KVKK, Prywatność i odpowiedzialne zarządzanie sztuczną inteligencją publiczną

Zyski:

• Stosuje zasady KVKK i minimalizację danych podczas przetwarzania danych osobowych obywateli w narzędziach AI.
• Ustanawia ramy zarządzania organizacją, które obejmują politykę wykorzystania sztucznej inteligencji, ścieżkę audytu i łańcuch odpowiedzialności.
• Holistycznie dowodzi, że odpowiedzialna publiczna sztuczna inteligencja opiera się na ludzkim nadzorze, przejrzystości i odpowiedzialności.

W całym tym module zobaczyliśmy, jak sztuczna inteligencja jest potężnym akceleratorem w społeczeństwie: reagowanie na pytania obywateli, petycje i korespondencję, badania legislacyjne, analiza polityki, sprawozdawczość, podejmowanie decyzji w oparciu o dane, e-administracja i przejrzystość. Teraz dochodzimy do ram, które spajają to wszystko: ochrona danych osobowych i odpowiedzialne zarządzanie. Publiczne ze swej natury przetwarza najbardziej wrażliwe dane obywatela: tożsamość, adres, dochody, stan zdrowia, karalności, sytuacja rodzinna. Przetwarzanie tych danych za pomocą narzędzi AI musi być w pełni zgodne z ramami KVKK (ustawa o ochronie danych osobowych nr 6698; ustawa regulująca zgodne z prawem, ograniczone i bezpieczne przetwarzanie danych osobowych). W tej ostatniej części ustalimy podstawy prywatności i zarządzania publicznym wykorzystaniem sztucznej inteligencji – jakie dane można przekazać do jakiego narzędzia, jakie zasady mają zastosowanie, kto jest odpowiedzialny, w jaki sposób organizacja bezpiecznie zarządza sztuczną inteligencją. Jednostka ta to dach umieszczony nad poprzednimi dziesięcioma jednostkami.

Podstawowe zasady KVKK dotyczące publicznej sztucznej inteligencji

KVKK określa kilka podstawowych zasad, z których każda bezpośrednio ogranicza wykorzystanie sztucznej inteligencji:

• Zgodność z prawem i celowość: Dane osobowe przetwarzane są wyłącznie w konkretnym, zgodnym z prawem celu. Dane zebrane w jednym celu (np. zwrócenie się o pomoc) nie mogą być wykorzystane w innym celu (np. szkolenie modelki) bez zgody.
• Minimalizacja danych: nie przetwarza się więcej danych, niż jest to konieczne do tego celu. Jeżeli do analizy kategorii nie jest wymagana nazwa, nie jest ona podawana.
• Bezpieczeństwo: Dane są chronione przed nieuprawnionym dostępem. Wklejanie danych obywateli do publicznego narzędzia sztucznej inteligencji oznacza wynoszenie ich poza organizację – jest to naruszenie polityki bezpieczeństwa.
• Okres przechowywania: Dane są usuwane po ustaniu celu; Nie jest przechowywany w nieskończoność.
• Informacje i prawa: Obywatele mają prawo wiedzieć, w jaki sposób przetwarzane są ich dane, poprawiać je, usuwać oraz sprzeciwiać się zautomatyzowanym decyzjom.

Uwaga: Przesyłanie danych obywatela do publicznego narzędzia AI, którego instytucja nie zatwierdziła, gdzie dane są przechowywane i kto ma do nich dostęp, jest w większości przypadków naruszeniem KVKK i naraża instytucję na sankcje. Zasady nigdy nie są naginane „aby ułatwić pracę”.

Jakie dane, do jakiego pojazdu? Model trójstrefowy

Ogólna zasada polega na podzieleniu danych na trzy regiony:

1. Czerwony (nigdy nie wchodzi do pojazdów publicznych): numer identyfikacyjny, stan zdrowia, przestępca, religia, pochodzenie etniczne, dane biometryczne, pełny adres i wszystko, co identyfikuje osobę. Są one przetwarzane wyłącznie w środowisku zakontraktowanym/wewnętrznym i zgodnym z KVKK, zatwierdzonym przez instytucję.
2. Żółty (ostrożnie, poprzez maskowanie): Dane, które można pośrednio powiązać z osobą. Najpierw anonimizuj/agreguj, a potem przetwarzaj.
3. Zielony (bezpłatny): Informacje bezosobowe, publiczne, ogólne (tekst legislacyjny, statystyki publiczne, procedura ogólna). Możesz je łatwo przetworzyć za pomocą sztucznej inteligencji.

