Winst:
- Bereidt antwoorden op informatieverzoeken voor in overeenstemming met de wetgeving, waarbij niet meer of minder wordt uitgelegd.
- Het anonimiseert open data vóór publicatie en scant deze op het niveau van combinaties die heridentificatie riskeren.
- Weet dat transparantie een bestuursinstrument is dat het vertrouwen van het publiek vergroot en onderscheid maakt tussen wat vertrouwelijk moet blijven.
De hoeksteen van een democratisch openbaar bestuur is transparantie: het vermogen van burgers om te leren hoe en op welke basis besluiten die hen aangaan, worden genomen. Dit principe komt tot leven in twee concrete mechanismen. Het eerste is het recht op informatie (Wet op het recht op informatie nr. 4982; burgers kunnen informatie en documenten opvragen bij openbare instellingen, met uitzonderingen). De tweede is open data (openbare instellingen publiceren het niet-persoonlijke en niet-vertrouwelijke deel van de gegevens die zij produceren op een manier die voor iedereen toegankelijk en bruikbaar is). Hier is AI een krachtig hulpmiddel bij het classificeren van binnenkomende informatieverzoeken, het opstellen van antwoordconcepten, het vooraf evalueren welke informatie kan worden gegeven en welke is vrijgesteld, en het voorbereiden van open datasets voor publicatie. Maar het dubbele voorbehoud van deze eenheid is belangrijk: transparantie mag niet meer en niet minder zijn – de burger moet de informatie krijgen waar hij recht op heeft, maar persoonlijke gegevens en echte uitzonderingen moeten worden beschermd; Dit evenwicht wordt tot stand gebracht door de verantwoordelijke overheidsfunctionaris, niet door de AI.
De twee verkeerde kanten van het vergaren van kennis
Bij verzoeken om informatie kunnen fouten in twee richtingen worden gemaakt:
- Gebrek aan transparantie: het onnodig afwijzen van verstrekte informatie als "vertrouwelijk/uitzonderlijk". Dit schendt zowel het recht als het creëert wantrouwen in de instelling, en komt vaak terecht in de rechterlijke macht.
- Overmatige openbaarmaking: het per ongeluk onthullen van persoonlijke gegevens van derden, een bedrijfsgeheim of een echte uitzondering (veiligheid, enz.) bij het indienen van een document. Dit is in strijd met KVKK en veroorzaakt schade.
AI kan aan beide kanten helpen: het kan een document scannen, persoonlijke gegevens daarin markeren en redactie voorstellen (vertrouwelijke/persoonlijke delen van het document onleesbaar maken/verwijderen); Mogelijk wordt daarin de uitzonderingscategorie vermeld waaronder u het verzoek gaat beoordelen. Maar de uiteindelijke beslissing – of deze informatie wordt verstrekt, welk deel verborgen blijft – behoort toe aan een persoon die de juridische verantwoordelijkheid draagt.
Let op: de verklaring van AI dat “deze informatie binnen de reikwijdte van de uitzondering valt” of “kan worden gegeven” is geen juridisch advies. De evaluatie van uitzonderingen wordt gemaakt en gerechtvaardigd in overeenstemming met de relevante artikelen van de Wet op de toegang tot informatie; AI produceert alleen pre-quals en drafts.
Open data veilig publiceren
Open data vergroot de publieke efficiëntie en verantwoordingsplicht; ondernemers, journalisten en onderzoekers creëren waarde uit deze data. Maar voordat een dataset wordt gepubliceerd, moet deze worden gecontroleerd op het risico van heridentificatie (gegevens die als anoniem worden beschouwd, worden teruggekoppeld naar individuen door ze te combineren met andere gegevens). De combinatie "leeftijd + buurt + zeldzaam beroep" kan bijvoorbeeld op één persoon duiden. Bij het voorbereiden van een dataset voor publicatie is AI nuttig bij het markeren van risicovolle kolomcombinaties en het schrijven van een data dictionary (een beschrijving van wat elke kolom betekent).
Tip: Vraag voordat u open data publiceert: “Kan ik één persoon vinden door twee tot drie kolommen in deze set te combineren?” Als het antwoord 'misschien' is, verzamel dan (groepeer in plaats van individueel), combineer zeldzame categorieën of verwijder het gevoelige gebied.
Stap voor stap informatiestroom
- Begrijp en classificeer de vraag. Wat wordt er gevraagd, om welke eenheid gaat het, wat is de looptijd?
- Bestaat er informatie of moet deze geproduceerd worden? De wet heeft betrekking op bestaande kennis; het is mogelijk dat de instelling geen nieuwe analyse hoeft te maken (bevestigd).
- Evaluatie van uitzonderingen. Zijn er uitzonderingen op het gebied van persoonlijke gegevens, beveiliging, bedrijfsgeheimen en interne opinie?
- Redactie. Verwijder delen van het exporteerbare document die moeten worden bewaard.
- Gemotiveerd antwoord. Het wel/niet gegeven deel en de basis ervan; Bezwaarmethode bij afwijzing.
