KVKK, Privasi dan Tadbir Urus Kepintaran Buatan Awam yang Bertanggungjawab

Keuntungan:

• Ia menggunakan prinsip KVKK dan pengecilan data apabila memproses data peribadi warga dalam alatan AI.
• Ia mewujudkan rangka kerja tadbir urus untuk organisasi yang merangkumi dasar penggunaan AI, jejak audit dan rantaian tanggungjawab.
• Ia secara holistik berpendapat bahawa AI awam yang bertanggungjawab dibina berdasarkan pengawasan manusia, ketelusan dan akauntabiliti.

Sepanjang modul ini, kami melihat bagaimana AI ialah pemecut yang berkuasa di khalayak ramai: respons kepada soalan rakyat, petisyen dan surat-menyurat, penyelidikan perundangan, analisis dasar, pelaporan, pembuatan keputusan berasaskan data, e-kerajaan dan ketelusan. Sekarang kita sampai kepada rangka kerja yang menyatukan semuanya: perlindungan data peribadi dan tadbir urus yang bertanggungjawab. Awam, mengikut sifatnya, memproses data warganegara yang paling sensitif: identiti, alamat, pendapatan, kesihatan, rekod jenayah, situasi keluarga. Memproses data ini dengan alatan AI mesti mematuhi sepenuhnya rangka kerja KVKK (Undang-undang Perlindungan Data Peribadi No. 6698; undang-undang yang mengawal selia pemprosesan data peribadi yang sah, terhad dan selamat). Dalam unit akhir ini, kami akan mewujudkan privasi dan tulang belakang tadbir urus penggunaan AI awam — data yang boleh diberikan kepada alat yang mana, dasar yang digunakan, siapa yang bertanggungjawab, cara organisasi mengurus AI dengan selamat. Unit ini ialah bumbung yang diletakkan di atas sepuluh unit sebelumnya.

Prinsip asas KVKK menyentuh AI awam

KVKK menetapkan beberapa prinsip asas, yang setiap satunya mengehadkan penggunaan AI secara langsung:

• Pematuhan undang-undang dan pematuhan kepada tujuan: Data peribadi diproses hanya untuk tujuan tertentu yang sah. Data yang dikumpul untuk satu tujuan (contohnya, memohon bantuan) tidak boleh digunakan untuk tujuan lain (contohnya, melatih model) tanpa kebenaran.
• Pengurangan data: Tiada lagi data diproses daripada yang diperlukan untuk tujuan tersebut. Jika nama tidak diperlukan untuk analisis kategori, tiada nama diberikan.
• Keselamatan: Data dilindungi daripada akses yang tidak dibenarkan. Menampal data warganegara ke dalam alat AI awam membawa data tersebut ke luar organisasi — ia merupakan pelanggaran dasar keselamatan.
• Tempoh penyimpanan: Data dipadamkan apabila tujuan tamat; Ia tidak disimpan selama-lamanya.
• Maklumat dan hak: Warganegara berhak mengetahui cara data mereka diproses, membetulkan, memadam dan membantah keputusan automatik.

Perhatian: Memuat naik data warganegara ke alat AI awam yang tidak diluluskan oleh institusi, tempat data disimpan dan siapa yang mempunyai akses kepadanya tidak jelas, dalam kebanyakan kes merupakan pelanggaran KVKK dan membuka institusi kepada sekatan. Peraturan tidak pernah bengkok "untuk memudahkan kerja".

Data yang mana, kepada kenderaan yang mana? Model tiga zon

Sebagai peraturan, bahagikan data kepada tiga kawasan:

1. Merah (tidak pernah memasuki kenderaan awam): Nombor ID, kesihatan, jenayah, agama, etnik, biometrik, alamat penuh, apa-apa sahaja yang mengenal pasti orang itu. Ini diproses hanya dalam persekitaran kontrak/in-house dan mematuhi KVKK yang diluluskan oleh institusi.
2. Kuning (berhati-hati, dengan menutup): Data yang boleh dikaitkan secara tidak langsung kepada orang itu. Anonimkan/agregat dahulu, kemudian proses.
3. Hijau (percuma): Tidak peribadi, awam, maklumat am (teks perundangan, statistik awam, prosedur am). Anda boleh memprosesnya dengan mudah dengan AI.

