KVKK, Quyền riêng tư và Quản trị trí tuệ nhân tạo công cộng có trách nhiệm — Trí tuệ nhân tạo trong hành chính công và chính phủ

Lợi nhuận:

Nó áp dụng các nguyên tắc KVKK và giảm thiểu dữ liệu khi xử lý dữ liệu cá nhân của công dân trong các công cụ AI.
Nó thiết lập khung quản trị cho một tổ chức bao gồm chính sách sử dụng AI, quy trình kiểm toán và chuỗi trách nhiệm.
Nó lập luận một cách tổng thể rằng AI công cộng có trách nhiệm được xây dựng dựa trên sự giám sát, tính minh bạch và trách nhiệm giải trình của con người.

Trong suốt mô-đun này, chúng ta đã thấy AI là một công cụ tăng tốc mạnh mẽ trong cộng đồng như thế nào: trả lời các câu hỏi, kiến nghị và thư từ của công dân, nghiên cứu lập pháp, phân tích chính sách, báo cáo, ra quyết định dựa trên dữ liệu, chính phủ điện tử và tính minh bạch. Bây giờ chúng ta đến với khuôn khổ gắn kết tất cả lại với nhau: bảo vệ dữ liệu cá nhân và quản trị có trách nhiệm. Về bản chất, công khai xử lý dữ liệu nhạy cảm nhất của công dân: danh tính, địa chỉ, thu nhập, sức khỏe, hồ sơ tội phạm, hoàn cảnh gia đình. Việc xử lý dữ liệu này bằng các công cụ AI phải tuân thủ đầy đủ khuôn khổ của KVKK (Luật bảo vệ dữ liệu cá nhân số 6698; luật quy định việc xử lý dữ liệu cá nhân hợp pháp, có giới hạn và an toàn). Trong phần cuối cùng này, chúng ta sẽ thiết lập nền tảng về quyền riêng tư và quản trị trong việc sử dụng AI công cộng - dữ liệu nào có thể được cung cấp cho công cụ nào, chính sách nào áp dụng, ai chịu trách nhiệm, cách tổ chức quản lý AI một cách an toàn. Đơn vị này là mái nhà được đặt trên mười đơn vị trước đó.

Nguyên tắc cơ bản của KVKK chạm tới AI công cộng

KVKK đặt ra một số nguyên tắc cơ bản, mỗi nguyên tắc đều trực tiếp hạn chế việc sử dụng AI:

Tuân thủ pháp luật và tuân thủ mục đích: Dữ liệu cá nhân chỉ được xử lý cho mục đích cụ thể, hợp pháp. Dữ liệu được thu thập cho một mục đích (ví dụ: đăng ký trợ giúp) không thể được sử dụng cho mục đích khác (ví dụ: đào tạo người mẫu) mà không được phép.
Giảm thiểu dữ liệu: Không có nhiều dữ liệu được xử lý hơn mức cần thiết cho mục đích. Nếu phân tích danh mục không yêu cầu tên thì sẽ không có tên nào được đưa ra.
Bảo mật: Dữ liệu được bảo vệ khỏi sự truy cập trái phép. Việc dán dữ liệu công dân vào công cụ AI công cộng là lấy dữ liệu đó ra bên ngoài tổ chức - đó là hành vi vi phạm chính sách bảo mật.
Thời gian lưu trữ: Dữ liệu bị xóa khi mục đích kết thúc; Nó không được giữ vô thời hạn.
Thông tin và quyền: Công dân có quyền biết dữ liệu của họ được xử lý như thế nào, chỉnh sửa, xóa và phản đối các quyết định tự động.

Lưu ý: Việc tải dữ liệu của công dân lên một công cụ AI công cộng mà tổ chức chưa phê duyệt, dữ liệu được lưu trữ ở đâu và ai có quyền truy cập vào dữ liệu đó là không rõ ràng, trong hầu hết các trường hợp là vi phạm KVKK và khiến tổ chức phải chịu các biện pháp trừng phạt. Các quy tắc không bao giờ bị bẻ cong "để làm cho công việc dễ dàng hơn".

