതി, നിയമനിർമ്മാണം പഠിച്ചു, അപകടസാധ്യതകൾ വിലയിരുത്തി. ഇപ്പോൾ ഇതെല്ലാം ഒരു വർക്കിംഗ് സിസ്റ്റത്തിലേക്ക് പ്ലഗ് ചെയ്യാനുള്ള സമയമാണ്. ഒരു നയം എത്ര നന്നായി എഴുതിയാലും, അതിന് പിന്നിൽ റോളുകളും അംഗീകാര പ്രവാഹങ്ങളും ഓഡിറ്റിംഗും സംഭവ പ്രതികരണങ്ങളും ഇല്ലെങ്കിൽ, അത് ഒരു രേഖയായി ഷെൽഫിൽ അവശേഷിക്കുന്നു. ഈ ക്ലോസിംഗ് യൂണിറ്റിൽ, AI ഭരണത്തെ സജീവമായി നിലനിർത്തുന്ന നാല് സംവിധാനങ്ങൾ ഞങ്ങൾ സംയോജിപ്പിക്കുന്നു-റോളുകൾ (RACI), അപ്രൂവൽ പ്രോസസ്, റെഗുലർ ഓഡിറ്റ്, സംഭവ പ്രതികരണം - കൂടാതെ ചട്ടക്കൂട് പൂർത്തിയാക്കുകയും ചെയ്യുന്നു.
വ്യക്തമാക്കുന്ന റോളുകൾ: RACI മാട്രിക്സ്
ഭരണത്തിൻ്റെ ആദ്യ നിയമം: എല്ലാ ജോലികൾക്കും ഒരു ഉടമ ഉണ്ടായിരിക്കണം. ഇത് വ്യക്തമാക്കുന്നതിനുള്ള ക്ലാസിക് ഉപകരണം RACI മാട്രിക്സ് ആണ്. നാല് റോളുകളുടെ ഇനീഷ്യലിൽ നിന്നാണ് RACI വരുന്നത്:
- R (ഉത്തരവാദിത്തം / ചെയ്യുന്നയാൾ): യഥാർത്ഥത്തിൽ ജോലി നിർവഹിക്കുന്നയാൾ.
- എ (ഉത്തരവാദിത്തം): ആത്യന്തികമായി ഉത്തരവാദിത്തമുള്ള ഒരാൾ മാത്രമേ ഉണ്ടാകാവൂ.
- സി (കൺസൽറ്റഡ്): ആരുടെ അഭിപ്രായം സ്വീകരിച്ചുവോ ആൾ.
- ഞാൻ (വിവരമുള്ളത്): അറിയിച്ചു.
അന്വേഷണം
(ആർ) നിർമ്മിച്ചത്
അക്കൗണ്ടബിൾ (എ)
കൺസൾട്ടഡ് (സി)
അറിയിച്ചു (ഞാൻ)
നയം എഴുതുന്നു
AI ഉദ്യോഗസ്ഥൻ
പാലിക്കൽ മാനേജർ
നിയമ, ഐ.ടി, എച്ച്.ആർ
മുതിർന്ന മാനേജ്മെൻ്റ്
പുതിയ വാഹന അനുമതി
ഐടി/സുരക്ഷ
പാലിക്കൽ മാനേജർ
നിയമം
ബിസിനസ് യൂണിറ്റ്
DPIA നിർവ്വഹണം
ഡാറ്റ പ്രൊട്ടക്ഷൻ ഓഫീസർ
പാലിക്കൽ മാനേജർ
ബന്ധപ്പെട്ട ടീം
മുതിർന്ന മാനേജ്മെൻ്റ്
ലംഘന പ്രതികരണം
സുരക്ഷാ സംഘം
മുതിർന്ന മാനേജ്മെൻ്റ്
നിയമം, ആശയവിനിമയം
മുഴുവൻ സ്ഥാപനവും
ഓഡിറ്റ്
ആന്തരിക ഓഡിറ്റ്
പാലിക്കൽ മാനേജർ
യൂണിറ്റുകൾ
മുതിർന്ന മാനേജ്മെൻ്റ്
നുറുങ്ങ്: ഒരു വരിയിൽ ഒരു "എ" (ഉത്തരവാദിത്തം) മാത്രം ഉണ്ടായിരിക്കുക. രണ്ട് ആത്യന്തികമായി ഉത്തരവാദികളാണ്, പൂജ്യം ഉത്തരവാദിയാണ്; പ്രതിസന്ധി ഘട്ടത്തിൽ "നിങ്ങൾ നോക്കുകയാണെന്ന് ഞാൻ കരുതി" എന്ന വാചകം ഇവിടെ നിന്നാണ് വരുന്നത്. ഒരൊറ്റ റോളിൽ ഉത്തരവാദിത്തം നിശ്ചയിക്കുന്നത് ഭരണത്തിൻ്റെ പെരുവിരലിൻ്റെ ചട്ടമാണ്.
സമതുലിതമായ അംഗീകാര പ്രക്രിയ
ഒരു പുതിയ AI ടൂളിനോ അതിൻ്റെ ഉപയോഗത്തിനോ ഒരു അംഗീകാര പ്രക്രിയ ആവശ്യമാണ്. രണ്ട് കെണികൾ ഒഴിവാക്കിയിരിക്കുന്നു: വളരെ അയഞ്ഞതാണ് (എല്ലാം സൗജന്യമാണ്, ഷാഡോ AI) വളരെ കർക്കശമാണ് (എല്ലാം മാസങ്ങളോളം അംഗീകാരത്തിനായി കാത്തിരിക്കുന്നു, ആരും ശല്യപ്പെടുത്തുന്നില്ല). അപകടസാധ്യതയെ അടിസ്ഥാനമാക്കിയുള്ള ക്രമാനുഗതമായ അംഗീകാരമാണ് ട്രേഡ് ഓഫ്:
റിസ്ക് ലെവൽ
ഉദാഹരണം
അംഗീകാര പാത
താഴ്ന്ന
തുറന്ന ഡാറ്റയുള്ള ടെക്സ്റ്റ് ഡ്രാഫ്റ്റ്
അംഗീകാരം ആവശ്യമില്ല, നയത്തിനുള്ളിൽ സൗജന്യമാണ്
ഇടത്തരം
ഇൻ-ഹൗസ് ഡാറ്റ ഉപയോഗിച്ച് വിശകലനം
യൂണിറ്റ് മാനേജർ + അംഗീകൃത വാഹന ആവശ്യകത
ഉയർന്നത്
വ്യക്തിഗത/സ്വകാര്യ ഡാറ്റ, സ്വയമേവയുള്ള തീരുമാനം
പാലിക്കൽ + നിയമപരമായ അംഗീകാരം + DPIA
കുറഞ്ഞ അപകടസാധ്യതയുള്ള ഉപയോഗങ്ങൾ റിലീസ് ചെയ്യുന്നത് പ്രക്രിയയുടെ ഉടമസ്ഥാവകാശം ഏറ്റെടുക്കാൻ ടീമുകളെ അനുവദിക്കുന്നു; ഉയർന്ന അപകടസാധ്യതയുള്ളവരെ കർശന നിയന്ത്രണത്തിലാക്കുന്നത് യഥാർത്ഥ അപകടസാധ്യത നിയന്ത്രിക്കുന്നു. അതിനാൽ, പ്രക്രിയ വേഗത്തിലും സുരക്ഷിതവുമാണ്.