Petua: Sebelum memberikan teks kepada AI, lakukan ujian 5 saat: "Adakah terdapat apa-apa dalam kandungan ini yang boleh mengenal pasti seseorang?" Jika jawapannya adalah "ya/mungkin," topeng atau pandu kenderaan yang diluluskan. Jika ragu-ragu, pertimbangkan merah.

Tadbir urus korporat: dari orang ke sistem

AI awam yang bertanggungjawab tidak boleh diserahkan kepada kehendak baik penjawat awam individu; Rangka kerja institusi diperlukan:

• Dasar: Institusi mesti mempunyai dasar penggunaan AI: alat mana yang diluluskan, data apa yang boleh dimasukkan, siapa yang bertanggungjawab.
• Senarai alat yang diluluskan: Kakitangan harus menggunakan alat yang telah dinilai dan diluluskan oleh institusi, bukan secara rawak.
• Latihan: Kakitangan mesti mengetahui disiplin pengesahan dan wilayah data (seperti modul ini).
• Rakaman dan pengauditan: Jejak audit keputusan yang dihasilkan dengan AI harus disimpan.
• Akauntabiliti: Setiap output yang dikuasakan AI mesti mempunyai pemilik dan kelulusan manusia. Tanggungjawab terletak pada institusi dan pegawai, bukan kenderaan.
• Prinsip berpusatkan manusia: Tiada keputusan penciptaan/pembatasan muktamad dibuat tanpa persetujuan manusia.

tiga kes mini

Kes 1 — Kebocoran data merah dihalang. Seorang kakitangan akan memuat naik ringkasan senarai manfaat kesihatan untuk 1,200 orang ke alat awam. Terima kasih kepada polisi kenderaan yang diluluskan oleh agensi dan latihan "data merah", ia berhenti; Data telah diproses dalam persekitaran yang diluluskan dalaman dan dengan medan identiti bertopeng. Kemungkinan pelanggaran KVKK dan kehilangan kepercayaan untuk puluhan ribu orang telah dihalang.

Kes 2 — Penyalahgunaan. Satu unit mahu menggunakan data yang dikumpul untuk jangkauan bagi pelan komunikasi pra-pilihan raya. Pegawai perlindungan data mengingatkan prinsip pematuhan kepada tujuan: ini adalah penggunaan data di luar tujuan ia dikumpulkan dan menyalahi undang-undang. Permintaan itu ditolak.

Kes 3 — Jurang tadbir urus ditutup. Dalam satu majlis perbandaran, unit yang berbeza menggunakan alat AI yang berbeza tanpa kawalan; Tiada siapa yang tahu data mana yang pergi ke mana. Agensi itu memperkenalkan dasar penggunaan AI, senarai kenderaan yang diluluskan dan jejak audit; Dalam masa 3 bulan, penggunaan kenderaan tidak berdaftar berkurangan sebanyak 90% dan inventori data telah dibuat.

Empat templat yang boleh disalin

1) Klasifikasi wilayah data (sebelum mengeksport ke kenderaan):

Peranan anda: penasihat perlindungan data. Kelaskan kandungan berikut sebelum memberikannya kepada ejen AI: MERAH (mengenal pasti orang, tidak pernah memasuki kenderaan awam), KUNING (boleh disambungkan secara tidak langsung, topeng), HIJAU (bukan peribadi, percuma). Tandakan kawasan merah/kuning satu persatu dan beritahu mereka cara menutup muka. Kira suspek sebagai merah. KANDUNGAN: [teks]

2) Penyamaran/tanpa nama:

Namakan semua data peribadi sebelum memproses teks berikut: nama -> [PERSON-1], nombor ID -> [IDENTITI], alamat ->[ALAMAT], kesihatan/penalti -> [SENSIF]. Tag orang yang sama. Eksport teks tanpa nama secara berasingan. Jangan sekali-kali menulis data sebenar pada output. TEKS: [teks]

3) Senarai semak pematuhan KVKK (untuk penggunaan AI):

