యూనిట్లు
1. కాల్ సెంటర్ మరియు కస్టమర్ అనుభవంలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ప్రమాణీకరణ మరియు గోప్యత 2. వాయిస్ మరియు టెక్స్ట్ బాట్‌లు: IVR, చాట్‌బాట్ మరియు వాయిస్‌బాట్ డిజైన్ 3. సంభాషణ రూపకల్పన మరియు వర్చువల్ అసిస్టెంట్: ఉద్దేశం, సంభాషణ మరియు సహజ అనుభవం 4. కాల్ సారాంశం మరియు ఆటో-ట్యాగింగ్: ర్యాప్-అప్‌ని సెకన్ల వరకు తగ్గించడం 5. నాలెడ్జ్ బేస్ మరియు RAG: బాట్ మరియు ఏజెంట్ సరైన సమాధానాన్ని ఎలా కనుగొంటారు 6. ఏజెంట్ సహాయం: నిజ-సమయ సహాయం 7. సెంటిమెంట్ అనాలిసిస్ మరియు క్వాలిటీ మేనేజ్‌మెంట్: స్పీచ్ అనలిటిక్స్‌తో QA 8. స్వీయ-సేవ మరియు ఆటోమేషన్: కస్టమర్ స్వీయ-పరిష్కారం 9. డేటా గోప్యత, భద్రత మరియు వర్తింపు: KVKK, PCI-DSS మరియు మాస్కింగ్ 10. ఎస్కలేషన్ మరియు మానవ-కృత్రిమ మేధస్సు సహకారం 11. కొలత, KPI మరియు నిరంతర అభివృద్ధి: ఏమి పర్యవేక్షించాలి మరియు ఎలా? 12. ఎండ్-టు-ఎండ్ CX-AI ప్రోగ్రామ్‌ను రూపొందించడం: ఇంటిగ్రేషన్ మరియు గవర్నెన్స్
యూనిట్ 9 / 12

డేటా గోప్యత, భద్రత మరియు వర్తింపు: KVKK, PCI-DSS మరియు మాస్కింగ్

లాభాలు:

  • మూలం వద్ద సున్నితమైన డేటాను మాస్క్ చేయకుండా మరియు కార్డ్ నంబర్‌ను ఎప్పుడూ ప్రసారం చేయకుండా, కనిష్టీకరణ సూత్రంతో సురక్షితమైన AI ప్రవాహాన్ని ఏర్పాటు చేయగల సామర్థ్యం
  • ప్రత్యేక ప్రామాణీకరణ లేయర్‌తో మాస్కింగ్‌ని నియంత్రించగల సామర్థ్యం మరియు ఎంటర్‌ప్రైజ్, DPA- ప్రారంభించబడిన మరియు శిక్షణలో డేటాను ఉపయోగించని సాధనాలను ఎంచుకోవచ్చు
  • కస్టమర్‌తో పారదర్శకతను కొనసాగించేటప్పుడు అధీకృత, రక్షణ మరియు ఏకాభిప్రాయ ప్రయోజనాల కోసం మాత్రమే సాధనాలను ఉపయోగించగల సామర్థ్యం

కాల్ సెంటర్ అనేది సంస్థ యొక్క అత్యంత తీవ్రమైన వ్యక్తిగత డేటా ప్రవాహం జరిగే ప్రదేశం. ప్రతి సంభాషణలో పేరు, ఫోన్ నంబర్, చిరునామా, TR ID, ఆర్డర్ చరిత్ర, ఆరోగ్య సమాచారం మరియు చెల్లింపు కార్డ్ నంబర్ కూడా పేర్కొనబడవచ్చు. ఈ డేటాను ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌గా ప్రాసెస్ చేస్తున్నప్పుడు ఒక్క క్షణం కూడా సడలించడం వలన తీవ్రమైన చట్టపరమైన ఆంక్షలు (KVKK జరిమానాలు మిలియన్ల కొద్దీ లిరాలకు చేరవచ్చు, GDPR జరిమానాలు టర్నోవర్ శాతాన్ని చేరుకోవచ్చు) మరియు కస్టమర్ విశ్వాసాన్ని కోలుకోలేని నష్టానికి దారి తీస్తుంది. ఈ యూనిట్ మునుపటి అన్ని యూనిట్‌ల పైన ఉండే భద్రతా పునాది: బోట్, సారాంశం, విశ్లేషణ లేదా సహాయకుడు ఎంత స్మార్ట్‌గా ఉన్నా, డేటాను సురక్షితంగా హ్యాండిల్ చేయకుంటే అది ఉపయోగించబడదు.

