Mga nadagdag:
- Kakayahang patuloy na i-embed ang AI sa bawat yugto mula sa aplikasyon hanggang sa pagsasara na may anim na gate ng pag-verify ng tao
- Kakayahang magtatag ng isang corporate governance framework na may aprubadong listahan ng mga tool, patakaran sa data, mga tungkulin, pagpaparehistro, pagsasanay at patuloy na pagsusuri
- Kakayahang i-embed ang mga prinsipyo ng responsibilidad ng tao, pag-verify, privacy/KVKK, pagsunod sa ebidensya, kontrol ng bias at pagiging nakasentro sa kliyente sa daloy ng trabaho
Sa kabuuan ng modyul na ito, sinaklaw namin kung paano gamitin ang artificial intelligence at kung saan ito ihihinto sa iba't ibang gawain ng gawaing panlipunan — dokumentasyon, pagtatasa, suporta sa panganib, referral, plano, ulat, komunikasyon, disenyo ng programa. Sa panghuling unit na ito, pinagsama-sama namin ang mga piraso: kung saan uupo ang AI mula sa aplikasyon hanggang sa pagsasara ng isang kaso, kung saan humihinto ang pinto ng pag-verify ng tao sa bawat yugto, at itatatag namin ang balangkas ng pamamahala na kailangan para ito ay mapanatili sa isang organisasyon. Ang layunin ay gawing pare-pareho at paulit-ulit na disiplina sa pagtatrabaho ang mga nakakalat na tip.
Integrative na prinsipyo mula sa simula: Ang AI ay isang accelerator sa bawat hakbang ng daloy ng trabaho, hindi isang gumagawa ng desisyon sa anumang hakbang. Mayroong isang pinto ng tao sa bawat yugto, at hindi ka maaaring magpatuloy sa susunod nang hindi dumadaan sa isang pinto. Pinipigilan ng layered na istrakturang ito ang isang solong guni-guni, bias, o error sa privacy na pumasok sa isang desisyon na nakakaapekto sa buhay ng isang kliyente.
End-to-end na daloy at anim na pintuan ng tao
Isaalang-alang natin ang isang kaso sa pamamagitan ng mga karaniwang yugto nito at maglagay ng verification gate sa bawat yugto:
1. Application / unang contact — Door: Privacy. Kapag dumating ang unang impormasyon, ginagamit ang AI para sa paghahanda ng panayam (gabay, frame ng tanong). Pintuan: Walang aktwal na data ng kliyente ang pumapasok sa bukas na tool; Humingi ng klase, tugmang sasakyan.
2. Pagtatasa - Gate: Klinikal na paghatol. Inaayos ng AI ang mga tala sa mga biopsychosocial na dimensyon at nagpapaalala ng mga pagkukulang at kalakasan. Pinto: Ang diagnosis at pagsusuri ay pag-aari ng espesyalista; Hindi nagsusuri ang AI.
3. Panganib — Pinto: Awtoridad at pangkat. Ipinapaalala ng AI ang mga salik sa panganib/proteksiyon at gumagawa ng balangkas ng plano sa seguridad. Pintuan: Ang desisyon sa peligro ay ginawa lamang ng eksperto, koponan, pangangasiwa at legal na proseso; Ang AI ay hindi gumagawa ng mga marka/mga desisyon.
4. Pagpaplano at paggabay — Pinto: Pagpapatunay at kliyente. Inilalagay ng AI ang mga layunin sa SMART, bumubuo ng mga ideya sa mapagkukunan at mga draft ng sulat. Pinto: Ang kliyente ay nagtatakda ng mga layunin; Ang serbisyo/address/kondisyon ay napatunayan mula sa opisyal na pinagmulan.
5. Ulat at komunikasyon — Pintuan: Katibayan at pananagutan. Binubuo ng AI ang ulat, pinapasimple at isinasalin ang teksto. Pintuan: Ang bawat kaso ay nakasalalay sa ebidensya, ang opinyon ay pagmamay-ari ng eksperto, kritikal na pagkawala ng impormasyon at pagkiling ay sinusuri, ang pirma ay nasa tao.
6. Pagsara at handover — Gate: Accuracy. Ibinubuod ng YZ ang file ayon sa pagkakasunod-sunod. Pintuan: Ang buod ay batay sa talaan lamang; Ang mga resulta at natutunan ay napatunayan ng eksperto.