പതിവ് പരിശോധന
ഭരണം ഒരു ജീവനുള്ള സംവിധാനമാണ്; പതിവ് മേൽനോട്ടമില്ലാതെ അത് മരിക്കുന്നു. ഓഡിറ്റ് പരിശോധനകൾ: അംഗീകൃത ലിസ്റ്റിൽ ഇപ്പോഴും ഉപയോഗിക്കുന്ന വാഹനങ്ങളാണോ, ഷാഡോ AI യുടെ ലക്ഷണങ്ങൾ ഉണ്ടോ, നിലനിർത്തൽ കാലയളവുകൾ പ്രയോഗിച്ചിട്ടുണ്ടോ, DPIA കാലികമാണോ, സംഭവങ്ങൾ രേഖപ്പെടുത്തിയിട്ടുണ്ടോ. ഓഡിറ്റ് ആവൃത്തി നിർണ്ണയിക്കുന്നത് അപകടസാധ്യതയെ അടിസ്ഥാനമാക്കിയാണ് (ഉദാ. ഉയർന്ന അപകടസാധ്യതയുള്ള സിസ്റ്റങ്ങൾക്ക് ത്രൈമാസികം, പൊതുവായവയ്ക്ക് ഓരോ ആറുമാസവും).
ശ്രദ്ധിക്കുക: ഓഡിറ്റിംഗ് എന്നത് "ആരെയെങ്കിലും കുറ്റപ്പെടുത്താനുള്ള" ഒരു ഉപകരണമല്ല, മറിച്ച് "സിസ്റ്റം മെച്ചപ്പെടുത്താനുള്ള" ഒരു ഉപകരണമാണ്. ശിക്ഷാ കേന്ദ്രീകൃതമായ ഓഡിറ്റ് സംസ്കാരം പ്രശ്നങ്ങൾ മറയ്ക്കാൻ ജീവനക്കാരെ പ്രേരിപ്പിക്കുകയും ഷാഡോ AI വളർത്തുകയും ചെയ്യുന്നു. പ്രശ്നങ്ങൾ നേരത്തെ കണ്ടറിഞ്ഞ് പരിഹരിക്കുകയാണ് ലക്ഷ്യം.
സംഭവ പ്രതികരണവും 72 മണിക്കൂർ നിയമവും
എത്ര നന്നായി കൈകാര്യം ചെയ്താലും, ഒരു ദിവസം ഒരു സംഭവം സംഭവിക്കും: ഡാറ്റ ചോർച്ച, തെറ്റായ AI തീരുമാനം, രഹസ്യ ഡാറ്റ തെറ്റായ ഉപകരണത്തിലേക്ക് പ്രവേശിക്കൽ. എന്താണ് ചെയ്യേണ്ടതെന്ന് ഒരു സംഭവ പ്രതികരണ പദ്ധതി നിർദ്ദേശിക്കുന്നു:
- കണ്ടെത്തലും നിയന്ത്രണവും: സംഭവം തിരിച്ചറിയുക, അതിൻ്റെ വ്യാപനം നിർത്തുക (ഉദാ. ആക്സസ് കട്ട് ഓഫ്).
- മൂല്യനിർണ്ണയം: ഏത് ഡാറ്റ, എത്ര ആളുകൾ, എത്രത്തോളം ബാധിച്ചു?
- അറിയിപ്പ്: വ്യക്തിഗത ഡാറ്റ ലംഘനമുണ്ടായാൽ, ആവശ്യമുള്ളപ്പോൾ ബന്ധപ്പെട്ട അതോറിറ്റിയെയും (കെവികെകെ ബോർഡ്) ബന്ധപ്പെട്ട വ്യക്തികളെയും അറിയിക്കുക. GDPR ലംഘനത്തെക്കുറിച്ച് പഠിച്ച് 72 മണിക്കൂറിനുള്ളിൽ അതോറിറ്റിയെ അറിയിക്കേണ്ടതുണ്ട്; "എത്രയും വേഗം" അറിയിപ്പും KVKK പ്രതീക്ഷിക്കുന്നു.
- തിരുത്തലും പഠനവും: മൂലകാരണം പരിഹരിക്കുക, സമാനമായ ഒന്ന് തടയാൻ നടപടിയെടുക്കുക, സംഭവം രേഖപ്പെടുത്തുക.
