KVKK, Privacy at Responsible Public Artificial Intelligence Governance

Mga nadagdag:

• Inilalapat nito ang mga prinsipyo ng KVKK at pagliit ng data kapag nagpoproseso ng personal na data ng mamamayan sa mga tool ng AI.
• Nagtatatag ito ng balangkas ng pamamahala para sa isang organisasyon na may kasamang patakaran sa paggamit ng AI, audit trail, at chain of responsibility.
• Ito ay holistically na nangangatuwiran na ang responsableng pampublikong AI ay binuo sa pangangasiwa ng tao, transparency, at pananagutan.

Sa kabuuan ng modyul na ito, nakita namin kung paano ang AI ay isang makapangyarihang accelerator sa publiko: tugon sa mga tanong ng mamamayan, petisyon at sulat, pagsasaliksik sa pambatasan, pagsusuri sa patakaran, pag-uulat, pagdedesisyon na batay sa data, e-government at transparency. Ngayon ay dumating na tayo sa balangkas na nagtataglay ng lahat ng ito: proteksyon ng personal na data at responsableng pamamahala. Ang publiko, ayon sa likas na katangian nito, ay nagpoproseso ng pinakasensitibong data ng mamamayan: pagkakakilanlan, tirahan, kita, kalusugan, rekord ng kriminal, sitwasyon ng pamilya. Ang pagpoproseso ng data na ito gamit ang mga tool ng AI ay dapat na ganap na sumunod sa balangkas ng KVKK (Personal Data Protection Law No. 6698; ang batas na kumokontrol sa ayon sa batas, limitado at secure na pagproseso ng personal na data). Sa panghuling unit na ito, itatatag namin ang privacy at governance backbone ng pampublikong paggamit ng AI — anong data ang maaaring ibigay sa aling tool, anong mga patakaran ang nalalapat, sino ang responsable, kung paano pinamamahalaan ng isang organisasyon ang AI nang ligtas. Ang yunit na ito ay ang bubong na inilagay sa nakaraang sampung yunit.

Mga pangunahing prinsipyo ng KVKK na humipo sa pampublikong AI

Ang KVKK ay nagtatakda ng ilang pangunahing mga prinsipyo, na ang bawat isa ay direktang naglilimita sa paggamit ng AI:

• Pagsunod sa batas at pagsunod sa layunin: Ang personal na data ay pinoproseso lamang para sa isang partikular, lehitimong layunin. Ang data na nakolekta para sa isang layunin (halimbawa, pag-apply para sa tulong) ay hindi maaaring gamitin para sa isa pang layunin (halimbawa, pagsasanay ng isang modelo) nang walang pahintulot.
• Pag-minimize ng data: Wala nang data na naproseso kaysa sa kinakailangan para sa layunin. Kung ang isang pangalan ay hindi kinakailangan para sa isang pagsusuri ng kategorya, walang pangalan na ibinigay.
• Seguridad: Ang data ay protektado laban sa hindi awtorisadong pag-access. Ang pag-paste ng data ng mamamayan sa isang pampublikong AI tool ay dinadala ang data na iyon sa labas ng organisasyon — ito ay isang paglabag sa patakaran sa seguridad.
• Panahon ng imbakan: Ang data ay tatanggalin kapag natapos ang layunin; Hindi ito iniingatan nang walang katapusan.
• Impormasyon at mga karapatan: Ang mga mamamayan ay may karapatang malaman kung paano pinoproseso, itatama, tanggalin at tumututol ang kanilang data sa mga awtomatikong desisyon.

Pansin: Ang pag-upload ng data ng isang mamamayan sa isang pampublikong AI tool na hindi inaprubahan ng institusyon, kung saan nakaimbak ang data at kung sino ang may access dito ay hindi malinaw, sa karamihan ng mga kaso ay isang paglabag sa KVKK at nagbubukas ng institusyon sa mga parusa. Ang mga patakaran ay hindi kailanman baluktot "upang gawing mas madali ang trabaho".