Tip: Gumamit ng isang tanong para matandaan ang mga pintuan: "Sa hakbang na ito, gumagawa ba ang AI ng desisyon o gumagawa ng sketch?" Kung ang sagot ay "desisyon," huminto - ang hakbang na iyon ay pag-aari ng tao. Kung ang sagot ay "draft", magpatuloy, ngunit huwag lumipat sa susunod na hakbang nang hindi bini-verify ang output.
Corporate governance: hindi sapat ang indibidwal na disiplina
Ang mabubuting gawi ng isang dalubhasa ay mahalaga ngunit marupok; Ang ligtas at pare-parehong paggamit ng AI sa isang organisasyon ay nangangailangan ng balangkas ng pamamahala. Ang mga pangunahing bahagi ng balangkas na ito ay:
- Listahan ng naaprubahang sasakyan. Ito ay nakasulat at malinaw kung aling tool ang gagamitin para sa aling trabaho at kung aling data ang maaaring ilagay sa kung aling tool. "Dapat gumamit ang lahat ng anumang tool na gusto nila" ay isang kahinaan sa seguridad.
- Patakaran sa pag-uuri ng data. Tinutukoy kung aling data ang ipoproseso sa bukas na tool at alin ang ipoproseso lamang sa secure na sistema.
- Tungkulin at awtoridad. Malinaw kung sino ang maaaring gumawa ng ano at kung aling desisyon ang nakasalalay sa kung aling awtoridad (lalo na ang mga desisyon sa peligro).
- Log at audit trail. Saan at paano ginagamit ang AI ay maaaring masubaybayan; Kapag may problema, maaaring balikan.
- Edukasyon at kamalayan. Alam ng bawat empleyado ang mga prinsipyo sa modyul na ito; Ang bagong dating ay sinanay.
- Patuloy na pagsusuri. Mga tool, panganib at pagbabago ng batas; Regular na ina-update ang framework. Ang patakaran kapag naisulat at nakalimutan ay nagiging lipas na.
tatlong mini case
Case 1 — May nahuli ang mga pinto ng bug sa simula ng chain. Sa isang kaso, nagdagdag ang AI ng obserbasyon na hindi binanggit ng kliyente sa yugto ng pagsusuri. Sa tarangkahan ng "clinical judgment" nahuli ito ng eksperto at tinanggal ito. Kung hindi siya nahuli, ang gawa-gawang obserbasyon na ito ay maaaring tumagas sa plano, mula doon hanggang sa ulat, at mula doon sa desisyon ng korte. Pinahinto ng layered authentication ang error sa pinakamaagang punto.
Kaso 2 — Pinigilan ng pamamahala ang isang paglabag. Nagpapatakbo ang isang organisasyon nang walang inaprubahang listahan ng tool at patakaran sa data; Lahat ay gumagamit ng kani-kanilang sasakyan. Isang pag-audit ang nagsiwalat na maraming empleyado ang naglalagay ng aktwal na data ng kliyente sa mga bukas na tool. Ang organisasyon ay nagtatag ng isang balangkas ng pamamahala: mga inaprubahang tool, pag-uuri ng data, pagsasanay at pagpaparehistro. Sa susunod na panahon, ang bilang ng mga paglabag ay bumaba sa zero. Aral: hindi sapat ang mabuting kalooban ng indibidwal kung walang istrukturang institusyonal.
Kaso 3 — Ang patuloy na pagsusuri ay pinananatiling napapanahon. Ang patakaran sa AI ng isang organisasyon, na isinulat noong isang taon, ay luma na sa harap ng isang bagong uri ng tool at na-update na batas. Nakuha ito ng taunang pagsusuri; Na-update ang patakaran, na-renew ang pagsasanay. Ang frame ay nanatiling isang buhay na dokumento, hindi isang istante na palamuti.
