Ganhos:
- Avaliar a informação de acordo com a sua sensibilidade e distinguir entre o veículo aberto e o sistema seguro com o reflexo 'pergunte à turma, combine o veículo'
- Compreender os princípios mínimos de dados, segurança e responsabilidade do KVKK e ver que apagar um nome não é suficiente e o contexto é a identidade.
- Capacidade de adotar a disciplina de escolher o caminho mais seguro em caso de dúvida, protegendo dados sensíveis no mais alto nível e reportando a violação de forma transparente.
O que um cliente lhe conta – violência, doença, pobreza, vício, segredos de família – é a informação mais frágil e privada da sua vida. Ele fornece essas informações a você em sigilo profissional. Esta confiança é a base que possibilita o funcionamento do serviço social; Ao ser sacudido, o cliente não abre novamente e o serviço perde a função. Manter esta confiança na era da inteligência artificial assumiu uma nova dimensão: inserir as informações de um cliente na ferramenta errada é agora não apenas uma violação da privacidade, mas também uma responsabilidade legal ao abrigo da KVKK (Lei de Proteção de Dados Pessoais) e pode levar a uma fuga irreversível de informações. Nesta unidade, você aprenderá como proteger os dados dos clientes na era da IA, a lógica básica do KVKK, a distinção entre veículos abertos e veículos seguros e uma disciplina prática de “higiene de dados”.
A regra mais básica desde o início é a que repetimos ao longo deste módulo: Nenhum dado pessoal que identifique o cliente será inserido em uma ferramenta pública de IA que sua instituição não tenha aprovado. Esta frase é a essência de todos os detalhes abaixo.
Resumindo KVKK para o assistente social
A KVKK regula a forma como os dados pessoais (qualquer informação que torne uma pessoa específica ou identificável - nome, bilhete de identidade, morada, telefone, mas também informações como saúde, estado familiar, antecedentes criminais) podem ser processados. A maior parte dos dados que trata no serviço social são dados pessoais sensíveis (dados cuja fuga é particularmente prejudicial, como saúde, vida sexual, religião, etnia, condenações penais) e requerem a mais elevada protecção. O significado prático do KVKK para você se resume a alguns princípios:
- Limitação da finalidade e dados mínimos: Apenas são processados os dados necessários. Ao processar texto na IA, não insira quaisquer dados pessoais que não sejam necessários para o trabalho.
- Segurança: Os dados são protegidos contra acesso não autorizado. Uma ferramenta pública de IA não oferece essa segurança.
- Consentimento e transparência: Informar o cliente sobre como os dados são tratados. Fornecer dados de um cliente a uma ferramenta externa não controlada não está no âmbito de qualquer consentimento.
- Responsabilidade: Se ocorrer uma violação, a responsabilidade recai sobre a organização que processa os dados e a pessoa que os insere – “A IA queria assim” não é uma defesa.
Cuidado: Excluir nomes geralmente NÃO é uma proteção suficiente. Mesmo que um nome não seja mencionado no texto, o contexto (bairro + idade + evento + data + estrutura familiar) pode tornar uma pessoa identificável. A proteção real não é fornecida pela máscara, mas pela escolha da ferramenta e do ambiente certos.
Dois mundos: veículo aberto vs. sistema seguro
Separe o uso da IA em dois mundos claros:
1. Mundo de ferramentas públicas/abertas. Pode ser utilizado para tarefas que não identificam o cliente: questões de informação geral (“Como escrever uma meta SMART?”), treinamento com exemplos fictícios/anônimos, explicação geral da legislação, textos de programas que não apontam para ninguém. Dados reais do cliente nunca são inseridos aqui.
2. O mundo dos dados do cliente. Qualquer trabalho que envolva informações reais de um cliente — registro, relatório, nota de risco, encaminhamento — é feito somente em sistemas seguros e aprovados pela sua instituição, onde os dados não vazam. Se não existir tal sistema, esse trabalho é feito sem IA, com o método tradicional seguro.