Aling data, sa aling sasakyan? Modelong three-zone

Bilang isang tuntunin ng thumb, hatiin ang data sa tatlong rehiyon:

1. Pula (hindi kailanman pumasok sa pampublikong sasakyan): ID number, kalusugan, kriminal, relihiyon, etnisidad, biometrics, buong address, anumang bagay na nagpapakilala sa tao. Ang mga ito ay pinoproseso lamang sa isang kinontrata/in-house at KVKK compliant na kapaligiran na inaprubahan ng institusyon.
2. Dilaw (maingat, sa pamamagitan ng pag-mask): Data na maaaring hindi direktang maiugnay sa tao. Anonymize/pagsama-samahin muna, pagkatapos ay iproseso.
3. Berde (libre): Impersonal, pampubliko, pangkalahatang impormasyon (tekstong pambatas, pampublikong istatistika, pangkalahatang pamamaraan). Madali mong maproseso ang mga ito gamit ang AI.

Tip: Bago magbigay ng text sa AI, gawin ang 5 segundong pagsubok: "Mayroon bang anumang bagay sa nilalamang ito na maaaring makilala ang isang tao?" Kung ang sagot ay "oo/siguro," mag-mask up o magmaneho ng aprubadong sasakyan. Kung may pagdududa, isaalang-alang ang pula.

Corporate governance: mula sa tao hanggang sa sistema

Ang responsableng pampublikong AI ay hindi maaaring ipaubaya sa mabuting kalooban ng mga indibidwal na tagapaglingkod sibil; Kinakailangan ang isang institusyonal na balangkas:

• Patakaran: Ang institusyon ay dapat may patakaran sa paggamit ng AI: aling mga tool ang naaprubahan, anong data ang maaaring ilagay, sino ang may pananagutan.
• Listahan ng naaprubahang tool: Dapat gumamit ang mga tauhan ng mga tool na nasuri at naaprubahan ng institusyon, hindi basta-basta.
• Pagsasanay: Dapat alam ng kawani ang disiplina sa pag-verify at mga rehiyon ng data (tulad ng modyul na ito).
• Pagre-record at pag-audit: Dapat panatilihin ang isang audit trail ng mga desisyong ginawa gamit ang AI.
• Pananagutan: Ang bawat output na pinapagana ng AI ay dapat may may-ari at pag-apruba ng tao. Ang responsibilidad ay nakasalalay sa institusyon at sa opisyal, hindi sa sasakyan.
• Prinsipyo na nakasentro sa tao: Walang pinal na desisyon sa paglikha/paghihigpit sa mga karapatan na gagawin nang walang pahintulot ng tao.

tatlong mini case

Case 1 — Pinigilan ang red data leak. Mag-a-upload na sana ang isang kawani ng buod ng listahan ng mga benepisyong pangkalusugan para sa 1,200 tao sa isang pampublikong kasangkapan. Salamat sa inaprubahang patakaran sa sasakyan ng ahensya at "red data" na pagsasanay, huminto ito; Ang data ay naproseso sa isang in-house na naaprubahang kapaligiran at may mga field ng pagkakakilanlan na nakamaskara. Ang isang posibleng paglabag sa KVKK at pagkawala ng tiwala para sa libu-libong tao ay napigilan.

Kaso 2 — Maling Paggamit. Isang unit ang gustong gumamit ng data na nakolekta para sa outreach para sa isang plano sa komunikasyon bago ang halalan. Naalala ng opisyal ng proteksyon ng data ang prinsipyo ng pagsunod sa layunin: ito ay isang paggamit ng data sa labas ng layunin kung saan ito nakolekta at labag sa batas. Ang kahilingan ay tinanggihan.

Kaso 3 — Sarado ang agwat sa pamamahala. Sa isang munisipalidad, ang iba't ibang mga yunit ay gumagamit ng iba't ibang mga tool sa AI na walang kontrol; Walang nakakaalam kung saan napunta ang data. Ipinakilala ng ahensya ang patakaran sa paggamit ng AI, inaprubahang listahan ng sasakyan at audit trail; Sa loob ng 3 buwan, nabawasan ng 90% ang hindi rehistradong paggamit ng sasakyan at gumawa ng imbentaryo ng data.