Dữ liệu nào, xe nào? Mô hình ba vùng

Theo nguyên tắc chung, hãy chia dữ liệu thành ba vùng:

Màu đỏ (không bao giờ đi vào phương tiện công cộng): Số ID, sức khỏe, hình sự, tôn giáo, dân tộc, sinh trắc học, địa chỉ đầy đủ, bất cứ thứ gì nhận dạng người đó. Chúng chỉ được xử lý trong môi trường hợp đồng/nội bộ và tuân thủ KVKK đã được tổ chức phê duyệt.
Màu vàng (cẩn thận, bằng cách che): Dữ liệu có thể được liên kết gián tiếp với người đó. Ẩn danh/tổng hợp trước, sau đó xử lý.
Màu xanh lá cây (miễn phí): Thông tin khách quan, công khai, chung (văn bản lập pháp, số liệu thống kê công khai, thủ tục chung). Bạn có thể dễ dàng xử lý những điều này bằng AI.

Mẹo: Trước khi gửi văn bản cho AI, hãy thực hiện bài kiểm tra 5 giây: “Có nội dung nào trong nội dung này có thể nhận dạng một người không?” Nếu câu trả lời là “có/có thể”, hãy đeo mặt nạ hoặc lái một chiếc xe được phê duyệt. Nếu nghi ngờ, hãy xem xét màu đỏ.

Quản trị doanh nghiệp: từ con người đến hệ thống

AI công cộng có trách nhiệm không thể phó mặc cho thiện chí của từng công chức; Cần có khung thể chế:

Chính sách: Tổ chức phải có chính sách sử dụng AI: công cụ nào được phê duyệt, dữ liệu nào có thể được nhập, ai chịu trách nhiệm.
Danh sách công cụ được phê duyệt: Nhân sự nên sử dụng các công cụ mà tổ chức đã đánh giá và phê duyệt, không nên sử dụng ngẫu nhiên.
Đào tạo: Nhân viên phải biết nguyên tắc xác minh và vùng dữ liệu (như mô-đun này).
Ghi lại và kiểm tra: Cần lưu giữ một bản kiểm tra các quyết định được tạo ra bằng AI.
Trách nhiệm giải trình: Mọi đầu ra do AI cung cấp đều phải có chủ sở hữu và sự phê duyệt của con người. Trách nhiệm thuộc về cơ quan và cán bộ chứ không phải phương tiện.
Nguyên tắc lấy con người làm trung tâm: Không có quyết định cuối cùng nào về việc tạo ra/hạn chế quyền được đưa ra nếu không có sự đồng ý của con người.

ba trường hợp nhỏ

Trường hợp 1 - Ngăn chặn rò rỉ dữ liệu màu đỏ. Một nhân viên chuẩn bị tải bản tóm tắt danh sách các lợi ích sức khỏe cho 1.200 người lên một công cụ công cộng. Nhờ chính sách phương tiện được cơ quan phê duyệt và đào tạo "dữ liệu đỏ", nó đã dừng lại; Dữ liệu được xử lý trong môi trường nội bộ đã được phê duyệt và được che dấu các trường nhận dạng. Ngăn chặn được khả năng vi phạm KVKK và mất lòng tin của hàng chục nghìn người.

Trường hợp 2 - Sử dụng sai. Một đơn vị muốn sử dụng dữ liệu được thu thập để tiếp cận kế hoạch truyền thông trước bầu cử. Nhân viên bảo vệ dữ liệu nhắc lại nguyên tắc tuân thủ mục đích: đây là việc sử dụng dữ liệu ngoài mục đích mà dữ liệu được thu thập và là bất hợp pháp. Yêu cầu đã bị từ chối.