ശ്രദ്ധിക്കുക: സംഭവത്തെക്കുറിച്ച് നിങ്ങൾ മനസ്സിലാക്കിയ നിമിഷം മുതൽ 72 മണിക്കൂർ അറിയിപ്പ് കാലയളവ് ആരംഭിക്കുന്നു; "ആദ്യം നമുക്ക് ഇത് ആന്തരികമായി പരിഹരിക്കാം, തുടർന്ന് ഞങ്ങൾ നിങ്ങളെ അറിയിക്കും" എന്ന സമീപനം സമയപരിധി നഷ്ടപ്പെടുത്തും. ഒരു സംഭവ പ്രതികരണ പദ്ധതിയും ആശയവിനിമയ ശൃംഖലയും മുൻകൂട്ടി തയ്യാറാക്കുന്നത് പ്രതിസന്ധി ഘട്ടത്തിൽ സമയം ലാഭിക്കുന്നു.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - ക്ലെയിം ചെയ്യാത്ത ടാസ്ക്. ഒരു കമ്പനിക്ക് ഒരു AI നയമുണ്ട്, എന്നാൽ "അംഗീകൃത ടൂൾ ലിസ്റ്റ് ആരാണ് അപ്ഡേറ്റ് ചെയ്യുന്നത്" എന്ന് വ്യക്തമല്ല. 8 മാസത്തേക്ക് ലിസ്റ്റ് അപ്ഡേറ്റ് ചെയ്തിട്ടില്ല, ടീമുകൾ ലിസ്റ്റിൽ ഇല്ലാത്ത ടൂളുകൾ ഉപയോഗിക്കാൻ തുടങ്ങുന്നു. ഒരു RACI മാട്രിക്സ് ഈ ടാസ്ക്ക് ഒരു റോളിലേക്ക് പിൻ ചെയ്താൽ, വിടവ് ഉണ്ടാകില്ല.
കേസ് 2 - 72 മണിക്കൂർ നഷ്ടമായി. ഒരു ജീവനക്കാരൻ ഒരു മിസ്റ്ററി ഷോപ്പർ ലിസ്റ്റിലേക്ക് തെറ്റായ ഉപകരണത്തിലേക്ക് പ്രവേശിക്കുന്നു. ടീം ഇത് ആന്തരികമായി പരിഹരിക്കാൻ ശ്രമിക്കുകയും മൂന്ന് ദിവസത്തിന് ശേഷം നിയമത്തെ അറിയിക്കുകയും ചെയ്യുന്നു. വഴിയിൽ, അറിയിപ്പ് കാലയളവ് കഴിഞ്ഞു. തയ്യാറാക്കിയ സംഭവ പ്രതികരണ പദ്ധതിയും വ്യക്തമായ ആശയവിനിമയ ശൃംഖലയും ആദ്യ മണിക്കൂറിനുള്ളിൽ തന്നെ സംഭവത്തെ ശരിയായ ചാനലിലേക്ക് മാറ്റുമായിരുന്നു.
കേസ് 3 - ഷാഡോ AI ഓഡിറ്റിലൂടെ പിടികൂടി. ഒരു സാധാരണ സെമി-വാർഷിക ഓഡിറ്റിനിടെ നെറ്റ്വർക്ക് ട്രാഫിക്കിൽ അംഗീകൃതമല്ലാത്ത മൂന്ന് AI ടൂളുകൾ ഒരു സ്ഥാപനം കണ്ടെത്തുന്നു. ശിക്ഷയ്ക്കുപകരം, അവൻ ടീമുകളുമായി സംസാരിക്കുകയും അവർക്ക് ഈ ഉപകരണങ്ങൾ ആവശ്യമായി വരുന്നത് എന്തുകൊണ്ടാണെന്ന് മനസ്സിലാക്കുകയും രണ്ടെണ്ണം വിലയിരുത്തുകയും അംഗീകൃത പട്ടികയിലേക്ക് ചേർക്കുകയും ചെയ്യുന്നു. ഓഡിറ്റ് രണ്ടും അപകടസാധ്യത അവസാനിപ്പിക്കുകയും യഥാർത്ഥ ആവശ്യം ദൃശ്യമാക്കുകയും ചെയ്യുന്നു.
പകർത്താവുന്ന ടെംപ്ലേറ്റുകൾ
ടെംപ്ലേറ്റ് 1 — RACI മാട്രിക്സ് ഔട്ട്ലൈൻ: "ഞങ്ങളുടെ സ്ഥാപനത്തിൻ്റെ AI ഗവേണൻസിനായി RACI മാട്രിക്സ് ഡ്രാഫ്റ്റ് ചെയ്യുക. ടാസ്ക്കുകൾ: പോളിസി റൈറ്റിംഗ്, ടൂൾ അപ്രൂവൽ, DPIA, ലംഘന പ്രതികരണം, ഓഡിറ്റ്, പരിശീലനം. റോളുകൾ: AI ലീഡ്, കംപ്ലയൻസ് മാനേജർ, ലീഗൽ, IT, HR, സീനിയർ മാനേജ്മെൻ്റ്. ഓരോ റോളിലും ഒരു 'A' മാത്രം."
ടെംപ്ലേറ്റ് 2 — ടയേർഡ് അപ്രൂവൽ ഫ്ലോ: "റിസ്ക് അനുസരിച്ച് ഒരു tiered AI അംഗീകാര പ്രക്രിയ രൂപകൽപന ചെയ്യുക: കുറഞ്ഞ/ഇടത്തരം/ഉയർന്ന അപകടസാധ്യതകൾക്കായി പ്രത്യേക അംഗീകാര പാതകൾ. ഓരോ ലെവലിനും ഉദാഹരണ ഉപയോഗം, അപ്രൂവർ റോൾ, ആവശ്യമായ ഡോക്യുമെൻ്റ് (DPIA മുതലായവ) എഴുതുക. പ്രക്രിയ വേഗത്തിലും സുരക്ഷിതവുമാക്കുക."
ടെംപ്ലേറ്റ് 3 — ഓഡിറ്റ് ചെക്ക്ലിസ്റ്റ്: "ആറുമാസത്തെ AI ഗവേണൻസ് ഓഡിറ്റിനായി ചെക്ക്ലിസ്റ്റ് തയ്യാറാക്കുക: അംഗീകൃത ടൂൾ കംപ്ലയൻസ്, ഷാഡോ AI സൂചനകൾ, നിലനിർത്തൽ കാലയളവുകൾ, DPIAcurrency, ഇവൻ്റ് ലോഗുകൾ, പരിശീലന പൂർത്തീകരണ നിരക്ക്. ഓരോ ഇനത്തിലും 'എങ്ങനെ പരിശോധിക്കാം' രീതി ചേർക്കുക."