ఈ యూనిట్‌లో, మేము మూడు ప్రధాన అంశాలను కవర్ చేస్తాము: డేటా గోప్యత (వ్యక్తిగత డేటా రక్షణ - KVKK/GDPR), చెల్లింపు భద్రత (PCI-DSS) మరియు మాస్కింగ్/రీడక్షన్ (కృత్రిమ మేధస్సుకు ఇచ్చే ముందు సున్నితమైన డేటాను దాచడం). అదనంగా, IT భద్రత పరంగా, మేము ఈ సాధనాల యొక్క అధీకృత మరియు రక్షణాత్మక వినియోగాన్ని మాత్రమే నొక్కి చెబుతాము.

ప్రాథమిక భావనలు మరియు చట్టపరమైన ఫ్రేమ్‌వర్క్

KVKK (పర్సనల్ డేటా ప్రొటెక్షన్ లా) Türkiyeలో వ్యక్తిగత డేటా ప్రాసెసింగ్‌ను నియంత్రిస్తుంది; GDPR అనేది యూరోపియన్ సమానమైనది. ఈ చట్టాల ప్రకారం, వ్యక్తిగత డేటా సురక్షితంగా మరియు నిర్దిష్ట, చట్టబద్ధమైన ప్రయోజనం కోసం అవసరమైనంత మాత్రమే ప్రాసెస్ చేయబడుతుంది. ఆరోగ్యం, మతం మరియు బయోమెట్రిక్స్ వంటి సమాచారం ప్రత్యేక వ్యక్తిగత డేటా మరియు అదనపు రక్షితం. PCI-DSS (చెల్లింపు కార్డ్ ఇండస్ట్రీ డేటా సెక్యూరిటీ స్టాండర్డ్) కార్డ్ డేటా ఎలా ప్రాసెస్ చేయబడుతుందో నిర్ణయిస్తుంది; ఇది కఠినమైన నియమాలలో ఒకటి మరియు పూర్తి కార్డ్ నంబర్ యొక్క అనవసరమైన నిల్వ/ప్రసారాన్ని నిషేధిస్తుంది.

కృత్రిమ మేధస్సు సందర్భంలో కొన్ని క్లిష్టమైన అంశాలు:

  • మాస్కింగ్ / రిడక్షన్: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌కు ఇచ్చే ముందు సున్నితమైన డేటా (పేరు, ID, కార్డ్, ఫోన్) దాచడం / తొలగించడం. "[కస్టమర్]" బదులుగా "Ahmet Yılmaz", "[CARD]" బదులుగా కార్డ్.
  • డేటా కనిష్టీకరణ: వ్యాపారానికి అవసరమైనంత డేటాను మాత్రమే షేర్ చేయడం. అవసరమైతే తప్ప సారాంశంలో పూర్తి చిరునామాను చేర్చలేదు.
  • డేటా రెసిడెన్సీ: ఏ దేశం/సర్వర్‌లో డేటా ప్రాసెస్ చేయబడుతుంది; కొంత డేటా విదేశాలకు వెళ్లదు.
  • డేటా ప్రాసెసింగ్ ఒప్పందం (DPA): మీరు ఉపయోగించే AI సాధనం డేటాను ఎలా ప్రాసెస్ చేస్తుందో, దానిని నిల్వ చేయదు మరియు మోడల్ శిక్షణలో ఉపయోగించకూడదో పేర్కొనే ఒప్పందం.
  • సమ్మతి మరియు ప్రయోజనం: సంభాషణ రికార్డింగ్‌ల ప్రాసెసింగ్ కోసం అవసరమైన సమాచారం మరియు చట్టపరమైన ఆధారం.
శ్రద్ధ: "నేను వ్యక్తిగత డేటాను ముసుగు చేసాను" అని చెప్పడం సరిపోదు; మాస్కింగ్ పని చేస్తుందో లేదో ధృవీకరించడం అవసరం. ఆటోమేటిక్ మాస్కింగ్ కొన్నిసార్లు పేరు లేదా కార్డ్ నంబర్‌ను కోల్పోవచ్చు. హై-రిస్క్ స్ట్రీమ్‌లలో మాస్కింగ్ అవుట్‌పుట్‌ను శాంపిల్ చేయడం ద్వారా తనిఖీ చేయండి.

సురక్షిత నిర్మాణం: డేటాను ఎక్కడ మరియు ఎలా ప్రాసెస్ చేయాలి?

కాల్ సెంటర్‌లో AIని ప్రవేశపెట్టేటప్పుడు, కింది భద్రతా పొరలను ఏర్పాటు చేయాలి:

  1. మూలం వద్ద మాస్కింగ్: ట్రాన్స్క్రిప్ట్ AIకి వెళ్లే ముందు వ్యక్తిగత/కార్డ్ డేటా స్వయంచాలకంగా మాస్క్ చేయబడుతుంది. కార్డ్ నంబర్‌లు వాటి ముడి రూపంలో మోడల్‌లో ఎప్పుడూ నమోదు చేయబడవు.
  2. కార్పొరేట్ సాధనం ఎంపిక: మోడల్ శిక్షణలో మీ డేటాను ఉపయోగించని కార్పొరేట్ సాధనాలు, DPA సంతకం మరియు డేటా రెసిడెన్సీ హామీ ఇవ్వబడతాయి. ఉచితంగా పబ్లిక్‌గా అందుబాటులో ఉన్న సాధనాల్లో కస్టమర్ డేటా నమోదు చేయబడదు.
  3. యాక్సెస్ నియంత్రణ: రికార్డ్ చేయబడిన డేటాను ఎవరు యాక్సెస్ చేయగలరు (ఆడిట్ లాగ్). అనధికారిక యాక్సెస్ నిరోధించబడింది.
  4. నిల్వ పరిమితి: డేటా అవసరమైనంత కాలం మాత్రమే నిల్వ చేయబడుతుంది; అనవసరమైన రికార్డులు తొలగించబడతాయి.
  5. పారదర్శకత: కస్టమర్ తన సంభాషణ రికార్డ్ చేయబడుతోందని/ప్రాసెస్ చేయబడిందని మరియు అతను బోట్‌తో మాట్లాడుతున్నాడని తెలుసు.

కింది పట్టిక సురక్షితమైన మరియు ప్రమాదకర అభ్యాసాన్ని పోల్చింది:

విషయం

ప్రమాదకర సాధన

సురక్షిత అప్లికేషన్

వాహనం ఎంపిక

అందరికీ అందుబాటులో ఉచిత సాధనం

కార్పొరేట్, DPA, విద్యలో ఉపయోగించబడదు

కార్డ్ డేటా

టెక్స్ట్‌లో ముడి అతికించడం

ఎప్పుడూ; ముసుగు/[CARD]