Peranan anda: Pakar pematuhan KVKK. Hasilkan senarai semak pematuhan untuk penggunaan AI berikut: (1) adakah tujuan pemprosesan yang sah dan khusus, (2) adakah ia disambungkan kepada tujuan (adakah ia beralih kepada tujuan lain), (3) adakah ia dioptimumkan, (4) adakah alat selamat/diluluskan, (5) adalah tempoh pengekalan tertentu, (6) hak warganegara (bantahan, pemadaman) dilindungi. Tandakan item yang hilang dengan bendera merah. PENGGUNAAN: [resipi]

4) Rangka kerja dasar AI korporat:

Peranan anda: pakar tadbir urus IT awam. Hasilkan rangka kerja dasar penggunaan AI untuk organisasi kami: skop, alatan yang diluluskan, zon data (merah/kuning/hijau), penggunaan yang dilarang, titik kelulusan manusia, jejak audit, tanggungjawab, latihan dan pemberitahuan pelanggaran. Isi setiap tajuk dengan 1-2 ayat. INSTITUSI: [unit dan pekerjaan biasa]

Gesaan lemah / Gesaan kuat

Lemah: "Ringkaskan senarai rujukan ini."

Kuat: "Peranan anda ialah perunding perlindungan data. Mula-mula, klasifikasikan senarai ini mengikut wilayah data (merah/kuning/hijau) dan tandakan semua medan yang mengenal pasti orang itu. Topeng medan merah/kuning dengan [PERSON]/[IDENTITI]/[SENSITIF], simpan orang yang sama dengan label yang sama. Hanya hasilkan ringkasan kategori dengan data peribadi tanpa nama yang memerlukan perhatian pada proses agregat tanpa nama ini. syarat KVKK (tujuan, penyimpanan, keselamatan kenderaan) tambah."

Perbezaannya: gesaan yang berkuasa mengelaskan, menutup, meminimumkan dan menyepadukan prinsip KVKK sebelum memproses data.

Wilayah dan peraturan data

Wilayah

contoh

peraturan

merah

Nombor ID TR, kesihatan, penalti, alamat penuh

Jangan sekali-kali memasuki kenderaan awam; persekitaran yang diluluskan

kuning

Umur+kejiranan+pekerjaan, pengecam tidak langsung

Topeng/agregat, kemudian proses

hijau

Perundangan, statistik awam, prosedur am

kerja bebas

Kesilapan biasa

• Mengeksport data merah ke alat awam. Pelanggaran yang paling serius; Data ID/kesihatan/penalti tidak meninggalkan persekitaran yang diluluskan.
• Salah guna. Adalah menyalahi undang-undang untuk menggunakan data yang dikumpul untuk satu tujuan untuk tujuan lain (latihan model, komunikasi) tanpa kebenaran.
• Memproses terlalu banyak data. Jangan alihkan medan yang tidak perlu (nama, alamat) untuk tujuan itu; Minimumkan.
• Memandu tanpa kelulusan. Tidak jelas ke mana perginya data dalam kenderaan yang tidak dinilai oleh institusi itu.
• Tidak menentukan tempoh pengekalan. Data hendaklah dipadamkan apabila tujuannya selesai; tidak boleh disimpan selama-lamanya.
• Meletakkan tanggungjawab pada kenderaan. Keluaran dimiliki dan diluluskan oleh manusia; "AI melakukannya" bukan pertahanan.

Secara ringkasnya

Rangka kerja untuk AI awam yang bertanggungjawab ialah perlindungan data peribadi dan tadbir urus korporat. Prinsip KVKK — bermatlamat, meminimumkan, keselamatan, had pengekalan, hak warganegara — mengehadkan sebarang penggunaan AI. Pisahkan data ke dalam zon merah/kuning/hijau, jangan sekali-kali memberikan warna merah kepada alat awam, menutup data peribadi, gunakan hanya alat yang diluluskan dan sambungkan pemilik manusia kepada setiap keputusan. Dasar peringkat institusi, senarai kenderaan yang diluluskan, rekod latihan dan pemeriksaan; Disiplin pengesahan di peringkat orang. Oleh itu, AI berkhidmat kepada orang ramai dengan melindungi hak rakyat.