ടെംപ്ലേറ്റ് 4 — സംഭവ പ്രതികരണ ഫ്ലോ കാർഡ്: "ഒരു AI/ഡാറ്റ ലംഘനത്തിനായി ഒരു പേജ് സംഭവ പ്രതികരണ ഫ്ലോ കാർഡ് എഴുതുക: ഘട്ടം ഘട്ടമായി (കണ്ടെത്തൽ, കണ്ടെയ്ൻമെൻ്റ്, വിലയിരുത്തൽ, അറിയിപ്പ്, പ്രതിവിധി), ഓരോ ഘട്ടത്തിലും ഉത്തരവാദിത്തമുള്ള റോൾ, കോൺടാക്റ്റ് വിവരങ്ങൾ, 72-മണിക്കൂർ അറിയിപ്പ് അലേർട്ട്. പ്രതിസന്ധി ഘട്ടത്തിൽ മേശപ്പുറത്ത് ഇരിക്കാൻ കഴിയുന്നത്ര ലളിതമായി സൂക്ഷിക്കുക."
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായത്: "AI ഭരണത്തിനായി നമ്മൾ എന്തുചെയ്യണം?"-> മോഡൽ ഒരു പൊതു പട്ടിക നൽകുന്നു; റോളുകൾ, അംഗീകാര പാതകൾ, സംഭവ പദ്ധതികൾ എന്നിവ സ്ഥാപന-നിർദ്ദിഷ്ടവും ബാധകവുമല്ല. ശക്തമായി: "ഞങ്ങൾ 60 ആളുകളുടെ ഒരു സ്ഥാപനമാണ്. AI ഭരണം പ്രവർത്തനക്ഷമമാക്കുന്നതിന്: (1) 5-ടാസ്ക് RACI മാട്രിക്സ് നിർമ്മിക്കുക, (2) കുറഞ്ഞ/ഇടത്തരം/ഉയർന്ന അപകടസാധ്യതയ്ക്കായി ടയേർഡ് അപ്രൂവൽ ഫ്ലോ, (3) 72 മണിക്കൂർ റൂളോടുകൂടിയ ഒരു പേജ് സംഭവ പ്രതികരണ കാർഡ്. ഓരോ ടാസ്ക്കിലും ഒരു 'A' ഉടനടി ഉണ്ടാകട്ടെ. ഭരണ ഉപകരണങ്ങൾ.
സാധാരണ തെറ്റുകൾ
- ചുമതലകൾ റോളിലേക്ക് ശരിയാക്കുന്നില്ല; "എല്ലാവരുടെയും ജോലി ആരുടെയും ബിസിനസ്സല്ല" എന്ന വിടവ് സൃഷ്ടിക്കുക.
- ഒരു ടാസ്ക്കിൽ ഒന്നിലധികം "A" (ആത്യന്തിക ഉത്തരവാദിത്തം) നിർവചിക്കുന്നു.
- അംഗീകാര പ്രക്രിയ വളരെ അയവുള്ളതോ വളരെ കർശനമോ ആക്കുന്നു; അപകടസാധ്യതയനുസരിച്ച് തരംതിരിക്കരുത്.
- പരിശോധന തീരെ നടത്താതിരിക്കുകയോ ശിക്ഷാ ഉപകരണമാക്കി മാറ്റി പ്രശ്നങ്ങൾ മറച്ചുവെക്കുകയോ ചെയ്യുക.
- സംഭവം നടന്നതിന് ശേഷമുള്ള സംഭവ പ്രതികരണ പദ്ധതി പരിഗണിക്കുന്നു.
- "ആദ്യം നമുക്ക് ഇത് ആന്തരികമായി ശരിയാക്കാം" എന്നതിന് 72 മണിക്കൂർ അറിയിപ്പ് കാലയളവ് നഷ്ടമായി.
- ഒരിക്കൽ ഭരണം സ്ഥാപിക്കുക, വീണ്ടും അവലോകനം ചെയ്യരുത്; എന്നിരുന്നാലും, ഇത് ഒരു ജീവനുള്ള സംവിധാനമാണ്.
ചുരുക്കത്തിൽ
- നാല് സംവിധാനങ്ങൾ ഭരണം പ്രവർത്തിക്കുന്നു: റോളുകൾ (RACI), ടെയർഡ് അപ്രൂവൽ, റെഗുലർ ഓഡിറ്റിംഗ്, സംഭവ പ്രതികരണം.
- RACI മാട്രിക്സിൽ, ഓരോ ടാസ്ക്കിനും ഒരു ആത്യന്തിക ഉത്തരവാദിത്തമുള്ള വ്യക്തി (എ) ഉണ്ടായിരിക്കണം.
- അപകടസാധ്യത അനുസരിച്ച് അംഗീകാര പ്രക്രിയ നടത്തണം; കുറഞ്ഞ അപകടസാധ്യതയില്ലാത്ത, ഉയർന്ന അപകടസാധ്യതയുള്ള കർശന നിയന്ത്രണം.
- പതിവ് ഓഡിറ്റിംഗ് ഭരണത്തെ സജീവമാക്കുന്നു; ശിക്ഷയല്ല, രോഗശാന്തിക്കുള്ള മാർഗമായാണ് ഇത് ഉപയോഗിക്കുന്നത്.
- സംഭവ പ്രതികരണ പദ്ധതി മുൻകൂട്ടി തയ്യാറാക്കണം; വ്യക്തിഗത ഡാറ്റ ലംഘനമുണ്ടായാൽ 72 മണിക്കൂർ അറിയിപ്പ് നിയമം മറക്കരുത്.
ആപ്ലിക്കേഷൻ ടാസ്ക്
ഒരൊറ്റ ഡോക്യുമെൻ്റിൽ നിങ്ങളുടെ സ്ഥാപനത്തിന് ഒരു സമ്പൂർണ്ണ ഭരണ ചട്ടക്കൂട് ശേഖരിക്കുക. ആദ്യം കുറഞ്ഞത് അഞ്ച് ടാസ്ക്കുകളുള്ള ഒരു RACI മാട്രിക്സ് സ്ഥാപിക്കുക; ഓരോ ടാസ്ക്കിലും ഒരു "A" മാത്രമേ ഉള്ളൂവെന്ന് ഉറപ്പാക്കുക. തുടർന്ന്, കുറഞ്ഞ, ഇടത്തരം, ഉയർന്ന അപകടസാധ്യതകൾ എന്നിവയ്ക്കായി ഒരു ടയേർഡ് അപ്രൂവൽ ഫ്ലോ രൂപകൽപന ചെയ്യുക, കൂടാതെ ഓരോ ലെവലിലും ഉദാഹരണ ഉപയോഗം, അംഗീകരിക്കൽ റോൾ, ആവശ്യമായ ഡോക്യുമെൻ്റേഷൻ എന്നിവ ചേർക്കുക. തുടർന്ന് ആറ് മാസത്തെ ഓഡിറ്റ് ചെക്ക്ലിസ്റ്റ് ഉണ്ടാക്കുക. അവസാനമായി, ഒരു AI/ഡാറ്റ ലംഘനത്തിന് ഒരു പേജ് സംഭവ പ്രതികരണ കാർഡ് എഴുതുക; 72 മണിക്കൂർ അറിയിപ്പ് അലേർട്ടും ആശയവിനിമയ ശൃംഖലയും ഉൾപ്പെടുത്തുക. മൊഡ്യൂളിലുടനീളം നിങ്ങൾ പഠിച്ച കാര്യങ്ങൾ ഒരു വർക്കിംഗ് സിസ്റ്റമാക്കി മാറ്റുന്ന പ്രമാണമായിരിക്കും ഈ നാല് കഷണങ്ങൾ.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഞാൻ RACI മാട്രിക്സ് സജ്ജീകരിച്ചു; ഓരോ ദൗത്യത്തിലും ഒരു "എ" മാത്രമേയുള്ളൂ.
