കെവികെകെ അടിസ്ഥാനകാര്യങ്ങൾ, പൊതുതത്ത്വങ്ങൾ, വെർബിസ്

നേട്ടങ്ങൾ:

• വ്യക്തിഗത ഡാറ്റ, പ്രത്യേക ഗുണമേന്മയുള്ള ഡാറ്റ, ഡാറ്റ കൺട്രോളർ, ഡാറ്റ പ്രോസസർ എന്നിവയുടെ ആശയങ്ങൾ വേർതിരിക്കുന്നു
• AI-യുടെ ഉപയോഗത്തിന് KVKK പൊതുതത്ത്വങ്ങൾ (ഉദ്ദേശ്യം അനുസരിച്ച് പരിമിതപ്പെടുത്തൽ, ചെറുതാക്കൽ) പ്രയോഗിക്കുന്നു
• AI-യിലേക്ക് ഡാറ്റ നൽകുന്നത് പ്രോസസ്സ് ചെയ്യുന്നതും പലപ്പോഴും കൈമാറ്റം ചെയ്യുന്നതും റെക്കോർഡ് ചെയ്യേണ്ട ബാധ്യതയാണെന്നും മനസ്സിലാക്കുക

ഒരു ഓർഗനൈസേഷനിൽ AI ഉപയോഗിക്കുന്നത് എല്ലായ്പ്പോഴും വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു: ഒരു ഉപഭോക്തൃ ഇമെയിൽ സംഗ്രഹിക്കുക, ഒരു CV വിലയിരുത്തുക, ഒരു കോൾ റെക്കോർഡിംഗ് പാഴ്‌സ് ചെയ്യുക. അതിനാൽ, AI ഭരണത്തിൻ്റെ നട്ടെല്ല് Türkiye യുടെ ഡാറ്റ സംരക്ഷണ നിയമം, KVKK (വ്യക്തിഗത ഡാറ്റ സംരക്ഷണ നിയമം നമ്പർ 6698) മനസ്സിലാക്കുന്നു. ഈ യൂണിറ്റിൽ, കെവികെകെയുടെ അടിസ്ഥാന ആശയങ്ങളും പൊതു തത്വങ്ങളും വെർബിസ് രജിസ്‌ട്രേഷനും ഞങ്ങൾ പഠിക്കും, ഇത് എഐയുടെ ഉപയോഗവുമായി നേരിട്ട് ബന്ധിപ്പിക്കുന്നു. വക്കീലാകുകയല്ല ലക്ഷ്യം; കൃത്യമായ ദൈനംദിന തീരുമാനങ്ങൾ എടുക്കുന്നതിന് ഒരു ഡാറ്റാ പ്രൊട്ടക്ഷൻ ഓഫീസർക്ക് ശക്തമായ അടിത്തറ സ്ഥാപിക്കുക എന്നതാണ്.

അടിസ്ഥാന ആശയങ്ങൾ: ആരാണ്?

കെവികെകെയുടെ ഭാഷ നിരവധി പ്രധാന ആശയങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഇവയെ വേർതിരിച്ചറിയാതെ, ഒരു AI തീരുമാനവും ശരിയായി എടുക്കാൻ കഴിയില്ല.

ആശയം

അർത്ഥം

AI ലെ ഉദാഹരണം

വ്യക്തിഗത ഡാറ്റ

തിരിച്ചറിഞ്ഞ/തിരിച്ചറിയാൻ കഴിയുന്ന ഒരു സ്വാഭാവിക വ്യക്തിയെക്കുറിച്ചുള്ള ഏത് വിവരവും

പേര്, ഇമെയിൽ, ഫോൺ, ഐപി, ഉപഭോക്തൃ നമ്പർ

പ്രത്യേക ഗുണനിലവാര ഡാറ്റ

ആരോഗ്യം, മതം, ബയോമെട്രിക്‌സ് തുടങ്ങിയ സെൻസിറ്റീവ് വിഭാഗങ്ങൾ

രോഗിയുടെ ചരിത്രം, രക്തഗ്രൂപ്പ്, ഫേഷ്യൽ ഡാറ്റ

വ്യക്തിയെ ബന്ധപ്പെടുക

ഡാറ്റ പ്രോസസ്സ് ചെയ്ത വ്യക്തി (ഡാറ്റ ഉടമ)

