Faida:
- Tumia vigezo vya tathmini kabla ya kununua zana ya AI
- Kutambua vitu vya kutafuta katika makubaliano ya usindikaji wa data (DPA) na kadi ya mfano
- Unda orodha ya gari iliyoidhinishwa na alama za hatari za muuzaji
Unafanya nini kitengo cha biashara kinapokuja kwenye mlango wako na kusema "tunataka kutumia zana hiyo mpya ya AI, itakuwa muhimu sana"? Kusema "hakuna njia" kulisha kivuli AI; Kusema "sawa" kunafungua hatari isiyodhibitiwa. Jibu sahihi ni kuendesha mchakato wa tathmini ya gari. Katika kitengo hiki tutajifunza maswali ya kuuliza kabla ya kununua/kuidhinisha gari la AI, nini cha kuangalia katika makubaliano ya kuchakata data (DPA) na kadi ya mfano, na jinsi ya kuweka haya yote kwenye orodha ya gari iliyoidhinishwa na alama ya hatari ya muuzaji.
Kwa nini tathmini inahitajika?
Kila zana ya AI ni kichakataji data: inachakata data ya shirika. Kuidhinisha zana isiyo sahihi kunamaanisha kukabidhi data ya kibinafsi ya shirika kwa wahusika wengine (na mara nyingi nje ya nchi) kwa njia isiyodhibitiwa. Maswali ya msingi ya kujibu kabla ya kuidhinisha zana:
- Je, inachakata na kuhifadhi data wapi (nchi gani)?
- Je, hutumia data zetu katika mafunzo ya mfano? Je, inaweza kuzimwa (chagua kutoka)?
- Je, inatoa makubaliano ya usindikaji wa data (DPA)?
- Je, kuna vyeti vya usalama (k.m. ISO 27001)?
- Je, historia ya gumzo huhifadhiwa kwa muda gani na inaweza kufutwa?
- Je, kuna ahadi ya kutujulisha iwapo kuna ukiukaji wa usalama?
Mkataba wa usindikaji wa data (DPA)
Mkataba wa Uchakataji Data (DPA) ni mkataba uliotiwa saini kati ya kidhibiti data (taasisi) na kichakataji data (mtoa huduma wa AI) unaobainisha jinsi data itakavyochakatwa. KVKK na GDPR kwa kiasi kikubwa huamuru hili. Vitu vya kutafuta katika DPA:
jambo
Inapaswa kutoa nini?
Upeo na madhumuni ya usindikaji
Ruhusu mtoa huduma afanye kazi tu kwa maagizo yetu
Wasindikaji wadogo
Inahamishiwa kwa nani? Je, inaarifiwa mapema?
Uhakikisho wa uhamisho
Vifungu vya kawaida vya mkataba au sawa
Hatua za usalama
Usimbaji fiche, udhibiti wa ufikiaji, ISO 27001
Arifa ya uvunjaji
Kutuarifu ndani ya muda fulani iwapo kuna ukiukaji
Kufuta/kurejesha
Kujitolea kufuta/kurejesha data mwishoni mwa mkataba
Haki ya ukaguzi
Uwezo wa kukagua mtoaji au kupokea ripoti
Tahadhari: Mipango mingi ya AI "ya bure" na "ya mtu binafsi" haitoi DPA na inaweza kutumia data kwa mafunzo ya mfano. Kwa matumizi ya shirika, mipango ya ushirika/biashara inayotoa DPA na kuhakikisha kujiondoa kwa elimu inapaswa kupendelewa. Mpango wa bure mara nyingi ni mpango ambapo data "inalipwa".
Kadi ya mfano na uwazi
Kadi ya mfano ni hati inayoelezea ni nini mfano wa AI umeundwa, ni data gani iliyofunzwa nayo, mapungufu yake na hatari zinazojulikana. Mtoa huduma mzuri anashiriki hii. Mambo ya kuangalia katika kadi ya kielelezo: matumizi yaliyokusudiwa ya modeli, vikwazo vinavyojulikana na hatari za upendeleo, matumizi yasiyopendekezwa, na vidokezo vya utendaji/usalama. Ikiwa kadi ya mfano haipo au haijulikani sana, hiyo yenyewe ni ishara ya onyo.
kesi tatu ndogo
Kesi ya 1 - Gharama ya mpango wa bure. Timu ya uhasibu huanza kuchakata data ya kifedha ya mteja kwa zana ya bure ya AI. Zana haitoi DPA na inasema kwa masharti yake kwamba inaweza kutumia data kwa mafunzo ya mfano. Afisa wa kufuata hutambua hili na kupiga marufuku zana, akiidhinisha njia mbadala ya shirika ambayo inatoa DPA. Tofauti: TL mia chache kwa mwezi kwa leseni nk. Faini zinazowezekana za mamilioni ya pauni.