Trường hợp 3 - Khoảng cách quản trị đã được thu hẹp. Ở một đô thị, các đơn vị khác nhau đang sử dụng các công cụ AI khác nhau mà không có sự kiểm soát; Không ai biết dữ liệu nào đã đi đâu. Cơ quan này đã đưa ra chính sách sử dụng AI, danh sách phương tiện đã được phê duyệt và quá trình kiểm tra; Trong vòng 3 tháng, số lượng xe chưa đăng ký sử dụng đã giảm 90% và kho dữ liệu đã được tạo.

Bốn mẫu có thể sao chép

1) Phân loại vùng dữ liệu (trước khi xuất ra xe):

Vai trò của bạn: cố vấn bảo vệ dữ liệu. Phân loại nội dung sau trước khi đưa cho tác nhân AI: ĐỎ (nhận dạng người, không bao giờ đi vào phương tiện công cộng), VÀNG (có thể kết nối gián tiếp, đeo mặt nạ), XANH (phi cá nhân, miễn phí). Đánh dấu từng khu vực màu đỏ/vàng và hướng dẫn họ cách đắp mặt nạ. Đếm nghi phạm là màu đỏ. NỘI DUNG: [văn bản]

2) Che giấu/ẩn danh:

Ẩn danh tất cả dữ liệu cá nhân trước khi xử lý văn bản sau: tên -> [PERSON-1], số ID -> [IDENTITY], địa chỉ ->[ĐỊA CHỈ], sức khỏe/hình phạt -> [NHẠY CẢM]. Gắn thẻ cùng một người. Xuất riêng văn bản ẩn danh. Không bao giờ ghi dữ liệu thực tế vào đầu ra. VĂN BẢN: [văn bản]

3) Danh sách kiểm tra tuân thủ KVKK (để sử dụng AI):

Vai trò của bạn: Chuyên gia tuân thủ KVKK. Tạo một danh sách kiểm tra tuân thủ cho mục đích sử dụng AI sau: (1) mục đích xử lý có hợp pháp và cụ thể không, (2) nó có liên quan đến mục đích không (nó có chuyển sang mục đích khác không), (3) nó có được tối ưu hóa không, (4) công cụ có an toàn/được phê duyệt không, (5) có khoảng thời gian lưu giữ nhất định không, (6) các quyền công dân (phản đối, xóa) được bảo vệ. Đánh dấu các mục còn thiếu bằng cờ đỏ. SỬ DỤNG: [công thức]

4) Khung chính sách AI của doanh nghiệp:

Vai trò của bạn: chuyên gia quản trị CNTT công. Tạo khung chính sách sử dụng AI cho tổ chức của chúng tôi: phạm vi, công cụ được phê duyệt, vùng dữ liệu (đỏ/vàng/xanh), các mục đích sử dụng bị cấm, điểm phê duyệt của con người, quy trình kiểm tra, trách nhiệm, đào tạo và thông báo vi phạm. Điền vào mỗi tiêu đề 1-2 câu. CƠ QUAN: [đơn vị và công việc tiêu biểu]

Dấu nhắc yếu / Dấu nhắc mạnh

Yếu: "Tóm tắt danh sách tài liệu tham khảo này."

Strong: "Vai trò của bạn là nhà tư vấn bảo vệ dữ liệu. Đầu tiên, hãy phân loại danh sách này theo vùng dữ liệu (đỏ/vàng/xanh) và đánh dấu tất cả các trường nhận dạng người đó. Che các trường màu đỏ/vàng bằng [PERSON]/[IDENTITY]/[SENSITIVE], giữ cùng một người với cùng một nhãn. Chỉ tạo bản tóm tắt danh mục với dữ liệu tổng hợp, ẩn danh; không ghi dữ liệu cá nhân thực vào đầu ra. Cuối cùng, hãy lưu ý rằng quy trình này yêu cầu chú ý về mặt KVKK (mục đích, lưu trữ, bảo mật phương tiện) thêm."

Sự khác biệt: lời nhắc mạnh mẽ phân loại, che dấu, thu nhỏ và tích hợp các nguyên tắc KVKK trước khi xử lý dữ liệu.