Wskazówka: zanim przekażesz SMS-a AI, wykonaj 5-sekundowy test: „Czy w tej treści jest coś, co mogłoby zidentyfikować osobę?” Jeśli odpowiedź brzmi „tak/może”, załóż maskę lub jedź zatwierdzonym pojazdem. W razie wątpliwości rozważ kolor czerwony.

Ład korporacyjny: od osoby do systemu

Odpowiedzialnej publicznej sztucznej inteligencji nie można pozostawić dobrej woli poszczególnych urzędników służby cywilnej; Konieczne są ramy instytucjonalne:

• Polityka: Instytucja musi posiadać politykę wykorzystania sztucznej inteligencji: jakie narzędzia są zatwierdzane, jakie dane można wprowadzać, kto jest za to odpowiedzialny.
• Lista zatwierdzonych narzędzi: Personel powinien korzystać z narzędzi, które instytucja oceniła i zatwierdziła, a nie losowo.
• Szkolenie: Personel musi znać dziedzinę weryfikacji i obszary danych (takie jak ten moduł).
• Rejestracja i audyt: należy prowadzić ścieżkę audytu decyzji podjętych przy użyciu sztucznej inteligencji.
• Odpowiedzialność: każdy produkt oparty na sztucznej inteligencji musi mieć ludzkiego właściciela i zgodę. Odpowiedzialność spoczywa na instytucji i funkcjonariuszu, a nie na pojeździe.
• Zasada skupiona na człowieku: Żadna ostateczna decyzja ustanawiająca/ograniczająca prawa nie jest podejmowana bez zgody człowieka.

trzy mini etui

Przypadek 1 — Zapobiegnięto wyciekowi danych w kolorze czerwonym. Pracownik miał właśnie załadować do publicznego narzędzia podsumowanie listy świadczeń zdrowotnych dla 1200 osób. Dzięki zatwierdzonej przez agencję polityce dotyczącej pojazdów i szkoleniu w zakresie „czerwonych danych” problem ustał; Dane były przetwarzane w zatwierdzonym przez firmę środowisku i z zamaskowanymi polami tożsamości. Zapobiegnięto możliwemu naruszeniu KVKK i utracie zaufania dziesiątek tysięcy ludzi.

Przypadek 2 – Niewłaściwe użycie. Jedna jednostka chciała wykorzystać zebrane dane do celów informacyjnych w ramach planu komunikacji przedwyborczej. Inspektor ochrony danych przypomniał o zasadzie celowości: oznacza to wykorzystanie danych niezgodnie z celem, dla którego zostały zebrane i jest niezgodne z prawem. Prośba została odrzucona.

Przypadek 3 – Luka w zarządzaniu została usunięta. W jednej gminie różne jednostki bez kontroli korzystały z różnych narzędzi AI; Nikt nie wiedział, które dane dokąd trafiają. Agencja wprowadziła politykę wykorzystania sztucznej inteligencji, listę zatwierdzonych pojazdów i ścieżkę audytu; W ciągu 3 miesięcy liczba niezarejestrowanych pojazdów spadła o 90% i stworzono inwentaryzację danych.

Cztery szablony do kopiowania

1) Klasyfikacja obszaru danych (przed eksportem do pojazdu):

Twoja rola: doradca ds. ochrony danych. Sklasyfikuj następującą treść przed przekazaniem jej agentowi AI: CZERWONY (identyfikuje osobę, nigdy nie wchodzi do pojazdu publicznego), ŻÓŁTY (możliwość pośredniego połączenia, maska), ZIELONY (nieosobowy, bezpłatny). Zaznacz czerwone/żółte obszary jeden po drugim i powiedz im, jak maskować. Policz podejrzanego jako czerwonego. TREŚĆ: [tekst]

2) Maskowanie/anonimizacja:

Zanonimizuj wszystkie dane osobowe przed przetwarzaniem następującego tekstu: imię -> [OSOBA-1], numer identyfikacyjny -> [TOŻSAMOŚĆ], adres ->[ADRES], stan zdrowia/kara -> [SENSITIVE]. Oznacz tę samą osobę. Eksportuj anonimowy tekst osobno. Nigdy nie zapisuj rzeczywistych danych na wyjście. TEKST: [tekst]

3) Lista kontrolna zgodności KVKK (w przypadku stosowania sztucznej inteligencji):

