Lợi nhuận:
- Khả năng sử dụng dữ liệu ứng viên và nhân viên theo nguyên tắc KVKK (giới hạn mục đích, giảm thiểu dữ liệu)
- Khả năng bảo vệ dữ liệu cá nhân thông qua việc che giấu/ẩn danh và lựa chọn công cụ an toàn
- Khả năng hỗ trợ các quy trình tiết lộ, đồng ý và lưu giữ bằng AI để xử lý dữ liệu trong nhân sự
CV ứng viên, điểm thành tích, thông tin lương, nhận xét tham khảo, báo cáo y tế, hồ sơ kỷ luật... Nhân sự là người bảo vệ những dữ liệu cá nhân nhạy cảm nhất trong một công ty. Sử dụng các công cụ trí tuệ nhân tạo (AI) với dữ liệu này mang lại hiệu quả to lớn; nhưng nó cũng tạo ra trách nhiệm pháp lý và đạo đức nghiêm trọng. Chỉ cần dán tất cả CV của nhóm ứng viên vào một công cụ lộn xộn có thể dẫn đến vi phạm dữ liệu trong vòng vài phút. Trong phần này, chúng ta sẽ tìm hiểu cách sử dụng AI trong lĩnh vực nhân sự một cách tuân thủ, an toàn và có thể bảo vệ theo KVKK (Luật bảo vệ dữ liệu cá nhân).
Một số thuật ngữ: Dữ liệu cá nhân là bất kỳ thông tin nào liên quan đến một thể nhân được nhận dạng hoặc có thể nhận dạng (tên, ID, e-mail, thậm chí cả văn bản CV duy nhất). Dữ liệu chất lượng đặc biệt (nhạy cảm) là dữ liệu được bảo vệ bổ sung như sức khỏe, tôn giáo, đời sống tình dục, tiền án, thành viên công đoàn. Bên kiểm soát dữ liệu là tổ chức (công ty của bạn) xác định mục đích xử lý dữ liệu. Ẩn danh có nghĩa là tạo ra dữ liệu để nó không thể được liên kết lại với một người dưới bất kỳ hình thức nào. Che giấu (bút danh) là thay thế định danh bằng bút danh (Ứng viên 1, Ứng viên 2); Nó yếu hơn so với ẩn danh nhưng đủ cho hầu hết các phân tích.
Nguyên tắc cơ bản của KVKK và những nguyên tắc tương đương trong nhân sự
Các nguyên tắc chung của KVKK cũng ràng buộc việc bạn sử dụng AI. Để một giao dịch được hợp pháp, nó phải tuân thủ các nguyên tắc sau:
nguyên tắc
Ý nghĩa trong nhân sự
Tính hợp pháp và trung thực
Liệu có cơ sở pháp lý để xử lý hay không (hợp đồng, lợi ích hợp pháp, sự đồng ý rõ ràng)
Giới hạn mục đích
Chỉ sử dụng dữ liệu đúng mục đích đã thu thập (không sử dụng dữ liệu tuyển dụng vào hoạt động tiếp thị)
Giảm thiểu dữ liệu
Nhiều dữ liệu như công việc yêu cầu; đừng cống hiến quá nhiều cho người mẫu
độ chính xác
Đảm bảo dữ liệu được cập nhật và chính xác
giới hạn lưu trữ
Lưu trữ vô thời hạn; Phá hủy dữ liệu không còn cần thiết
Bảo mật
Xử lý dữ liệu với các biện pháp bảo vệ hành chính và kỹ thuật phù hợp
Thận trọng: Việc dán tất cả CV của nhóm ứng viên vào một công cụ AI chung mà không đảm bảo lưu giữ dữ liệu của công ty là một rủi ro nghiêm trọng đối với KVKK. Dữ liệu đó có thể được lưu trữ với nhà cung cấp mô hình và thậm chí được sử dụng trong đào tạo trong một số điều kiện dịch vụ. Các công cụ được công ty/chấp thuận, thỏa thuận xử lý dữ liệu (DPA) và ẩn danh/che giấu bất cứ khi nào có thể đều cần thiết khi làm việc với dữ liệu cá nhân.
Các bước sử dụng an toàn
- Chọn công cụ. Chọn các công cụ của công ty, có thỏa thuận xử lý dữ liệu và cung cấp tùy chọn "sử dụng dữ liệu của tôi trong giáo dục".
- Giảm thiểu dữ liệu. Cung cấp dữ liệu tối thiểu cần thiết để phân tích; loại bỏ phần dư thừa.