Vùng dữ liệu và quy tắc

Vùng

ví dụ

cai trị

màu đỏ

Số ID TR, sức khỏe, hình phạt, địa chỉ đầy đủ

Không bao giờ đi vào phương tiện công cộng; môi trường được phê duyệt

màu vàng

Tuổi+khu phố+nghề nghiệp, số nhận dạng gián tiếp

Mặt nạ/tổng hợp, sau đó xử lý

màu xanh lá cây

Pháp luật, thống kê công cộng, thủ tục chung

công việc tự do

Những lỗi thường gặp

Xuất dữ liệu màu đỏ sang công cụ công cộng. Vi phạm nghiêm trọng nhất; Dữ liệu ID/sức khỏe/hình phạt không rời khỏi môi trường đã được phê duyệt.
Lạm dụng. Việc sử dụng dữ liệu được thu thập cho mục đích này cho mục đích khác (đào tạo mô hình, truyền thông) mà không được phép là vi phạm pháp luật.
Xử lý quá nhiều dữ liệu. Không di chuyển các trường không cần thiết (tên, địa chỉ) cho mục đích này; Giảm thiểu.
Lái xe mà không có sự chấp thuận. Không rõ dữ liệu đi đâu trong các phương tiện mà tổ chức này chưa đánh giá.
Không xác định thời gian lưu giữ. Dữ liệu sẽ bị xóa khi mục đích hoàn thành; không nên giữ vô thời hạn.
Đổ trách nhiệm lên xe. Đầu ra thuộc sở hữu và phê duyệt của con người; “AI đã làm được điều đó” không phải là lời bào chữa.

Tóm lại

Khuôn khổ cho AI công cộng có trách nhiệm là bảo vệ dữ liệu cá nhân và quản trị doanh nghiệp. Nguyên tắc KVKK — tính mục đích, giảm thiểu, bảo mật, giới hạn lưu giữ, quyền công dân — hạn chế mọi hoạt động sử dụng AI. Tách dữ liệu thành các vùng đỏ/vàng/xanh lục, không bao giờ đưa màu đỏ vào công cụ công cộng, che giấu dữ liệu cá nhân, chỉ sử dụng các công cụ đã được phê duyệt và kết nối chủ sở hữu con người với mọi quyết định. Chính sách cấp cơ sở, danh sách xe được phê duyệt, hồ sơ đào tạo và kiểm tra; Kỷ luật xác minh ở cấp độ cá nhân. Vì vậy, AI phục vụ công chúng bằng cách bảo vệ quyền lợi của công dân.

Nhiệm vụ ứng dụng

Chọn cách sử dụng AI thực tế mà bạn đã thực hiện (hoặc đang cân nhắc thực hiện) trong đơn vị của mình. Tách nội dung bạn sẽ xử lý thành màu đỏ/vàng/xanh lục bằng mẫu "Phân loại vùng dữ liệu". Áp dụng mẫu "danh sách kiểm tra tuân thủ KVKK" và tìm ra ít nhất một điểm còn thiếu/có rủi ro. Cuối cùng, hãy soạn thảo một chính sách ngắn phù hợp với đơn vị của bạn với “Bộ khung chính sách AI của doanh nghiệp”.

danh sách kiểm tra

[ ] Tôi chia nội dung thành vùng đỏ/vàng/xanh lục; Tôi đếm nghi phạm là màu đỏ.
[ ] Tôi không cung cấp dữ liệu màu đỏ cho công cụ công cộng; Tôi đã sử dụng phương tiện được phê duyệt.
[ ] Tôi đã che giấu dữ liệu cá nhân và xóa các trường không cần thiết (giảm thiểu).
[ ] Tôi đã kiểm tra mục đích xử lý, thời gian lưu trữ và an ninh phương tiện.
[ ] Tôi đã tuân thủ quyền phản đối/xóa bỏ của công dân.
[ ] Tôi đã đính kèm chủ sở hữu con người và sự phê duyệt cho từng đầu ra; Tôi đã giữ một dấu vết kiểm toán.