Apat na maaaring kopyahin na mga template
1) Checklist ng gate ng pag-verify ng daloy ng kaso:
Ang iyong tungkulin: superbisor. Nakakuha ako ng checklist ng pagpapatunay para sa sumusunod na hakbang sa kaso: ano ang maaaring gawin ng AI draft sa hakbang na ito, kung aling desisyon ang kinakailangang tao, anong mga pagsusuri sa privacy at bias ang dapat gawin, ano ang dapat kong i-verify bago magpatuloy sa susunod na hakbang? Hakbang: [aplikasyon / pagtatasa / panganib / plano / ulat / pagsasara]
2) Kumpirmadong pagtutugma ng sasakyan:
Para sa bawat isa sa mga listahan ng gawain sa ibaba, tukuyin ang uri ng AI tool na maaaring gamitin (bukas na tool / secure na enterprise system lamang / Walang AI na available) at pagbibigay-katwiran. Markahan ang bawat gawain na naglalaman ng data ng kliyente bilang "secure na system lang". Mga Gawain: [listahan ang mga gawain]
3) draft ng patakaran ng Corporate AI:
Ang iyong tungkulin: editor ng patakaran ng korporasyon. Bumuo ng isang responsableng patakaran sa paggamit ng AI para sa isang ahensya ng serbisyong panlipunan; Sakop ang mga sumusunod na paksa: layunin, mga inaprubahang tool, pag-uuri ng data, mga tungkulin at pahintulot, privacy/KVKK, limitasyon sa pagpapasya sa peligro, pag-record at pag-audit, pagsasanay, iskedyul ng pagsusuri. I-set up ang pangkalahatang balangkas; Pupunan ng institusyon ang sarili nitong mga detalye.
4) Self-regulation (personal na pagsusuri sa paggamit):
Gumawa ng self-checklist ng 10 tanong para marepaso ko ang aking paggamit ng AI bilang isang social worker: privacy, verification, bias, evidence fidelity, mga limitasyon sa desisyon, at client-centered. Hayaang sagutin ang bawat tanong ng "oo/hindi".
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Ibinibigay ko sa iyo ang kabuuan ng kasong ito; Ikaw ang humawak ng lahat mula sa aplikasyon hanggang sa ulat, pipirmahan ko lang ito sa dulo.
Ito ay outsourcing sa buong proseso—kabilang ang privacy, klinikal na paghuhusga, paghuhusga sa peligro, pagsunod sa ebidensya—sa software. Ang nag-iisang pirma sa dulo ay nagbubulag sa amin sa lahat ng mga pagkakamali, katha, at mga bias sa pagitan.
Napakahusay na prompt:
Ang iyong tungkulin: editor na tumutulong sa akin sa bawat hakbang ng paraan. Ipagpapatuloy ko ang kaso nang hakbang-hakbang (pagtatasa, plano, ulat...). Sa bawat hakbang: gumana lang gamit ang anonymous/secure na data, gumawa ng draft, hayaan akong magpasya, huwag magdagdag ng wala sa tala, at paalalahanan ako kung ano ang kailangan kong i-verify bago magpatuloy sa susunod na hakbang. Magsimula tayo sa hakbang na ito: [hakbang]
Ang pagkakaiba: ang pagbabantay sa pinto sa bawat hakbang at pagpoposisyon sa AI bilang isang step-by-step na katulong ay nagpapanatili ng kaligtasan at responsibilidad ng tao habang pinapanatili ang bilis.
Stage-gate-responsibility summary
entablado
Kontribusyon ng AI
pintuan ng tao
kritikal na kontrol
Aplikasyon
Paghahanda sa panayam
privacy
Klase ng data
Pagsusuri
Pag-edit ng laki
klinikal na paghuhusga
Walang diagnosis, walang katha
Panganib
Paalala sa kadahilanan
Awtoridad + pangkat
Walang puntos/desisyon
Plano/patnubay
draft + ideya
Pagpapatunay + kliyente
Pagkumpirma ng pinagmulan, priyoridad ng kliyente
Mag-ulat/makipag-ugnayan
Istraktura + pagpapasimple
Ebidensya + responsibilidad
Opinyon sa eksperto, kontrol ng bias
Pagsasara
Kronolohikal na buod
katumpakan
nakabatay sa rekord
Mga karaniwang pagkakamali
- Ibigay ang buong proseso sa AI at pumirma ng isang solong lagda sa dulo. Ang mga error sa pagitan ay hindi nakikita; Dapat may mga pintuan sa bawat hakbang.
- Dumadaan sa isang pinto nang hindi ito bini-verify. Ang katha ng isang yugto ay minana ng susunod; Ang bawat output ay napatunayan.
- Ipaubaya ang pamamahala sa indibidwal na disiplina. Kung walang balangkas na institusyonal, marupok ang magagandang gawi.
- Isulat ang patakaran nang isang beses at kalimutan ito. Mga tool at pagbabago ng batas; Ang patuloy na pagsusuri ay kinakailangan.
- Hindi nag-iingat ng mga talaan. Kung walang audit trail, ang isang problema ay hindi maaaring balikan at hindi mapapanagot.