ഉപഭോക്താവ്, ജീവനക്കാരൻ, സ്ഥാനാർത്ഥി

ഡാറ്റ കൺട്രോളർ

പ്രോസസ്സിംഗിൻ്റെ ഉദ്ദേശ്യവും രീതിയും നിർണ്ണയിക്കുന്നു

AI ഉപയോഗിക്കുന്ന സ്ഥാപനം

ഡാറ്റ പ്രോസസ്സർ

കൺട്രോളറുടെ പേരിൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്ന പാർട്ടി

AI സേവനം നൽകുന്ന കമ്പനി

ഈ വ്യത്യാസത്തിന് നിയമപരമായ പ്രത്യാഘാതങ്ങളുണ്ട്: ഡാറ്റ കൺട്രോളർ (സ്ഥാപനം തന്നെ) ബാധ്യതയുടെ പ്രാഥമിക ഉടമയാണ്. AI ദാതാവ് പലപ്പോഴും ഡാറ്റ പ്രൊസസറാണ്, കൂടാതെ ഒരു രേഖാമൂലമുള്ള കരാർ (ഡാറ്റ പ്രോസസ്സിംഗ് കരാർ) അവസാനിപ്പിക്കണം. "AI ദാതാവ് അത് ചെയ്തു" എന്ന് പറയുന്നത് സ്ഥാപനത്തെ ബാധ്യതയിൽ നിന്ന് ഒഴിവാക്കില്ല.

ശ്രദ്ധിക്കുക: ഡാറ്റ "തിരിച്ചറിയാൻ" കഴിയുന്നിടത്തോളം അത് വ്യക്തിഗത ഡാറ്റയാണ്. "ഞാൻ പേര് ഇല്ലാതാക്കി" എന്ന് പറഞ്ഞാൽ പോരാ; ജനനത്തീയതി + പിൻ കോഡ് + തൊഴിൽ എന്നിവയുടെ സംയോജനം പോലും ഒരു വ്യക്തിയെ തിരിച്ചറിയാൻ കഴിയും. AI-യിൽ നൽകിയ ഡാറ്റയിൽ ഈ സംയോജിത തിരിച്ചറിയൽ എപ്പോഴും പരിശോധിക്കുക.

കെവികെകെയുടെയും എഐയുടെയും പൊതുതത്ത്വങ്ങൾ

എല്ലാ പ്രോസസ്സിംഗും പാലിക്കേണ്ട പൊതുതത്ത്വങ്ങൾ KVKK സജ്ജമാക്കുന്നു. AI ഉപയോഗത്തിലേക്കുള്ള നേരിട്ടുള്ള വിവർത്തനം ഇതാണ്:

1. നിയമവും സത്യസന്ധതയും പാലിക്കൽ: രഹസ്യമായോ തെറ്റിദ്ധരിപ്പിക്കുന്ന രീതിയിലോ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നു.
2. കൃത്യവും കാലികവുമായിരിക്കുക: AI-ക്ക് ഭ്രമാത്മകത സൃഷ്ടിക്കാൻ കഴിയും; പരിശോധിച്ചുറപ്പിക്കാതെ ഔട്ട്‌പുട്ട് വ്യക്തിഗത ഡാറ്റയായി സംരക്ഷിക്കാൻ കഴിയില്ല.
3. നിർദ്ദിഷ്‌ടവും വ്യക്തവും നിയമാനുസൃതവുമായ ഉദ്ദേശ്യം: "ഭാവിയിൽ അത് ആവശ്യമായി വന്നേക്കാം" എന്നതിനാൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യാൻ കഴിയില്ല; ഉദ്ദേശം മുൻകൂട്ടി വ്യക്തമാണ്.
4. ഉദ്ദേശ്യവുമായി ബന്ധപ്പെട്ടതും പരിമിതവും അളന്നതും (ഡാറ്റ മിനിമൈസേഷൻ): ആവശ്യത്തിന് ആവശ്യമായ ഡാറ്റ മാത്രമേ AI-യിൽ നൽകിയിട്ടുള്ളൂ.
5. ആവശ്യമായ കാലയളവിലേക്കുള്ള നിലനിർത്തൽ: ഉദ്ദേശ്യം കഴിഞ്ഞാൽ, ഡാറ്റ (AI ചാറ്റ് ചരിത്രം ഉൾപ്പെടെ) ഇല്ലാതാക്കപ്പെടും/അജ്ഞാതമാക്കപ്പെടും.