Kesi ya 2 - Mshangao wa processor ndogo. Kampuni inagundua katika miezi ya ukaguzi kwamba chombo cha AI kiliidhinisha kuhamisha data kwa wasindikaji wadogo katika nchi tatu tofauti. Kwa kuwa hakuna kifungu cha "wachakataji-ndogo wataarifiwa mapema" katika DPA, kampuni haikufahamu. Somo: Kifungu katika DPA kinachofanya mnyororo wa kichakataji kidogo kuonekana ni lazima.
Kesi ya 3 - Uamuzi kwa bao. Shirika linaanzisha jedwali la alama za hatari za muuzaji zenye vigezo 8 ili kulinganisha zana tatu za AI (DPA, eneo la data, kuchagua kutoka kwa mafunzo, ISO 27001, arifa ya ukiukaji, ufutaji, kadi ya muundo, bei). Matokeo ya ukadiriaji yanaonyesha zana ambayo sio maarufu zaidi, lakini inayoendana zaidi. Uamuzi huo unatokana na alama ya kumbukumbu badala ya mada "Niliipenda."
Kidokezo: Dhibiti orodha ya magari yaliyoidhinishwa kama "orodha iliyoidhinishwa": ruhusu tu magari yaliyo kwenye orodha. Orodha iliyoidhinishwa inapaswa kusasishwa kwa kila zana mpya na huwa nyuma kwa hatua moja; orodha iliyoidhinishwa ni salama kwa chaguomsingi.
Kuondoka na hatari ya kulevya
Swali ambalo mashirika mengi huruka wakati wa kuidhinisha gari ni: "Ni nini hufanyika ikiwa tunataka kuondoka kwenye gari hili?" Tathmini nzuri inazingatia kutoka na kuingia. Hatari mbili zinaonekana. Ya kwanza ni kubebeka kwa data: unapoondoka kwa mtoa huduma, unaweza kurejesha data na usanidi wako katika umbizo la kawaida, au je, data imefungwa kwa mtoa huduma? Ya pili ni kufuli kwa muuzaji: michakato ya biashara inaweza kuhusishwa na zana moja hivi kwamba gharama ya kutoka inakuwa ngumu kuhimili mtoa huduma anapoongeza bei au kutatiza huduma.
Ndiyo maana ni mazoezi mazuri pia kuongeza mstari wa "mpango wa kuondoka" kwenye rekodi ya uthibitishaji: jinsi ya kurejesha data, ni zana gani mbadala, mpito huchukua muda gani. Hata kama mtoa huduma atazima huduma siku moja, shirika litakuwa tayari.
Tahadhari: Kwa sababu gari ni maarufu au la bei nafuu haimaanishi kuwa ni endelevu. Watoa huduma wadogo wanaweza kufunga, kupatikana, au kubadilisha sera zao ghafla. Kabla ya kuunganisha mchakato muhimu kwa chombo kimoja, fikiria hali ya kuondoka.
Violezo vinavyoweza kunakiliwa
KIOLEZO CHA 1 — Seti ya swali la kutathmini muuzaji: "Andaa maswali ya tathmini ya kumuuliza muuzaji kabla ya kuidhinisha zana mpya ya AI. Jumuisha: eneo la data, matumizi na kuchagua kutoka katika mafunzo ya mfano, uwepo wa DPA, vyeti vya usalama, muda wa kuhifadhi, arifa ya ukiukaji, wasindikaji wadogo, ahadi ya kufuta. Jumuisha jibu la 'salama' linalotarajiwa kwa kila swali."
TEMPLATE 2 — Orodha ya kuteua ya kifungu cha DPA: "Angalia rasimu ya DPA hapa chini [bandika maandishi] kwa vifungu vifuatavyo: upeo wa uchakataji, wasindikaji wadogo, uhakikisho wa uhamishaji, hatua za usalama, muda wa arifa ya ukiukaji, kufuta/kurejesha, haki ya ukaguzi. Weka alama 'ipo / inakosekana / haina uhakika' kwa kila kifungu. Kumbusha kwamba idhini ya kisheria inahitajika; idhini ya kisheria ni ya mwisho."
KIOLEZO CHA 3 — Ubao wa matokeo wa hatari ya muuzaji: "Weka ubao wa matokeo wa vigezo 8 ili kulinganisha zana 3 za AI: DPA, eneo la data, kuondoka kwa mafunzo, ISO 27001, arifa ya uvunjaji, kufuta, kadi ya muundo, gharama. Acha kila kigezo kiwe pointi 0-3, ongeza jumla na safu wima ya mapendekezo. Nijaze kiolezo chochote."
