ਕੇਵੀਕੇਕੇ ਦੇ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤ, ਆਮ ਸਿਧਾਂਤ ਅਤੇ ਵਰਬਿਸ

ਲਾਭ:

ਨਿੱਜੀ ਡੇਟਾ, ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ ਡੇਟਾ, ਡੇਟਾ ਕੰਟਰੋਲਰ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ
ਏਆਈ ਦੀ ਵਰਤੋਂ ਲਈ ਕੇਵੀਕੇਕੇ ਦੇ ਆਮ ਸਿਧਾਂਤ (ਉਦੇਸ਼ ਦੁਆਰਾ ਸੀਮਾ, ਘੱਟੋ ਘੱਟ) ਨੂੰ ਲਾਗੂ ਕਰਨਾ
ਸਮਝੋ ਕਿ AI ਵਿੱਚ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਅਕਸਰ ਟ੍ਰਾਂਸਫਰ ਕਰਨਾ ਹੈ, ਅਤੇ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ

ਕਿਸੇ ਸੰਸਥਾ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਲਗਭਗ ਹਮੇਸ਼ਾਂ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ: ਇੱਕ ਗਾਹਕ ਈਮੇਲ ਦਾ ਸਾਰ ਦੇਣਾ, ਇੱਕ CV ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ, ਇੱਕ ਕਾਲ ਰਿਕਾਰਡਿੰਗ ਨੂੰ ਪਾਰਸ ਕਰਨਾ। ਇਸਲਈ, ਏਆਈ ਗਵਰਨੈਂਸ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਤੁਰਕੀ ਦੇ ਡੇਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨ, ਕੇਵੀਕੇਕੇ (ਪਰਸਨਲ ਡੇਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਲਾਅ ਨੰ. 6698) ਨੂੰ ਸਮਝਣਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ KVKK ਦੇ ਬੁਨਿਆਦੀ ਸੰਕਲਪਾਂ, ਆਮ ਸਿਧਾਂਤਾਂ ਅਤੇ VERBIS ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਨੂੰ ਸਿੱਖਾਂਗੇ, ਇਸਨੂੰ ਸਿੱਧੇ AI ਦੀ ਵਰਤੋਂ ਨਾਲ ਜੋੜਦੇ ਹੋਏ। ਉਦੇਸ਼ ਵਕੀਲ ਬਣਨਾ ਨਹੀਂ ਹੈ; ਇਹ ਰੋਜ਼ਾਨਾ ਦੇ ਸਹੀ ਫੈਸਲੇ ਲੈਣ ਲਈ ਇੱਕ ਡੇਟਾ ਸੁਰੱਖਿਆ ਅਧਿਕਾਰੀ ਲਈ ਇੱਕ ਠੋਸ ਆਧਾਰ ਸਥਾਪਤ ਕਰਨਾ ਹੈ।

ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ: ਕੌਣ ਕੌਣ ਹੈ?

KVKK ਦੀ ਭਾਸ਼ਾ ਕਈ ਮੁੱਖ ਧਾਰਨਾਵਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹੈ। ਇਹਨਾਂ ਨੂੰ ਵੱਖ ਕੀਤੇ ਬਿਨਾਂ, ਕੋਈ ਵੀ AI ਫੈਸਲਾ ਸਹੀ ਢੰਗ ਨਾਲ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸੰਕਲਪ

ਭਾਵ

AI ਵਿੱਚ ਉਦਾਹਰਨ

ਨਿੱਜੀ ਡਾਟਾ

ਕਿਸੇ ਪਛਾਣੇ/ਪਛਾਣੇ ਯੋਗ ਕੁਦਰਤੀ ਵਿਅਕਤੀ ਬਾਰੇ ਕੋਈ ਵੀ ਜਾਣਕਾਰੀ

ਨਾਮ, ਈਮੇਲ, ਫ਼ੋਨ, IP, ਗਾਹਕ ਨੰਬਰ

ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ ਡੇਟਾ

ਸੰਵੇਦਨਸ਼ੀਲ ਸ਼੍ਰੇਣੀਆਂ ਜਿਵੇਂ ਕਿ ਸਿਹਤ, ਧਰਮ, ਬਾਇਓਮੈਟ੍ਰਿਕਸ

ਮਰੀਜ਼ ਦਾ ਇਤਿਹਾਸ, ਖੂਨ ਦੀ ਕਿਸਮ, ਚਿਹਰੇ ਦਾ ਡਾਟਾ

ਸੰਪਰਕ ਵਿਅਕਤੀ

ਉਹ ਵਿਅਕਤੀ ਜਿਸਦੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ (ਡਾਟਾ ਮਾਲਕ)