Twoja rola: Specjalista ds. zgodności KVKK. Przygotuj listę kontrolną zgodności dla następujących zastosowań AI: (1) czy cel przetwarzania jest zgodny z prawem i konkretny, (2) czy jest powiązany z celem (czy jest to przeniesienie do innego celu), (3) czy jest zoptymalizowany, (4) czy narzędzie jest bezpieczne/zatwierdzone, (5) czy okres przechowywania jest pewny, (6) czy prawa obywatelskie (sprzeciw, usunięcie) są chronione. Oznacz brakujące elementy czerwoną flagą. SPOSÓB UŻYCIA: [przepis]

4) Ramy polityki korporacyjnej AI:

Twoja rola: ekspert ds. publicznego zarządzania IT. Stwórz ramy polityki wykorzystania sztucznej inteligencji dla naszej organizacji: zakres, zatwierdzone narzędzia, strefy danych (czerwony/żółty/zielony), zabronione zastosowania, punkty akceptacji przez ludzi, ścieżka audytu, obowiązki, szkolenia i powiadomienia o naruszeniach. Wypełnij każdy nagłówek 1-2 zdaniami. INSTYTUCJA: [jednostkowe i typowe zawody]

Słaba zachęta/silna zachęta

Słabe: „Podsumuj tę listę odniesień”.

Strong: „Twoja rola to konsultant ds. ochrony danych. Najpierw sklasyfikowaj tę listę według obszaru danych (czerwony/żółty/zielony) i zaznacz wszystkie pola identyfikujące osobę. Zamaskuj czerwone/żółte pola za pomocą [PERSON]/[IDENTITY]/[SENSITIVE], trzymaj tę samą osobę z tą samą etykietą. Utwórz jedynie podsumowanie kategorii z anonimowymi, zagregowanymi danymi; nie zapisuj prawdziwych danych osobowych w wynikach. Na koniec zwróć uwagę, gdzie proces ten wymaga uwagi pod względem KVKK (cel, przechowywanie, zabezpieczenie pojazdu) dodać.”

Różnica: potężny monit klasyfikuje, maskuje, minimalizuje i integruje zasady KVKK przed przetworzeniem danych.

Regiony danych i reguła

Region

przykład

rządzić

czerwony

Numer TR ID, stan zdrowia, kara, pełny adres

Nigdy nie wchodź do pojazdu publicznego; zatwierdzone środowisko

żółty

Wiek+sąsiedztwo+zawód, identyfikator pośredni

Maskuj/agreguj, a następnie przetwarzaj

zielony

Ustawodawstwo, statystyka publiczna, procedura ogólna

niezależna praca

Typowe błędy

• Eksportowanie czerwonych danych do narzędzia publicznego. Najpoważniejsze naruszenie; Dane identyfikacyjne/zdrowotne/karne nie opuszczają zatwierdzonego środowiska.
• Nadużywanie. Wykorzystywanie danych zebranych w jednym celu w innym celu (szkolenie modelek, komunikacja) bez pozwolenia jest niezgodne z prawem.
• Przetwarzanie zbyt dużej ilości danych. Nie przesuwaj w tym celu niepotrzebnych pól (nazwa, adres); Zminimalizować.
• Jazda bez zezwolenia. Nie jest jasne, dokąd trafiają dane w pojazdach, których instytucja nie oceniła.
• Nieokreślenie okresu przechowywania. Dane powinny zostać usunięte po zrealizowaniu celu; nie należy przechowywać w nieskończoność.
• Przerzucanie odpowiedzialności na pojazd. Dane wyjściowe są własnością człowieka i są przez niego zatwierdzane; „AI to zrobiła” nie jest obroną.

Podsumowując

Ramy odpowiedzialnej publicznej sztucznej inteligencji obejmują ochronę danych osobowych i ład korporacyjny. Zasady KVKK – celowość, minimalizacja, bezpieczeństwo, limit przechowywania, prawa obywatelskie – ograniczają wszelkie wykorzystanie sztucznej inteligencji. Podziel dane na strefy czerwoną/żółtą/zieloną, nigdy nie przypisuj koloru czerwonego narzędziu publicznemu, maskuj dane osobowe, korzystaj wyłącznie z zatwierdzonych narzędzi i przyłączaj ludzkiego właściciela do każdej decyzji. Polityka na poziomie instytucjonalnym, wykaz zatwierdzonych pojazdów, rejestr szkoleń i inspekcji; Dyscyplina weryfikacji na poziomie osobowym. W ten sposób sztuczna inteligencja służy społeczeństwu, chroniąc prawa obywateli.