- [ ] അപകടസാധ്യതയനുസരിച്ച് ഞാൻ ക്രമാനുഗതമായ അംഗീകാര ഫ്ലോ രൂപകൽപന ചെയ്തു.
- [ ] അപകടസാധ്യത കുറഞ്ഞ ഉപയോഗങ്ങൾ ഞാൻ ലിബറൽ ആയി ഉപേക്ഷിച്ചു.
- [ ] ഞാൻ ആറുമാസത്തെ ഓഡിറ്റ് ചെക്ക്ലിസ്റ്റ് തയ്യാറാക്കി.
- [ ] മെച്ചപ്പെടുത്തലിനുള്ള ഒരു ഉപകരണമായി ഞാൻ ഓഡിറ്റിംഗ് സ്ഥാപിച്ചു.
- [ ] ഞാൻ ഒരു പേജ് സംഭവ പ്രതികരണ കാർഡ് എഴുതി.
- 72 മണിക്കൂർ അറിയിപ്പ് നിയമവും ആശയവിനിമയ ശൃംഖലയും ഞാൻ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
മൊഡ്യൂൾ പരീക്ഷ
1. ഓർഗനൈസേഷനുകൾക്ക് രേഖാമൂലമുള്ള AI നയം ഇല്ലാത്തപ്പോൾ സംഭവിക്കുന്ന ജീവനക്കാരുടെ AI- യുടെ അംഗീകൃതമല്ലാത്ത ഉപയോഗത്തെ സൂചിപ്പിക്കുന്ന ആശയം എന്താണ്?
- A) ഷാഡോ AI (ഷാഡോ AI) ✔
- ബി) ഓപ്പൺ വെയ്റ്റ് AI
- സി) മൾട്ടിമോഡൽ AI
- ഡി) മേൽനോട്ടത്തിലുള്ള AI
വിവരണം: സ്ഥാപനത്തിൻ്റെ അറിവോ അംഗീകാരമോ ഇല്ലാതെ AI ഉപയോഗിക്കുന്നതിനെ 'ഷാഡോ AI' എന്ന് വിളിക്കുന്നു കൂടാതെ ഡാറ്റ ചോർച്ച പോലുള്ള ഗുരുതരമായ അപകടസാധ്യതകൾ സൃഷ്ടിക്കുന്നു.
2. ഒരു നല്ല കോർപ്പറേറ്റ് AI പോളിസിയുടെ അടിസ്ഥാന സമീപനം എന്തായിരിക്കണം?
- എ) എഐയുടെ ഉപയോഗം കഴിയുന്നത്ര പൂർണ്ണമായും നിരോധിക്കുക
- B) ഉത്തരവാദിത്തപരമായ ഉപയോഗം പ്രാപ്തമാക്കുകയും വ്യക്തതയും വിശ്വാസവും പ്രദാനം ചെയ്യുകയും ചെയ്യുന്ന ഒരു ചട്ടക്കൂട് ആയിരിക്കുക ✔
- സി) ഐടി വകുപ്പിന് മാത്രം അറിയാവുന്ന ഒരു സാങ്കേതിക രേഖ
- ഡി) കഴിയുന്നിടത്തോളം കാലം നിയമപരമായ ഭാഷയിൽ മാത്രം എഴുതുക
വിശദീകരണം: ഒരു നല്ല നയം വിലക്കുകളുടെ ഒരു പട്ടികയല്ല, മറിച്ച് ഉത്തരവാദിത്തപരമായ ഉപയോഗം സാധ്യമാക്കുന്ന ഒരു ചട്ടക്കൂടാണ്. പൂർണമായും നിരോധിക്കുന്നത് ഉപയോഗം ഇല്ലാതാക്കില്ല; അത് അതിനെ അദൃശ്യവും അനിയന്ത്രിതവുമാക്കുന്നു.
3. ഒരു എൻ്റർപ്രൈസ് AI നയത്തിൻ്റെ ഏറ്റവും നിർണായക ഭാഗമായ ഡാറ്റ വർഗ്ഗീകരണം നിർണ്ണയിക്കുന്നത് എന്താണ്?
- എ) AI മോഡലിൻ്റെ ടോക്കൺ വില
- ബി) കമ്പനിയുടെ വാർഷിക AI ബജറ്റ്
- സി) ഏത് തരത്തിലുള്ള ഡാറ്റയാണ് ഏത് AI ടൂളിലേക്ക് നൽകാനാവുക ✔
- ഡി) ഏത് ജീവനക്കാരന് ഏത് ശമ്പളം ലഭിക്കും?
വിവരണം: ഡാറ്റ വർഗ്ഗീകരണം; ഏത് തരത്തിലുള്ള ഓപ്പൺ, ഇൻ്റേണൽ, കോൺഫിഡൻഷ്യൽ, പ്രൊപ്രൈറ്ററി ഡാറ്റ ഏത് AI ടൂളിലേക്ക് നൽകാമെന്നും നൽകരുതെന്നും വ്യക്തമായ നിയമങ്ങൾ ഇത് വ്യവസ്ഥ ചെയ്യുന്നു.