Apat na maaaring kopyahin na mga template

1) Pag-uuri ng rehiyon ng data (bago i-export sa sasakyan):

Ang iyong tungkulin: tagapayo sa proteksyon ng data. Pag-uri-uriin ang sumusunod na nilalaman bago ito ibigay sa isang ahente ng AI: RED (nakikilala ang tao, hindi kailanman pumasok sa pampublikong sasakyan), DILAW (hindi direktang konektado, mask), BERDE (hindi personal, libre). Markahan ang pula/dilaw na bahagi ng isa-isa at sabihin sa kanila kung paano mag-mask. Bilangin ang suspek bilang pula. NILALAMAN: [teksto]

2) Pag-masking/pag-anonymize:

I-anonymize ang lahat ng personal na data bago iproseso ang sumusunod na text: pangalan -> [PERSON-1], ID number -> [IDENTITY], address ->[ADDRESS], kalusugan/penalty -> [SENSITIBO]. I-tag ang parehong tao. Mag-export ng hindi nakikilalang teksto nang hiwalay. Huwag kailanman isulat ang aktwal na data sa output. TEKSTO: [teksto]

3) Checklist ng pagsunod sa KVKK (para sa paggamit ng AI):

Ang iyong tungkulin: KVKK compliance specialist. Gumawa ng compliance checklist para sa sumusunod na paggamit ng AI: (1) ay ang layunin ng pagproseso ng lehitimo at partikular, (2) ito ba ay konektado sa layunin (ito ba ay lumilipat sa ibang layunin), (3) ito ba ay na-optimize, (4) ay ang tool na secure/naaprubahan, (5) ay ang panahon ng pagpapanatili ay tiyak, (6) ang mga karapatan ng mamamayan (pagtanggi, pagtanggal) na protektado. Markahan ng pulang bandila ang mga nawawalang item. PAGGAMIT: [recipe]

4) Framework ng patakaran ng Corporate AI:

Ang iyong tungkulin: eksperto sa pamamahala ng pampublikong IT. Gumawa ng framework ng patakaran sa paggamit ng AI para sa aming organisasyon: saklaw, mga inaprubahang tool, mga data zone (pula/dilaw/berde), mga ipinagbabawal na paggamit, mga punto ng pag-apruba ng tao, audit trail, mga responsibilidad, pagsasanay, at abiso sa paglabag. Punan ang bawat heading ng 1-2 pangungusap. INSTITUSYON: [unit at karaniwang mga trabaho]

Mahinang prompt / Malakas na prompt

Mahina: "Ibuod ang listahang ito ng mga sanggunian."

Strong: "Ang iyong tungkulin ay consultant sa proteksyon ng data. Una, uriin ang listahang ito ayon sa rehiyon ng data (pula/dilaw/berde) at markahan ang lahat ng field na nagpapakilala sa tao. I-mask ang pula/dilaw na mga field na may [PERSON]/[IDENTITY]/[SENSITIVE], panatilihin ang parehong tao na may parehong label. Gumawa lamang ng buod ng kategorya na may anonymized, aggregated na data, kung saan hindi nangangailangan ng personal na data na ito ang isulat, sa pagtatapos ng output; mga tuntunin ng KVKK (purpose, storage, vehicle security) add."

Ang pagkakaiba: ang malakas na prompt ay nag-uuri, nagtatakip, nagpapaliit at nagsasama ng mga prinsipyo ng KVKK bago iproseso ang data.

