فائدہ:
- امیدوار اور ملازم کے ڈیٹا کو KVKK اصولوں کے مطابق استعمال کرنے کی اہلیت (مقصد کی حد، ڈیٹا کو کم سے کم کرنا)
- ماسکنگ/ گمنامی اور محفوظ ٹول سلیکشن کے ذریعے ذاتی ڈیٹا کی حفاظت کرنے کی صلاحیت
- HR میں ڈیٹا پروسیسنگ کے لیے AI کے ساتھ افشاء، رضامندی اور برقراری کے عمل کی حمایت کرنے کی اہلیت
امیدواروں کے CVs، کارکردگی کے اسکور، تنخواہ کی معلومات، حوالہ جات، طبی رپورٹس، تادیبی ریکارڈ... HR کمپنی میں سب سے زیادہ حساس ذاتی ڈیٹا کا محافظ ہے۔ اس ڈیٹا کے ساتھ مصنوعی ذہانت (AI) ٹولز کا استعمال زبردست کارکردگی فراہم کرتا ہے۔ لیکن یہ سنگین قانونی اور اخلاقی ذمہ داری بھی پیدا کرتا ہے۔ صرف امیدوار پول کے تمام CVs کو بے ترتیب ٹول میں چسپاں کرنا منٹوں میں ڈیٹا کی خلاف ورزی میں بدل سکتا ہے۔ اس یونٹ میں، ہم سیکھیں گے کہ KVKK (پرسنل ڈیٹا پروٹیکشن قانون) کے مطابق HR میں AI کے استعمال کو کس طرح قابل، محفوظ اور قابل دفاع بنایا جائے۔
چند اصطلاحات: ذاتی ڈیٹا کسی شناخت شدہ یا قابل شناخت قدرتی شخص (نام، ID، ای میل، یہاں تک کہ ایک منفرد CV متن) سے متعلق کوئی بھی معلومات ہے۔ خصوصی کوالٹی (حساس) ڈیٹا اضافی محفوظ ڈیٹا ہے جیسے کہ صحت، مذہب، جنسی زندگی، مجرمانہ سزا، یونین کی رکنیت۔ ڈیٹا کنٹرولر وہ ادارہ (آپ کی کمپنی) ہے جو ڈیٹا پر کارروائی کرنے کا مقصد طے کرتا ہے۔ گمنامی کا مطلب ہے ڈیٹا بنانا تاکہ اسے کسی بھی طرح سے کسی شخص سے منسلک نہ کیا جا سکے۔ ماسکنگ (تخلص) شناخت کنندگان کو تخلص کے ساتھ بدل رہا ہے (امیدوار 1، امیدوار 2)؛ یہ گمنامی سے کمزور ہے لیکن زیادہ تر تجزیوں کے لیے کافی ہے۔
KVKK کے بنیادی اصول اور HR میں اس کے مساوی
KVKK کے عمومی اصول آپ کے AI کے استعمال کو بھی پابند کرتے ہیں۔ کسی لین دین کے قانونی ہونے کے لیے، اسے ان اصولوں کی تعمیل کرنی چاہیے:
اصول
HR میں معنی
قانونیت اور ایمانداری
کیا پروسیسنگ کے لیے قانونی بنیاد ہے (معاہدہ، جائز مفاد، واضح رضامندی)
مقصد کی حد
صرف اسی مقصد کے لیے ڈیٹا استعمال کریں جس کے لیے اسے جمع کیا گیا تھا (مارکیٹنگ میں بھرتی کا ڈیٹا استعمال نہ کریں)
ڈیٹا کو کم سے کم کرنا
کام کے لیے جتنا ڈیٹا درکار ہے؛ ماڈل کو بہت زیادہ نہ دیں۔
درستگی
یقینی بنائیں کہ ڈیٹا اپ ٹو ڈیٹ اور درست ہے۔
اسٹوریج کی حد
غیر معینہ اسٹوریج؛ ڈیٹا کو تباہ کریں مزید ضرورت نہیں ہے۔
سیکورٹی
مناسب تکنیکی اور انتظامی تحفظات کے ساتھ ڈیٹا پر کارروائی کریں۔