Zadanie aplikacji

Wybierz faktyczne wykorzystanie sztucznej inteligencji, które zastosowałeś (lub rozważasz) w swojej jednostce. Oddziel zawartość, którą będziesz przetwarzać, na kolor czerwony/żółty/zielony, korzystając z szablonu „Klasyfikacja obszarów danych”. Zastosuj szablon „Lista kontrolna zgodności KVKK” i znajdź co najmniej jeden brakujący/ryzykowny punkt. Na koniec opracuj krótką politykę odpowiednią dla Twojej jednostki, korzystając z „szkieletu polityki korporacyjnej AI”.

lista kontrolna

• [ ] Podzieliłem treść na strefę czerwoną/żółtą/zieloną; Zaliczyłem podejrzanego jako czerwonego.
• [ ] Nie przekazałem czerwonych danych do narzędzia publicznego; Użyłem zatwierdzonych mediów.
• [ ] Zamaskowałem dane osobowe i usunąłem niepotrzebne pola (minimalizacja).
• [ ] Sprawdziłem cel przetwarzania, okres przechowywania i bezpieczeństwo pojazdu.
• [ ] Zapoznałem się z przysługującym obywatelowi prawem sprzeciwu/usunięcia.
• [ ] Do każdego wyjścia dołączyłem ludzkiego właściciela i zgodę; Zachowałem ścieżkę audytu.

Egzamin modułowy

1. Jakie jest najważniejsze pytanie, które powinieneś zadać jako urzędnikowi publicznemu przed przekazaniem pracy sztucznej inteligencji?

• A) Co traci obywatel, jeśli wynik jest błędny? ✔
• B) Jak szybko sztuczna inteligencja może wykonać to zadanie?
• C) Czy to narzędzie AI jest bezpłatne?
• D) Czy inne urządzenie również będzie korzystać z tego wyjścia?

Wyjaśnienie: Decyzja o przekazaniu jest podejmowana na podstawie szkody, jaką obywatel poniesie w przypadku nieprawidłowego wyniku. Uszkodzenia można łatwo przenieść, jeśli przepisanie zajmie tylko kilka minut; Jeśli chodzi o niesłuszną odmowę, niesłuszną karę lub utratę praw, AI sporządza jedynie projekt, decyzja i weryfikacja należy do urzędnika.

2. Jak to się nazywa, gdy sztuczna inteligencja przedstawia nieistniejące prawo lub sfabrykowane orzeczenie sądu jako prawdziwe?

• A) Buforowanie
• B) Segregacja
• C) Anonimizacja
• D) Halucynacje ✔

Wyjaśnienie: Halucynacja ma miejsce wtedy, gdy sztuczna inteligencja z pewnością wytwarza informacje, które w rzeczywistości nie istnieją (substancja sfabrykowana, uchylenie rozporządzenia, zła liczba). W obszarze legislacyjnym jest to jedno z najniebezpieczniejszych zagrożeń, gdyż może prowadzić do utraty praw i unieważnienia postępowania administracyjnego.

3. Funkcjonariusz ma zamiar odrzucić wniosek na podstawie artykułu regulaminu wskazanego przez YZ. Które zachowanie jest najwłaściwsze?

• A) AI bezpośrednio pisze odmowę, ponieważ wydaje się to pewne
• B) Zadaj to samo pytanie innemu pojazdowi AI i uzyskaj potwierdzenie
• C) Potwierdza artykuł z aktualnego tekstu jednolitego na Çözüm.gov.tr ✔
• D) Ustnie pyta przełożonego o decyzję

Opis: dane szkoleniowe sztucznej inteligencji zostają zamrożone w określonym terminie; Wyświetlany artykuł mógł zostać uchylony lub zmieniony. Potwierdzenie obowiązywania artykułu i jego ostatecznej wersji z aktualnego tekstu jednolitego na Çözüm.gov.tr ​​​​przed wydaniem decyzji zapobiega niesłusznemu odrzuceniu i ewentualnemu pozwowi o unieważnienie.

4. Dlaczego zapewnienie jakości chatbotowi obywatelskiemu polega na tym, że może powiedzieć „nie wiem, przekierowuję cię do urzędnika”?