4. കെവികെകെയുടെ "ഡാറ്റ മിനിമൈസേഷൻ" (പ്രസക്തി, പരിമിതവും ആനുപാതികവും) തത്വം AI-യുടെ ഉപയോഗത്തിൽ എന്താണ് അർത്ഥമാക്കുന്നത്?
- A) AI-യിലേക്ക് ആവശ്യമായ ഡാറ്റ മാത്രം നൽകുക, ഇനി വേണ്ട ✔
- B) AI-യിലേക്ക് കഴിയുന്നത്ര ഡാറ്റ ഇൻപുട്ട് ചെയ്തുകൊണ്ട് മികച്ച ഫലങ്ങൾ നേടുക
- സി) ഡാറ്റ അനിശ്ചിതമായി സൂക്ഷിക്കുന്നു
- ഡി) എല്ലാ ഡാറ്റയും വിദേശത്തേക്ക് കൈമാറുന്നത് ഉറപ്പാക്കുക
വിശദീകരണം: AI-യിലേക്ക് ആവശ്യത്തിന് ആവശ്യമായ ഡാറ്റ മാത്രം നൽകുന്നതിനെയാണ് ഡാറ്റ മിനിമൈസേഷൻ സൂചിപ്പിക്കുന്നത്, അതിൽ കൂടുതലൊന്നുമില്ല. സാധ്യമെങ്കിൽ, ഡാറ്റ അജ്ഞാതമായി അല്ലെങ്കിൽ മറച്ചുവെച്ച് നൽകുന്നു.
5. ദാതാവിൻ്റെ സെർവറിലെ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്ന ഒരു AI ടൂളിലേക്ക് വ്യക്തിഗത ഡാറ്റ അടങ്ങിയ ഒരു വാചകം നൽകുമ്പോൾ KVKK യുടെ അടിസ്ഥാനത്തിൽ എന്താണ് പരിഗണിക്കുന്നത്?
- എ) നിയമപരമായ പ്രത്യാഘാതങ്ങളില്ലാത്ത ഒരു സാധാരണ ഇടപാട്
- ബി) എല്ലാ സാഹചര്യങ്ങളിലും കർശനമായി നിരോധിച്ചിരിക്കുന്ന ഒരു പ്രവർത്തനം
- സി) ഡാറ്റ തുറന്നാൽ മാത്രം പ്രാധാന്യമുള്ള ഒരു പ്രവർത്തനം
- ഡി) ഒരു ഇടപാടും പലപ്പോഴും ഒരു കൈമാറ്റവും; നിയമപരമായ അടിത്തറയും ഉറപ്പും ആവശ്യമാണ് ✔
വിശദീകരണം: ദാതാവിൻ്റെ സെർവറിൽ (പലപ്പോഴും വിദേശത്ത്) ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിനാൽ ഇതൊരു 'പ്രോസസ്സിംഗ്' ആണ്, പലപ്പോഴും 'ട്രാൻസ്ഫർ' ആണ്; ഇതിന് സാധുതയുള്ള നിയമപരമായ അടിത്തറയും ഉചിതമായ കരാറും/ഗ്യാറൻ്റിയും ആവശ്യമാണ്.
6. EU AI നിയമത്തിൻ്റെ അടിസ്ഥാന സമീപനം എന്താണ്?
- എ) എല്ലാ AI സിസ്റ്റങ്ങളെയും ഒരേ കർശനമായ നിയമങ്ങൾക്ക് വിധേയമാക്കുന്നു
- B) AI സിസ്റ്റങ്ങളെ അവയുടെ സാധ്യതയുള്ള അപകടസാധ്യത അനുസരിച്ച് തരംതിരിക്കുകയും അതിനനുസരിച്ച് നിയമങ്ങൾ പ്രയോഗിക്കുകയും ചെയ്യുക ✔
- C) EU-ൽ ഉടനീളം AI ഉപയോഗം പൂർണ്ണമായും നിരോധിക്കുക
- ഡി) മോഡലിൻ്റെ ടോക്കൺ വില മാത്രം നിയന്ത്രിക്കുന്നു
വിശദീകരണം: EU AI നിയമം എല്ലാ AI-യും ഒരുമിച്ച് ചേർക്കുന്നില്ല; ഇത് സിസ്റ്റങ്ങളെ അവയുടെ അപകടസാധ്യത അനുസരിച്ച് നാല് റിസ്ക് ക്ലാസുകളായി (നിരോധിക്കപ്പെട്ടത്, ഉയർന്നത്, പരിമിതമായത്, ചുരുങ്ങിയത്) വിഭജിക്കുകയും അപകടസാധ്യത വർദ്ധിക്കുന്നതിനനുസരിച്ച് നിയമങ്ങൾ കർശനമാക്കുകയും ചെയ്യുന്നു.
7. EU AI നിയമം അനുസരിച്ച്, നിയമന തീരുമാനങ്ങളിൽ ഉദ്യോഗാർത്ഥികളെ സ്ക്രീൻ ചെയ്യുന്ന ഒരു AI സിസ്റ്റം ഏത് റിസ്ക് ക്ലാസിൽ ഉൾപ്പെടും?
- എ) ഉയർന്ന അപകടസാധ്യത ✔
- ബി) കുറഞ്ഞ അപകടസാധ്യത
- സി) പരിമിതമായ അപകടസാധ്യത
- ഡി) അപകടരഹിതം
വിവരണം: റിക്രൂട്ട്മെൻ്റ്, ക്രെഡിറ്റ്, ഹെൽത്ത്കെയർ തുടങ്ങിയ ആളുകളുടെ ജീവിതത്തെ ഗുരുതരമായി ബാധിക്കുന്ന മേഖലകൾ പൊതുവെ 'ഉയർന്ന അപകടസാധ്യതയുള്ള' വിഭാഗത്തിൽ പെടുന്നു, അവ കർശനമായ ബാധ്യതകൾക്ക് വിധേയമാണ് (റെക്കോർഡിംഗ്, മനുഷ്യ നിരീക്ഷണം, ഡാറ്റ നിലവാരം).
8. EU AI നിയമത്തിന് കീഴിൽ, ആളുകളെ അവരുടെ പെരുമാറ്റത്തെയോ സവിശേഷതകളെയോ അടിസ്ഥാനമാക്കി സ്കോർ ചെയ്യുകയും സാമൂഹികമായി ദോഷം വരുത്തുകയും ചെയ്യുന്ന സ്റ്റേറ്റ് സ്പോൺസർ ചെയ്യുന്ന “സോഷ്യൽ സ്കോറിംഗ്” സംവിധാനങ്ങൾ ഏത് വിഭാഗത്തിലാണ് ഉൾപ്പെടുന്നത്?
