Faida:
- Kutofautisha dhana za data ya kibinafsi, data ya ubora maalum, kidhibiti cha data na kichakataji data
- Kutumia kanuni za jumla za KVKK (kizuizi kwa kusudi, kupunguza) kwa matumizi ya AI
- Elewa kwamba kuingiza data katika AI ni kuchakata na mara nyingi kuhamisha, na wajibu wa kurekodi
Kutumia AI katika shirika ni karibu kila wakati kuunganishwa na usindikaji wa data ya kibinafsi: muhtasari wa barua pepe ya mteja, kutathmini CV, kuchanganua rekodi ya simu. Kwa hiyo, uti wa mgongo wa utawala wa AI ni kuelewa sheria ya ulinzi wa data ya Türkiye, KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi Na. 6698). Katika kitengo hiki, tutajifunza dhana za msingi, kanuni za jumla na usajili wa VERBIS wa KVKK, kuunganisha moja kwa moja na matumizi ya AI. Lengo si kuwa mwanasheria; Ni kuweka msingi thabiti kwa afisa wa ulinzi wa data kufanya maamuzi sahihi ya kila siku.
Dhana za kimsingi: nani ni nani?
Lugha ya KVKK inategemea dhana kadhaa muhimu. Bila kutofautisha haya, hakuna uamuzi wa AI unaweza kufanywa kwa usahihi.
dhana
Maana
mfano katika AI
data ya kibinafsi
Taarifa yoyote kuhusu mtu wa asili anayetambulika/anayetambulika
Jina, barua pepe, simu, IP, nambari ya mteja
Data ya ubora maalum
Kategoria nyeti kama vile afya, dini, bayometriki
Historia ya mgonjwa, aina ya damu, data ya uso
Mtu wa mawasiliano
Mtu ambaye data yake inachakatwa (mmiliki wa data)
Mteja, mfanyakazi, mgombea
Kidhibiti data
Kuamua madhumuni na njia ya usindikaji
Shirika kwa kutumia AI
kichakataji data
Mhusika anayechakata data kwa niaba ya kidhibiti
Kampuni inayotoa huduma ya AI
Tofauti hii ina matokeo ya kisheria: kidhibiti data (taasisi yenyewe) ndiye mmiliki mkuu wa dhima. Mtoa huduma wa AI mara nyingi ndiye kichakataji data na mkataba ulioandikwa (makubaliano ya usindikaji wa data) lazima uhitimishwe nayo. Kusema "mtoa huduma wa AI alifanya hivyo" hakuondoi shirika kutokana na dhima.
Angalizo: Data ni data ya kibinafsi mradi tu kuifanya "itambulike". Haitoshi kusema "Nilifuta jina"; Hata mchanganyiko wa tarehe ya kuzaliwa + msimbo wa posta + kazi inaweza kumfanya mtu atambulike. Daima angalia utambulisho huu uliojumuishwa katika data iliyowekwa kwenye AI.
Kanuni za jumla za KVKK na AI
KVKK huweka kanuni za jumla ambazo usindikaji wote lazima uzingatie. Tafsiri ya moja kwa moja kwa matumizi ya AI ni:
- Kuzingatia sheria na uaminifu: Kuchakata data kwa siri au kwa kupotosha.
- Kuwa sahihi na kusasishwa: AI inaweza kutoa maonyesho; Toleo haliwezi kuhifadhiwa kama data ya kibinafsi bila uthibitishaji.
- Madhumuni mahususi, wazi na halali: Data haiwezi kuchakatwa kwa sababu "inaweza kuhitajika katika siku zijazo"; Kusudi ni wazi mapema.
- Kusudi linalohusiana, mdogo na kipimo (kupunguza data): Ni data muhimu kwa madhumuni pekee ndiyo inayoingizwa kwenye AI.
- Uhifadhi kwa muda unaohitajika: Lengo likiisha, data (ikiwa ni pamoja na historia ya gumzo ya AI) itafutwa/itambulishwa.
Kupunguza data ni kanuni iliyokiukwa zaidi katika AI: badala ya kubandika faili nzima ili kufupisha maandishi, ni muhimu kuingiza aya inayohitajika tu, na ikiwezekana katika fomu yake iliyofichwa (majina yaliyofichwa).
kesi tatu ndogo
Kesi ya 1 - Data nyingi sana. Msimamizi wa kituo cha simu hulisha nakala za simu 5,000 kwa AI, pamoja na jina, nambari ya simu na nambari ya kitambulisho, ili "kutoa mada za kutoridhika kwa mteja." Hata hivyo, hakuna haja ya data ya utambulisho kwa uchambuzi wa mandhari. Kwa mujibu wa kanuni ya kupunguza, njia sahihi ni kufuta mashamba ya ID na kutoa tu maandishi ya simu. Kwa hivyo, data ya utambulisho wa watu 5,000 haitachakatwa bila lazima.