- Mặt nạ/ẩn danh. Thay thế tên, ID, số liên lạc, ngày sinh đầy đủ bằng giá trị biệt danh hoặc phạm vi.
- Giới hạn mục đích. Chỉ xử lý dữ liệu cho mục đích mà nó được thu thập.
- Giữ dấu vết. Ghi lại dữ liệu nào được xử lý, cho mục đích gì và bằng công cụ nào.
- Đặt sự chấp thuận của con người. Hãy để một người đưa ra quyết định có ảnh hưởng đến người đó.
Che giấu dữ liệu cá nhân trước khi đánh giá CV bên dưới:- Đặt "Ứng viên" thay vì tên, tạo thông tin liên hệ [BỊ XÓA] - Sử dụng độ tuổi (ví dụ: 30-35) thay vì ngày sinh - Khái quát hóa nếu tên trường/công ty có thể dẫn đến sự phân biệt đối xử Sau đó lập một bản tóm tắt có cấu trúc chỉ theo các tiêu chí liên quan đến công việc.
Thực hành ẩn danh và che giấu
Hầu hết các phân tích nhân sự có thể được thực hiện mà không cần xác định cá nhân. Logic phân tích không thay đổi, dữ liệu cá nhân không được tiết lộ:
Yếu (rủi ro): Dán dữ liệu có tên thật, CMND, đơn vị và đầy đủ lương. Mạnh (an toàn): Mã người là "Người 1/2/3", sử dụng độ tuổi thay vì ngày sinh, ban nhạc (ví dụ: 40-50k) thay vì toàn bộ lương. Sử dụng vùng thay vì vị trí, tháng/năm thay vì ngày chính xác.
AI cũng giúp soạn thảo các tài liệu KVKK, chẳng hạn như văn bản làm rõ và thời gian lưu giữ - nhưng một lần nữa, chỉ là bản nháp:
Vai trò của bạn: trợ lý bảo mật dữ liệu. Nhiệm vụ: Viết BẢN THẢO văn bản thông tin ứng viên phục vụ quá trình tuyển dụng. Nội dung: dữ liệu nào sẽ được xử lý, vì mục đích gì, trên cơ sở pháp lý nào, dữ liệu đó sẽ được lưu trữ trong bao lâu, quyền của ứng viên là gì. Quy tắc: Đánh dấu các phát biểu pháp lý bằng thẻ [XÁC MINH ĐẾN KVKK EXPERT]; thời gian/mục nhất định KHÔNG FAKE. Đây là bản dự thảo, không phải văn bản cuối cùng.
Ba hộp nhỏ
Trường hợp 1 - Vi phạm được ngăn chặn trong gang tấc. Một nhà tuyển dụng định dán 60 CV vào tài khoản xe cá nhân của mình cùng một lúc. Trưởng nhóm đã can thiệp; Quy trình này đã được chuyển sang một công cụ hỗ trợ DPA của công ty và các CV đã được che giấu và xử lý. Nhờ đó, cả tính hiệu quả đều được duy trì và nguy cơ vi phạm cũng như phạt hành chính có thể xảy ra được loại bỏ.
Trường hợp 2 - Vi phạm giới hạn mục đích. Một công ty sau đó đã sử dụng email ứng viên được thu thập để tuyển dụng trong một chiến dịch tiếp thị. Đây là hành vi vi phạm nguyên tắc "giới hạn mục đích" và là đối tượng bị khiếu nại. Sau sự cố, HR đã thực hiện quy tắc ghi nhãn mục đích của từng tập dữ liệu và ngăn chặn việc sử dụng sai mục đích.
Trường hợp 3 - Giới hạn lưu trữ. Một tổ chức lưu giữ CV của những ứng viên không được tuyển dụng trong nhiều năm. Dữ liệu, mục đích và thời gian lưu giữ phù hợp với kho dữ liệu được hỗ trợ bởi AI; Dữ liệu hết hạn đã được đưa vào kế hoạch hủy bỏ. Do đó, cả giới hạn lưu trữ hợp pháp đều được tuân thủ và giảm thiểu rủi ro không cần thiết.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu: Đánh giá thông tin của những ứng viên này. [tên thật, ID Thổ Nhĩ Kỳ, mức lương, CV đầy đủ]
Kết quả: dữ liệu cá nhân nhạy cảm được xử lý không an toàn; Nguy cơ vi phạm KVKK và rò rỉ dữ liệu.