Tugasan permohonan

Pilih penggunaan AI sebenar yang telah anda buat (atau sedang mempertimbangkan untuk membuat) dalam unit anda. Asingkan kandungan yang akan anda proses menjadi merah/kuning/hijau dengan templat "Klasifikasi wilayah data". Gunakan templat "senarai semak pematuhan KVKK" dan cari sekurang-kurangnya satu titik yang hilang/berisiko. Akhir sekali, draf dasar ringkas yang sesuai untuk unit anda dengan "rangka dasar AI Korporat".

senarai semak

• [ ] Saya membahagikan kandungan kepada zon merah/kuning/hijau; Saya mengira suspek sebagai merah.
• [ ] Saya tidak memberikan data merah kepada alat awam; Saya menggunakan media yang diluluskan.
• [ ] Saya menyembunyikan data peribadi dan mengalih keluar medan yang tidak diperlukan (pengurangan).
• [ ] Saya telah menyemak tujuan pemprosesan, tempoh penyimpanan dan keselamatan kenderaan.
• [ ] Saya telah mematuhi hak warganegara untuk membantah/memansuhkan.
• [ ] Saya melampirkan pemilik manusia dan kelulusan untuk setiap output; Saya menyimpan jejak audit.

Peperiksaan Modul

1. Sebagai pegawai awam, apakah soalan keutamaan terbaik yang perlu anda tanya sebelum menyerahkan pekerjaan kepada AI?

• A) Apakah kerugian rakyat jika output ini salah? ✔
• B) Berapa pantas AI boleh melakukan kerja ini?
• C) Adakah alat AI ini percuma?
• D) Adakah unit lain juga akan menggunakan output ini?

Penjelasan: Keputusan pemindahan dibuat berdasarkan kerosakan yang akan dialami oleh rakyat jika output tidak betul. Kerosakan mudah dipindahkan jika hanya beberapa minit menulis semula; Jika ia adalah penolakan yang tidak adil, penalti yang salah atau kehilangan hak, AI hanya menghasilkan draf, keputusan dan pengesahan adalah milik rasmi.

2. Apakah yang dipanggil apabila AI membentangkan undang-undang yang tidak wujud atau keputusan mahkamah rekaan sebagai benar?

• A) Caching
• B) Triage
• C) Anonimisasi
• D) Halusinasi ✔

Penjelasan: Halusinasi ialah apabila AI dengan yakin menghasilkan maklumat yang sebenarnya tidak wujud (bahan rekaan, peraturan yang dimansuhkan, nombor yang salah). Dalam bidang perundangan, ini adalah salah satu risiko yang paling berbahaya, kerana ia boleh menyebabkan kehilangan hak dan pembatalan tindakan pentadbiran.

3. Seorang pegawai akan menolak permohonan berdasarkan artikel peraturan yang ditunjukkan oleh YZ. Manakah tingkah laku yang paling betul?

• A) AI terus menulis penolakan kerana ia kelihatan yakin
• B) Tanya soalan yang sama kepada kenderaan AI yang lain dan dapatkan pengesahan
• C) Mengesahkan artikel daripada teks disatukan semasa di Çözüm.gov.tr ✔
• D) Secara lisan meminta keputusan kepada pihak atasan

Penerangan: Data latihan AI dibekukan pada tarikh tertentu; Artikel yang ditunjukkannya mungkin telah dimansuhkan atau diubah. Mengesahkan bahawa artikel itu berkuat kuasa dan versi terakhirnya daripada teks disatukan semasa di Çözüm.gov.tr ​​​​sebelum keputusan menghalang penolakan yang tidak adil dan kemungkinan saman pembatalan.

4. Mengapakah jaminan kualiti untuk chatbot warganegara boleh berkata 'Saya tidak tahu, saya memindahkan anda kepada pegawai'?