వ్యక్తిగత డేటా

ఉన్నట్లే షేర్ చేయండి

మాస్కింగ్ + కనిష్టీకరణ

నిల్వ

నిరవధికంగా

పర్పస్ లిమిటెడ్, తొలగింపు విధానం

యాక్సెస్

ప్రతి ఒక్కరూ

అధీకృత, లాగిన్

పారదర్శకత

రహస్య రికార్డింగ్

లైటింగ్ + సమాచారం

దశల వారీగా: డేటా యొక్క సురక్షితమైన AI ప్రవాహం

  1. వర్గీకరించండి: ఏ డేటా ఫీల్డ్‌లు సున్నితమైనవి (TC, కార్డ్, ఆరోగ్యం, చిరునామా)? వీటిని ముందుగానే గుర్తించండి.
  2. ముసుగు: AIకి వెళ్లే ముందు ఆటోమేటిక్ మాస్కింగ్‌ని వర్తించండి; కార్డును ఎప్పుడూ ఫార్వార్డ్ చేయవద్దు.
  3. కనిష్టీకరించు: ఉద్యోగానికి అవసరమైన దానికంటే ఎక్కువ పంపవద్దు.
  4. వెరిఫై చేయండి: మాస్కింగ్ చేయడం ద్వారా ఏదైనా డేటా మిస్ అయ్యిందో లేదో నమూనా ద్వారా తనిఖీ చేయండి.
  5. ఒప్పందం మరియు నిలుపుదల: వాహనం యొక్క DPA, డేటా రెసిడెన్సీ మరియు నిలుపుదల వ్యవధిని నిర్ధారించండి.
  6. మానిటర్ మరియు ఆడిట్: లాగ్ యాక్సెస్, రెగ్యులర్ సెక్యూరిటీ ఆడిట్‌లను నిర్వహించండి.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) మాస్కింగ్ (రీడక్షన్) అభ్యర్థన:

దిగువ వచనంలో కింది వ్యక్తిగత డేటాను కనుగొని, మాస్క్ చేయండి: పేరు-ఇంటిపేరు → [కస్టమర్], TR ID → [IDN], ఫోన్ → [PHONE], కార్డ్ నంబర్ → [CARD], చిరునామా → [ADDRESS], ఇమెయిల్ → [EMAIL]. ముసుగు వచనాన్ని ఇవ్వండి; ఎన్ని మరియు ఏ రకాల డేటా మాస్క్ చేయబడిందో కూడా జాబితా చేయండి. మీకు ఖచ్చితంగా తెలియని ప్రాంతాన్ని కూడా మాస్క్ చేయండి (సురక్షితమైన వైపు). వచనం: <<...>>

2) మాస్కింగ్ ధృవీకరణ (లీక్ స్కానింగ్):

దిగువ వచనాన్ని ముసుగు చేయాలి. ఇంకా లోపల కనిపించే మాస్క్ లేని వ్యక్తిగత/కార్డ్ డేటా ఏమైనా మిగిలి ఉందా? (పేరు, ID, ఫోన్, కార్డ్, చిరునామా, ఇ-మెయిల్) మీరు కనుగొన్న వాటిని జాబితా చేయండి; ఏదీ లేకపోతే, "క్లీన్" అని చెప్పండి. వచనాన్ని మార్చవద్దు, తనిఖీ చేయండి. వచనం: <<మాస్క్డ్ టెక్స్ట్>>

3) డేటా కనిష్టీకరణ నియంత్రణ:

కింది AI ప్రాంప్ట్/అవుట్‌పుట్ కోసం, వ్యాపార ప్రయోజనం ఆధారంగా అవసరం లేని వ్యక్తిగత డేటా ఫీల్డ్‌లను తనిఖీ చేయండి. ప్రయోజనం: <<ఉదా. కాల్ సారాంశం>>.ఏ ఫీల్డ్‌లను సంగ్రహించవచ్చు? కనీస డేటాతో అదే పనిని చేసే సరళీకృత సంస్కరణను సూచించండి. కంటెంట్: <<...>>

4) వాహనం/అనుకూలత ముందస్తు చెక్‌లిస్ట్ (రిజిస్ట్రేషన్):