Mga rehiyon ng data at panuntunan

Rehiyon

halimbawa

tuntunin

pula

TR ID number, kalusugan, multa, buong address

Huwag pumasok sa pampublikong sasakyan; aprubadong kapaligiran

dilaw

Edad+kapitbahayan+trabaho, hindi direktang pagkakakilanlan

Mask/aggregate, pagkatapos ay iproseso

berde

Batas, pampublikong istatistika, pangkalahatang pamamaraan

freelance na trabaho

Mga karaniwang pagkakamali

• Pag-export ng pulang data sa pampublikong tool. Ang pinaka-seryosong paglabag; Ang data ng ID/kalusugan/parusa ay hindi umaalis sa naaprubahang kapaligiran.
• Maling paggamit. Labag sa batas ang paggamit ng data na nakolekta para sa isang layunin para sa ibang layunin (modelo ng pagsasanay, komunikasyon) nang walang pahintulot.
• Pagproseso ng masyadong maraming data. Huwag ilipat ang mga hindi kinakailangang field (pangalan, address) para sa layunin; I-minimize.
• Pagmamaneho nang walang pag-apruba. Hindi malinaw kung saan napupunta ang data sa mga sasakyan na hindi nasuri ng institusyon.
• Hindi tinutukoy ang panahon ng pagpapanatili. Dapat tanggalin ang data kapag nakumpleto na ang layunin; hindi dapat itago nang walang katapusan.
• Paglalagay ng responsibilidad sa sasakyan. Ang output ay pagmamay-ari at inaprubahan ng tao; "Ginawa ito ng AI" ay hindi isang pagtatanggol.

Sa buod

Ang balangkas para sa responsableng pampublikong AI ay proteksyon ng personal na data at pamamahala ng korporasyon. Mga prinsipyo ng KVKK — layunin, minimize, seguridad, limitasyon sa pagpapanatili, mga karapatan ng mga mamamayan — nililimitahan ang anumang paggamit ng AI. Paghiwalayin ang data sa pula/dilaw/berdeng mga zone, huwag kailanman magbigay ng pula sa isang pampublikong tool, itago ang personal na data, gumamit lamang ng mga inaprubahang tool, at ikonekta ang isang may-ari ng tao sa bawat desisyon. Patakaran sa antas ng institusyon, inaprubahang listahan ng sasakyan, rekord ng pagsasanay at inspeksyon; Ang disiplina ng pagpapatunay sa antas ng tao. Kaya, nagsisilbi ang AI sa publiko sa pamamagitan ng pagprotekta sa mga karapatan ng mga mamamayan.

Gawain ng aplikasyon

Pumili ng aktwal na paggamit ng AI na ginawa mo (o pinag-iisipan mong gawin) sa iyong unit. Paghiwalayin ang nilalaman na iyong ipoproseso sa pula/dilaw/berde gamit ang template na "Pag-uuri ng rehiyon ng data." Ilapat ang template na "checklist ng pagsunod sa KVKK" at maghanap ng kahit isang nawawala/peligrong punto. Panghuli, bumalangkas ng maikling patakarang angkop para sa iyong unit gamit ang "Corporate AI policy skeleton."

checklist

• [ ] Hinati ko ang nilalaman sa pula/dilaw/berdeng sona; Itinuring kong pula ang suspek.
• [ ] Hindi ko ibinigay ang pulang data sa pampublikong tool; Gumamit ako ng aprubadong media.
• [ ] Nag-mask ako ng personal na data at inalis ang mga hindi kinakailangang field (minimization).
• [ ] Sinuri ko ang layunin ng pagproseso, panahon ng pag-iimbak at seguridad ng sasakyan.
• [ ] Naobserbahan ko ang mga karapatan ng mga mamamayan sa pagtutol/pagtanggal.
• [ ] Nag-attach ako ng may-ari ng tao at pag-apruba sa bawat output; Nagtabi ako ng audit trail.

Pagsusulit sa Module

1. Bilang isang pampublikong opisyal, ano ang pinakamabuting priyoridad na tanong na dapat mong itanong bago ibigay ang trabaho sa AI?

• A) Ano ang mawawala sa mamamayan kung mali ang output na ito? ✔
• B) Gaano kabilis magagawa ng AI ang trabahong ito?
• C) Libre ba ang AI tool na ito?
• D) Gagamitin din ba ng isa pang unit ang output na ito?