- Log- en audittrail. Het verzoek, het besluit en de motivering worden vastgelegd.
drie minikoffers
Geval 1 — Bewerkingsfout vermeden. Een bureau zou een aanbestedingsdocument indienen bij een verzoek om vrijheid van informatie. AI heeft het document gescand en de telefoonnummers en TR ID-nummers van drie personen gemarkeerd. Als het zonder proeflezen was verzonden, zou het een overtreding van KVKK zijn geweest; persoonlijke gegevens waren zwart gemaakt, het document werd veilig afgeleverd.
Geval 2 — Oneerlijke afwijzing gecorrigeerd. Een eenheid zou een verzoek om activiteitsgegevens doorgaans afwijzen als ‘in-house’. Toen AI werd gevraagd naar de uitzonderingscategorieën, bleek dat deze gegevens eigenlijk al als open data publiceerbaar waren. Aan het verzoek werd voldaan, een mogelijk bezwaar en een rechtszaak werd voorkomen.
Geval 3 — Heridentificatierisico. Een gemeente zou haar dataset ‘dienstaanvragen’ publiceren als open data. De set omvatte de wijk + volledige uitsplitsing van het adres. De AI waarschuwde dat het adresveld naar individuele cijfers kon verwijzen; Het adres werd samengevoegd tot straatniveau en de set werd veilig gepubliceerd.
Vier kopieerbare sjablonen
1) Classificatie van informatieverzoeken:
Jouw rol: specialist in informatie-acquisitie. Verwerk het volgende verzoek: (1) wat er precies wordt gevraagd, (2) om welke eenheid het gaat, (3) of er bestaande informatie of nieuwe productie nodig is, (4) mogelijke uitzonderingscategorieën (persoonsgegevens, beveiliging, bedrijfsgeheim, etc.). Specificeer dat elke uitzondering "moet worden gerechtvaardigd door het relevante artikel". Beslissingen nemen, vooraf evalueren. VERZOEK: [tekst]
2) Redactie (markering van persoonlijke/vertrouwelijke gegevens):
Markeer in het onderstaande document alle onderdelen die moeten worden GEMASKEERD in een informatieantwoord: naam-achternaam, TR ID-nummer, adres, telefoon, gezondheids-/criminele informatie, gegevens van derden, bedrijfsgeheim. Schrijf een korte motivering voor elk teken. Laat het exporteerbare deel van het document ongewijzigd. DOCUMENT: [tekst]
3) Met redenen omkleed antwoordconcept:
Stel een met redenen omkleed antwoord op het volgende verzoek op: (1) welke informatie is verstrekt, (2) welk deel niet is verstrekt en waarom (uitzonderingsclausule [nog te bevestigen]), (3) wijze van beroep en duur [nog te bevestigen]. Het taalgebruik moet formeel en respectvol zijn. De rechtvaardiging voor het niet gegeven deel moet concreet zijn, en niet algemeen. VERZOEK: [samenvatting] BESLUIT: [wat wel/niet is gegeven]
4) Herauthenticatiecontrole voor open gegevens:
Bekijk de kolommen van de onderstaande gegevensset. Geef aan welke combinaties van kolommen op één persoon kunnen duiden (risico op heridentificatie). Stel voor elk risico enige beperking voor: aggregatie, aggregatie van zeldzame categorieën, veldextractie. Gebruik gewoon de gegeven kolomlijst. KOLOMMEN: [lijst]
Zwakke prompt/sterke prompt
Zwak: “Reageer op dit verzoek om informatie.”
Güçlü: "Jouw rol is expert op het gebied van de informatie-eenheid. Classificeer eerst het verzoek: wat er wordt gevraagd, welke eenheid, is het beschikbaar, wat zijn de mogelijke uitzonderingen. Markeer elke uitzondering als 'te rechtvaardigen door het relevante artikel', neem zelf geen juridische beslissing. Markeer vervolgens de persoonlijke/vertrouwelijke delen die moeten worden gemaskeerd in het document dat moet worden ingediend met een redactiesuggestie. Maak ten slotte een met redenen omkleed antwoordontwerp, inclusief het wel/niet gegeven deel en de manier om bezwaar te maken; maak de rechtvaardiging beton."
Verschil: sterke prompt brengt transparantie en bescherming in evenwicht, koppelt de uitzondering aan de rechtvaardiging, voegt redactie en beroepsmogelijkheid toe.