AI-ൽ ഏറ്റവും കൂടുതൽ ലംഘിക്കപ്പെട്ട തത്വമാണ് ഡാറ്റ മിനിമൈസേഷൻ: ഒരു ടെക്‌സ്‌റ്റ് സംഗ്രഹിക്കുന്നതിന് മുഴുവൻ ഫയലും ഒട്ടിക്കുന്നതിനുപകരം, ആവശ്യമുള്ള ഖണ്ഡിക മാത്രം നൽകേണ്ടത് ആവശ്യമാണ്, സാധ്യമെങ്കിൽ അതിൻ്റെ മുഖംമൂടി (പേരുകൾ മറച്ചിരിക്കുന്ന) ഫോമിൽ.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - വളരെയധികം ഡാറ്റ. ഒരു കോൾ സെൻ്റർ മാനേജർ പേര്, ഫോൺ നമ്പർ, ഐഡി നമ്പർ എന്നിവയ്‌ക്കൊപ്പം 5,000 കോൾ ട്രാൻസ്‌ക്രിപ്റ്റുകൾ AI-ലേക്ക് "ഉപഭോക്തൃ അതൃപ്തിയുടെ തീമുകൾ വേർതിരിച്ചെടുക്കാൻ" നൽകുന്നു. എന്നിരുന്നാലും, തീം വിശകലനത്തിന് ഐഡൻ്റിറ്റി ഡാറ്റയുടെ ആവശ്യമില്ല. മിനിമൈസേഷൻ തത്വമനുസരിച്ച്, ഐഡി ഫീൽഡുകൾ ഇല്ലാതാക്കി കോൾ ടെക്സ്റ്റ് മാത്രം നൽകുക എന്നതാണ് ശരിയായ മാർഗം. അതിനാൽ, 5,000 ആളുകളുടെ ഐഡൻ്റിറ്റി ഡാറ്റ അനാവശ്യമായി പ്രോസസ്സ് ചെയ്യപ്പെടില്ല.

കേസ് 2 - പർപ്പസ് ഡ്രിഫ്റ്റ്. മാർക്കറ്റിംഗ് ജീവനക്കാരുടെ ക്ലോക്ക്-ഇൻ, ക്ലോക്ക്-ഔട്ട് സമയങ്ങൾ "ഉൽപാദനക്ഷമത വിശകലനത്തിനായി" AI- യ്ക്ക് നൽകുന്നു. എന്നിരുന്നാലും, ഈ ഡാറ്റ തൊഴിൽപരമായ ആരോഗ്യത്തിനും സുരക്ഷയ്ക്കും വേണ്ടി ശേഖരിച്ചതാണ്. ദുരുപയോഗം "ഉദ്ദേശ്യ പ്രകാരമുള്ള പരിമിതി" എന്ന തത്വത്തെ ലംഘിക്കുന്നു. ശരിയായ തീരുമാനം: ഈ പുതിയ ആവശ്യത്തിനായി ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് മുമ്പ് നിയമപരമായ അടിസ്ഥാനവും വ്യക്തതയും വീണ്ടും വിലയിരുത്തുക.

കേസ് 3 - മായ്‌ക്കാനാവാത്ത ഭൂതകാലം. ഒരു ഇൻഷുറൻസ് പ്രൊഫഷണൽ നാശനഷ്ടം വിലയിരുത്താൻ മാസങ്ങളായി അതേ AI ചാറ്റിലേക്ക് ഉപഭോക്തൃ ഡാറ്റ നൽകുന്നുണ്ട്, ചരിത്രം ഒരിക്കലും മായ്‌ക്കപ്പെടുന്നില്ല. 8 മാസത്തിനുശേഷം, 300-ലധികം ഉപഭോക്താക്കളുടെ ഡാറ്റ ഒറ്റ ചാറ്റിൽ ശേഖരിക്കപ്പെടുന്നു. ഓരോ നിലനിർത്തൽ നയത്തിനും, ഉദ്ദേശ്യം അവസാനിച്ചുകഴിഞ്ഞാൽ ഈ ചരിത്രം ശുദ്ധീകരിക്കണം (ഫയൽ അടച്ചു) അല്ലെങ്കിൽ ഇടപാട് ഒരു സ്ഥാപനപരമായ, ലോഗ്സ് ടൂളിലേക്ക് മാറ്റണം.