• A) Poprawia statystyki poprzez zwiększenie rotacji
• B) Zapobiega dezinformacji poprzez przekazywanie informacji ludziom, gdy nie są pewni ✔
• C) Wydłuża czas rozmów poprzez odwrócenie uwagi obywateli
• D) Umożliwia chatbotowi otrzymywanie mniejszej liczby pytań

Wyjaśnienie: W miejscach publicznych pewna zła odpowiedź jest znacznie bardziej kosztowna niż uczciwa odpowiedź; Prowadzi to do utraty praw i braku zaufania do instytucji. Zdolność chatbota do przekazania informacji człowiekowi w przypadku niepewności jest mechanizmem zabezpieczającym zapobiegającym halucynacyjnej dezinformacji.

5. Jakie jest najważniejsze ryzyko, które należy wziąć pod uwagę przy „upraszczaniu” oficjalnej korespondencji z sztuczną inteligencją?

• A) Tekst jest za krótki
• B) Zmiana czcionki
• C) Porzucenie warunku lub wyjątku ✔
• D) Błędna pisownia nazwiska adresata

Wyjaśnienie: Adaptacja stylistyczna nie powinna zmieniać treści. Podczas upraszczania sztuczna inteligencja czasami pomija wyjątek, warunek lub czas trwania. Dlatego też uproszczony tekst należy zawsze porównywać z pierwotną decyzją lub prawodawstwem.

6. Imię i T.R. w zestawie danych. Jak to nazwać, gdy połączenie „sąsiedztwa + roku urodzenia + rodzaju niepełnosprawności” może ujawnić osobę, nawet jeśli numer identyfikacyjny został usunięty?

• A) Redefinicja ✔
• B) Minimalizacja danych
• C) Stopień pokrycia
• D) Konsolidacja

Wyjaśnienie: Ponowna identyfikacja polega na odnalezieniu osoby poprzez kombinację pośrednich identyfikatorów na podstawie danych uznawanych za anonimowe. Jeśli u jednej osoby zostanie znaleziona rzadka kategoria, usunięcie nazwiska nie wystarczy; Wymagane są dodatkowe środki, takie jak przeliczenie wieku na zakres i połączenie rzadkich kategorii.

7. Jak to się nazywa, gdy model inspekcji oznacza dzielnicę, która w przeszłości była przedmiotem intensywnych inspekcji, jako „ryzykowną” i przeprowadza tam więcej kontroli, co powoduje, że model postrzega tę okolicę jako bardziej ryzykowną?

• A) Minimalizacja danych
• B) Halucynacje
• C) Anonimizacja
• D) Pętla sprzężenia zwrotnego ✔

Objaśnienie: Pętla sprzężenia zwrotnego ma miejsce, gdy dane wyjściowe modelu wpływają na późniejsze dane szkoleniowe, wzmacniając istniejące obciążenie. Różnica nie zwiększa się w rzeczywistym ryzyku, ale w tym, gdzie się patrzy. Sposobem na zabezpieczenie się jest monitorowanie wpływu, a nie wyników, oraz kontrolowanie grupowego podziału decyzji.

8. Po tym jak wniosek o świadczenia został całkowicie przeniesiony do Internetu, w pierwszym miesiącu liczba wniosków spadła o 30 procent. Jakie jest najbardziej prawdopodobne wyjaśnienie tej sytuacji?

• A) Rzeczywiste potrzeby obywateli spadły
• B) Pominięto obywateli nieposiadających dostępu do Internetu i umiejętności cyfrowych ✔
• C) Odsetki spadły ze względu na zmniejszenie kwoty pomocy
• D) System automatycznie zatwierdzał wszystkie wnioski

Opis: Przepaść cyfrowa to niemożność dostępu do usług obywateli nieposiadających dostępu do Internetu lub umiejętności cyfrowych. Liczba ta maleje, bo nie mogą aplikować najbardziej potrzebująca grupa, czyli osoby starsze i obywatele nieposiadający internetu. Rozwiązaniem jest pozostawienie kanałów alternatywnych, takich jak punkty wspomaganych poleceń.

9. Chociaż faktyczny wskaźnik powodzenia raportu rocznego wynosi 63 procent, w streszczeniu sporządzonym przez YZ czytamy, że „zdecydowana większość wniosków była pozytywna”. Jakie jest prawidłowe zachowanie?