Lời nhắc mạnh mẽ: [dữ liệu bị che giấu (Ứng viên 1/2, độ tuổi, mức lương) + giới hạn mục tiêu + "chỉ tiêu chí liên quan đến công việc" + công ty/công cụ được phê duyệt + xếp hạng phê duyệt của con người]
Kết quả: khả năng phân tích tương tự mà không tiết lộ dữ liệu cá nhân; một quá trình có thể bào chữa và hợp pháp.
Mẹo: Trước khi cung cấp dữ liệu cho AI, hãy kiểm tra điều này: “Quyền riêng tư của ai đó có bị tổn hại nếu ảnh chụp màn hình này bị rò rỉ không?” Nếu câu trả lời là "có", hãy che giấu dữ liệu đó hoặc hoàn toàn không cung cấp dữ liệu đó. Nếu nghi ngờ, hãy quyết định giảm thiểu dữ liệu.
Những lỗi thường gặp
- Cung cấp dữ liệu cá nhân thô cho một công cụ không bảo mật. Các phương tiện được sử dụng trong đào tạo mà không có DPA đều có nhiều rủi ro.
- Bỏ qua việc đắp mặt nạ. Tên/TC/ngày đầy đủ là không cần thiết trong hầu hết các phân tích; loại bỏ nó.
- Lạm dụng. Không sử dụng dữ liệu tuyển dụng cho bất kỳ mục đích nào khác, chẳng hạn như tiếp thị.
- Lưu trữ vô thời hạn. Đặt dữ liệu có mục đích không còn nằm trong kế hoạch tiêu hủy.
- Đánh giá thấp dữ liệu nhạy cảm Dữ liệu về sức khỏe/hình phạt/tôn giáo được bảo vệ chặt chẽ hơn; Tránh tham gia vào AI.
- Không để lại dấu vết. Nếu bạn không ghi lại những gì bạn làm với dữ liệu nào, bạn sẽ không thể được kiểm tra.
Tóm lại
- Dữ liệu cá nhân về nhân sự (CV, hiệu suất, tiền lương, sức khỏe) nằm trong phạm vi của KVKK; Việc sử dụng AI cũng phải tuân theo những nguyên tắc này.
- Chọn các công cụ được công ty/phê duyệt có DPA và không sử dụng dữ liệu của bạn trong quá trình đào tạo; Không dán dữ liệu thô vào các công cụ chung chung.
- Giới hạn mục đích và giảm thiểu dữ liệu: chỉ xử lý dữ liệu cần thiết cho mục đích thu thập dữ liệu.
- Việc che giấu và ẩn danh giúp đảm bảo an toàn cho hầu hết các phân tích; Sử dụng bí danh và phạm vi thay vì tên/TC/ngày đầy đủ.
- AI tạo ra các bản nháp trong các tài liệu tiết lộ, chấp thuận và lưu giữ; Nhờ chuyên gia KVKK xác minh các chi tiết pháp lý và để người đó quyết định những gì ảnh hưởng đến người đó.
Nhiệm vụ ứng dụng
Lấy CV hoặc hồ sơ nhân viên mà bạn có (hoặc hồ sơ hư cấu). Đầu tiên hãy liệt kê các trường dữ liệu cá nhân trong đó và hỏi “cái này có cần thiết để phân tích không?” cho mỗi người. Trả lời câu hỏi. Tạo một phiên bản an toàn bằng cách loại bỏ những thứ không cần thiết và che giấu những thứ cần thiết (Ứng viên, độ tuổi, mức lương). Yêu cầu AI tạo bản tóm tắt liên quan đến công việc chỉ với dữ liệu được che giấu này. Đồng thời soạn thảo một bản cáo bạch ngắn gọn về ứng cử viên và đánh dấu các tuyên bố pháp lý là “cần được xác minh”.
danh sách kiểm tra
- [ ] Công cụ này có được doanh nghiệp sử dụng/được phê duyệt và được chứng nhận DPA không?
- [ ] Dữ liệu có được thu nhỏ không (chỉ các trường bắt buộc)?
- [ ] Các thông tin nhận dạng như tên/ID/ngày đầy đủ có bị che giấu không?
- [ ] Dữ liệu có chất lượng đặc biệt (sức khỏe, tội phạm, tôn giáo) có bị loại khỏi quy trình không?
- [ ] Dữ liệu chỉ được sử dụng cho mục đích thu thập dữ liệu phải không?
- [ ] Thời gian lưu trữ và kế hoạch tiêu hủy đã được xác định chưa?
- [ ] Quyết định cuối cùng có ảnh hưởng đến con người ở một người không?