ਗਾਹਕ, ਕਰਮਚਾਰੀ, ਉਮੀਦਵਾਰ

ਡਾਟਾ ਕੰਟਰੋਲਰ

ਪ੍ਰਕਿਰਿਆ ਦੇ ਉਦੇਸ਼ ਅਤੇ ਢੰਗ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ

AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੀ ਸੰਸਥਾ

ਡਾਟਾ ਪ੍ਰੋਸੈਸਰ

ਉਹ ਪਾਰਟੀ ਜੋ ਕੰਟਰੋਲਰ ਦੀ ਤਰਫੋਂ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੀ ਹੈ

ਏਆਈ ਸੇਵਾ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੀ ਕੰਪਨੀ

ਇਸ ਅੰਤਰ ਦੇ ਕਾਨੂੰਨੀ ਨਤੀਜੇ ਹਨ: ਡੇਟਾ ਕੰਟਰੋਲਰ (ਸੰਸਥਾ ਖੁਦ) ਦੇਣਦਾਰੀ ਦਾ ਪ੍ਰਾਇਮਰੀ ਮਾਲਕ ਹੈ। AI ਪ੍ਰਦਾਤਾ ਅਕਸਰ ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਲਿਖਤੀ ਇਕਰਾਰਨਾਮਾ (ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਝੌਤਾ) ਇਸਦੇ ਨਾਲ ਸਿੱਟਾ ਕੱਢਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। "AI ਪ੍ਰਦਾਤਾ ਨੇ ਇਹ ਕੀਤਾ" ਕਹਿਣਾ ਸੰਗਠਨ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਤੋਂ ਮੁਕਤ ਨਹੀਂ ਕਰਦਾ ਹੈ।

ਧਿਆਨ ਦਿਓ: ਡੇਟਾ ਉਦੋਂ ਤੱਕ ਨਿੱਜੀ ਡੇਟਾ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਹ ਇਸਨੂੰ "ਪਛਾਣਯੋਗ" ਬਣਾਉਂਦਾ ਹੈ। "ਮੈਂ ਨਾਮ ਮਿਟਾਇਆ" ਕਹਿਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਨਮ ਮਿਤੀ + ਜ਼ਿਪ ਕੋਡ + ਕਿੱਤੇ ਦਾ ਸੁਮੇਲ ਵੀ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਬਣਾ ਸਕਦਾ ਹੈ। AI ਵਿੱਚ ਦਾਖਲ ਕੀਤੇ ਡੇਟਾ ਵਿੱਚ ਇਸ ਸੰਯੁਕਤ ਪਛਾਣਯੋਗਤਾ ਦੀ ਹਮੇਸ਼ਾਂ ਜਾਂਚ ਕਰੋ।

ਕੇਵੀਕੇਕੇ ਅਤੇ ਏਆਈ ਦੇ ਆਮ ਸਿਧਾਂਤ

KVKK ਆਮ ਸਿਧਾਂਤ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਜ਼ਰੂਰੀ ਹੈ। AI ਵਰਤੋਂ ਦਾ ਸਿੱਧਾ ਅਨੁਵਾਦ ਹੈ:

ਕਾਨੂੰਨ ਅਤੇ ਇਮਾਨਦਾਰੀ ਦੀ ਪਾਲਣਾ: ਗੁਪਤ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਢੰਗ ਨਾਲ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ।
ਸਟੀਕ ਅਤੇ ਅਪ ਟੂ ਡੇਟ ਹੋਣਾ: AI ਭਰਮ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ; ਆਉਟਪੁੱਟ ਨੂੰ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਨਿੱਜੀ ਡੇਟਾ ਵਜੋਂ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਖਾਸ, ਸਪੱਸ਼ਟ ਅਤੇ ਜਾਇਜ਼ ਉਦੇਸ਼: ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਕਿਉਂਕਿ "ਭਵਿੱਖ ਵਿੱਚ ਇਸਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ"; ਮਕਸਦ ਪਹਿਲਾਂ ਹੀ ਸਪਸ਼ਟ ਹੈ।
ਉਦੇਸ਼-ਸਬੰਧਤ, ਸੀਮਿਤ ਅਤੇ ਮਾਪਿਆ (ਡਾਟਾ ਮਿਨੀਮਾਈਜ਼ੇਸ਼ਨ): ਉਦੇਸ਼ ਲਈ ਸਿਰਫ ਜ਼ਰੂਰੀ ਡੇਟਾ ਹੀ ਏਆਈ ਵਿੱਚ ਦਾਖਲ ਕੀਤਾ ਗਿਆ ਹੈ।
ਲੋੜੀਂਦੀ ਮਿਆਦ ਲਈ ਧਾਰਨ: ਇੱਕ ਵਾਰ ਉਦੇਸ਼ ਪੂਰਾ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਡੇਟਾ (ਏਆਈ ਚੈਟ ਇਤਿਹਾਸ ਸਮੇਤ) ਮਿਟਾ ਦਿੱਤਾ ਜਾਵੇਗਾ/ਅਗਿਆਤ ਕੀਤਾ ਜਾਵੇਗਾ।

ਡੇਟਾ ਮਿਨੀਮਾਈਜੇਸ਼ਨ AI ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਉਲੰਘਣਾ ਕੀਤਾ ਗਿਆ ਸਿਧਾਂਤ ਹੈ: ਇੱਕ ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਪੂਰੀ ਫਾਈਲ ਨੂੰ ਪੇਸਟ ਕਰਨ ਦੀ ਬਜਾਏ, ਸਿਰਫ ਲੋੜੀਂਦੇ ਪੈਰਾਗ੍ਰਾਫ ਨੂੰ ਦਾਖਲ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ, ਅਤੇ ਜੇ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਇਸਦੇ ਮਾਸਕ ਕੀਤੇ (ਨਾਮ ਲੁਕਾਏ ਹੋਏ) ਰੂਪ ਵਿੱਚ.

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਬਹੁਤ ਜ਼ਿਆਦਾ ਡਾਟਾ। ਇੱਕ ਕਾਲ ਸੈਂਟਰ ਮੈਨੇਜਰ AI ਨੂੰ 5,000 ਕਾਲ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਫੀਡ ਕਰਦਾ ਹੈ, ਨਾਮ, ਫ਼ੋਨ ਨੰਬਰ ਅਤੇ ਆਈਡੀ ਨੰਬਰ ਦੇ ਨਾਲ, "ਗਾਹਕਾਂ ਦੀ ਅਸੰਤੁਸ਼ਟੀ ਦੇ ਥੀਮ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ।" ਹਾਲਾਂਕਿ, ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਪਛਾਣ ਡੇਟਾ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ। ਮਿਨੀਮਾਈਜੇਸ਼ਨ ਦੇ ਸਿਧਾਂਤ ਦੇ ਅਨੁਸਾਰ, ਸਹੀ ਤਰੀਕਾ ਹੈ ID ਖੇਤਰਾਂ ਨੂੰ ਮਿਟਾਉਣਾ ਅਤੇ ਸਿਰਫ ਕਾਲ ਟੈਕਸਟ ਦੇਣਾ। ਇਸ ਤਰ੍ਹਾਂ, 5,000 ਲੋਕਾਂ ਦੇ ਪਛਾਣ ਡੇਟਾ 'ਤੇ ਬੇਲੋੜੀ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਕੀਤੀ ਜਾਵੇਗੀ।

ਕੇਸ 2 — ਉਦੇਸ਼ ਡ੍ਰਾਇਫਟ। ਮਾਰਕੀਟਿੰਗ "ਉਤਪਾਦਕਤਾ ਵਿਸ਼ਲੇਸ਼ਣ" ਲਈ AI ਨੂੰ ਕਰਮਚਾਰੀ ਦੇ ਕਲਾਕ-ਇਨ ਅਤੇ ਕਲਾਕ-ਆਊਟ ਟਾਈਮ ਫੀਡ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਡੇਟਾ ਕਿੱਤਾਮੁਖੀ ਸਿਹਤ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਇਕੱਤਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਦੁਰਵਰਤੋਂ "ਉਦੇਸ਼ ਦੁਆਰਾ ਸੀਮਾ" ਦੇ ਸਿਧਾਂਤ ਦੀ ਉਲੰਘਣਾ ਕਰਦੀ ਹੈ। ਸਹੀ ਫੈਸਲਾ: ਇਸ ਨਵੇਂ ਉਦੇਸ਼ ਲਈ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਾਨੂੰਨੀ ਅਧਾਰ ਅਤੇ ਸਪਸ਼ਟੀਕਰਨ ਦਾ ਮੁੜ ਮੁਲਾਂਕਣ ਕਰਨਾ।