Sa buod
Sa gawaing panlipunan, ang AI ay isang katalista sa bawat hakbang, isang gumagawa ng desisyon nang walang hakbang, mula sa aplikasyon hanggang sa pagsasara ng isang kaso. Maglagay ng anim na pintuan ng tao (pagiging kumpidensyal, klinikal na paghatol, awtoridad/pangkat, pagpapatunay/kliyente, ebidensya/pananagutan, integridad) sa dulo-sa-dulo na daloy; Huwag dumaan mula sa isang pinto patungo sa isa pa nang hindi dumadaan. Nangangailangan ito ng pamamahala ng korporasyon: listahan ng mga inaprubahang tool, patakaran sa data, mga tungkulin, pagpaparehistro, pagsasanay at patuloy na pagsusuri. Ang anim na prinsipyo sa pagmamaneho ng module—responsibilidad ng tao, pag-verify, privacy/PDPA, pangako sa ebidensya, kontrol sa pagkiling, at pagiging nakasentro sa kliyente—ay dapat isama sa bawat daloy ng trabaho.
Gawain ng aplikasyon
Itak sa isip ang isang kathang-isip na kaso mula sa aplikasyon hanggang sa pagsasara; Gumawa ng checklist para sa bawat yugto na may template ng "case flow verification gate". Pagkatapos ay uriin ang mga gawain sa kasong ito bilang bukas na sasakyan / secure na sistema / walang AI na may template na "validated vehicle matching". Panghuli, suriin ang iyong sarili sa pamamagitan ng paggawa ng listahan ng 10 tanong para sa sarili mong paggamit ng AI gamit ang template na "self-audit".
checklist
- [ ] Natukoy ko ang anim na pintuan ng tao sa dulo-sa-dulo na daloy.
- [ ] Sa bawat hakbang, "desisyon o draft?" Inilapat ko ang tanong.
- [ ] Itinugma ko ang mga gawain sa tamang uri ng sasakyan (bukas/ligtas/wala).
- [ ] Alam ko ang mga bahagi ng corporate governance (tool, data, role, registration, training, review).
- [ ] Ipinatupad ko ang anim na prinsipyo ng carrier ng module sa sarili kong daloy ng trabaho.
Pagsusulit sa Module
1. Alin sa mga sumusunod ang pinakatumpak na pagpoposisyon para sa artificial intelligence sa gawaing panlipunan?
- A) Ang artificial intelligence ay maaaring magpasya sa antas ng panganib ng kliyente at desisyon ng interbensyon nang walang pag-apruba ng tao
- B) Ang AI ay isang kasangkapan para sa pagbubuod, pagsasaayos, pagpapasimple at pagbalangkas; Ang responsibilidad para sa klinikal na paghatol, panganib at panghuling desisyon ay nakasalalay sa eksperto ✔
- C) Ang artificial intelligence ay kapaki-pakinabang lamang para sa pagsasalin ng teksto at walang kinalaman sa iba pang mga gawaing panlipunan
- D) Dahil ang artificial intelligence ay palaging mas walang kinikilingan kaysa sa mga tao, ang pagsusuri ay dapat na ipaubaya dito.
Paglalarawan: Artipisyal na katalinuhan; Ito ay isang katulong na nag-aayos ng mga tala, nagbubuod ng file, nagpapasimple sa teksto at gumagawa ng mga draft. Ang responsibilidad para sa klinikal na paghuhusga, pagtatasa ng panganib, opinyon ng propesyonal at panghuling desisyon ay nakasalalay sa karampatang propesyonal; Ang isang hindi na-verify na output ay maaaring humantong sa isang maling paghuhusga ng isang kliyente, isang pag-iwas sa panganib, o ang pagtagas ng sensitibong data.
2. Ano ang pinakatamang pagtuturo kapag ang mga hilaw na tala ng isang panayam ay na-convert sa isang case record sa pamamagitan ng artificial intelligence?
- A) Paghiling ng artificial intelligence na punan ang mga nawawalang bahagi sa isang makatwirang paraan upang ito ay magmukhang propesyonal.
- B) Pagpapahintulot sa AI na magdagdag ng mga karagdagang obserbasyon upang pagyamanin ang rekord
- C) Paghiling sa estudyante na gamitin lamang ang impormasyong aktwal na kasama sa tala, markahan ang mga nawawalang item bilang 'nangangailangan ng paglilinaw', at huwag magdagdag ng anuman ✔
- D) Direktang paglalagay nito sa file nang hindi inihahambing sa tala hangga't matatas ang output
Paliwanag: Ang pinaka-mapanganib na ugali ng AI ay gumawa ng mga obserbasyon, numero o quote na wala sa tala upang gawing 'kumpleto' ang talaan. Ang tamang diskarte ay ang sabihing 'gamitin mo lang kung ano ang nasa tala, markahan ang mga nawawala, huwag magdagdag ng anuman'. Ang mga gaps ay hindi napunan, sila ay minarkahan para sa paglilinaw.