కాల్ సెంటర్‌లో కొత్త AI సాధనాన్ని ఉపయోగించే ముందు, ఈ ప్రశ్నలకు సమాధానమివ్వడం ద్వారా సమ్మతి గమనికను రూపొందించండి:- డేటా దేశీయంగా ప్రాసెస్ చేయబడుతుందా? - ఇది DPA సంతకం చేయబడిందా? - మోడల్ శిక్షణలో డేటా ఉపయోగించబడుతుందా? - నిల్వ కాలం? - కార్డ్ డేటా ప్రాసెస్ చేయబడిందా? PCI-DSS కవరేజీ? - యాక్సెస్ లాగ్ చేయబడిందా? తప్పిపోయిన/ప్రమాదకర అంశాలను "ఆమోదం లేకుండా ఉపయోగించలేరు" అని గుర్తు పెట్టండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

ఈ కాల్ రికార్డ్‌ను సారాంశం చేయండి: "అహ్మెట్ యల్మాజ్, TC 12345678901, kart5312 3456 7890 1234, చిరునామా Bağdat క్యాడ్ నంబర్ 5, అతని ఇన్‌వాయిస్‌పై అభ్యంతరం వ్యక్తం చేసింది."

తీవ్రమైన ఉల్లంఘన: ముడి పేరు, ID మరియు కార్డ్ నంబర్ పబ్లిక్ టూల్‌కి వెళ్తాయి; PCI-DSS మరియు KVKK ఉల్లంఘన.

శక్తివంతమైన ప్రాంప్ట్:

కింది ముసుగు కాల్‌ను సారాంశం చేయండి: "[కస్టమర్] [IDN], [CARD], [ADDRESS]తో ధృవీకరించబడ్డారు మరియు అతని ఇన్‌వాయిస్‌పై అభ్యంతరం వ్యక్తం చేశారు." సారాంశాన్ని అనామకంగా ఉంచండి; ఏదైనా వ్యక్తిగత/కార్డ్ డేటాను రూపొందించవద్దు లేదా అభ్యర్థించవద్దు.

తేడా: డేటా ముసుగు చేయబడింది, కనిష్టీకరించబడింది, సారాంశం అనామకం; ఉల్లంఘన లేదు.

మూడు చిన్న కేసులు

కేసు 1 - సరైన మాస్కింగ్. ఒక బీమా కేంద్రంలో, రోజుకు 8,000 కాల్ ట్రాన్‌స్క్రిప్ట్‌లను విశ్లేషించారు. AIకి వెళ్లే ముందు ట్రాన్స్‌క్రిప్ట్‌లు ఆటోమేటిక్ మాస్కింగ్ లేయర్ ద్వారా పంపబడ్డాయి; పేరు, TR ID నంబర్, పాలసీ నంబర్ మరియు ఆరోగ్య సమాచారం ముసుగు చేయబడ్డాయి మరియు రోజువారీ నమూనాతో మాస్కింగ్ అవుట్‌పుట్‌ను తనిఖీ చేశారు. విశ్లేషణ దాని మొత్తం విలువను నిలుపుకుంది, వ్యక్తిగత డేటా ఏదీ మోడల్‌లోకి రాలేదు. భద్రత మరియు ప్రయోజనం కలిసి సాధించబడ్డాయి.

కేసు 2 - కార్డ్ డేటా ఉల్లంఘన. చెల్లింపు సమస్యలను విశ్లేషించడానికి ఒక ఇ-కామర్స్ ఉద్యోగి పూర్తి కార్డ్ నంబర్‌లతో కూడిన కాల్ రికార్డింగ్‌లను పబ్లిక్ టూల్‌లో అప్‌లోడ్ చేశారు. ఇది PCI-DSS యొక్క అత్యంత ప్రాథమిక నియమాన్ని ఉల్లంఘించింది (అనధికార మీడియాకు కార్డ్ డేటాను ప్రసారం చేయడం లేదు); ఆడిట్ సమయంలో తీవ్రమైన ఫలితాలు మరియు జరిమానాలు విధించే ప్రమాదం ఉంది. మూలం వద్ద కార్డ్ డేటాను పూర్తిగా మాస్క్ చేయడం మరియు "[CARD]తో చెల్లింపు విఫలమైంది" సమాచారాన్ని మాత్రమే విశ్లేషించడం సరైన మార్గం.