احتیاط: کارپوریٹ ڈیٹا برقرار رکھنے کی کوئی گارنٹی کے بغیر امیدوار پول کے تمام CVs کو ایک عام AI ٹول میں چسپاں کرنا KVKK کے لیے ایک سنگین خطرہ ہے۔ اس ڈیٹا کو ماڈل کے فراہم کنندہ کے ساتھ ذخیرہ کیا جا سکتا ہے اور یہاں تک کہ سروس کے کچھ حالات میں تربیت میں استعمال کیا جا سکتا ہے۔ ذاتی ڈیٹا کے ساتھ کام کرتے وقت کارپوریٹ/منظور شدہ ٹولز، ڈیٹا پروسیسنگ کے معاہدے (DPA) اور جہاں بھی ممکن ہو گمنامی/ماسکنگ ضروری ہیں۔
محفوظ استعمال کے لیے اقدامات
- ٹول منتخب کریں۔ ایسے ٹولز کا انتخاب کریں جو کارپوریٹ ہوں، ان کے پاس ڈیٹا پروسیسنگ کا معاہدہ ہو، اور "تعلیم میں میرا ڈیٹا استعمال کرنے" کا اختیار پیش کریں۔
- ڈیٹا کو کم سے کم کریں۔ تجزیہ کے لیے درکار کم از کم ڈیٹا فراہم کریں؛ اضافی کو ہٹا دیں.
- ماسک/گمنام۔ نام، ID، رابطہ، پیدائش کی مکمل تاریخ عرفی قدر یا رینج سے تبدیل کریں۔
- مقصد کو محدود کریں۔ صرف اس مقصد کے لیے ڈیٹا پر کارروائی کریں جس کے لیے اسے جمع کیا گیا تھا۔
- پگڈنڈی رکھیں۔ ریکارڈ کریں کہ کون سے ڈیٹا پر کارروائی ہوئی، کس مقصد کے لیے، اور کس ٹول کے ساتھ۔
- انسانی منظوری رکھو. کسی شخص کو وہ فیصلہ کرنے دیں جو اس شخص پر اثر انداز ہو۔
ذیل میں CV کا جائزہ لینے سے پہلے ذاتی ڈیٹا کو ماسک کریں:- نام کی بجائے "امیدوار" بنائیں، رابطہ کی معلومات بنائیں [REDACTED]- تاریخ پیدائش کے بجائے عمر کی حد (جیسے 30-35) کا استعمال کریں- اگر اسکول/کمپنی کا نام امتیازی سلوک کا باعث بن سکتا ہے تو عام کریں پھر صرف ملازمت سے متعلقہ معیار کے مطابق ایک منظم خلاصہ بنائیں۔
گمنامی اور ماسکنگ کی مشق
زیادہ تر HR تجزیہ فرد کی شناخت کیے بغیر کیا جا سکتا ہے۔ تجزیہ کی منطق تبدیل نہیں ہوتی ہے، ذاتی ڈیٹا کو ظاہر نہیں کیا جاتا ہے:
کمزور (خطرناک): اصلی نام، ID، یونٹ اور پوری تنخواہ کے ساتھ ڈیٹا پیسٹ کرنا۔ مضبوط (محفوظ): لوگوں کو "شخص 1/2/3" کے طور پر کوڈ کریں، تاریخ پیدائش کے بجائے عمر کی حد استعمال کریں، پوری تنخواہ کے بجائے بینڈ (مثلاً 40-50k)۔ محل وقوع کے بجائے علاقہ، صحیح تاریخ کے بجائے مہینہ/سال استعمال کریں۔
AI KVKK دستاویزات کے مسودے میں بھی مدد کرتا ہے، جیسے کہ وضاحتی متن اور برقرار رکھنے کی مدت — لیکن دوبارہ، صرف مسودہ:
آپ کا کردار: ڈیٹا پرائیویسی اسسٹنٹ۔ ٹاسک: بھرتی کے عمل کے لیے امیدوار کی معلومات کے متن کا مسودہ لکھیں۔ مواد: کس ڈیٹا پر کارروائی کی جائے گی، کس مقصد کے لیے، کس قانونی بنیاد پر، اسے کب تک ذخیرہ کیا جائے گا، امیدوار کے حقوق کیا ہیں۔ اصول: قانونی بیانات کو [کے وی کے کے ماہر سے تصدیق کریں] ٹیگ سے نشان زد کریں۔ مخصوص مدت/آئٹم جعلی نہ کریں۔ یہ ایک مسودہ ہے، حتمی متن نہیں۔