Paliwanag: Ang desisyon sa paglipat ay ginawa batay sa pinsalang mararanasan ng mamamayan kung mali ang output. Ang pinsala ay madaling ilipat kung ito ay ilang minuto lamang ng muling pagsulat; Kung ito ay hindi patas na pagtanggi, maling parusa o pagkawala ng mga karapatan, ang AI ay gumagawa lamang ng isang draft, ang desisyon at pag-verify ay pagmamay-ari ng opisyal.

2. Ano ang tawag kapag ang AI ay nagpakita ng isang hindi umiiral na batas o isang gawa-gawang desisyon ng korte bilang totoo?

• A) Pag-cache
• B) Triage
• C) Anonymization
• D) Hallucination ✔

Paliwanag: Ang Hallucination ay kapag ang AI ay may kumpiyansa na gumagawa ng impormasyon na hindi talaga umiiral (fabricated substance, repealed regulation, wrong number). Sa larangan ng batas, ito ay isa sa mga pinaka-mapanganib na panganib, dahil ito ay maaaring humantong sa pagkawala ng mga karapatan at pagkansela ng administratibong aksyon.

3. Tatanggihan ng isang opisyal ang aplikasyon batay sa isang artikulo sa regulasyon na itinuro ng YZ. Alin ang pinaka tamang pag-uugali?

• A) Direktang isinulat ng AI ang pagtanggi dahil tila may tiwala ito
• B) Magtanong ng parehong tanong sa isa pang sasakyan ng AI at makakuha ng kumpirmasyon
• C) Kinukumpirma ang artikulo mula sa kasalukuyang pinagsama-samang teksto sa Çözüm.gov.tr ✔
• D) Pasalitang tinatanong ang desisyon sa isang nakatataas

Paglalarawan: Ang data ng pagsasanay ng AI ay nagyelo sa isang tiyak na petsa; Ang artikulong ipinapakita nito ay maaaring pinawalang-bisa o binago. Ang pagkumpirma na ang artikulo ay may bisa at ang huling bersyon nito mula sa kasalukuyang pinagsama-samang teksto sa Çözüm.gov.tr ​​​​bago pinipigilan ng desisyon ang isang hindi patas na pagtanggi at posibleng annulment suit.

4. Bakit quality assurance para sa isang citizen chatbot na makapagsabi ng 'Hindi ko alam, nililipat kita sa isang opisyal'?

• A) Pagpapabuti ng mga istatistika sa pamamagitan ng pagtaas ng turnover rate
• B) Pinipigilan ang maling impormasyon sa pamamagitan ng pagbibigay ng impormasyon sa mga tao kapag hindi sigurado ✔
• C) Pinapalawig ang oras ng tawag sa pamamagitan ng pag-abala sa mga mamamayan
• D) Nagbibigay-daan sa chatbot na makatanggap ng mas kaunting tanong

Paliwanag: Sa publiko, ang isang kumpiyansang maling sagot ay mas mahal kaysa sa isang matapat na pagkuha; Ito ay humahantong sa pagkawala ng mga karapatan at kawalan ng tiwala sa institusyon. Ang kakayahan ng chatbot na ibigay sa tao kapag hindi sigurado ay isang mekanismo ng kaligtasan na pumipigil sa maling impormasyon sa hallucinatory.

5. Ano ang pinakamahalagang panganib na dapat isaalang-alang kapag 'pinasimple' ang opisyal na pakikipag-ugnayan sa AI?

• A) Ang teksto ay masyadong maikli
• B) Pagpapalit ng font
• C) Pag-drop ng kundisyon o exception ✔
• D) Maling spelling ng pangalan ng addressee

Paliwanag: Hindi dapat baguhin ng istilong adaptasyon ang nilalaman. Kapag pinasimple, minsan ay nag-aalis ng exception, kundisyon, o tagal ang AI. Samakatuwid, ang pinasimpleng teksto ay dapat palaging ihambing sa orihinal na desisyon o batas.

6. Pangalan at T.R. sa isang data set. Ano ang tawag dito kapag ang kumbinasyon ng 'kapitbahayan + taon ng kapanganakan + uri ng kapansanan' ay maaaring magbunyag ng isang tao kahit na ang numero ng ID ay tinanggal?