కేస్ 3 - మాస్కింగ్ లీక్. బ్యాంక్‌లో, ఆటోమేటిక్ మాస్కింగ్ అసాధారణ ఆకృతిలో వ్రాసిన అనేక ID నంబర్‌లను కోల్పోయింది. అదృష్టవశాత్తూ, "2) మాస్కింగ్ ధృవీకరణ" దశ అమలులో ఉంది, కాబట్టి విశ్లేషణకు ముందు లీక్‌లు గుర్తించబడ్డాయి మరియు సరిదిద్దబడ్డాయి. పాఠం: మాస్కింగ్ మాత్రమే సరిపోదు; ప్రమాణీకరణ లేయర్ అవసరం. ఒకే పొర, మానవ తప్పిదం వలె, ఒకే పాయింట్ వైఫల్యం.

సాధారణ తప్పులు

  • సాధనంలో ముడి డేటాను అతికించడం. పేరు, ID, కార్డ్ మరియు చిరునామా ముసుగు లేకుండా ఏ AI వాహనంలోకి ప్రవేశించకూడదు.
  • కార్డ్ డేటాను ప్రాసెస్ చేయండి. పూర్తి కార్డ్ నంబర్ మోడల్ ఇన్‌పుట్‌లో ఎప్పుడూ నమోదు చేయబడదు; PCI-DSS దీన్ని నిషేధిస్తుంది.
  • బహిరంగంగా డ్రైవింగ్. DPA లేని మరియు శిక్షణలో డేటాను ఉపయోగించే సాధనాలకు కస్టమర్ డేటా ఇవ్వబడదు.
  • మాస్కింగ్‌ని ధృవీకరించడం లేదు. ఆటోమేటిక్ మాస్కింగ్ తప్పిపోవచ్చు; తప్పనిసరిగా నమూనా/ధృవీకరణ లేయర్ ఉండాలి.
  • పారదర్శకతను దాటవేయడం. రికార్డింగ్ ప్రాసెస్ చేయబడుతుందని మరియు బోట్‌తో మాట్లాడుతున్నదని కస్టమర్ తప్పనిసరిగా తెలుసుకోవాలి; రహస్య ప్రాసెసింగ్ అనైతికం మరియు చట్టవిరుద్ధం.
  • చాలా ఎక్కువ డేటాను నిల్వ చేస్తోంది. ప్రయోజనం ముగిసిన తర్వాత ఉంచబడిన డేటా కేవలం ప్రమాదం మాత్రమే.
జాగ్రత్త (సమాచార భద్రత): ఈ యూనిట్‌లోని అన్ని సాంకేతికతలు అధీకృత, రక్షణ ప్రయోజనాల కోసం మరియు మీ స్వంత సంస్థ డేటా కోసం మాత్రమే చెల్లుబాటు అవుతాయి. స్పీచ్ అనలిటిక్స్, వాయిస్ రికగ్నిషన్ మరియు డేటా ప్రాసెసింగ్ టూల్స్ ఉపయోగించి అనధికార వ్యక్తులను పర్యవేక్షించడం, సమ్మతి లేకుండా వేరొకరి డేటా లేదా రికార్డ్‌ను యాక్సెస్ చేయడం చట్టవిరుద్ధం మరియు వృత్తిపరమైన నీతికి విరుద్ధం. అధికారం, ప్రయోజనం మరియు సమ్మతి లేకుండా ఏ డేటా ప్రాసెస్ చేయబడదు.