Kesi 2 - Kusudi la kuteleza. Uuzaji hulisha mfanyikazi saa za saa na saa za kuisha kwa AI kwa "uchambuzi wa tija." Hata hivyo, data hii ilikusanywa kwa madhumuni ya afya na usalama kazini. Matumizi mabaya yanakiuka kanuni ya "kizuizi kwa kusudi". Uamuzi sahihi: kutathmini upya msingi wa kisheria na ufafanuzi kabla ya kuchakata data kwa madhumuni haya mapya.
Kesi ya 3 - Zamani zisizoweza kurekebishwa. Mtaalamu wa bima amekuwa akiingiza data ya mteja kwenye gumzo sawa la AI kwa miezi kadhaa ili kutathmini uharibifu, na historia haijafutwa kamwe. Miezi 8 baadaye, data ya zaidi ya wateja 300 hukusanywa katika soga moja. Kulingana na sera ya kuhifadhi, historia hii inapaswa kusafishwa mara tu lengo litakapokamilika (faili imefungwa) au muamala uhamishwe hadi kwa zana ya kitaasisi isiyohifadhi kumbukumbu.
Kuingiza data kwenye AI ni "kusindika"
Usindikaji katika KVKK; Ni mchakato wowote ikijumuisha kupata, kurekodi, kuhifadhi na kuhamisha data. Kubandika maandishi kwenye AI kunamaanisha kutuma data kwa seva ya mtoa huduma - hii ni shughuli, na mara nyingi uhamisho (ikiwa seva iko nje ya nchi). Kwa hivyo, kila matumizi ya AI yanahitaji msingi halali wa kisheria nyuma yake (somo la kitengo kinachofuata) na mkataba unaofaa.
Kidokezo: "Je, ninaweza kuingiza data hii kwenye AI?" Jaribu swali kwa vichujio vitatu: (1) Data ya kibinafsi? (2) Je, ni muhimu kwa ajili hiyo na imepunguzwa? (3) Je, nina msingi halali wa kisheria na mkataba unaofaa? Ikiwa zote tatu sio "ndiyo", simama na tathmini.
VERBIS na hesabu ya usindikaji
VERBIS (Mfumo wa Taarifa za Usajili wa Vidhibiti vya Data) ni sajili rasmi ambayo vidhibiti vya data vinavyozidi viwango fulani hurekodi shughuli zao za kuchakata data ya kibinafsi. Taasisi ina hesabu ya usindikaji wa data ya kibinafsi: rekodi ya moja kwa moja inayoonyesha ni data gani inachakata, kwa madhumuni gani, kwa misingi gani ya kisheria, ni kiasi gani huhifadhi na kwa nani huhamishiwa. Wakati shughuli mpya ya uchakataji kulingana na AI inapoanzishwa, hesabu hii inapaswa kusasishwa na, ikiwa ni lazima, kuonyeshwa kwenye rekodi ya VERBIS.
nafasi ya hesabu
Mfano wa shughuli za AI
Kusudi la usindikaji
Muhtasari otomatiki wa barua pepe za wateja
Kategoria ya data
Mawasiliano, data ya muamala wa mteja
Msingi wa kisheria
Utendaji wa mkataba / maslahi halali
kikundi cha wapokeaji
Mtoa huduma wa AI (kichakataji data)
uhamisho
Seva ya nje ya nchi (na uhakikisho unaofaa)
Kipindi cha kuhifadhi
Futa kutoka kwa kufunga faili
Violezo vinavyoweza kunakiliwa
KIOLEZO CHA 1 — Kuficha maandishi bila kuyaingiza katika AI: "Ondoa data ya kibinafsi (jina-jina, simu, barua pepe, nambari ya kitambulisho, anwani) kutoka kwa maandishi yaliyo hapa chini na ubadilishe na lebo kama vile [NAME], [TEL]. Hifadhi maana na muundo wa maandishi. Rudisha maandishi yaliyofichwa tu, usitoe maelezo mengine yoyote."
KIOESHO CHA 2 — Cheki cha kupunguza: "Nitafanya kazi ifuatayo: [kazi ya kuandika]. Orodhesha ni sehemu zipi kati ya ZIFUATAZO za data AMBAZO HAZITAHITAJI kwa kazi hii: [andika sehemu]. Weka alama 'tupa' sehemu yoyote isiyohitajika kwa madhumuni hayo na uandike kwa sentensi moja kwa nini."