AI-യിലേക്ക് ഡാറ്റ നൽകുന്നത് "പ്രോസസ്സിംഗ്" ആണ്

കെവികെകെയിൽ പ്രോസസ്സിംഗ്; ഡാറ്റ നേടുന്നതും റെക്കോർഡ് ചെയ്യുന്നതും സംഭരിക്കുന്നതും കൈമാറ്റം ചെയ്യുന്നതും ഉൾപ്പെടെയുള്ള ഏത് പ്രക്രിയയുമാണ്. AI-യിലേക്ക് ഒരു ടെക്സ്റ്റ് ഒട്ടിക്കുക എന്നതിനർത്ഥം ദാതാവിൻ്റെ സെർവറിലേക്ക് ഡാറ്റ അയയ്ക്കുക എന്നാണ് - ഇതൊരു ഇടപാടാണ്, പലപ്പോഴും ഒരു കൈമാറ്റമാണ് (സെർവർ വിദേശത്താണെങ്കിൽ). അതിനാൽ, AI-യുടെ ഓരോ ഉപയോഗത്തിനും അതിന് പിന്നിൽ ഒരു സാധുവായ നിയമപരമായ അടിത്തറയും (അടുത്ത യൂണിറ്റിൻ്റെ വിഷയം) ഉചിതമായ ഒരു കരാറും ആവശ്യമാണ്.

നുറുങ്ങ്: "എനിക്ക് ഈ ഡാറ്റ AI-യിലേക്ക് ഇൻപുട്ട് ചെയ്യാൻ കഴിയുമോ?" മൂന്ന് ഫിൽട്ടറുകൾ ഉപയോഗിച്ച് ചോദ്യം പരിശോധിക്കുക: (1) വ്യക്തിഗത ഡാറ്റ? (2) ആവശ്യത്തിന് ഇത് ആവശ്യമാണോ, അത് ചെറുതാക്കിയിട്ടുണ്ടോ? (3) എനിക്ക് സാധുവായ ഒരു നിയമപരമായ അടിത്തറയും അനുയോജ്യമായ ഒരു കരാറും ഉണ്ടോ? മൂന്നും "അതെ" അല്ലെങ്കിൽ, നിർത്തി വിലയിരുത്തുക.

വെർബിസും പ്രോസസ്സിംഗ് ഇൻവെൻ്ററിയും

വെർബിസ് (ഡാറ്റ കൺട്രോളേഴ്സ് രജിസ്ട്രി ഇൻഫർമേഷൻ സിസ്റ്റം) എന്നത് ഔദ്യോഗിക രജിസ്ട്രിയാണ്, അതിൽ ചില പരിധികൾ കവിയുന്ന ഡാറ്റ കൺട്രോളറുകൾ അവരുടെ വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സിംഗ് പ്രവർത്തനങ്ങൾ രേഖപ്പെടുത്തുന്നു. സ്ഥാപനം ഒരു വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സിംഗ് ഇൻവെൻ്ററി പരിപാലിക്കുന്നു: അത് ഏത് ഡാറ്റയാണ് പ്രോസസ്സ് ചെയ്യുന്നത്, ഏത് ആവശ്യത്തിനായി, ഏത് നിയമപരമായ അടിസ്ഥാനത്തിൽ, അത് എത്ര സംഭരിക്കുന്നു, ആർക്ക് കൈമാറുന്നു എന്നിവ കാണിക്കുന്ന ഒരു തത്സമയ റെക്കോർഡ്. ഒരു പുതിയ AI അടിസ്ഥാനമാക്കിയുള്ള പ്രോസസ്സിംഗ് പ്രവർത്തനം ആരംഭിക്കുമ്പോൾ, ഈ ഇൻവെൻ്ററി അപ്‌ഡേറ്റ് ചെയ്യുകയും ആവശ്യമെങ്കിൽ VERBIS റെക്കോർഡിൽ പ്രതിഫലിപ്പിക്കുകയും വേണം.