సారాంశంలో

డేటా గోప్యత, భద్రత మరియు సమ్మతి; కాల్ సెంటర్ AI యొక్క నాన్-నెగోషియబుల్ గ్రౌండ్. KVKK/GDPR వ్యక్తిగత డేటా, PCI-DSS చెల్లింపు కార్డును రక్షిస్తుంది; ఉల్లంఘించడం తీవ్రమైన ఆంక్షలు మరియు నమ్మకాన్ని కోల్పోతుంది. AIకి ఇవ్వకుండా మూలం వద్ద సున్నితమైన డేటాను మాస్క్ చేయండి, కార్డ్ నంబర్‌ను ఎప్పుడూ పాస్ చేయవద్దు, అవసరమైనంత డేటాను మాత్రమే షేర్ చేయండి (కనిష్టీకరణ), మాస్కింగ్‌ని ధృవీకరించండి మరియు శిక్షణ కోసం డేటాను ఉపయోగించని ఎంటర్‌ప్రైజ్, DPA- ఎనేబుల్డ్ సాధనాలను మాత్రమే ఎంచుకోండి. కస్టమర్‌తో పారదర్శకంగా ఉండండి మరియు అధికారం, న్యాయవాద మరియు సమ్మతితో మాత్రమే అన్ని సాధనాలను ఉపయోగించండి.

అప్లికేషన్ టాస్క్

మీ కాల్ సెంటర్ దృష్టాంతంలో AIకి వెళ్లగల 5 విభిన్న డేటా ఫీల్డ్‌లను జాబితా చేయండి (ఉదా. పేరు, ID, కార్డ్, చిరునామా, ఆరోగ్య సమాచారం) మరియు ప్రతిదానికి మీరు ఏ మాస్కింగ్ ట్యాగ్‌ని ఉపయోగించాలో నిర్ణయించండి. ఒక ఊహాత్మక రా ట్రాన్స్క్రిప్ట్ను వ్రాసి, "1) మాస్కింగ్" మరియు "2) మాస్కింగ్ ధృవీకరణ" టెంప్లేట్‌లను వర్తింపజేయండి. చివరగా, మీరు ఇటీవల ఉపయోగించిన (లేదా ఉపయోగించడాన్ని పరిశీలిస్తున్న) AI సాధనం కోసం, "4) సాధనం/అనుకూలత ప్రాథమిక చెక్‌లిస్ట్" టెంప్లేట్‌తో సమ్మతి గమనికను రూపొందించండి మరియు తప్పిపోయిన/ప్రమాదకర అంశాలను గుర్తించండి.

చెక్లిస్ట్

  • [ ] నేను AIకి ఇవ్వకుండా మూలం (పేరు, ID, ఫోన్ నంబర్, చిరునామా) వద్ద సున్నితమైన డేటాను ముసుగు చేస్తాను.
  • [ ] పూర్తి కార్డ్ నంబర్ మోడల్ ఎంట్రీ (PCI-DSS)లో ఎప్పుడూ చేర్చబడదు.
  • [ ] నేను ఉద్యోగానికి అవసరమైనంత డేటాను మాత్రమే పంచుకుంటాను (కనిష్టీకరణ).
  • [ ] నేను ప్రత్యేక ప్రమాణీకరణ లేయర్‌తో మాస్కింగ్‌ని నియంత్రిస్తాను.
  • [ ] నేను విద్యలో డేటాను ఉపయోగించని కార్పొరేట్, DPA-ప్రారంభించబడిన సాధనాలను మాత్రమే ఉపయోగిస్తాను.
  • [ ] నేను రికార్డింగ్/ప్రాసెసింగ్ మరియు బోట్‌తో మాట్లాడటం గురించి కస్టమర్‌తో పారదర్శకంగా ఉంటాను.
  • [ ] నేను అధీకృత, రక్షణ మరియు ఏకాభిప్రాయ ప్రయోజనాల కోసం మాత్రమే సాధనాలను ఉపయోగిస్తాను.