Mga nadagdag:
- Kakayahang gumamit ng data ng kandidato at empleyado alinsunod sa mga prinsipyo ng KVKK (limitasyon sa layunin, pagliit ng data)
- Kakayahang protektahan ang personal na data sa pamamagitan ng masking/anonymization at ligtas na pagpili ng tool
- Kakayahang suportahan ang mga proseso ng pagbubunyag, pagpapahintulot at pagpapanatili sa AI para sa pagproseso ng data sa HR
Mga CV ng kandidato, mga marka ng pagganap, impormasyon sa suweldo, mga komento sa sanggunian, mga medikal na ulat, mga rekord ng pagdidisiplina... Ang HR ay ang tagapag-alaga ng pinakasensitibong personal na data sa isang kumpanya. Ang paggamit ng mga tool ng artificial intelligence (AI) na may ganitong data ay nagbibigay ng napakalaking kahusayan; ngunit lumilikha din ito ng seryosong legal at etikal na responsibilidad. Ang pag-paste lang ng lahat ng CV ng isang kandidatong pool sa isang payak na tool ay maaaring maging isang paglabag sa data sa loob ng ilang minuto. Sa yunit na ito, matututunan natin kung paano gawin ang paggamit ng AI sa HR na sumusunod, ligtas at mapagtatanggol alinsunod sa KVKK (Personal Data Protection Law).
Ilang termino: Ang personal na data ay anumang impormasyon tungkol sa isang kinilala o makikilalang natural na tao (pangalan, ID, e-mail, kahit isang natatanging CV text). Ang espesyal na kalidad (sensitibo) na data ay dagdag na protektadong data tulad ng kalusugan, relihiyon, sekswal na buhay, kriminal na paghatol, pagiging miyembro ng unyon. Ang data controller ay ang institusyon (iyong kumpanya) na tumutukoy sa layunin ng pagproseso ng data. Ang ibig sabihin ng anonymization ay paggawa ng data upang hindi ito maiugnay pabalik sa isang tao sa anumang paraan. Ang masking (pseudonymization) ay pinapalitan ang mga identifier ng mga pseudonym (Kandidato 1, Kandidato 2); Ito ay mas mahina kaysa sa anonymization ngunit sapat na para sa karamihan ng mga pagsusuri.
Mga Pangunahing Prinsipyo ng KVKK at ang Katumbas Nito sa HR
Ang mga pangkalahatang prinsipyo ng KVKK ay nagbubuklod din sa iyong paggamit ng AI. Para maging legal ang isang transaksyon, dapat itong sumunod sa mga prinsipyong ito:
prinsipyo
Ibig sabihin sa HR
Legal at katapatan
Kung may legal na batayan para sa pagproseso (kontrata, lehitimong interes, tahasang pahintulot)
Limitasyon ng layunin
Gumamit lamang ng data para sa layunin kung saan ito nakolekta (huwag gumamit ng recruitment data sa marketing)
Pag-minimize ng data
Kasing dami ng data na kailangan ng trabaho; huwag masyadong magbigay sa modelo
katumpakan
Tiyaking napapanahon at tumpak ang data
limitasyon ng imbakan
Walang tiyak na imbakan; Wasakin ang data na hindi na kailangan
Seguridad
Iproseso ang data na may naaangkop na teknikal at administratibong proteksyon
Mag-ingat: Ang pag-paste ng lahat ng CV ng isang pool ng kandidato sa isang generic na tool ng AI na walang garantiya ng pagpapanatili ng data ng kumpanya ay isang seryosong panganib para sa KVKK. Ang data na iyon ay maaaring maimbak sa provider ng modelo at kahit na magamit sa pagsasanay sa ilang mga kundisyon ng serbisyo. Ang mga tool ng kumpanya/naaprubahan, mga kasunduan sa pagpoproseso ng data (DPA) at anonymization/masking hangga't maaari ay mahalaga kapag nagtatrabaho sa personal na data.
Mga Hakbang para sa Ligtas na Paggamit
- Piliin ang tool. Pumili ng mga tool na corporate, magkaroon ng kasunduan sa pagpoproseso ng data, at mag-alok ng opsyong "gamitin ang aking data sa edukasyon."