- എ) പരിമിതമായ അപകടസാധ്യത
- ബി) ഉയർന്ന അപകടസാധ്യത
- സി) നിരോധിത (അസ്വീകാര്യമായ അപകടസാധ്യത) പരിശീലനം ✔
- ഡി) കുറഞ്ഞ അപകടസാധ്യത
വിവരണം: സോഷ്യൽ സ്കോറിംഗ്, സബ്ലിമിനൽ കൃത്രിമത്വം, ചില ബയോമെട്രിക് നിരീക്ഷണ രീതികൾ എന്നിവ 'നിരോധിത പ്രവർത്തനങ്ങളിൽ' ഉൾപ്പെടുന്നു; അപകടസാധ്യത കുറഞ്ഞാലും ഇവ പുറത്തുവിടാൻ കഴിയില്ല, അവ പൂർണ്ണമായും നിരോധിച്ചിരിക്കുന്നു.
9. ആർട്ടിക്കിൾ 22 GDPR വ്യക്തികളെ സംരക്ഷിക്കുന്നത് എന്താണ്?
- എ) AI ടൂളുകളുടെ ഉയർന്ന വിലയ്ക്കെതിരെ
- ബി) പരസ്യ ഇമെയിലുകൾക്കെതിരെ മാത്രം
- സി) ഡെഫിസിറ്റ് വെയ്റ്റഡ് മോഡലുകളുടെ ഉപയോഗത്തിനെതിരെ
- D) വ്യക്തിയെ സാരമായി ബാധിക്കുന്നതും സ്വയമേവ മാത്രം എടുക്കുന്നതുമായ തീരുമാനങ്ങൾക്കെതിരെ ✔
വിശദീകരണം: GDPR-ൻ്റെ ആർട്ടിക്കിൾ 22 വ്യക്തിയെ നിയമപരമോ സമാനമായ പ്രാധാന്യമുള്ളതോ ആയ പരിധി വരെ ബാധിക്കുന്ന തീരുമാനങ്ങളിൽ നിന്ന് വ്യക്തിയെ സംരക്ഷിക്കുന്നു, കൂടാതെ അത് സ്വയമേവയുള്ള പ്രോസസ്സിംഗിനെ മാത്രം അടിസ്ഥാനമാക്കിയുള്ളതാണ് (AI ഉൾപ്പെടെ); മനുഷ്യൻ്റെ ഇടപെടലും വസ്തുവും അഭ്യർത്ഥിക്കാനുള്ള അവകാശം ഇത് നൽകുന്നു.
10. വിദേശത്തുള്ള ഒരു AI ദാതാവിൻ്റെ സെർവറിൽ നിങ്ങൾക്ക് വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യണമെങ്കിൽ KVKK/GDPR-ൻ്റെ അടിസ്ഥാനത്തിൽ എന്താണ് വേണ്ടത്?
- എ) അധിക വ്യവസ്ഥകളൊന്നുമില്ല; ഡാറ്റ സ്വതന്ത്രമായി കൈമാറാൻ കഴിയും
- B) ഉചിതമായ ഉറപ്പ് (അണ്ടർടേക്കിംഗ് ലെറ്റർ/സ്റ്റാൻഡേർഡ് കരാർ വ്യവസ്ഥകൾ) അല്ലെങ്കിൽ എക്സ്പ്രസ് സമ്മതം പോലെയുള്ള ഒരു സംവിധാനം ✔
- സി) ഡാറ്റയുടെ എൻക്രിപ്ഷൻ മാത്രം മതി
- ഡി) ജീവനക്കാരൻ്റെ വാക്കാലുള്ള അംഗീകാരം മാത്രം മതി
വിശദീകരണം: ക്രോസ്-ബോർഡർ കൈമാറ്റങ്ങൾക്ക്, ചട്ടം പോലെ, വ്യക്തമായ സമ്മതമോ സംരക്ഷണത്തിനായുള്ള മതിയായ പ്രതിബദ്ധതയോ ഉൾപ്പെടുന്ന സംവിധാനങ്ങൾ ആവശ്യമാണ് (അണ്ടർടേക്കിംഗ് ലെറ്റർ, സ്റ്റാൻഡേർഡ് കരാർ വ്യവസ്ഥകൾ പോലുള്ള ഉചിതമായ സംരക്ഷണങ്ങൾ); ഡാറ്റ ക്രമരഹിതമായി കൈമാറാൻ കഴിയില്ല.
11. മിക്ക നിയമ സംവിധാനങ്ങളിലും AI- ജനറേറ്റഡ് ഔട്ട്പുട്ട് പകർപ്പവകാശമാണോ എന്ന് നിർണ്ണയിക്കുന്നത് എന്താണ്?
- എ) മനുഷ്യൻ്റെ സർഗ്ഗാത്മകതയുടെ നിലയും ഉള്ളടക്കത്തിലെ സംഭാവനയും ✔
- ബി) ഉപയോഗിച്ച മോഡലിൻ്റെ ടോക്കൺ വില
- സി) ഔട്ട്പുട്ടിൻ്റെ ദൈർഘ്യം മാത്രം
- ഡി) AI ടൂളിൻ്റെ ഉത്ഭവ രാജ്യം
വിവരണം: പല നിയമസംവിധാനങ്ങളിലും, പകർപ്പവകാശ സംരക്ഷണത്തിന് മനുഷ്യൻ്റെ സർഗ്ഗാത്മകത ആവശ്യമാണ്. വലിയ മാനുഷിക ദിശയും തിരഞ്ഞെടുപ്പും നിയന്ത്രണവും അതുല്യമായ സംഭാവനയും, ഔട്ട്പുട്ട് സംരക്ഷിക്കുന്നതിനുള്ള സാധ്യത കൂടുതലാണ്.