Thi học phần

1. Là một công chức, câu hỏi ưu tiên nhất bạn nên hỏi trước khi giao việc cho AI là gì?

A) Công dân sẽ mất gì nếu kết quả này sai? ✔
B) AI có thể thực hiện công việc này nhanh đến mức nào?
C) Công cụ AI này có miễn phí không?
D) Đơn vị khác cũng sẽ sử dụng đầu ra này chứ?

Giải thích: Quyết định chuyển giao được đưa ra dựa trên thiệt hại mà công dân sẽ phải chịu nếu đầu ra không chính xác. Thiệt hại có thể dễ dàng được chuyển đi nếu chỉ cần viết lại trong vài phút; Nếu từ chối không công bằng, phạt sai hoặc mất quyền, AI chỉ đưa ra dự thảo, quyết định và xác minh thuộc về quan chức.

2. AI coi một đạo luật không tồn tại hoặc một quyết định của tòa án bịa đặt là có thật được gọi là gì?

A) Bộ nhớ đệm
B) Phân loại
C) Ẩn danh
D) Ảo giác ✔

Giải thích: Ảo giác là khi AI tự tin tạo ra những thông tin không thực sự tồn tại (chất bịa đặt, quy định bị bãi bỏ, sai số). Trong lĩnh vực pháp luật, đây là một trong những rủi ro nguy hiểm nhất vì nó có thể dẫn đến mất quyền và hủy bỏ hành vi hành chính.

3. Một viên chức sắp từ chối đơn đăng ký dựa trên một bài viết quy định do YZ chỉ ra. Hành vi nào đúng nhất?

A) AI trực tiếp viết thư từ chối vì nó có vẻ tự tin
B) Đặt câu hỏi tương tự cho một phương tiện AI khác và nhận được xác nhận
C) Xác nhận bài viết từ văn bản tổng hợp hiện tại trên Çözüm.gov.tr ✔
D) Trình bày quyết định với cấp trên bằng lời nói

Mô tả: Dữ liệu huấn luyện của AI bị đóng băng vào một ngày nhất định; Bài viết nó hiển thị có thể đã bị bãi bỏ hoặc thay đổi. Việc xác nhận rằng bài viết có hiệu lực và phiên bản cuối cùng của nó từ văn bản tổng hợp hiện tại trên Çözüm.gov.tr trước khi ra quyết định sẽ ngăn chặn việc từ chối không công bằng và có thể xảy ra vụ kiện hủy bỏ.

4. Tại sao chatbot công dân có thể nói 'Tôi không biết, tôi chuyển bạn cho quan chức' để đảm bảo chất lượng?

A) Cải thiện số liệu thống kê bằng cách tăng tỷ lệ doanh thu
B) Ngăn chặn thông tin sai lệch bằng cách giao thông tin cho con người khi không chắc chắn ✔
C) Kéo dài thời gian gọi bằng cách làm mất tập trung người dân
D) Cho phép chatbot nhận được ít câu hỏi hơn

Giải thích: Ở nơi công cộng, một câu trả lời sai đầy tự tin sẽ tốn kém hơn nhiều so với một câu trả lời trung thực; Nó dẫn đến mất quyền và mất lòng tin vào tổ chức. Khả năng chatbot chuyển giao cho con người khi không chắc chắn là một cơ chế an toàn giúp ngăn chặn thông tin sai lệch gây ảo giác.

5. Rủi ro quan trọng nhất cần cân nhắc khi “đơn giản hóa” thư từ chính thức với AI là gì?

A) Văn bản quá ngắn
b) Thay đổi phông chữ
C) Bỏ điều kiện hoặc ngoại lệ ✔
D) Viết sai tên người nhận

Giải thích: Sự thích ứng về văn phong không nên thay đổi nội dung. Khi đơn giản hóa, AI đôi khi bỏ đi một ngoại lệ, điều kiện hoặc thời lượng. Vì vậy, văn bản đơn giản hóa phải luôn được so sánh với quyết định hoặc văn bản ban đầu.