ഇൻവെൻ്ററി സ്ഥലം

AI പ്രവർത്തനത്തിനുള്ള ഉദാഹരണം

പ്രോസസ്സിംഗിൻ്റെ ഉദ്ദേശ്യം

ഉപഭോക്തൃ ഇമെയിലുകളുടെ യാന്ത്രിക സംഗ്രഹം

ഡാറ്റ വിഭാഗം

കോൺടാക്റ്റ്, ഉപഭോക്തൃ ഇടപാട് ഡാറ്റ

നിയമപരമായ അടിസ്ഥാനം

കരാർ / നിയമാനുസൃത താൽപ്പര്യത്തിൻ്റെ പ്രകടനം

സ്വീകർത്താവ് ഗ്രൂപ്പ്

AI സേവന ദാതാവ് (ഡാറ്റ പ്രോസസർ)

കൈമാറ്റം

വിദേശ സെർവർ (ഉചിതമായ ഉറപ്പോടെ)

സംഭരണ കാലയളവ്

ഫയൽ ക്ലോസിംഗിൽ നിന്ന് ഇല്ലാതാക്കുക

പകർത്താവുന്ന ടെംപ്ലേറ്റുകൾ

ടെംപ്ലേറ്റ് 1 — ടെക്‌സ്‌റ്റ് AI-യിൽ നൽകാതെ മറയ്‌ക്കുക: "താഴെയുള്ള വാചകത്തിൽ നിന്ന് വ്യക്തിഗത ഡാറ്റ (പേര്-കുടുംബപ്പേര്, ഫോൺ, ഇമെയിൽ, ഐഡി നമ്പർ, വിലാസം) നീക്കം ചെയ്‌ത് അവയെ [NAME], [TEL] പോലുള്ള ടാഗുകൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക. ടെക്‌സ്‌റ്റിൻ്റെ അർത്ഥവും ഘടനയും സംരക്ഷിക്കുക. മാസ്‌ക് ചെയ്‌ത വാചകം മാത്രം തിരികെ നൽകുക, മറ്റ് വിശദീകരണങ്ങളൊന്നും നൽകരുത്."

ടെംപ്ലേറ്റ് 2 — ചെറുതാക്കൽ പരിശോധന: "ഞാൻ ഇനിപ്പറയുന്ന ടാസ്‌ക് നിർവ്വഹിക്കും: [ടാസ്‌ക് എഴുതുക]. ഈ ടാസ്‌ക്കിന് ഇനിപ്പറയുന്ന ഡാറ്റാ ഫീൽഡുകളിൽ ഏതാണ് അനാവശ്യമെന്ന് ലിസ്റ്റുചെയ്യുക: [ഫീൽഡുകൾ എഴുതുക]. ആവശ്യത്തിന് ആവശ്യമില്ലാത്ത ഏതെങ്കിലും ഫീൽഡ് 'നിരസിക്കുക' എന്ന് അടയാളപ്പെടുത്തി എന്തുകൊണ്ട് ഒരു വാക്യത്തിൽ എഴുതുക."

ടെംപ്ലേറ്റ് 3 — പ്രോസസ്സിംഗ് ഇൻവെൻ്ററി ലൈൻ ഔട്ട്‌ലൈൻ: "ഇനിപ്പറയുന്ന AI ഉപയോഗത്തിനായി വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സിംഗ് ഇൻവെൻ്ററി ലൈൻ പൂരിപ്പിക്കുക:[ഉപയോഗം വിവരിക്കുക]. ഫീൽഡുകൾ: പ്രോസസ്സിംഗ് ഉദ്ദേശ്യം, ഡാറ്റ വിഭാഗം, കോൺടാക്റ്റ് ഗ്രൂപ്പ്, സാധ്യമായ നിയമപരമായ അടിത്തറകൾ (ഒന്നിലധികം നിർദ്ദേശിക്കുക), സ്വീകർത്താക്കൾ, കൈമാറ്റം, കണക്കാക്കിയ നിലനിർത്തൽ കാലയളവ്. കൃത്യമായ നിയമപരമായ തീരുമാനമെടുക്കൽ, നിലവിലുള്ള ഓപ്ഷനുകൾ."

ടെംപ്ലേറ്റ് 4 — വ്യക്തിഗത ഡാറ്റ കണ്ടെത്തൽ: "ഈ ഡോക്യുമെൻ്റിൽ ഏത് വ്യക്തിഗത ഡാറ്റാ തരങ്ങളും പ്രത്യേകിച്ച് ഏതൊക്കെ പ്രത്യേക ഡാറ്റയും (ആരോഗ്യം, മതം, ബയോമെട്രിക്‌സ് മുതലായവ) ഉണ്ട്? തരങ്ങൾ ലിസ്റ്റ് ചെയ്ത് അവ ഓരോന്നിനും ഏത് ക്ലാസിൽ പെടുമെന്ന് എഴുതുക. ഡോക്യുമെൻ്റ് മാറ്റരുത്, അത് കണ്ടെത്തുക."