ਕੇਸ 3 - ਨਾ ਭੁੱਲਣ ਵਾਲਾ ਅਤੀਤ। ਇੱਕ ਬੀਮਾ ਪੇਸ਼ੇਵਰ ਨੁਕਸਾਨ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਮਹੀਨਿਆਂ ਤੋਂ ਉਸੇ AI ਚੈਟ ਵਿੱਚ ਗਾਹਕ ਡੇਟਾ ਦਾਖਲ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਤਿਹਾਸ ਨੂੰ ਕਦੇ ਵੀ ਸਾਫ਼ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। 8 ਮਹੀਨਿਆਂ ਬਾਅਦ, ਇੱਕ ਚੈਟ ਵਿੱਚ 300 ਤੋਂ ਵੱਧ ਗਾਹਕਾਂ ਦਾ ਡੇਟਾ ਇਕੱਠਾ ਹੁੰਦਾ ਹੈ। ਪ੍ਰਤੀ ਧਾਰਨ ਨੀਤੀ, ਉਦੇਸ਼ ਪੂਰਾ ਹੋਣ ਤੋਂ ਬਾਅਦ ਇਸ ਇਤਿਹਾਸ ਨੂੰ ਸਾਫ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ (ਫ਼ਾਈਲ ਬੰਦ ਹੋ ਗਈ ਹੈ) ਜਾਂ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਨੂੰ ਇੱਕ ਸੰਸਥਾਗਤ, ਨੋ-ਲੌਗਸ ਟੂਲ ਵਿੱਚ ਭੇਜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

AI ਵਿੱਚ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ "ਪ੍ਰੋਸੈਸਿੰਗ" ਹੈ

KVKK ਵਿੱਚ ਪ੍ਰੋਸੈਸਿੰਗ; ਇਹ ਕੋਈ ਵੀ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰਨਾ, ਰਿਕਾਰਡ ਕਰਨਾ, ਸਟੋਰ ਕਰਨਾ ਅਤੇ ਟ੍ਰਾਂਸਫਰ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। AI ਵਿੱਚ ਟੈਕਸਟ ਪੇਸਟ ਕਰਨ ਦਾ ਮਤਲਬ ਹੈ ਪ੍ਰਦਾਤਾ ਦੇ ਸਰਵਰ ਨੂੰ ਡੇਟਾ ਭੇਜਣਾ — ਇਹ ਇੱਕ ਲੈਣ-ਦੇਣ ਹੈ, ਅਤੇ ਅਕਸਰ ਇੱਕ ਟ੍ਰਾਂਸਫਰ (ਜੇ ਸਰਵਰ ਵਿਦੇਸ਼ ਵਿੱਚ ਹੈ)। ਇਸ ਲਈ, AI ਦੀ ਹਰ ਵਰਤੋਂ ਲਈ ਇਸਦੇ ਪਿੱਛੇ ਇੱਕ ਵੈਧ ਕਾਨੂੰਨੀ ਅਧਾਰ (ਅਗਲੀ ਇਕਾਈ ਦਾ ਵਿਸ਼ਾ) ਅਤੇ ਇੱਕ ਉਚਿਤ ਇਕਰਾਰਨਾਮੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਸੰਕੇਤ: "ਕੀ ਮੈਂ ਇਸ ਡੇਟਾ ਨੂੰ AI ਵਿੱਚ ਦਾਖਲ ਕਰ ਸਕਦਾ ਹਾਂ?" ਤਿੰਨ ਫਿਲਟਰਾਂ ਨਾਲ ਪ੍ਰਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰੋ: (1) ਨਿੱਜੀ ਡੇਟਾ? (2) ਕੀ ਇਹ ਉਦੇਸ਼ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਅਤੇ ਕੀ ਇਸਨੂੰ ਘੱਟ ਕੀਤਾ ਗਿਆ ਹੈ? (3) ਕੀ ਮੇਰੇ ਕੋਲ ਇੱਕ ਜਾਇਜ਼ ਕਾਨੂੰਨੀ ਆਧਾਰ ਅਤੇ ਇੱਕ ਢੁਕਵਾਂ ਇਕਰਾਰਨਾਮਾ ਹੈ? ਜੇ ਤਿੰਨੋਂ "ਹਾਂ" ਨਹੀਂ ਹਨ, ਤਾਂ ਰੁਕੋ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰੋ।