6. Tên và TR trong một tập dữ liệu. Bạn gọi nó là gì khi sự kết hợp giữa 'khu phố + năm sinh + loại khuyết tật' có thể tiết lộ một người ngay cả khi số CMND đã bị xóa?

A) Định nghĩa lại ✔
B) Giảm thiểu dữ liệu
C) Tỷ lệ bao phủ
D) Hợp nhất

Giải thích: Tái nhận dạng là tìm kiếm một người thông qua sự kết hợp của các số nhận dạng gián tiếp từ dữ liệu được cho là ẩn danh. Nếu một người thuộc loại hiếm được tìm thấy, việc xóa tên sẽ không đủ; Cần có các biện pháp bổ sung, chẳng hạn như chuyển đổi độ tuổi sang phạm vi và kết hợp các danh mục hiếm.

7. Nó được gọi là gì khi một mô hình kiểm tra đánh dấu một khu vực lân cận đã được kiểm tra nghiêm ngặt trước đây là 'rủi ro' và gửi nhiều cuộc kiểm tra hơn đến đó, điều này thúc đẩy mô hình coi khu vực lân cận đó có nhiều rủi ro hơn?

A) Giảm thiểu dữ liệu
B) Ảo giác
C) Ẩn danh
D) Vòng phản hồi ✔

Giải thích: Vòng phản hồi là khi đầu ra của mô hình ảnh hưởng đến dữ liệu huấn luyện tiếp theo, củng cố sai lệch hiện có. Sự khác biệt tăng lên không phải ở rủi ro thực tế mà ở chỗ người ta nhìn nhận. Cách để bảo vệ bản thân là giám sát tác động chứ không phải kết quả và kiểm soát việc phân bổ các quyết định theo nhóm.

8. Sau khi đơn đăng ký phúc lợi được chuyển hoàn toàn trực tuyến, số lượng đơn đăng ký đã giảm 30% trong tháng đầu tiên. Lời giải thích có khả năng nhất cho điều này là gì?

A) Nhu cầu thực sự của người dân đã giảm
B) Những công dân không có Internet và hiểu biết về kỹ thuật số sẽ bị bỏ rơi ✔
C) Tiền lãi giảm vì số tiền viện trợ giảm
D) Hệ thống tự động phê duyệt tất cả các ứng dụng

Mô tả: Khoảng cách số là tình trạng công dân không có khả năng truy cập Internet hoặc hiểu biết về kỹ thuật số để tiếp cận các dịch vụ. Con số giảm vì nhóm khó khăn nhất là người già và người dân không có internet không thể nộp đơn. Giải pháp là để lại các kênh thay thế, chẳng hạn như các điểm giới thiệu được hỗ trợ.

9. Trong khi tỷ lệ thành công thực tế trong báo cáo thường niên là 63%, bản tóm tắt điều hành do YZ đưa ra cho biết 'phần lớn các đơn đăng ký đều tích cực'. Hành vi đúng đắn là gì?

A) Biểu thức được giữ nguyên vì nó dương.
B) Tỷ lệ bị xóa và chỉ sử dụng biểu thức định tính
C) Biểu thức được thay thế bằng số thực 63 phần trăm ✔
D) Phần tóm tắt bị xóa hoàn toàn khỏi báo cáo

Giải thích: Nhận thức tích cực quá mức trong báo cáo công khai khiến tổ chức rơi vào tình thế khó khăn trong các cuộc kiểm toán tiếp theo. Mỗi tuyên bố trong bản tóm tắt phải được so sánh với dữ liệu thô và con số thực tế (63%) phải được ghi lại; Bản tóm tắt AI không được đưa vào báo cáo nếu không được kiểm tra.