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ ഉപഭോക്തൃ പട്ടിക വിശകലനം ചെയ്യുക." (പൂർണ്ണമായ പേര്, ഫോൺ, ഐഡി)-> മിനിമൈസേഷൻ ലംഘിക്കുന്നു; ദാതാവിന് അനാവശ്യ വ്യക്തിഗത/സ്വകാര്യ ഡാറ്റ അയയ്ക്കുന്നു; നിയമപരമായ അടിത്തറയും കൈമാറ്റ പ്രശ്‌നങ്ങളും ഉന്നയിക്കുന്നു.STRONG: "താഴെയുള്ള ലിസ്റ്റിലെ 'നഗരം', 'ഉൽപ്പന്ന വിഭാഗം' കോളങ്ങൾ മാത്രം ഉപയോഗിച്ച് പ്രാദേശിക ഡിമാൻഡ് ഡിസ്ട്രിബ്യൂഷൻ വിശകലനം ചെയ്യുക. പേര്, ഫോൺ, ഐഡി കോളങ്ങൾ അവഗണിക്കുക - ഞാൻ ഇതിനകം തന്നെ അവ ഇല്ലാതാക്കിയിട്ടുണ്ട്."-> ആവശ്യത്തിന് ആവശ്യമായ വ്യക്തിഗതമല്ലാത്ത ഡാറ്റ മാത്രമേ പ്രോസസ്സ് ചെയ്യൂ തത്വം സംരക്ഷിക്കപ്പെടുന്നു.

സാധാരണ തെറ്റുകൾ

• "ഞാൻ പേര് ഇല്ലാതാക്കി, അത് വ്യക്തിപരമല്ല" എന്ന് കരുതി; അതേസമയം സംയോജിത ഡാറ്റ ഒരു വ്യക്തിയെ തിരിച്ചറിയാൻ കഴിയും.
• ഡാറ്റ കൺട്രോളറും ഡാറ്റാ പ്രൊസസറും തമ്മിൽ വേർതിരിവ് കാണിക്കാതിരിക്കുകയും ദാതാവുമായി ഒരു കരാർ ഒപ്പിടാതിരിക്കുകയും ചെയ്യുക.
• ആവശ്യത്തിനുള്ള അനാവശ്യ മേഖലകളും AI-യിൽ പ്രവേശിക്കുകയും മിനിമൈസേഷൻ ലംഘിക്കുകയും ചെയ്യുന്നു.
• AI-ൽ ഒരു ആവശ്യത്തിനായി ശേഖരിക്കുന്ന ഡാറ്റ മറ്റൊരു ആവശ്യത്തിനായി ഉപയോഗിക്കുന്നു (ഉദ്ദേശ്യ ഡ്രിഫ്റ്റ്).
• AI ഔട്ട്‌പുട്ട് പരിശോധിക്കാതെ തന്നെ "കൃത്യവും കാലികവുമായ" വ്യക്തിഗത ഡാറ്റയായി സംരക്ഷിക്കുന്നു.
• പ്രോസസ് ഇൻവെൻ്ററിയിലും ആവശ്യമെങ്കിൽ VERBIS-ലും പുതിയ AI പ്രവർത്തനം പ്രതിഫലിപ്പിക്കുന്നില്ല.
• ഒരു നിലനിർത്തൽ/ഇല്ലാതാക്കൽ നിയമവുമായി ബന്ധിപ്പിക്കാതെ AI ചാറ്റ് ചരിത്രം ശേഖരിക്കുന്നു.