VERBIS ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ

VERBIS (ਡੇਟਾ ਕੰਟਰੋਲਰ ਰਜਿਸਟਰੀ ਇਨਫਰਮੇਸ਼ਨ ਸਿਸਟਮ) ਇੱਕ ਅਧਿਕਾਰਤ ਰਜਿਸਟਰੀ ਹੈ ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਕੰਟਰੋਲਰ ਜੋ ਕੁਝ ਹੱਦ ਤੋਂ ਵੱਧ ਜਾਂਦੇ ਹਨ ਉਹਨਾਂ ਦੀਆਂ ਨਿੱਜੀ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰਦੇ ਹਨ। ਸੰਸਥਾ ਇੱਕ ਨਿੱਜੀ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਬਣਾਈ ਰੱਖਦੀ ਹੈ: ਇੱਕ ਲਾਈਵ ਰਿਕਾਰਡ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਕਿਹੜਾ ਡੇਟਾ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਕਿਸ ਉਦੇਸ਼ ਲਈ, ਕਿਸ ਕਾਨੂੰਨੀ ਅਧਾਰ 'ਤੇ, ਇਹ ਕਿੰਨਾ ਸਟੋਰ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਸ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਨਵੀਂ AI-ਅਧਾਰਿਤ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀ ਸ਼ੁਰੂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਸ ਵਸਤੂ ਨੂੰ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ, ਜੇਕਰ ਲੋੜ ਹੋਵੇ, ਤਾਂ VERBIS ਰਿਕਾਰਡ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਵਸਤੂ ਸਪੇਸ

AI ਗਤੀਵਿਧੀ ਲਈ ਉਦਾਹਰਨ

ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਉਦੇਸ਼

ਗਾਹਕ ਈਮੇਲਾਂ ਦਾ ਆਟੋਮੈਟਿਕ ਸੰਖੇਪ

ਡਾਟਾ ਸ਼੍ਰੇਣੀ

ਸੰਪਰਕ, ਗਾਹਕ ਲੈਣ-ਦੇਣ ਡੇਟਾ

ਕਾਨੂੰਨੀ ਆਧਾਰ

ਇਕਰਾਰਨਾਮੇ / ਜਾਇਜ਼ ਹਿੱਤ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ

ਪ੍ਰਾਪਤਕਰਤਾ ਸਮੂਹ

AI ਸੇਵਾ ਪ੍ਰਦਾਤਾ (ਡਾਟਾ ਪ੍ਰੋਸੈਸਰ)

ਤਬਾਦਲਾ

ਓਵਰਸੀਜ਼ ਸਰਵਰ (ਉਚਿਤ ਭਰੋਸੇ ਨਾਲ)

ਸਟੋਰੇਜ ਦੀ ਮਿਆਦ

ਫਾਈਲ ਬੰਦ ਹੋਣ ਤੋਂ ਮਿਟਾਓ

ਨਕਲ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ

ਟੈਮਪਲੇਟ 1 — ਟੈਕਸਟ ਨੂੰ AI ਵਿੱਚ ਦਾਖਲ ਕੀਤੇ ਬਿਨਾਂ ਮਾਸਕ ਕਰਨਾ: "ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਵਿੱਚੋਂ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ-ਸਰਨੇਮ, ਫ਼ੋਨ, ਈ-ਮੇਲ, ਆਈਡੀ ਨੰਬਰ, ਪਤਾ) ਨੂੰ ਹਟਾਓ ਅਤੇ ਉਹਨਾਂ ਨੂੰ [NAME], [TEL] ਵਰਗੇ ਟੈਗਾਂ ਨਾਲ ਬਦਲੋ। ਟੈਕਸਟ ਦੇ ਅਰਥ ਅਤੇ ਬਣਤਰ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖੋ। ਸਿਰਫ ਮਾਸਕ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਵਾਪਸ ਕਰੋ, ਕੋਈ ਹੋਰ ਵਿਆਖਿਆ ਨਾ ਕਰੋ।"