Benadering per informatietype
Informatietype
Standaard
Aandacht
Statistieken, geaggregeerde gegevens
geopend
Heridentificatiecontrole
Reden voor administratieve actie
kan worden gegeven
Gegevens van derden redigeren
Persoonlijke gegevens van derden
beschermd
KVKK; maar met toestemming/uitzondering
Beveiligings-/privacy-uitzondering
beschermd
Is het een echte uitzondering, bevestig
Interne opinie/onderhandeling
Hangt ervan af
Evalueer volgens het relevante artikel
Anonimisering en risico op heridentificatie
De meest technische maar cruciale stap bij het publiceren van open data is anonimisering (een persoon direct of indirect niet-identificeerbaar maken op basis van data). Naam en T.R. Het verwijderen van het ID-nummer is vaak niet voldoende; omdat de combinatie van verschillende gewone gebieden een persoon heridentificeerbaar maakt. Dit wordt heridentificatie genoemd (het vinden van de persoon door gegevens waarvan men denkt dat ze anoniem zijn, te kruisen met andere informatie). Als er bijvoorbeeld een alleenstaande 92-jarige weduwnaar in een buurt is, zal het trio "buurt + leeftijd + burgerlijke staat" hem onthullen. AI kan helpen bij het screenen welke combinaties van velden in een dataset het risico lopen openbaar te worden gemaakt en kan een veiliger groepering suggereren (leeftijd omzetten in bereik, zeldzame categorieën combineren); Maar de beslissing om te publiceren en de uiteindelijke audit vallen onder de verantwoordelijkheid van de instelling.
Minizaak – openbaarmaking met drie gebieden. Eén gemeente publiceerde de bijstandsgegevens ‘anoniem’: geen naam, maar buurt, geboortejaar en soort handicap. Een journalist merkte een zeldzame vorm van handicap op bij één persoon in één enkele buurt en identificeerde de persoon. Gegevens ingetrokken; Het werd opnieuw gepubliceerd toen het geboortejaar werd omgezet in een interval van 10 jaar en de zeldzame categorieën werden gegroepeerd onder "andere".
Sjabloon die screent op heridentificatierisico:
Taak: Onderzoek de kolommen van de volgende gegevensset; Ik publiceer geen persoonlijke gegevens, ik wil alleen risicoscreening. Kolommen: [kolomnamen] Uitvoer: 1) Directe identificatiegegevens (moeten worden verwijderd). 2) Indirecte identificatiecombinaties (risico van heridentificatie). 3) Aanbevolen groepering/maskering voor elke risicovolle combinatie. 4) Laatste controlevragen vóór publicatie. Regel: ik heb geen echte persoonlijke waarden geplakt; denk maar eens aan de kolomstructuur.
Let op: "Ik heb de naam verwijderd, nu anoniem" is de meest voorkomende en gevaarlijke misvatting. Anonimiteit wordt niet bepaald door het veld zelf, maar door de combinatie van velden en de kans op matching met externe gegevens. Bij twijfel niet publiceren; Anonimiteit is een onherroepelijk besluit.
Veel voorkomende fouten
- Gewoonlijk afwijzen. Het beschouwen van de informatie die kan worden verstrekt als onnodig “vertrouwelijk” is een schending van rechten en aanleiding voor een rechtszaak.
- Niet-geredigeerde documenten indienen. Het openbaar maken van gegevens van derden is een overtreding van KVKK.
- De uitzondering gebruiken zonder rechtvaardiging. Afwijzing moet plaatsvinden met een concrete inhoud en concrete rechtvaardiging; ‘In eigen huis’ zeggen is niet genoeg.
- Vertrouwend op het juridische oordeel van de AI. De beslissing om een uitzondering te maken is menselijk; AI prekwalificeert zich.
- Heridentificatie in open data omzeilen. Kolomcombinaties kunnen mensen vinden; totaal.
- Het specificeren van de middelen om bezwaar te maken niet. Bij afwijzingen moeten de wijze van aanvraag en de duur ervan worden vermeld (bevestigd).
Samengevat
Transparantie is de basis van het publieke vertrouwen; AI is een krachtig hulpmiddel bij het classificeren van FOI-verzoeken, het aanbevelen van proeflezen, het opstellen van antwoorden en het voorbereiden van open data voor publicatie. Maar het evenwicht is van cruciaal belang: burgers moeten de informatie krijgen waar ze recht op hebben, echte uitzonderingen en persoonlijke gegevens moeten worden beschermd. De beslissing om een uitzondering te maken moet met redenen omkleed en menselijk zijn; Open data moeten vóór publicatie worden gecontroleerd op het risico van heridentificatie.
Applicatie taak
Ontvang een echt (gemaskeerd) verzoek om vrijheid van informatie. Evalueer vooraf met het sjabloon "Classificatie aanvragen", pas het sjabloon "Redactie" toe op een bijgevoegd document en markeer de gebieden die moeten worden gemaskeerd. Pas het sjabloon "Open data heridentificatiecontrole" toe op de kolommen van een open dataset en vind minstens één risicovolle combinatie.
controlelijst
- [ ] Ik heb het verzoek geclassificeerd; Ik heb de informatie die onnodig zou kunnen worden verstrekt niet afgewezen.
- [ ] Ik heb de uitzonderingen geëvalueerd met concrete inhoud en rechtvaardiging (menselijke beslissing).
- [ ] Ik heb de persoonlijke/vertrouwelijke gegevens in het in te dienen document geredigeerd.
- [ ] Bij afwijzing heb ik de wijze van bezwaar en de duur vermeld (bevestigd).
- [ ] Ik controleerde het risico van heridentificatie in open data.
- [ ] Ik heb het verzoek, het besluit en de rechtvaardiging voor de audit vastgelegd.