KIOLEZO CHA 3 — Inachakata muhtasari wa mstari wa hesabu: "Jaza safu ya hesabu ya uchakataji wa data ya kibinafsi kwa matumizi yafuatayo ya AI: [eleza matumizi]. Sehemu: madhumuni ya kuchakata, kategoria ya data, kikundi cha mawasiliano, misingi ya kisheria inayowezekana (pendekeza nyingi), wapokeaji, uhamisho, makadirio ya muda wa kuhifadhi. Uamuzi sahihi wa kisheria, wasilisha chaguo."
KIOLEZO CHA 4 — Ugunduzi wa data ya kibinafsi: "Je, ni aina gani za data ya kibinafsi na hasa data MAALUM (afya, dini, bayometriki, n.k.) ziko kwenye hati hii? Orodhesha aina na uandike ni darasa zipi zinaangukia kwa kila moja. Usibadili hati, igundue tu."
Agizo dhaifu / Ukumbusho thabiti
DHAIFU: "Changanua orodha hii ya wateja." (na jina kamili, simu, kitambulisho)-> Inakiuka upunguzaji; hutuma data ya kibinafsi/ya faragha isiyo ya lazima kwa mtoa huduma; huibua misingi ya kisheria na matatizo ya uhamishaji.STRONG: "Changanua usambazaji wa mahitaji ya kikanda kwa kutumia safu wima za 'jiji' na 'aina ya bidhaa' pekee katika orodha iliyo hapa chini. Puuza safu wima za jina, simu, vitambulisho - tayari nimezifuta."-> Data isiyo ya kibinafsi tu inayohitajika kwa madhumuni hayo inachakatwa; Kanuni imehifadhiwa.
Makosa ya kawaida
- Kufikiria "Nilifuta jina, sio la kibinafsi tena"; ilhali data iliyojumuishwa inaweza kumfanya mtu atambulike.
- Kutofanya tofauti kati ya kidhibiti data na kichakataji data na kutosaini mkataba na mtoa huduma.
- Maeneo yasiyo ya lazima kwa madhumuni hayo pia yameingizwa kwenye AI na kukiuka upunguzaji.
- Kutumia data iliyokusanywa kwa madhumuni moja katika AI kwa madhumuni mengine (kusudi la kusudi).
- Kuhifadhi matokeo ya AI kama data ya kibinafsi "sahihi na iliyosasishwa" bila kuithibitisha.
- Haionyeshi shughuli mpya ya AI katika usindikaji wa hesabu na VERBIS ikiwa ni lazima.
- Kukusanya historia ya gumzo ya AI bila kuifunga kwa sheria ya kuhifadhi/kufuta.
Kwa muhtasari
- Msingi wa KVKK; ni kutofautisha dhana za data binafsi, kidhibiti data na kichakataji data.
- Mdhibiti wa data (taasisi) ndiye wajibu mkuu; Mtoa huduma wa AI mara nyingi ndiye kichakataji data na huhitaji mkataba.
- Miongoni mwa kanuni za jumla, muhimu zaidi kwa AI ni kupunguza data na ukomo wa madhumuni.
- Kuingiza data katika AI ni shughuli, na mara nyingi uhamisho; Msingi wa kisheria na mkataba unahitajika.
- Kila shughuli mpya ya AI inapaswa kurekodiwa katika orodha ya usindikaji na, ikiwa ni lazima, ionekane katika rekodi ya VERBIS.
Jukumu la maombi
Chagua shughuli halisi ya usindikaji ambayo shirika lako lingependa kufanya na AI (k.m. uchanganuzi wa mada ya malalamiko ya wateja). Jaza safu ya hesabu ya uchakataji kwa shughuli hii: madhumuni, kategoria ya data, kikundi cha anwani, misingi ya kisheria inayowezekana, wapokeaji, hali ya uhamishaji na muda wa kubaki. Kisha pitisha data itakayoingizwa kwenye AI katika shughuli hii kupitia kichujio cha kupunguza: orodhesha ni sehemu zipi zisizohitajika na zipi za kufunika. Hatimaye, andika ni nani mdhibiti wa data wa shughuli hii, ni nani kichakataji data, na ni mkataba gani unaohitajika kati yao.
orodha ya ukaguzi
- [ ] Niligundua data ya kibinafsi na ya kibinafsi katika shughuli.
- [ ] Nilifafanua kidhibiti cha data na kichakataji data.
- [ ] Niliomba kupunguza: kuondolewa/kuficha maeneo yasiyo ya lazima.
- [ ] Nimefafanua madhumuni ya kuchakata mahususi na kwa njia halali.
- [ ] Nilijaza safu ya hesabu ya uchakataji.
- [ ] Nilitathmini hali ya uhamishaji (seva ya ng'ambo).
- [ ] Nimepanga muda wa kuhifadhi na kufuta historia ya AI.