3. Bakit mahalaga ang pagkakaiba sa pagitan ng 'katotohanan' at 'interpretasyon' sa isang talaan ng kaso?
- A) Ang katotohanan ay isang konkretong obserbasyon/pahayag, habang ang interpretasyon ay isang propesyonal na hinuha na nangangailangan ng batayan; Dapat paghiwalayin ang dalawa at i-tag ang komento ✔
- B) Ang pagkakaiba ay hindi kailangan; ang katotohanan at komento ay maaaring isulat sa parehong paraan sa talaan
- C) Ang interpretasyon lamang ang mahalaga; Ito ay posible kahit na ang mga katotohanan ay hindi naitala
- D) Dahil ang artipisyal na katalinuhan ay gumagawa ng pagkakaibang ito nang perpekto, hindi na kailangan ang kontrol ng tao.
Paliwanag: 'Tatlong beses siyang umiyak sa panayam' ay isang katotohanan; 'Siya ay nalulumbay' ay isang komento na hindi maaaring isulat nang walang klinikal na batayan. Ang rekord ay nangunguna sa katotohanan at may kasamang interpretasyon lamang na may malinaw na pag-label at katwiran. Maaaring ihalo ng AI ang dalawa nang matatas; Tungkulin ng isang tao na gawin ang pagkakaiba at iwasan ang stigmatizing wika.
4. Anong papel ang dapat gampanan ng AI sa pagpapasya kung ang isang bata ay ligtas sa bahay o ang antas ng panganib ng isang kaso?
- A) Mababasa ng artificial intelligence ang kaso, matukoy ang antas ng panganib at gumawa ng desisyon sa seguridad
- B) Ang label na 'mababa ang panganib' na ibinigay ng artificial intelligence ay maaaring i-override ang obserbasyon ng eksperto sa kabaligtaran
- C) Ang artificial intelligence ay nagpapaalala lamang sa mga kadahilanan at nag-aayos ng mga tala; Ang antas ng peligro at desisyon sa kaligtasan ay pag-aari ng eksperto, pangkat, pangangasiwa at legal na proseso ✔
- D) Ang artificial intelligence ay mas maaasahan kaysa sa mga tao sa panganib na paggawa ng desisyon dahil ito ay walang kinikilingan.
Paglalarawan: Antas ng panganib at desisyon sa seguridad; Nangangailangan ito ng propesyonal na awtoridad, klinikal na paghatol, opinyon ng multidisciplinary na pangkat, pangangasiwa at legal na responsibilidad. Dito, maaalala lamang ng AI ang mga salik sa panganib/proteksiyon at mag-edit ng mga tala; hindi makagawa ng mga marka o desisyon. Maaari rin nitong ipatungkol ang sistematikong mataas na panganib sa mga disadvantaged na grupo dahil sa bias sa data ng pagsasanay, kaya hindi magagamit ang output nito bilang desisyon.
5. Ano ang dapat gawin kapag ang artificial intelligence ay nagbibigay ng referral na impormasyon para sa isang kliyente sa pamamagitan ng pagsasabi ng 'center na ito, ang teleponong iyon'?
- A) Pagkumpirma ng address at numero ng telepono mula sa opisyal at kasalukuyang pinagmulan ng institusyon bago ito ibigay sa kliyente ✔
- B) Direktang paghahatid ng impormasyon sa kliyente habang ito ay ipinakita nang may kumpiyansa
- C) Ipagpalagay na ang impormasyon ay ganap na tama hangga't ang artificial intelligence ay nagbibigay ng kasalukuyang petsa
- D) Iniisip na hindi na kailangang imbestigahan ang katumpakan ng impormasyon dahil ito ay nabanggit sa isang lugar.
Paglalarawan: Ang artificial intelligence ay maaaring gumawa ng mga serbisyo, kinakailangan sa aplikasyon, address at numero ng telepono o magbigay ng hindi napapanahong impormasyon; Ang mga institusyon ay nagsasama, gumagalaw, nagsara. Ang pagpapadala sa kliyente sa isang hindi na-verify na address ay hahantong sa isang nasayang na paglalakbay at pagkawala ng tiwala. Samakatuwid, ang impormasyon sa pakikipag-ugnayan na ibinigay ng artificial intelligence ay dapat kumpirmahin sa pamamagitan ng sariling opisyal na channel ng institusyon bago ipadala sa kliyente.