- I-minimize ang data. Ibigay ang pinakamababang data na kinakailangan para sa pagsusuri; alisin ang labis.
- Mask/anonymize. Palitan ang pangalan, ID, contact, buong petsa ng kapanganakan ng halaga o saklaw ng palayaw.
- Limitahan ang layunin. Iproseso ang data para lamang sa layunin kung saan ito nakolekta.
- Panatilihin ang tugaygayan. Itala kung aling data ang naproseso, para sa anong layunin, at gamit ang tool.
- Maglagay ng pagsang-ayon ng tao. Hayaan ang isang tao na gumawa ng desisyon na makakaapekto sa tao.
I-mask ang personal na data bago suriin ang CV sa ibaba:- Gawin ang "Kandidato" sa halip na pangalan, gumawa ng impormasyon sa pakikipag-ugnayan [REDACTED]- Gamitin ang hanay ng edad (hal. 30-35) sa halip na petsa ng kapanganakan- I-generalize kung ang pangalan ng paaralan/kumpanya ay maaaring humantong sa diskriminasyonPagkatapos ay gumawa ng structured na buod ayon sa mga pamantayang nauugnay sa trabaho lamang.
Anonymization at Masking Practice
Karamihan sa pagsusuri ng HR ay maaaring gawin nang hindi kinikilala ang indibidwal. Ang lohika ng pagsusuri ay hindi nagbabago, ang personal na data ay hindi isiwalat:
Mahina (peligro): Pag-paste ng data na may totoong pangalan, ID, unit at buong suweldo. Malakas (ligtas): I-code ang mga tao bilang "Tao 1/2/3", gamitin ang hanay ng edad sa halip na petsa ng kapanganakan, banda (hal. 40-50k) sa halip na buong suweldo. Gamitin ang rehiyon sa halip na lokasyon, buwan/taon sa halip na eksaktong petsa.
Tumutulong din ang AI sa pagbalangkas ng mga dokumento ng KVKK, gaya ng teksto ng paglilinaw at panahon ng pagpapanatili — ngunit muli, ang draft lang:
Ang iyong tungkulin: isang katulong sa privacy ng data. Gawain: Sumulat ng DRAFT ng teksto ng impormasyon ng kandidato para sa proseso ng recruitment. Nilalaman: aling data ang ipoproseso, para sa anong layunin, sa anong legal na batayan, gaano katagal ito iimbak, ano ang mga karapatan ng kandidato. Panuntunan: Markahan ang mga legal na pahayag gamit ang tag na [VERIFY TO KVKK EXPERT]; tiyak na panahon/item HUWAG PEKE. Ito ay isang draft, hindi ang huling teksto.
Tatlong Mini Case
Kaso 1 — Makitid na naiwasan ang paglabag. Ang isang recruiter ay malapit nang mag-paste ng 60 CV sa kanyang personal na account ng sasakyan nang sabay-sabay. Ang pinuno ng pangkat ay namagitan; Ang proseso ay inilipat sa isang corporate, DPA-enabled na tool at ang mga CV ay na-mask at naproseso. Kaya, ang parehong kahusayan ay napanatili at ang panganib ng isang posibleng paglabag at administratibong multa ay inalis.
Kaso 2 — Paglabag sa limitasyon sa layunin. Isang kumpanya ang sumunod na gumamit ng mga email ng kandidato na nakolekta para sa recruitment sa isang kampanya sa marketing. Ito ay isang paglabag sa prinsipyo ng "limitasyon ng layunin" at naging paksa ng isang reklamo. Pagkatapos ng insidente, nagpatupad ang HR ng panuntunang naglalagay ng label sa layunin ng bawat dataset at pagpigil sa maling paggamit.
Case 3 — Limitasyon sa storage. Ang isang organisasyon ay nagpapanatili ng mga CV ng mga kandidato na hindi tinanggap ng maraming taon. Katugmang data, layunin at panahon ng pagpapanatili sa isang imbentaryo na pinapagana ng AI; Ang nag-expire na data ay kasama sa plano ng pagsira. Kaya, pareho ang legal na limitasyon sa imbakan ay nasunod at ang hindi kinakailangang panganib ay nabawasan.