ਟੈਮਪਲੇਟ 2 — ਮਿਨੀਮਾਈਜ਼ੇਸ਼ਨ ਜਾਂਚ: "ਮੈਂ ਹੇਠਾਂ ਦਿੱਤੇ ਕੰਮ ਨੂੰ ਕਰਾਂਗਾ: [ਰਾਈਟ ਟਾਸਕ]। ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ ਫੀਲਡਾਂ ਵਿੱਚੋਂ ਕਿਹੜੇ ਇਸ ਕੰਮ ਲਈ ਬੇਲੋੜੇ ਹੋਣਗੇ ਸੂਚੀਬੱਧ ਕਰੋ: [ਖੇਤਰ ਲਿਖੋ]। ਕਿਸੇ ਵੀ ਖੇਤਰ ਨੂੰ 'ਡਿਸਕਰਡ' 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜਿਸਦੀ ਉਦੇਸ਼ ਲਈ ਲੋੜ ਨਹੀਂ ਹੈ ਅਤੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਲਿਖੋ ਕਿ ਕਿਉਂ।"

ਟੈਮਪਲੇਟ 3 — ਪ੍ਰੋਸੈਸਿੰਗ ਇਨਵੈਂਟਰੀ ਲਾਈਨ ਦੀ ਰੂਪਰੇਖਾ: "ਹੇਠ ਦਿੱਤੇ AI ਵਰਤੋਂ ਲਈ ਨਿੱਜੀ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਨੂੰ ਭਰੋ: [ਵਰਤੋਂ ਦਾ ਵਰਣਨ ਕਰੋ]। ਖੇਤਰ: ਪ੍ਰੋਸੈਸਿੰਗ ਉਦੇਸ਼, ਡੇਟਾ ਸ਼੍ਰੇਣੀ, ਸੰਪਰਕ ਸਮੂਹ, ਸੰਭਾਵੀ ਕਾਨੂੰਨੀ ਅਧਾਰ (ਮਲਟੀਪਲ ਸੁਝਾਓ), ਪ੍ਰਾਪਤਕਰਤਾ, ਟ੍ਰਾਂਸਫਰ, ਅਨੁਮਾਨਿਤ ਧਾਰਨ ਦੀ ਮਿਆਦ। ਸਹੀ ਕਾਨੂੰਨੀ ਫੈਸਲੇ ਲੈਣ, ਮੌਜੂਦਾ ਵਿਕਲਪ।"

ਟੈਮਪਲੇਟ 4 — ਨਿੱਜੀ ਡਾਟਾ ਖੋਜ: "ਕਿਹੜੇ ਨਿੱਜੀ ਡੇਟਾ ਕਿਸਮਾਂ ਅਤੇ ਖਾਸ ਤੌਰ 'ਤੇ ਕਿਹੜਾ ਵਿਸ਼ੇਸ਼ ਡੇਟਾ (ਸਿਹਤ, ਧਰਮ, ਬਾਇਓਮੈਟ੍ਰਿਕਸ, ਆਦਿ) ਇਸ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਹਨ? ਕਿਸਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਅਤੇ ਲਿਖੋ ਕਿ ਉਹ ਹਰੇਕ ਲਈ ਕਿਸ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਆਉਂਦੇ ਹਨ। ਦਸਤਾਵੇਜ਼ ਨੂੰ ਨਾ ਬਦਲੋ, ਬਸ ਇਸਦਾ ਪਤਾ ਲਗਾਓ।"