6. Sino ang dapat magtakda ng mga layunin sa isang plano sa pagtugon at ano ang tungkulin ng AI?
- A) Ang artificial intelligence ay dapat parehong matukoy ang mga layunin at isulat ang buong plano nang hindi tinatanong ang kliyente.
- B) Tinutukoy ng kliyente (kasama ang espesyalista) ang mga layunin; Inilalagay sila ng AI sa SMART na format at binubuo ang mga ito, hindi nagdadagdag ng mga bagong target ✔
- C) Ang mga layunin ay hindi mahalaga; Kung mas maraming layunin ang kasama sa plano, mas mabuti.
- D) Maaaring balewalain ng artificial intelligence ang mga priyoridad ng kliyente dahil mukhang propesyonal ito
Deskripsyon: Ang pangunahing halaga ng gawaing panlipunan ay 'pagpapasya sa sarili': ang kliyente ay nagtatakda ng mga layunin at priyoridad, na hinuhubog ang mga ito ng dalubhasang propesyonal na kaalaman. Inilalagay ng artificial intelligence ang mga layuning ito sa SMART na format at nagmumungkahi ng mga hakbang at tagapagpahiwatig; ngunit hindi siya maaaring magdagdag ng mga bagong layunin na hindi sinasabi ng kliyente. Ang isang dayuhan, panlabas na ipinataw na plano ay hindi maaaring ilapat sa kliyente.
7. Sa isang ulat ng pagsisiyasat sa lipunan na isusumite sa korte, sa aling isyu ang artificial intelligence pinaka-delikado?
- A) Kakayahang mag-imbento ng mga di-umiiral na petsa, obserbasyon o panipi para maging 'kumpleto' ang ulat ✔
- B) Gawing masyadong pormal ang wika ng teksto
- C) Pagsusulat ng ulat na mas maikli kaysa sa hiniling
- D) Alpabetikong pagkakasunud-sunod ng mga pamagat
Paliwanag: Ang pinaka-mapanganib na ugali ng AI ay ang magdagdag ng hindi umiiral na petsa, obserbasyon o quote upang gawing 'kumpleto' ang ulat. Ang isang gawa-gawang pangungusap sa isang ulat ng hukuman ay maaaring parehong makalinlang sa isang desisyon at makasira sa kredibilidad ng eksperto. Samakatuwid, ang bawat kaso ay dapat na konektado sa isang tunay na panayam/obserbasyon/dokumento, at ang propesyonal na opinyon ay dapat mabuo ng eksperto.
8. Sino ang dapat sumulat ng propesyonal na opinyon at opinyon (mungkahi) na seksyon ng isang ulat sa pagsisiyasat sa lipunan?
- A) Artipisyal na katalinuhan; dahil gumagawa ito ng mas walang pinapanigan na rekomendasyon
- B) Ang seksyon ng opinyon ay hindi kailanman pinunan kapag isinusulat ang ulat.
- C) Isinulat ng artipisyal na katalinuhan ang opinyon, ang mga dalubhasa ay pumipirma lamang sa dulo
- D) Dalubhasa; ang propesyonal na opinyon at opinyon ay kanyang awtoridad at responsibilidad, nililinaw lamang ng artificial intelligence ang wika ✔
Pahayag: Propesyonal na opinyon at opinyon — 'ito ang pinakamahusay na interes ng batang ito', 'ang kaayusan na ito ay angkop' — ay ang legal na awtoridad at responsibilidad ng eksperto. 'Ano ang inirerekomenda ko sa artificial intelligence?' Hindi ito tinatanong; Ang isang 'mungkahi' na kanyang ginawa ay maaaring parehong gawa-gawa at isang paglipat ng responsibilidad. Sa pinakamainam, nililinaw ng artificial intelligence ang wika ng opinyon na isinulat ng eksperto.
9. Ano ang pinaka-kritikal na kontrol kapag pinasimple ang isang mabigat na opisyal na sulat ng tulong para sa isang kliyente na may artificial intelligence?