• A) Meningkatkan statistik dengan meningkatkan kadar pusing ganti
• B) Mencegah maklumat salah dengan menyerahkan maklumat kepada manusia apabila tidak pasti ✔
• C) Memanjangkan masa panggilan dengan mengalih perhatian rakyat
• D) Membenarkan chatbot menerima lebih sedikit soalan

Penjelasan: Di khalayak ramai, jawapan salah yang yakin adalah lebih mahal daripada jawapan yang jujur; Ia membawa kepada kehilangan hak dan ketidakpercayaan terhadap institusi. Keupayaan chatbot untuk menyerahkan kepada manusia apabila tidak pasti adalah mekanisme keselamatan yang menghalang maklumat salah halusinasi.

5. Apakah risiko paling penting untuk dipertimbangkan apabila 'memudahkan' surat-menyurat rasmi dengan AI?

• A) Teks terlalu pendek
• B) Menukar fon
• C) Menggugurkan syarat atau pengecualian ✔
• D) Salah ejaan nama penerima

Penjelasan: Penyesuaian gaya tidak seharusnya mengubah kandungan. Apabila memudahkan, AI kadangkala menjatuhkan pengecualian, syarat atau tempoh. Oleh itu, teks yang dipermudahkan hendaklah sentiasa dibandingkan dengan keputusan atau perundangan asal.

6. Nama dan T.R. dalam set data. Apa yang anda panggil apabila gabungan 'kejiranan + tahun kelahiran + jenis kecacatan' boleh mendedahkan seseorang walaupun nombor ID telah dipadamkan?

• A) Definisi Semula ✔
• B) Pengurangan data
• C) Kadar perlindungan
• D) Penyatuan

Penjelasan: Pengecaman semula ialah mencari seseorang melalui gabungan pengecam tidak langsung daripada data yang dianggap tanpa nama. Jika kategori jarang ditemui dalam satu orang, memadamkan nama itu tidak akan mencukupi; Langkah tambahan diperlukan, seperti menukar umur kepada julat dan menggabungkan kategori jarang berlaku.

7. Apakah yang dipanggil apabila model pemeriksaan menandakan kejiranan yang telah banyak diperiksa pada masa lalu sebagai 'berisiko' dan menghantar lebih banyak pemeriksaan ke sana, yang mendorong model itu untuk melihat kejiranan itu sebagai lebih berisiko?

• A) Pengurangan data
• B) Halusinasi
• C) Anonimisasi
• D) Gelung maklum balas ✔

Penjelasan: Gelung maklum balas ialah apabila output model mempengaruhi data latihan seterusnya, mengukuhkan kecenderungan sedia ada. Perbezaan meningkat bukan dalam risiko sebenar, tetapi di mana seseorang melihat. Cara untuk melindungi diri anda adalah dengan memantau kesan, bukan output, dan mengawal pengedaran keputusan berasaskan kumpulan.

8. Selepas permohonan faedah dipindahkan sepenuhnya dalam talian, bilangan permohonan menurun 30 peratus pada bulan pertama. Apakah penjelasan yang paling mungkin untuk ini?

• A) Keperluan sebenar rakyat telah berkurangan
• B) Warganegara yang tidak mempunyai internet dan celik digital telah ditinggalkan ✔
• C) Faedah berkurangan kerana jumlah bantuan berkurangan
• D) Sistem meluluskan semua permohonan secara automatik

Penerangan: Jurang digital ialah ketidakupayaan rakyat tanpa capaian internet atau celik digital untuk mengakses perkhidmatan. Jumlah itu berkurangan kerana golongan paling memerlukan iaitu warga emas dan warganegara tanpa internet tidak boleh memohon. Penyelesaiannya adalah meninggalkan saluran alternatif, seperti titik rujukan yang dibantu.

9. Walaupun kadar kejayaan sebenar dalam laporan tahunan ialah 63 peratus, ringkasan eksekutif yang dihasilkan oleh YZ mengatakan 'sebahagian besar permohonan adalah positif.' Apakah tingkah laku yang betul?

• A) Ungkapan itu dibiarkan begitu sahaja kerana ia positif.
• B) Nisbah dipadamkan dan hanya ungkapan kualitatif digunakan
• C) Ungkapan digantikan dengan nombor sebenar 63 peratus ✔
• D) Ringkasan dikeluarkan sepenuhnya daripada laporan

Penjelasan: Persepsi positif yang keterlaluan dalam laporan awam meletakkan institusi itu dalam situasi yang sukar dalam audit seterusnya. Setiap tuntutan dalam ringkasan eksekutif hendaklah dibandingkan dengan data mentah dan bilangan sebenar (63 peratus) hendaklah ditulis; Ringkasan AI tidak disertakan dalam laporan tanpa diaudit.