تین چھوٹے کیسز
کیس 1 - خلاف ورزی کو تھوڑا سا ٹالا گیا۔ ایک بھرتی کرنے والا اپنے ذاتی گاڑی کے اکاؤنٹ میں ایک ساتھ 60 سی وی پیسٹ کرنے والا تھا۔ ٹیم لیڈر نے مداخلت کی۔ اس عمل کو ایک کارپوریٹ، ڈی پی اے سے چلنے والے ٹول میں منتقل کر دیا گیا اور CVs کو ماسک کیا گیا اور اس پر کارروائی کی گئی۔ اس طرح، دونوں کی کارکردگی کو برقرار رکھا گیا اور ممکنہ خلاف ورزی اور انتظامی جرمانے کے خطرے کو ختم کر دیا گیا۔
کیس 2 - مقصد کی حد کی خلاف ورزی۔ ایک کمپنی نے بعد میں ایک مارکیٹنگ مہم میں بھرتی کے لیے جمع کردہ امیدواروں کی ای میلز کا استعمال کیا۔ یہ "مقصد کی حد" کے اصول کی خلاف ورزی تھی اور شکایت کا موضوع تھی۔ واقعے کے بعد، HR نے ہر ڈیٹاسیٹ کے مقصد اور غلط استعمال کو روکنے کے لیے ایک قاعدہ نافذ کیا۔
کیس 3 - ذخیرہ کرنے کی حد۔ ایک تنظیم نے ایسے امیدواروں کے سی وی اپنے پاس رکھے جنہیں برسوں سے ملازمت نہیں دی گئی۔ AI سے چلنے والی انوینٹری کے ساتھ مماثل ڈیٹا، مقصد اور برقرار رکھنے کی مدت؛ تباہی کے منصوبے میں میعاد ختم ہونے والا ڈیٹا شامل تھا۔ اس طرح، دونوں قانونی سٹوریج کی حد کی تعمیل کی گئی اور غیر ضروری خطرے کو کم کیا گیا۔
کمزور پرامپٹ / مضبوط اشارہ
کمزور اشارہ: ان امیدواروں کی معلومات کا جائزہ لیں۔ [اصلی نام، ترکی کی شناخت، تنخواہ، مکمل CV]
نتیجہ: حساس ذاتی ڈیٹا کو غیر محفوظ طریقے سے پروسیس کیا جاتا ہے۔ KVKK کی خلاف ورزی اور ڈیٹا لیک ہونے کا خطرہ۔
طاقتور اشارہ: [نقاب پوش ڈیٹا (امیدوار 1/2، عمر کی حد، تنخواہ کا بینڈ) + مقصد کی حد + "صرف ملازمت سے متعلق معیار" + کارپوریٹ/منظور شدہ ٹول + انسانی منظوری کی درجہ بندی]
نتیجہ: وہی تجزیاتی طاقت، ذاتی ڈیٹا کو ظاہر کیے بغیر؛ ایک قابل دفاع اور قانونی عمل۔
ٹپ: AI کو ڈیٹا دینے سے پہلے، اس کی جانچ کریں: "کیا کسی کی پرائیویسی کو نقصان پہنچے گا اگر یہ اسکرین شاٹ لیک ہو جائے؟" اگر جواب "ہاں" ہے، یا تو اس ڈیٹا کو ماسک کریں یا اسے بالکل فراہم نہ کریں۔ اگر شک ہو تو، ڈیٹا کو کم سے کم کرنے کا فیصلہ کریں۔
عام غلطیاں
- غیر محفوظ ٹول کو خام ذاتی ڈیٹا دینا۔ DPA کے بغیر ٹریننگ میں استعمال ہونے والی گاڑیاں خطرناک ہیں۔
- ماسکنگ کو چھوڑنا۔ زیادہ تر تجزیوں میں نام/TC/مکمل تاریخ غیر ضروری ہے۔ اسے ہٹا دیں.