ചുരുക്കത്തിൽ

• കെവികെകെയുടെ കാതൽ; വ്യക്തിഗത ഡാറ്റ, ഡാറ്റ കൺട്രോളർ, ഡാറ്റ പ്രോസസർ എന്നിവയുടെ ആശയങ്ങൾ വേർതിരിച്ചറിയുക എന്നതാണ്.
• ഡാറ്റ കൺട്രോളർ (സ്ഥാപനം) ആണ് പ്രധാന ബാധ്യത; AI ദാതാവ് പലപ്പോഴും ഡാറ്റാ പ്രൊസസറാണ്, ഒരു കരാർ ആവശ്യമാണ്.
• പൊതുവായ തത്ത്വങ്ങളിൽ, AI-യുടെ ഏറ്റവും നിർണായകമായത് ഡാറ്റ ചെറുതാക്കലും ഉദ്ദേശ്യ പരിമിതിയുമാണ്.
• AI-യിലേക്ക് ഡാറ്റ നൽകുന്നത് ഒരു ഇടപാടാണ്, പലപ്പോഴും ഒരു കൈമാറ്റമാണ്; നിയമപരമായ അടിസ്ഥാനവും കരാറും ആവശ്യമാണ്.
• ഓരോ പുതിയ AI പ്രവർത്തനവും പ്രോസസ്സിംഗ് ഇൻവെൻ്ററിയിൽ രേഖപ്പെടുത്തുകയും ആവശ്യമെങ്കിൽ VERBIS റെക്കോർഡിൽ പ്രതിഫലിപ്പിക്കുകയും വേണം.

ആപ്ലിക്കേഷൻ ടാസ്ക്

AI ഉപയോഗിച്ച് നിങ്ങളുടെ സ്ഥാപനം ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഒരു യഥാർത്ഥ പ്രോസസ്സിംഗ് പ്രവർത്തനം തിരഞ്ഞെടുക്കുക (ഉദാ. ഉപഭോക്തൃ പരാതികളുടെ തീം വിശകലനം). ഈ പ്രവർത്തനത്തിനായി ഒരു പ്രോസസ്സിംഗ് ഇൻവെൻ്ററി ലൈൻ പൂരിപ്പിക്കുക: ഉദ്ദേശ്യം, ഡാറ്റ വിഭാഗം, കോൺടാക്റ്റ് ഗ്രൂപ്പ്, സാധ്യമായ നിയമപരമായ അടിത്തറകൾ, സ്വീകർത്താക്കൾ, കൈമാറ്റ നില, നിലനിർത്തൽ കാലയളവ്. ഈ പ്രവർത്തനത്തിൽ AI-യിലേക്ക് നൽകേണ്ട ഡാറ്റ ഒരു മിനിമൈസേഷൻ ഫിൽട്ടറിലൂടെ കൈമാറുക: ഏതൊക്കെ ഫീൽഡുകൾ അനാവശ്യമാണെന്നും ഏതൊക്കെയാണ് മാസ്ക് ചെയ്യേണ്ടതെന്നും ലിസ്റ്റ് ചെയ്യുക. അവസാനമായി, ആരാണ് ഈ പ്രവർത്തനത്തിൻ്റെ ഡാറ്റ കൺട്രോളർ, ആരാണ് ഡാറ്റ പ്രോസസർ, അവർക്കിടയിൽ എന്ത് കരാർ ആവശ്യമാണ് എന്നിവ എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] പ്രവർത്തനത്തിൽ വ്യക്തിപരവും സ്വകാര്യവുമായ ഡാറ്റ ഞാൻ കണ്ടെത്തി.
• [ ] ഞാൻ ഡാറ്റ കൺട്രോളറും ഡാറ്റ പ്രോസസറും വ്യക്തമാക്കി.
• [ ] ഞാൻ ചെറുതാക്കൽ പ്രയോഗിച്ചു: അനാവശ്യമായ പ്രദേശങ്ങൾ നീക്കം ചെയ്‌തു/മാസ്ക് ചെയ്‌തു.
• [ ] പ്രത്യേകമായും നിയമപരമായും പ്രോസസ്സ് ചെയ്യുന്നതിൻ്റെ ഉദ്ദേശ്യം ഞാൻ നിർവചിച്ചിട്ടുണ്ട്.
• [ ] ഞാൻ ഒരു പ്രോസസ്സിംഗ് ഇൻവെൻ്ററി ലൈൻ പൂരിപ്പിച്ചു.
• [ ] ഞാൻ ട്രാൻസ്ഫർ (വിദേശ സെർവർ) സാഹചര്യം വിലയിരുത്തി.
• AI ചരിത്രത്തിൻ്റെ നിലനിർത്തൽ കാലയളവും ഇല്ലാതാക്കലും ഞാൻ ഷെഡ്യൂൾ ചെയ്തിട്ടുണ്ട്.