10. Apabila membuat keputusan berasaskan data dalam sektor awam, jika 'bilangan fail ditutup setiap bulan' meningkat manakala 'kadar resolusi pada kenalan pertama' berkurangan, apakah yang ini mengajar kita terlebih dahulu?

• A) Memilih penunjuk yang betul adalah lebih penting daripada mendarab nombor ✔
• B) Bilangan kakitangan perlu ditambah
• C) Graf hendaklah diwarnakan
• D) Chatbot harus menjawab lebih banyak soalan

Penjelasan: Penunjuk yang salah membawa kepada keputusan yang salah walaupun dengan data yang betul. Fail mungkin ditutup dengan cepat dan dibuka semula. Memilih penunjuk yang betul dan membaca penunjuk bersama-sama menghalang bercakap besar berdasarkan nombor yang mengelirukan sahaja.

11. Dalam carta, paksi menegak bermula pada 40 dan bukannya sifar dan peningkatan 2 peratus kelihatan seperti lompatan dramatik adalah contoh masalah apa?

• A) Halusinasi
• B) Pengurangan data
• C) Jurang digital
• D) Visualisasi yang mengelirukan ✔

Penjelasan: Visualisasi yang mengelirukan ialah memesongkan persepsi melalui teknik seperti paksi tidak bermula dari sifar, skala tidak seimbang atau tempoh masa yang dipilih. Ia adalah sebahagian daripada tadbir urus visual yang jujur ​​dalam data awam; Jadual sebenar hendaklah ditunjukkan dengan menarik paksi kepada sifar.

12. Mengapakah tidak boleh diterima untuk mengatakan 'AI menulis itu' sebagai justifikasi untuk tindakan pentadbiran?

• A) Kerana alatan AI terlalu mahal
• B) Tindakan pentadbiran mestilah wajar dan tanggungjawab terletak pada pegawai ✔
• C) Kerana AI tidak tahu bahasa Turki
• D) Kerana rakyat tidak suka AI

Penjelasan: Tindakan pentadbiran mestilah wajar dan boleh diaudit; Tanggungjawab bukan terletak pada AI, tetapi pada pegawai awam dan institusi yang menggunakan output tanpa mengesahkannya. 'AI ​​berkata demikian' bukan justifikasi dan tidak mengekalkan tindakan pentadbiran.

13. Apakah empat prinsip yang membezakan penggunaan AI dalam sektor awam daripada sektor swasta dan yang perlu dipatuhi secara tambahan?

• A) Kelajuan, murah, keuntungan, persaingan
• B) Automasi, skala, pemasaran, jenama
• C) Kesaksamaan, ketelusan, akauntabiliti, perlindungan data peribadi ✔
• D) Privasi, kerahsiaan, privasi dan kerahsiaan

Penjelasan: Dalam kerja-kerja di mana kuasa awam digunakan, AI dirangka oleh prinsip kesaksamaan (layanan serupa terhadap situasi yang serupa), ketelusan (kebolehjelasan justifikasi keputusan), akauntabiliti (bertanggungjawab untuk setiap transaksi dan jejak audit) dan perlindungan data peribadi (KVKK).

14. Apakah yang perlu dilakukan oleh sistem pra-penerbangan automatik apabila ia tidak pasti jenis dokumen yang jarang berlaku?

• A) Untuk menolak permohonan secara senyap
• B) Memajukan permohonan kepada semakan manusia ✔
• C) Meluluskan permohonan secara automatik
• D) Padamkan aplikasi

Penjelasan: Automasi yang baik mengarahkan model kepada pegawai apabila ia tidak pasti dan bukannya menolaknya secara senyap. Jika tidak, permohonan yang sah akan menjadi buta dan penganiayaan akan berlaku. Mengekalkan orang di titik keputusan adalah asas pengurusan pengecualian.