- غلط استعمال۔ بھرتی کا ڈیٹا کسی دوسرے مقصد کے لیے استعمال نہ کریں، جیسے کہ مارکیٹنگ۔
- غیر معینہ اسٹوریج۔ ڈیٹا رکھیں جس کا مقصد تباہی کے منصوبے پر نہیں ہے۔
- حساس ڈیٹا کو کم سمجھنا۔ صحت/جرمانہ/مذہبی ڈیٹا اضافی محفوظ ہے۔ AI میں مشغول ہونے سے گریز کریں۔
- کوئی نشان نہ چھوڑیں۔ اگر آپ ریکارڈ نہیں کرتے کہ آپ کس ڈیٹا کے ساتھ کیا کرتے ہیں، تو آپ کا آڈٹ نہیں کیا جا سکتا۔
خلاصہ میں
- HR میں ذاتی ڈیٹا (CV، کارکردگی، تنخواہ، صحت) KVKK کے دائرہ کار میں ہے۔ AI کا استعمال بھی ان اصولوں کے تابع ہے۔
- کارپوریٹ/منظور شدہ ٹولز کا انتخاب کریں جن کے پاس DPA ہے اور وہ تربیت میں آپ کا ڈیٹا استعمال نہیں کرتے ہیں۔ خام ڈیٹا کو عام ٹولز میں نہ چسپاں کریں۔
- مقصد کی حد بندی اور ڈیٹا کو کم سے کم کرنا: صرف اس مقصد کے لیے ضروری ڈیٹا پر کارروائی کریں جس کے لیے اسے جمع کیا گیا تھا۔
- ماسکنگ اور گمنامی زیادہ تر تجزیوں کو محفوظ بناتی ہے۔ نام/TC/پوری تاریخ کے بجائے عرف اور رینج استعمال کریں۔
- AI انکشاف، رضامندی اور برقرار رکھنے کے دستاویزات میں مسودے تیار کرتا ہے۔ KVKK کے ماہر سے قانونی تفصیلات کی تصدیق کروائیں اور فیصلہ اس شخص پر چھوڑ دیں جو اس شخص کو متاثر کرتا ہے۔
درخواست کا کام
سی وی یا ملازم کا ریکارڈ لیں جو آپ کے پاس ہے (یا ایک خیالی)۔ پہلے اس میں ذاتی ڈیٹا فیلڈز کی فہرست بنائیں اور پوچھیں "کیا تجزیہ کے لیے یہ ضروری ہے؟" ہر ایک کے لیے سوال کا جواب دیں۔ غیر ضروری کو ہٹا کر اور ضروری (امیدوار، عمر کی حد، تنخواہ بینڈ) کو چھپا کر ایک محفوظ ورژن بنائیں۔ AI کو صرف اس نقاب پوش ڈیٹا کے ساتھ نوکری سے متعلق خلاصہ تیار کرنے کو کہیں۔ امیدواروں کا ایک مختصر پراسپیکٹس بھی تیار کریں اور قانونی بیانات کو بطور "تصدیق شدہ" نشان زد کریں۔
چیک لسٹ
- کیا ٹول کارپوریٹ/منظور شدہ اور DPA سے تصدیق شدہ ہے؟
- کیا ڈیٹا کو کم سے کم کیا گیا ہے (صرف مطلوبہ فیلڈز)؟
- کیا شناخت کنندگان جیسے نام/ID/مکمل تاریخ پر نقاب پوش ہیں؟
- کیا خصوصی معیار (صحت، مجرمانہ، مذہبی) ڈیٹا کو اس عمل سے خارج کر دیا گیا ہے؟
- کیا ڈیٹا صرف اسی مقصد کے لیے استعمال ہوتا ہے جس کے لیے اسے جمع کیا گیا تھا؟
- کیا ذخیرہ کرنے کی مدت اور تباہی کے منصوبے کا تعین کیا گیا ہے؟
- کیا حتمی فیصلہ کسی شخص میں فرد کو متاثر کرتا ہے؟