12. AI ഭരണ ചട്ടക്കൂടിലെ ഏറ്റവും നിർണായക തത്വമായ "മനുഷ്യ നിയന്ത്രണം" എന്തിനെയാണ് സൂചിപ്പിക്കുന്നത്?
- എ) AI എല്ലാ തീരുമാനങ്ങളും ഒറ്റയ്ക്കും സ്വയമേവയും എടുക്കുന്നു
- ബി) ആളുകൾ AI ഉപയോഗിക്കുന്നത് പൂർണ്ണമായും നിർത്തുന്നു
- സി) AI ഒരു ഉപകരണമാണ്; പ്രധാനപ്പെട്ട തീരുമാനങ്ങളിലെ അന്തിമ വാക്കും ഉത്തരവാദിത്തവും എല്ലായ്പ്പോഴും വ്യക്തിയുടേതാണ് ✔
- ഡി) ഏറ്റവും ചെലവേറിയ മോഡൽ മാത്രം ഉപയോഗിക്കുക
വിവരണം: AI ഒരു ഉപകരണമാണെന്നും ഉത്തരവാദിത്തം എപ്പോഴും മനുഷ്യനായിരിക്കുമെന്നും മനുഷ്യ നിയന്ത്രണ തത്വം ഊന്നിപ്പറയുന്നു. ഒരു അംഗീകൃത വ്യക്തിക്ക് പ്രധാനപ്പെട്ട തീരുമാനങ്ങളിൽ അന്തിമ വാക്ക് ഉണ്ട്; 'AI അങ്ങനെ പറഞ്ഞു' എന്നത് ഒരു ഒഴികഴിവല്ല.
13. സാധാരണയായി എപ്പോഴാണ് ഒരു ഡാറ്റാ പ്രൊട്ടക്ഷൻ ഇംപാക്ട് അസസ്മെൻ്റ് (DPIA) നടത്തേണ്ടത്?
- എ) ഒരു ഡാറ്റാ ലംഘനം സംഭവിച്ചതിന് ശേഷം
- ബി) ഡിസൈൻ ഘട്ടത്തിൽ, ഉയർന്ന അപകടസാധ്യതയുള്ള പ്രോസസ്സിംഗ് ആരംഭിക്കുന്നതിന് മുമ്പ് ✔
- സി) ഓഡിറ്റർ ആവശ്യപ്പെട്ടാൽ മാത്രം
- ഡി) പ്രോജക്റ്റ് കഴിഞ്ഞ് വർഷങ്ങൾക്ക് ശേഷം
വിവരണം: പുതിയ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നതോ വലിയ തോതിലുള്ളതോ വ്യവസ്ഥാപിതമോ ആയ നിരീക്ഷണം ഉൾപ്പെടുന്നതോ വ്യക്തികൾക്ക് ഉയർന്ന അപകടസാധ്യത സൃഷ്ടിക്കുന്നതോ ആയ ഒരു AI പ്രോസസ്സിംഗ് പ്രവർത്തനം ആരംഭിക്കുന്നതിന് മുമ്പ് ഡിസൈൻ ഘട്ടത്തിൽ DPIA നടപ്പിലാക്കണം.
14. കെവികെകെയുടെ "ഉദ്ദേശ്യ പരിമിതി", നിലനിർത്തൽ തത്വങ്ങൾ എന്നിവയ്ക്ക് അനുസൃതമായി, ഒരു AI ടൂളിൻ്റെ ചാറ്റ് ചരിത്രത്തിലെ വ്യക്തിഗത ഡാറ്റയ്ക്കായി എന്താണ് ചെയ്യേണ്ടത്?
- എ) അത് എന്നെന്നേക്കുമായി സൂക്ഷിക്കണം
- ബി) നിയമങ്ങളൊന്നും ആവശ്യമില്ല, ഇത് ദാതാവിൻ്റെ പ്രശ്നമാണ്
- സി) മാനേജരുടെ അഭ്യർത്ഥന പ്രകാരം മാത്രം ഇത് വർഷം തോറും അവലോകനം ചെയ്യപ്പെടുന്നു.
- ഡി) ഇത് ഒരു സംഭരണ, നാശ നയവുമായി ബന്ധിപ്പിച്ചിരിക്കണം, ഉദ്ദേശം പൂർത്തിയാകുമ്പോൾ അത് ഇല്ലാതാക്കുകയോ അജ്ഞാതമാക്കുകയോ ചെയ്യണം ✔
വിശദീകരണം: വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്ന ആവശ്യത്തിന് ആവശ്യമായതിലും കൂടുതൽ സമയം സൂക്ഷിക്കാൻ കഴിയില്ല. AI ചാറ്റ് ചരിത്രങ്ങളും നിലനിർത്തൽ, നശിപ്പിക്കൽ നയവുമായി ബന്ധിപ്പിച്ചിരിക്കണം; ഉദ്ദേശ്യം ഇല്ലാതാകുമ്പോൾ, അത് ഇല്ലാതാക്കുകയോ അജ്ഞാതമാക്കുകയോ ചെയ്യണം.
15. ചില പരിധികൾ കവിയുന്ന ഡാറ്റ കൺട്രോളർമാർക്ക് അവരുടെ വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സിംഗ് പ്രവർത്തനങ്ങൾ Türkiye-ൽ രജിസ്റ്റർ ചെയ്യുന്നതിന് ഏത് രജിസ്ട്രി ആവശ്യമാണ്?
- A) VERBIS (ഡാറ്റ കൺട്രോളേഴ്സ് രജിസ്ട്രി ഇൻഫർമേഷൻ സിസ്റ്റം) ✔
- ബി) മെർസിസ് ട്രേഡ് രജിസ്ട്രി
- സി) EU AI നിയമ ഡാറ്റാബേസ്
- ഡി) നികുതിദായകരുടെ രജിസ്റ്റർ
വിവരണം: ഡാറ്റ കൺട്രോളർമാർ അവരുടെ പ്രോസസ്സിംഗ് ഇൻവെൻ്ററികൾ രജിസ്റ്റർ ചെയ്യുന്ന ഔദ്യോഗിക രജിസ്ട്രിയാണ് VERBIS (ഡാറ്റ കൺട്രോളേഴ്സ് രജിസ്ട്രി ഇൻഫർമേഷൻ സിസ്റ്റം). ഒരു പുതിയ AI അടിസ്ഥാനമാക്കിയുള്ള പ്രോസസ്സിംഗ് പ്രവർത്തനം ഇൻവെൻ്ററിയിലും ആവശ്യമെങ്കിൽ VERBIS റെക്കോർഡിലും പ്രതിഫലിച്ചിരിക്കണം.