- A) Panatilihing maikli ang teksto hangga't maaari, huwag tumingin sa mga detalye
- B) Ang resulta ay mukhang matatas at aesthetic
- C) Pag-verify na walang mga karapatan, kundisyon, halaga, petsa o abiso ang tinanggal sa pamamagitan ng paghahambing sa orihinal ✔
- D) Ang pagpapasimple ay nagbibigay ng ginhawa sa kliyente sa pamamagitan ng pagbibigay sa kanya ng mas kaunting impormasyon.
Paliwanag: Ang pagpapasimple ay hindi nangangahulugan ng pagbaluktot; Sa pamamagitan ng 'paikliin' o 'pasimplehin' ang AI ay maaaring lumunok ng karapatan, kundisyon, halaga, petsa o paunawa. Maaaring mawala ang karapatan ng kliyente sa 'madali' ngunit hindi kumpletong impormasyon. Samakatuwid, ang pinasimpleng teksto ay dapat na ihambing sa orihinal at na-verify na walang kritikal na impormasyon ang nawala, at kahit na ilista ng artificial intelligence ang mga kritikal na elementong pinoprotektahan nito.
10. Paano tama na tratuhin ang mga istatistika na ginawa ng artificial intelligence kapag nag-draft ng aplikasyon sa pagpopondo?
- A) Direktang ginagamit ang mga istatistika na ibinigay ng artificial intelligence upang magmukhang kahanga-hanga
- B) Ang hindi paggawa ng artificial intelligence ay bumubuo ng mga istatistika, pagpi-print ng [KINAKAILANGANG DATA] kung saan kinakailangan at paglalagay ng bawat numero mula sa tunay na pinagmulan ✔
- C) Isinasaalang-alang na ang pinagmulan ay hindi mahalaga hangga't ang numero ay kasama sa isang aplikasyon.
- D) Ipagpalagay na hindi na kailangang i-verify ang mga istatistika dahil kumpiyansa ang pagsusulat ng AI
Paglalarawan: Ang artificial intelligence ay maaaring gumawa ng kapansin-pansin ngunit hindi pinagkunan na mga istatistika; Ang isang figure na walang pinagmulan ay halos palaging hindi maaasahan. Ang isang gawa-gawang istatistika sa aplikasyon ay parehong tatanggihan ang aplikasyon at sisira sa kredibilidad ng institusyon. Ang tamang diskarte ay ang hindi gumawa ng mga numero ng AI ('Isulat ang [KINAKAILANGANG DATA]') at ilagay ang bawat numero mula sa tunay, na-verify na pinagmulan.
11. Bakit nakakapinsalang tanungin ang artificial intelligence na 'ipaliwanag kung bakit hindi sapat ang pamilyang ito sa pagpapalaki ng mga anak'?
- A) Dahil ang tanong ay masyadong mahaba
- B) Dahil ang artificial intelligence ay hindi makapagbibigay ng anumang impormasyon sa mga usapin ng pamilya
- C) Dahil ipinapalagay nito ang resulta mula sa simula, ang artipisyal na katalinuhan (nakakapuri) ay gumagawa ng hindi napapatunayan at pinapanigang kumpirmasyon; Ang tanong ay dapat neutral at balanse ✔
- D) Dahil ang artificial intelligence ay palaging magsusulat pabor sa pamilya
Paliwanag: Ipinapalagay ng tanong na ito ang resulta ('hindi sapat'). Gumagawa ang AI ng walang ebidensya at pinapanigan na teksto na nagpapatunay sa pagpapalagay na ito na may tendensiyang mambola (kumpirmahin ang iyong insinuation). Ang isang bias na tanong ay lumilikha ng isang bias na sagot. Sa katunayan, ito ay isang neutral na tanong na hindi inaakala ang kinalabasan, binabalanse ang parehong lakas at alalahanin, at humihingi lamang ng ebidensya.
12. Paano mag-aplay ng 'under angle testing' upang suriin kung may bias sa output ng AI?
- A) Nag-iisip tungkol sa parehong sitwasyon para sa ibang grupo at nagtatanong ng 'Isusulat ba ito sa parehong wika?' ✔ Pagsubok ng dobleng pamantayan sa pamamagitan ng pagtatanong
- B) Pagtanggap sa unang sagot ng artificial intelligence bilang neutral at hindi naghahanap ng ibang anggulo
- C) Pagtatanong lamang ng mga tanong na sumusuporta sa grupo ng kliyente
- D) Ipagpalagay na hindi na kailangan para sa karagdagang kontrol dahil ang bias ay hindi umiiral sa artificial intelligence sa lahat
Paliwanag: Maaaring isulat ng AI ang parehong gawi sa ibang tono para sa iba't ibang grupo (hal. 'panganib ng kapabayaan' para sa pamilyang mababa ang kita, 'sapilitang magulang' para sa mataas na kita). Ang inversion test ay 'kung ang kliyente ay mula sa ibang socioeconomic/ethnic group, ito ba ay isusulat sa parehong wika?' ay magtanong; Ginagawa nitong nakikitang dobleng pamantayan batay sa mga stereotype, hindi ebidensya.