• A) Muling kahulugan ✔
• B) Pag-minimize ng data
• C) Rate ng saklaw
• D) Pagsasama-sama

Paliwanag: Ang muling pagkakakilanlan ay ang paghahanap ng isang tao sa pamamagitan ng kumbinasyon ng mga hindi direktang pagkakakilanlan mula sa data na inaakalang hindi nagpapakilala. Kung ang isang bihirang kategorya ay matatagpuan sa isang tao, ang pagtanggal ng pangalan ay hindi sapat; Kinakailangan ang mga karagdagang hakbang, gaya ng pag-convert ng edad sa hanay at pagsasama-sama ng mga bihirang kategorya.

7. Ano ang tawag kapag minarkahan ng modelo ng inspeksyon ang isang kapitbahayan na masinsinang siniyasat sa nakaraan bilang 'peligroso' at nagpapadala ng mas maraming inspeksyon doon, na nagtutulak sa modelo na makitang mas mapanganib ang kapitbahayan na iyon?

• A) Pag-minimize ng data
• B) Hallucination
• C) Anonymization
• D) Feedback loop ✔

Paliwanag: Ang feedback loop ay kapag ang output ng modelo ay nakakaapekto sa kasunod na data ng pagsasanay, na nagpapatibay sa umiiral na bias. Ang pagkakaiba ay tumataas hindi sa aktwal na panganib, ngunit sa kung saan tumitingin. Ang paraan para protektahan ang iyong sarili ay subaybayan ang epekto, hindi ang output, at kontrolin ang pamamahagi ng mga desisyon na nakabatay sa grupo.

8. Pagkatapos ng isang application ng benepisyo ay ganap na inilipat online, ang bilang ng mga aplikasyon ay bumaba ng 30 porsiyento sa unang buwan. Ano ang pinaka-malamang na paliwanag para dito?

• A) Bumaba ang tunay na pangangailangan ng mga mamamayan
• B) Ang mga mamamayang walang internet at digital literacy ay iniwan ✔
• C) Bumaba ang interes dahil bumaba ang halaga ng tulong
• D) Awtomatikong inaprubahan ng system ang lahat ng aplikasyon

Paglalarawan: Ang digital divide ay ang kawalan ng kakayahan ng mga mamamayan na walang internet access o digital literacy na ma-access ang mga serbisyo. Bumababa ang bilang dahil hindi makapag-apply ang pinaka-kailangan na grupo, ang mga matatanda at mamamayang walang internet. Ang solusyon ay mag-iwan ng mga alternatibong channel, gaya ng mga tinulungang referral point.

9. Habang ang aktwal na rate ng tagumpay sa isang taunang ulat ay 63 porsiyento, ang executive summary na ginawa ng YZ ay nagsasabing 'ang karamihan sa mga aplikasyon ay positibo.' Ano ang tamang pag-uugali?

• A) Ang ekspresyon ay naiwan sa kung ano ito dahil ito ay positibo.
• B) Ang ratio ay tinanggal at ang qualitative expression lamang ang ginagamit
• C) Ang ekspresyon ay pinalitan ng tunay na bilang na 63 porsiyento ✔
• D) Ang buod ay ganap na tinanggal mula sa ulat

Paliwanag: Ang labis na positibong pananaw sa pampublikong ulat ay naglalagay sa institusyon sa isang mahirap na sitwasyon sa mga susunod na pag-audit. Ang bawat claim sa executive summary ay dapat ihambing sa raw data at ang aktwal na bilang (63 porsiyento) ay dapat na nakasulat; Ang mga buod ng AI ay hindi kasama sa ulat nang hindi sinusuri.

10. Kapag gumagawa ng mga desisyon na nakabatay sa data sa pampublikong sektor, kung tataas ang 'bilang ng mga file na isinara buwan-buwan' habang bumababa ang 'rate ng resolusyon sa unang pakikipag-ugnay', ano ang unang itinuturo nito sa atin?