Mahina Prompt / Malakas na Prompt
Mahinang prompt: Suriin ang impormasyon ng mga kandidatong ito. [tunay na pangalan, Turkish ID, suweldo, buong CV]
Resulta: pinoproseso nang hindi secure ang sensitibong personal na data; Panganib ng paglabag sa KVKK at pagtagas ng data.
Napakahusay na prompt: [masked data (Candidate 1/2, age range, salary band) + limitasyon sa layunin + "mga pamantayang nauugnay sa trabaho lang" + corporate/approved tool + human approval rating]
Ang resulta: ang parehong analytical power, nang hindi inilalantad ang personal na data; isang mapagtatanggol at legal na proseso.
Tip: Bago magbigay ng data sa AI, subukan ito: "Maaapektuhan ba ang privacy ng isang tao kung na-leak ang screenshot na ito?" Kung ang sagot ay "oo", i-mask ang data na iyon o huwag itong ibigay. Kung may pagdududa, magpasya na bawasan ang data.
Mga karaniwang pagkakamali
- Pagbibigay ng hilaw na personal na data sa isang hindi secure na tool. Ang mga sasakyang ginagamit sa pagsasanay na walang DPA ay mapanganib.
- Nilaktawan ang masking. Ang pangalan/TC/buong petsa ay hindi kailangan sa karamihan ng mga pagsusuri; tanggalin ito.
- Maling paggamit. Huwag gumamit ng data ng recruitment para sa anumang iba pang layunin, tulad ng marketing.
- Walang tiyak na imbakan. Maglagay ng data na ang layunin ay wala na sa isang plano ng pagsira.
- Minamaliit ang sensitibong data. Ang data ng kalusugan/parusa/relihiyon ay higit na protektado; Iwasang makisali sa AI.
- Huwag mag-iwan ng bakas. Kung hindi mo itatala ang iyong ginagawa sa kung anong data, hindi ka maa-audit.
Sa buod
- Ang personal na data sa HR (CV, pagganap, suweldo, kalusugan) ay nasa saklaw ng KVKK; Ang paggamit ng AI ay napapailalim din sa mga prinsipyong ito.
- Pumili ng mga tool ng kumpanya/naaprubahan na may DPA at hindi ginagamit ang iyong data sa pagsasanay; Huwag i-paste ang raw data sa mga generic na tool.
- Limitasyon ng layunin at pagliit ng data: iproseso lamang ang kinakailangang data para sa layunin kung saan ito nakolekta.
- Ginagawang secure ng masking at anonymization ang karamihan sa mga pagsusuri; Gumamit ng alias at range sa halip na pangalan/TC/buong petsa.
- Gumagawa ang AI ng mga draft sa mga dokumento ng paghahayag, pahintulot at pagpapanatili; Ipa-verify ang mga legal na detalye ng isang eksperto sa KVKK at ipaubaya sa tao ang desisyon na makakaapekto sa tao.
Gawain ng aplikasyon
Kumuha ng isang CV o talaan ng empleyado na mayroon ka (o isang kathang-isip). Ilista muna ang mga field ng personal na data dito at itanong "kailangan ba ito para sa pagsusuri?" para sa bawat isa. Sagutin ang tanong. Lumikha ng isang secure na bersyon sa pamamagitan ng pag-alis ng hindi kailangan at pag-mask sa kinakailangan (Kandidato, hanay ng edad, salary band). Hayaang gumawa ang AI ng buod na may kaugnayan sa trabaho na may lamang itong naka-maskarang data. Magkaroon din ng isang maikling prospektus ng kandidato na bumalangkas at markahan ang mga legal na pahayag bilang "ma-verify."
checklist
- [ ] Ang tool ba ay ginagamit na pangkumpaniya/naaprubahan at DPA-certified?
- [ ] Pinaliit ba ang data (mga kinakailangang field lang)?
- [ ] Nakamask ba ang mga identifier gaya ng pangalan/ID/buong petsa?
- [ ] Ang espesyal ba na data ng kalidad (kalusugan, kriminal, relihiyon) ay hindi kasama sa proseso?
- [ ] Ginagamit lang ba ang data para sa layunin kung saan ito nakolekta?
- [ ] Natukoy na ba ang panahon ng pag-iimbak at plano ng pagsira?
- [ ] Ang panghuling desisyon ba ay nakakaapekto sa tao sa isang tao?