• A) Wyrażenie pozostawia się bez zmian, ponieważ jest dodatnie.
• B) Skreślono stosunek i zastosowano jedynie wyrażenie jakościowe
• C) Wyrażenie zostaje zastąpione liczbą rzeczywistą 63 procent ✔
• D) Podsumowanie zostało całkowicie usunięte z raportu

Wyjaśnienie: Przesadny pozytywny odbiór w raporcie publicznym stawia instytucję w trudnej sytuacji podczas kolejnych kontroli. Każde stwierdzenie w streszczeniu należy porównać z surowymi danymi i zapisać faktyczną liczbę (63 proc.); Podsumowania AI nie są uwzględniane w raporcie bez audytu.

10. Czego w pierwszej kolejności uczy nas to, że przy podejmowaniu decyzji w sektorze publicznym w oparciu o dane w sektorze publicznym wzrasta „liczba spraw zamykanych co miesiąc”, a „wskaźnik rozstrzygnięć przy pierwszym kontakcie” maleje?

• A) Wybór odpowiedniego wskaźnika jest ważniejszy niż pomnożenie liczby ✔
• B) Należy zwiększyć liczbę personelu
• C) Wykresy należy pokolorować
• D) Chatbot powinien odpowiedzieć na więcej pytań

Wyjaśnienie: Zły wskaźnik prowadzi do błędnej decyzji nawet przy prawidłowych danych. Pliki można szybko zamknąć i ponownie otworzyć. Wybór odpowiedniego wskaźnika i jednoczesne ich odczytanie zapobiega przechwalaniu się wyłącznie wprowadzającą w błąd liczbą.

11. Na wykresie oś pionowa zaczyna się od 40 zamiast od zera, a 2-procentowy wzrost wygląda na dramatyczny skok. Przykładem jakiego problemu?

• A) Halucynacje
• B) Minimalizacja danych
• C) Przepaść cyfrowa
• D) Wprowadzająca w błąd wizualizacja ✔

Wyjaśnienie: Wprowadzająca w błąd wizualizacja zniekształca percepcję za pomocą takich technik, jak oś nie rozpoczynająca się od zera, nieproporcjonalna skala lub wybrany okres czasu. Jest to część uczciwego zarządzania wizualnego danymi publicznymi; Rzeczywistą tabelę należy wyświetlić poprzez wyciągnięcie osi do zera.

12. Dlaczego niedopuszczalne jest stwierdzenie „AI to napisała” jako uzasadnienie podjęcia działań administracyjnych?

• A) Ponieważ narzędzia AI są zbyt drogie
• B) Czynność administracyjna musi być uzasadniona, a odpowiedzialność spoczywa na funkcjonariuszu ✔
• C) Ponieważ AI nie zna tureckiego
• D) Ponieważ obywatele nie lubią sztucznej inteligencji

Wyjaśnienie: Działanie administracyjne musi być uzasadnione i podlegać kontroli; Odpowiedzialność nie spoczywa na AI, ale na urzędniku publicznym i instytucji, która wykorzystuje wyniki bez ich weryfikacji. „AI tak powiedziała” nie stanowi uzasadnienia i nie stanowi podstawy do podjęcia działań administracyjnych.

13. Jakie cztery zasady odróżniają zastosowanie AI w sektorze publicznym od sektora prywatnego i których należy dodatkowo przestrzegać?

• A) Szybkość, taniość, rentowność, konkurencja
• B) Automatyzacja, skala, marketing, marka
• C) Równość, przejrzystość, odpowiedzialność, ochrona danych osobowych ✔
• D) Prywatność, poufność, prywatność i poufność

Wyjaśnienie: W pracach, w których wykorzystywana jest władza publiczna, sztuczna inteligencja opiera się na zasadach równości (podobne traktowanie podobnej sytuacji), przejrzystości (wyjaśnialność uzasadnienia decyzji), odpowiedzialności (odpowiedzialność za każdą transakcję i ścieżkę audytu) oraz ochrony danych osobowych (KVKK).

14. Co powinien zrobić zautomatyzowany system kontroli wstępnej, gdy nie ma pewności co do rzadkiego typu dokumentu?

• A) Aby odrzucić wniosek w trybie cichym
• B) Przekazanie wniosku do weryfikacji przez człowieka ✔
• C) Automatycznie zatwierdź wniosek
• D) Usuń aplikację

Wyjaśnienie: Dobra automatyzacja kieruje model do funkcjonariusza, gdy ten nie jest pewien, zamiast go po cichu odrzucać. W przeciwnym razie legalne aplikacje wpadną w martwy punkt i nastąpi wiktymizacja. Podstawą zarządzania wyjątkami jest utrzymywanie ludzi w miejscu podejmowania decyzji.