KIOESHO CHA 4 — Ingizo la orodha ya zana iliyoidhinishwa: "Rasimu ya ingizo jipya katika orodha ya zana iliyoidhinishwa ya AI: jina la zana, matumizi yaliyokusudiwa yaliyoidhinishwa, ambayo madarasa ya data yanaruhusiwa (ya umma/ya ndani/siri), aina za data zilizopigwa marufuku, kitengo cha kuwajibika, tarehe ya idhini, tarehe ya ukaguzi. Katika muundo wa rekodi ya mstari mmoja."
Agizo dhaifu / Ukumbusho thabiti
DHAIFU: “Je, zana hii ya AI iko salama?”-> Hurudia ahadi ya uuzaji ya zana ya mfano; Haitathmini vigezo madhubuti kama vile DPA, eneo la data, matumizi ya mafunzo. STRONG: "Nitatathmini zana hii ya AI kwa matumizi ya biashara. Ni maelezo gani ninapaswa kuomba kutoka kwa mtoa huduma kulingana na vigezo 8 vifuatavyo (DPA, eneo la data, kuchagua kutoka kwa mafunzo, ISO 27001, arifa ya ukiukaji, hifadhi, kichakataji kidogo, kadi ya mfano) na ni kipi kinapaswa kuwa kizingiti 'kinachokubalika' katika kila kigezo? Toa katika muundo wa laha." -> Mtindo hutoa mfumo thabiti wa tathmini unaoweza kuthibitishwa.
Makosa ya kawaida
- Kutumia mipango ya bure/ya mtu binafsi na data ya shirika; Bila kutambua kuwa hakuna DPA na uchague kutoka.
- Kuidhinisha zana kulingana na ahadi ya uuzaji, sio kuuliza eneo la data na matumizi ya kielimu.
- Kushiriki data bila kutia sahihi DPA au kuangalia kifungu cha mchakataji mdogo.
- Kuidhinisha gari lisilo na kadi ya kielelezo isiyo/isiyo na uhakika bila maswali yoyote.
- Kuweka orodha ya marufuku badala ya orodha nyeupe na kubaki nyuma na kila gari jipya.
- Kutokagua gari tena baada ya kuidhinishwa (masharti yanabadilika).
- Kwa msingi wa uteuzi wa muuzaji kwa upendeleo wa kibinafsi, sio alama zinazoweza kuthibitishwa.
Kwa muhtasari
- Kila chombo cha AI ni kichakataji data; Tathmini ya utaratibu ni muhimu kabla ya kuidhinishwa.
- Makubaliano ya usindikaji wa data (DPA) ni hati ya msingi inayofunga data; Inapaswa kujumuisha wigo, kichakataji kidogo, usalama, uvunjaji na vifungu vya kufuta.
- Mipango ya bure/ya mtu binafsi mara nyingi haitoi DPA na hutumia data kwa mafunzo; Mipango ya ushirika inapaswa kupendelewa.
- Kadi ya mfano inaonyesha mipaka na hatari za mfano; Kutokuwepo kwake ni ishara ya onyo.
- Zana zilizoidhinishwa zinapaswa kudhibitiwa kama orodha iliyoidhinishwa, na wachuuzi wanapaswa kudhibitiwa kwa alama ya hatari inayoweza kuthibitishwa.
Jukumu la maombi
Chagua zana tatu halisi za AI ambazo shirika lako linaweza kutaka kutumia. Sanidi jedwali la alama za hatari kwa muuzaji lenye vigezo nane (DPA, eneo la data, kuondoka kwa mafunzo, uthibitishaji wa usalama, arifa ya ukiukaji, uhifadhi, kadi ya mfano, gharama) na uweke alama kwa kila gari kutoka 0-3 kulingana na vigezo hivi. Kisha andika ingizo la orodha ya magari lililoidhinishwa kwa gari lenye alama za juu zaidi: matumizi yaliyokusudiwa yaliyoidhinishwa, aina za data zinazoruhusiwa, aina za data zilizopigwa marufuku, huluki inayowajibika na tarehe ya ukaguzi. Hatimaye, kumbuka vitu vitano ambavyo hakika utahitaji kuona katika DPA ya gari na kwa nini kila moja ni muhimu.
orodha ya ukaguzi
- [ ] Niliuliza maswali ya tathmini kabla ya kuidhinisha zana.
- [ ] Nilifafanua eneo la data na kesi ya matumizi katika mafunzo ya mfano.
- [ ] Nilikagua kuwepo kwa DPA na vipengele vyake muhimu.
- [ ] Nilichunguza kadi ya mfano; Niliona mipaka na hatari.
- [ ] Nilimtathmini mchuuzi kwa alama ya hatari inayoweza kuthibitishwa.
- [ ] Niliongeza zana kwenye orodha iliyoidhinishwa na madarasa ya data yanayoruhusiwa.
- [ ] Niliweka tarehe ya ukaguzi.