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ: "ਇਸ ਗਾਹਕ ਸੂਚੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ।" (ਪੂਰੇ ਨਾਮ, ਫ਼ੋਨ, ID ਦੇ ਨਾਲ)-> ਨਿਊਨਾਈਜ਼ੇਸ਼ਨ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ; ਪ੍ਰਦਾਤਾ ਨੂੰ ਬੇਲੋੜਾ ਨਿੱਜੀ/ਨਿੱਜੀ ਡੇਟਾ ਭੇਜਦਾ ਹੈ; ਕਾਨੂੰਨੀ ਆਧਾਰ ਅਤੇ ਤਬਾਦਲੇ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ।STRONG: "ਹੇਠਾਂ ਦਿੱਤੀ ਗਈ ਸੂਚੀ ਵਿੱਚ ਸਿਰਫ਼ 'ਸ਼ਹਿਰ' ਅਤੇ 'ਉਤਪਾਦ ਸ਼੍ਰੇਣੀ' ਕਾਲਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖੇਤਰੀ ਮੰਗ ਵੰਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ। ਨਾਮ, ਫ਼ੋਨ, ਆਈਡੀ ਕਾਲਮਾਂ ਨੂੰ ਅਣਡਿੱਠ ਕਰੋ — ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਮਿਟਾ ਦਿੱਤਾ ਹੈ।"-> ਉਦੇਸ਼ ਲਈ ਲੋੜੀਂਦੇ ਗੈਰ-ਨਿੱਜੀ ਡੇਟਾ 'ਤੇ ਕਾਰਵਾਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਸਿਧਾਂਤ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਗਿਆ ਹੈ.

ਆਮ ਗਲਤੀਆਂ

ਇਹ ਸੋਚ ਕੇ "ਮੈਂ ਨਾਮ ਮਿਟਾ ਦਿੱਤਾ ਹੈ, ਇਹ ਹੁਣ ਨਿੱਜੀ ਨਹੀਂ ਹੈ"; ਜਦੋਂ ਕਿ ਸੰਯੁਕਤ ਡੇਟਾ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਬਣਾ ਸਕਦਾ ਹੈ।
ਡਾਟਾ ਕੰਟਰੋਲਰ ਅਤੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸਰ ਵਿਚਕਾਰ ਫਰਕ ਨਾ ਕਰਨਾ ਅਤੇ ਪ੍ਰਦਾਤਾ ਨਾਲ ਇਕਰਾਰਨਾਮੇ 'ਤੇ ਹਸਤਾਖਰ ਨਾ ਕਰਨਾ।
ਉਦੇਸ਼ ਲਈ ਬੇਲੋੜੇ ਖੇਤਰਾਂ ਨੂੰ ਵੀ ਏਆਈ ਵਿੱਚ ਦਾਖਲ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਘੱਟ ਤੋਂ ਘੱਟ ਦੀ ਉਲੰਘਣਾ ਕੀਤੀ ਗਈ ਹੈ.
AI ਵਿੱਚ ਇੱਕ ਉਦੇਸ਼ ਲਈ ਇਕੱਤਰ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਦੂਜੇ ਉਦੇਸ਼ (ਉਦੇਸ਼ ਡ੍ਰਾਈਫਟ) ਲਈ ਵਰਤਣਾ।
AI ਆਉਟਪੁੱਟ ਨੂੰ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ "ਸਹੀ ਅਤੇ ਅਪ-ਟੂ-ਡੇਟ" ਨਿੱਜੀ ਡੇਟਾ ਵਜੋਂ ਸੁਰੱਖਿਅਤ ਕਰਨਾ।
ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਵਸਤੂ ਸੂਚੀ ਅਤੇ VERBIS ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਨਵੀਂ AI ਗਤੀਵਿਧੀ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਨਹੀਂ ਕਰਨਾ।
AI ਚੈਟ ਇਤਿਹਾਸ ਨੂੰ ਇੱਕ ਧਾਰਨ/ਮਿਟਾਉਣ ਦੇ ਨਿਯਮ ਨਾਲ ਬੰਨ੍ਹੇ ਬਿਨਾਂ ਇਕੱਠਾ ਕਰਨਾ।