• A) Ang pagpili ng tamang indicator ay mas mahalaga kaysa sa pagpaparami ng numero ✔
• B) Dapat dagdagan ang bilang ng mga tauhan
• C) Ang mga graph ay dapat na may kulay
• D) Ang chatbot ay dapat sumagot ng higit pang mga tanong

Paliwanag: Ang maling indicator ay humahantong sa maling desisyon kahit na may tamang data. Maaaring mabilis na isara at muling buksan ang mga file. Ang pagpili ng tamang indicator at pagbabasa ng mga indicator nang magkasama ay maiiwasan ang pagmamayabang batay sa isang mapanlinlang na numero lamang.

11. Sa isang tsart, ang vertical axis ay nagsisimula sa 40 sa halip na zero at ang isang 2 porsiyentong pagtaas ay mukhang isang dramatikong pagtalon ay isang halimbawa ng anong problema?

• A) Hallucination
• B) Pag-minimize ng data
• C) Digital divide
• D) Mapanlinlang na visualization ✔

Paliwanag: Ang mapanlinlang na visualization ay ang pagbaluktot ng perception sa pamamagitan ng mga diskarte gaya ng axis na hindi nagsisimula sa zero, hindi proporsyonal na sukat, o napiling yugto ng panahon. Ito ay bahagi ng matapat na visual na pamamahala sa pampublikong data; Ang totoong talahanayan ay dapat ipakita sa pamamagitan ng paghila sa axis sa zero.

12. Bakit hindi katanggap-tanggap na sabihing 'sinulat iyon ng AI' bilang isang katwiran para sa isang administratibong aksyon?

• A) Dahil masyadong mahal ang mga tool ng AI
• B) Ang aksyong administratibo ay dapat na makatwiran at ang responsibilidad ay nasa opisyal ✔
• C) Dahil hindi alam ng AI ang Turkish
• D) Dahil hindi gusto ng mga mamamayan ang AI

Paliwanag: Ang aksyong administratibo ay dapat na makatwiran at maa-audit; Ang responsibilidad ay hindi nakasalalay sa AI, ngunit nasa pampublikong opisyal at institusyon na gumagamit ng output nang hindi ito bini-verify. Ang 'Sinabi ng AI' ay hindi isang katwiran at hindi pinapanatili ang administratibong aksyon.

13. Ano ang apat na prinsipyo na nag-iiba sa paggamit ng AI sa pampublikong sektor mula sa pribadong sektor at dapat ding sundin?

• A) Bilis, mura, kakayahang kumita, kumpetisyon
• B) Automation, scale, marketing, brand
• C) Pagkakapantay-pantay, transparency, pananagutan, proteksyon ng personal na data ✔
• D) Pagkapribado, pagiging kompidensiyal, pagkapribado at pagiging kompidensyal

Paliwanag: Sa mga gawa kung saan ginagamit ang kapangyarihang pampubliko, ang AI ay binabalangkas ng mga prinsipyo ng pagkakapantay-pantay (katulad na pagtrato sa isang katulad na sitwasyon), transparency (pagpapaliwanag ng katwiran ng desisyon), pananagutan (responsable para sa bawat transaksyon at audit trail) at proteksyon ng personal na data (KVKK).

14. Ano ang dapat gawin ng isang awtomatikong preflight system kapag hindi ito sigurado sa isang bihirang uri ng dokumento?

• A) Upang tanggihan ang aplikasyon nang tahimik
• B) Pagpasa ng aplikasyon sa pagsusuri ng tao ✔
• C) Awtomatikong aprubahan ang aplikasyon
• D) Tanggalin ang application

Paliwanag: Idinidirekta ng mahusay na automation ang modelo sa opisyal kapag hindi ito sigurado sa halip na tahimik na tanggihan ito. Kung hindi, mahuhulog sa blind spot ang mga lehitimong aplikasyon at magaganap ang pambibiktima. Ang pagpapanatili ng mga tao sa punto ng pagpapasya ay ang batayan ng pamamahala ng exception.