Confundir os dois — fornecer dados reais do cliente para a ferramenta aberta — é o erro mais perigoso e comum deste módulo.
Passo a passo: disciplina de higiene de dados
- Pergunte sobre a aula. Pergunte antes de cada trabalho: “Este texto descreve o cliente?” Se sim, sistema seguro; Caso contrário, o veículo aberto pode ser usado.
- Minimizar. Limite os dados inseridos ao mínimo exigido pelo trabalho, mesmo que o trabalho realmente exija isso.
- Desidentifique-se (e conheça seus limites). Remova identificadores quando necessário; mas lembre-se de que o contexto também pode revelar identidade.
- Use ferramenta aprovada. Saiba qual veículo a instituição homologa para quais dados e não se desvie deles.
- Se você não tiver certeza, aja como um veterano. Se você não tiver certeza se um dado é confidencial ou não, escolha o caminho mais protegido.
- Denuncie a violação. Se houver vazamento ou erro, oculte; Relatório de acordo com o procedimento da instituição. A intervenção precoce reduz os danos.
três mini cases
Caso 1 — O contexto revelou identidade. Um especialista enviou um resumo do caso à ferramenta aberta, dizendo “Excluí os nomes, agora é seguro”. Não havia nome no texto, mas havia a frase “Uma mulher com deficiência visual do bairro X, com 3 filhos, cujo marido está preso”. Havia apenas uma pessoa naquele bairro que se enquadrava nessa descrição — a identidade era praticamente clara. O especialista sênior percebeu isso; O trabalho foi movido para o sistema seguro. Lição: contexto também são dados pessoais.
Caso 2 — A política de dados mínimos funcionou. Um especialista só precisava simplificar uma frase. Em vez de fornecer o arquivo inteiro à ferramenta, ele apenas forneceu uma frase sem dados pessoais. O trabalho foi feito, nenhum dado confidencial foi divulgado. A política de dados mínimos era segura e suficiente.
Caso 3 — A notificação antecipada reduziu os danos. Um novo contratado colou acidentalmente as informações de um cliente em uma ferramenta aberta e percebeu imediatamente. Em vez de entrar em pânico e se esconder, ela imediatamente relatou o fato ao seu supervisor. A instituição avaliou o incidente de acordo com o procedimento KVKK, tomou as medidas necessárias e ensinou ao funcionário como utilizá-lo corretamente. A notificação transparente e rápida evitou que o incidente aumentasse.
Quatro modelos copiáveis
1) Simulação de classe de dados:
Avalie o seguinte texto ANTES de processá-lo em uma ferramenta de IA: Este texto torna uma pessoa diretamente (nome, RG, endereço, telefone) OU indiretamente (contexto: bairro, idade, evento, estrutura familiar) identificável? Contém dados sensíveis (saúde, religião, etnia, antecedentes criminais)? Se sim, quais seções? Diga-me se este texto pode ser renderizado na ferramenta pública. Texto: [colar texto]
2) Downgrade para dados mínimos:
Determine as MENOS informações necessárias para realizar o trabalho a seguir. Remova todos os dados pessoais que não sejam exigidos pelo trabalho e deixe apenas a parte não identificadora exigida pelo trabalho. Liste quais informações você omitiu e por quê. Trabalho: [descrever a tarefa] Texto: [colar texto]
3) Desidentificação e controle de contexto:
Extraia os identificadores (nome, RG, endereço, telefone, nome da instituição) diretamente do texto abaixo. Marque também quaisquer elementos de contexto que permaneçam no texto (uma rara combinação de circunstâncias, local específico + evento) que possam revelar INDIRETAMENTE a identidade. Antes de removê-los, avalie se o texto ainda torna a pessoa identificável.Texto: [colar texto]
4) Criação de um exemplo de treinamento anônimo/fictício:
Produza um caso de exemplo que se assemelhe a um caso real, mas seja completamente FITCIONAL e não pertença a nenhuma pessoa real; Vou usar isso para treinamento/prática. Usar nomes, lugares ou eventos reais; Deixe tudo ser falso. [Tópico: avaliação inicial do cuidado ao idoso]
Alerta fraco / Alerta forte
Alerta fraco:
Estou colando o arquivo inteiro deste cliente abaixo, isso me dará um bom resumo. (incluindo nome, endereço, informações de saúde)
Isto significa fornecer dados pessoais sensíveis a um sistema externo não controlado – uma violação da KVKK e um risco irreversível de privacidade. Só porque o resumo é “bom” não justifica esta violação.