ਸੰਖੇਪ ਵਿੱਚ

ਕੇਵੀਕੇਕੇ ਦਾ ਕੋਰ; ਨਿੱਜੀ ਡੇਟਾ, ਡੇਟਾ ਕੰਟਰੋਲਰ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਹੈ।
ਡਾਟਾ ਕੰਟਰੋਲਰ (ਸੰਸਥਾ) ਮੁੱਖ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ; AI ਪ੍ਰਦਾਤਾ ਅਕਸਰ ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਇਕਰਾਰਨਾਮੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਆਮ ਸਿਧਾਂਤਾਂ ਵਿੱਚੋਂ, ਏਆਈ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਨ ਡੇਟਾ ਮਿਨੀਮਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਉਦੇਸ਼ ਸੀਮਾਵਾਂ।
AI ਵਿੱਚ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਇੱਕ ਲੈਣ-ਦੇਣ ਹੈ, ਅਤੇ ਅਕਸਰ ਇੱਕ ਟ੍ਰਾਂਸਫਰ; ਕਾਨੂੰਨੀ ਆਧਾਰ ਅਤੇ ਇਕਰਾਰਨਾਮੇ ਦੀ ਲੋੜ ਹੈ.
ਹਰੇਕ ਨਵੀਂ AI ਗਤੀਵਿਧੀ ਨੂੰ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਵਿੱਚ ਰਿਕਾਰਡ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ, ਜੇਕਰ ਲੋੜ ਹੋਵੇ, ਤਾਂ VERBIS ਰਿਕਾਰਡ ਵਿੱਚ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਅਸਲ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀ ਚੁਣੋ ਜੋ ਤੁਹਾਡੀ ਸੰਸਥਾ AI ਨਾਲ ਕਰਨਾ ਚਾਹੁੰਦੀ ਹੈ (ਉਦਾਹਰਨ ਲਈ ਗਾਹਕ ਸ਼ਿਕਾਇਤਾਂ ਦਾ ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ)। ਇਸ ਗਤੀਵਿਧੀ ਲਈ ਇੱਕ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਭਰੋ: ਉਦੇਸ਼, ਡੇਟਾ ਸ਼੍ਰੇਣੀ, ਸੰਪਰਕ ਸਮੂਹ, ਸੰਭਵ ਕਾਨੂੰਨੀ ਅਧਾਰ, ਪ੍ਰਾਪਤਕਰਤਾ, ਟ੍ਰਾਂਸਫਰ ਸਥਿਤੀ ਅਤੇ ਧਾਰਨ ਦੀ ਮਿਆਦ। ਫਿਰ ਇੱਕ ਘੱਟੋ-ਘੱਟ ਫਿਲਟਰ ਦੁਆਰਾ ਇਸ ਗਤੀਵਿਧੀ ਵਿੱਚ AI ਵਿੱਚ ਦਾਖਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਪਾਸ ਕਰੋ: ਸੂਚੀ ਬਣਾਓ ਕਿ ਕਿਹੜੇ ਖੇਤਰ ਬੇਲੋੜੇ ਹਨ ਅਤੇ ਕਿਹੜੇ ਮਾਸਕ ਹਨ। ਅੰਤ ਵਿੱਚ, ਲਿਖੋ ਕਿ ਇਸ ਗਤੀਵਿਧੀ ਦਾ ਡੇਟਾ ਕੰਟਰੋਲਰ ਕੌਣ ਹੈ, ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਕੌਣ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਵਿਚਕਾਰ ਕਿਹੜਾ ਇਕਰਾਰਨਾਮਾ ਲੋੜੀਂਦਾ ਹੈ।

ਚੈੱਕਲਿਸਟ

[ ] ਮੈਂ ਗਤੀਵਿਧੀ ਵਿੱਚ ਨਿੱਜੀ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦਾ ਪਤਾ ਲਗਾਇਆ ਹੈ।
[ ] ਮੈਂ ਡੇਟਾ ਕੰਟਰੋਲਰ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਸਪਸ਼ਟ ਕੀਤਾ ਹੈ।
[ ] ਮੈਂ ਮਿਨੀਮਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕੀਤਾ: ਬੇਲੋੜੇ ਖੇਤਰਾਂ ਨੂੰ ਹਟਾਇਆ/ਮਾਸਕ ਕੀਤਾ ਗਿਆ।
[ ] ਮੈਂ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਅਤੇ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
[ ] ਮੈਂ ਇੱਕ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਭਰੀ ਹੈ।
[ ] ਮੈਂ ਟ੍ਰਾਂਸਫਰ (ਵਿਦੇਸ਼ੀ ਸਰਵਰ) ਸਥਿਤੀ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
[ ] ਮੈਂ AI ਇਤਿਹਾਸ ਨੂੰ ਧਾਰਨ ਕਰਨ ਅਤੇ ਮਿਟਾਉਣ ਦੀ ਮਿਆਦ ਨਿਯਤ ਕੀਤੀ ਹੈ।