10. Khi đưa ra quyết định dựa trên dữ liệu trong khu vực công, nếu 'số lượng tệp bị đóng hàng tháng' tăng lên trong khi 'tỷ lệ giải quyết ở lần tiếp xúc đầu tiên' giảm, điều này dạy chúng ta điều gì trước tiên?

A) Chọn đúng chỉ báo quan trọng hơn việc nhân số ✔
B) Số lượng nhân sự nên tăng lên
C) Đồ thị phải được tô màu
D) Chatbot sẽ trả lời nhiều câu hỏi hơn

Giải thích: Chỉ báo sai dẫn đến quyết định sai ngay cả khi có dữ liệu chính xác. Các tập tin có thể được đóng và mở lại nhanh chóng. Việc chọn đúng chỉ báo và đọc các chỉ báo cùng nhau sẽ ngăn chặn việc khoe khoang chỉ dựa trên một con số sai lệch.

11. Trong biểu đồ, trục tung bắt đầu từ 40 thay vì 0 và mức tăng 2 phần trăm trông giống như một bước nhảy vọt là một ví dụ về vấn đề gì?

A) Ảo giác
B) Giảm thiểu dữ liệu
C) Phân chia số
D) Hình ảnh gây hiểu lầm ✔

Giải thích: Hình dung sai lệch là bóp méo nhận thức thông qua các kỹ thuật như trục không bắt đầu từ số 0, tỷ lệ không cân xứng hoặc khoảng thời gian đã chọn. Nó là một phần của quản trị trực quan trung thực trong dữ liệu công cộng; Bảng thực phải được hiển thị bằng cách kéo trục về 0.

12. Tại sao không thể chấp nhận việc nói 'AI viết cái đó' để biện minh cho một hành động hành chính?

A) Bởi vì các công cụ AI quá đắt
B) Hành động hành chính phải chính đáng và trách nhiệm thuộc về viên chức ✔
C) Vì AI không biết tiếng Thổ Nhĩ Kỳ
D) Bởi vì người dân không thích AI

Giải thích: Hành động hành chính phải hợp lý và có thể kiểm toán được; Trách nhiệm không thuộc về AI mà thuộc về quan chức và tổ chức sử dụng kết quả đầu ra mà không xác minh nó. 'AI đã nói như vậy' không phải là lời biện minh và không duy trì hành động hành chính.

13. Bốn nguyên tắc phân biệt việc sử dụng AI trong khu vực công với khu vực tư nhân là gì và cần được tuân thủ bổ sung?

A) Tốc độ, giá rẻ, lợi nhuận, cạnh tranh
B) Tự động hóa, quy mô, tiếp thị, thương hiệu
C) Bình đẳng, minh bạch, trách nhiệm giải trình, bảo vệ dữ liệu cá nhân ✔
D) Quyền riêng tư, bảo mật, quyền riêng tư và bảo mật

Giải thích: Trong những công việc sử dụng quyền lực công, AI được đóng khung bởi các nguyên tắc bình đẳng (đối xử tương tự với một tình huống tương tự), tính minh bạch (khả năng giải thích lý do đưa ra quyết định), trách nhiệm giải trình (chịu trách nhiệm cho từng giao dịch và quá trình kiểm tra) và bảo vệ dữ liệu cá nhân (KVKK).

14. Hệ thống kiểm tra trước tự động nên làm gì khi không chắc chắn về loại tài liệu hiếm?

A) Từ chối ứng dụng một cách im lặng
B) Chuyển tiếp ứng dụng để con người đánh giá ✔
C) Tự động phê duyệt ứng dụng
đ) Xóa ứng dụng

Giải thích: Tự động hóa tốt sẽ hướng mô hình đến cảnh sát khi họ không chắc chắn thay vì âm thầm từ chối nó. Nếu không, các ứng dụng hợp pháp sẽ rơi vào điểm mù và việc trở thành nạn nhân sẽ xảy ra. Giữ mọi người ở điểm quyết định là cơ sở của quản lý ngoại lệ.