13. Alin ang tamang diskarte para i-summarize ang aktwal na file ng kliyente (kabilang ang pangalan, address, impormasyon sa kalusugan)?
- A) Para sa bilis, i-paste ito sa pinakamalapit na pampublikong AI tool at ipabuod ito
- B) Pinoproseso ang file nang hindi binibigyang pansin ang privacy dahil ito ay maikli
- C) Ipasok ang lahat kasama ang impormasyon sa kalusugan at i-save lamang ang resulta
- D) Iproseso lamang sa isang secure na sistema na inaprubahan ng institusyon o may de-identified na text, na may minimum na data ✔
Pagbubunyag: Ang personal na data na nagpapakilala sa kliyente — lalo na ang sensitibong data tulad ng kalusugan — ay hindi kailanman ipinasok sa isang pampublikong tool na hindi inaprubahan ng institusyon; ang teksto ay maaaring iproseso, iimbak sa mga panlabas na server o gamitin sa pagsasanay ng modelo, at ang exfiltration ay hindi na maibabalik. Ito rin ay isang paglabag sa KVKK. Ang ganitong uri ng trabaho ay ginagawa lamang sa in-house, secure, at naaprubahang mga system na hindi naglalabas ng data o may de-identified na text.
14. Bakit ang pagtanggal ng mga pangalan mula sa isang dokumento ay hindi palaging sapat upang ibigay ito sa isang pampublikong kasangkapan?
- A) Ang pagtanggal ng mga pangalan ay palaging ganap na anonymization at ginagawang ligtas ang bawat dokumento
- B) Hangga't maikli ang dokumento, imposibleng maghinuha ng pagkakakilanlan mula sa konteksto
- C) Ang isang dokumento na ang pangalan ay ganap na tinanggal ay nasa labas ng saklaw ng KVKK.
- D) Ang konteksto (kapitbahayan, edad, kaganapan, istraktura ng pamilya) ay maaaring muling igiit ang pagkakakilanlan; Ang proteksyon ay ibinibigay sa pamamagitan ng pagpili ng tool at kapaligiran ✔
Paliwanag: Kahit na ang mga pangalan ay tinanggal, ang konteksto (isang bihirang kumbinasyon ng kapitbahayan, edad, kaganapan, petsa, istraktura ng pamilya, atbp.) ay maaaring gawing makikilala ang isang tao; Maaaring siya lang ang tao sa isang kapitbahayan na akma sa paglalarawan. Ang tunay na proteksyon ay hindi ibinibigay sa pamamagitan ng masking, ngunit sa pamamagitan ng pagpili ng tamang tool at kapaligiran; Ang konteksto ay personal na data din at ang hindi tiyak na impormasyon ay dapat protektahan bilang isang mas mataas na uri.
15. Mula sa aplikasyon hanggang sa pagsasara ng isang kaso, ano ang pinakamabisang paraan upang maiwasan ang paglabas ng isang error sa AI sa panghuling desisyon?
- A) Pagdelegasyon ng buong proseso sa iisang AI tool at isang beses lang pumirma sa dulo
- B) Paglalagay ng human verification gate at pass condition sa bawat yugto (layered verification) ✔
- C) Pag-alis ng mga intermediate validation para sa bilis at pagsuri lamang sa yugto ng output
- D) Pagpapahintulot sa bawat eksperto na gamitin ang kanyang sariling kasangkapan nang malaya nang hindi nag-iingat ng mga rekord
Paglalarawan: Ang isang gate ng pag-verify ng tao ay inilalagay sa bawat yugto (application/confidentiality, assessment/clinical na paghuhusga, risk/authorization, plan/verification, report/ebidensya, pagsasara/katumpakan); Hindi ka makakadaan sa isang pinto nang hindi dumadaan sa isa pa. Pinipigilan ng layered structure na ito ang isang hallucination, bias, o confidentiality error sa isang yugto mula sa pagpasok sa desisyon na nakakaapekto sa isang kliyente.