Alerta poderoso:
(Apenas em um sistema seguro aprovado pela instituição ou com texto desidentificado.) Resuma o texto DESIDENTIFICADO abaixo. Não deixei nenhum contexto no texto que pudesse revelar nome, endereço, documento de identidade ou identidade. Processe apenas as informações necessárias para a tarefa. Texto: [colar texto anônimo]
A diferença: trabalhar na ferramenta certa, com dados mínimos e não identificados, protege a privacidade e a lei enquanto realiza o trabalho.
Tipo de dados e caminho correto
Tipo de dados
exemplo
a ferramenta certa
Informações gerais
“O que é uma meta SMART?”
veículo aberto
exemplo fictício
Caso de treinamento planejado
veículo aberto
Sem identidade + sem contexto
Simplificação de uma frase geral
Abra o veículo (com cuidado)
Dados do cliente
registro real, relatório
Somente sistema seguro
Dados de qualidade especial
Saúde, punição, etnia
Maior proteção/sistema seguro
Risk/safety note
Violência, informações de proteção
Maior proteção/sistema seguro
Erros comuns
- Fornecendo dados reais do cliente para a ferramenta aberta. O erro mais perigoso e comum; Violação KVKK e penetração irreversível.
- “Apaguei os nomes” pensando que é segurança. O contexto pode revelar identidade; Mascarar não é proteção.
- Inserindo mais dados do que o necessário. Aplicar a política de dados mínimos; Dê tanto quanto o trabalho exigir.
- Correr riscos quando não tiver certeza. Na dúvida, escolha o caminho mais seguro, aja como uma classe alta.
- Ocultando a violação. A notificação antecipada e transparente reduz os danos; Hiding makes it bigger.
Resumindo
A privacidade do cliente é a base da confiança no serviço social e, na era da IA, também se torna uma obrigação legal para a KVKK. A regra básica é clara: nenhum dado pessoal que identifique o cliente entra em uma ferramenta pública não homologada. Mantenha os dois mundos (ferramenta aberta vs. sistema seguro) separados, aplique o princípio de dados mínimos, saiba que excluir nomes não é suficiente e contexto é identidade, em caso de dúvida, escolha o caminho mais seguro e relate a violação de forma transparente. A privacidade não é uma medida acrescentada posteriormente, mas um princípio observado desde o início.
Tarefa de aplicativo
Escreva um texto de caso fictício e veja quais itens a IA marca como dados pessoais/privados com o modelo “preflight de classe de dados”. Em seguida, teste com o padrão "desidentificação e verificação de contexto" para ver se o contexto ainda revela a identidade mesmo após a exclusão dos nomes. Por fim, produza um exemplo que você possa usar com segurança na ferramenta aberta com o modelo "exemplo de treinamento anônimo/ficcional".
lista de verificação
- [ ] Antes de cada trabalho, "Este texto descreve o cliente?" Perguntei.
- [ ] Eu processo dados de clientes apenas em sistemas seguros e aprovados.
- [ ] apliquei a política de dados mínimos; Não entrei em muitos detalhes.
- [ ] Sabendo que não basta apagar o nome, verifiquei também o contexto.
- [ ] Em caso de dúvida, escolhi o caminho mais seguro e conheço a forma de denunciar em caso de violação.