Lợi nhuận:
- Phân biệt các khái niệm dữ liệu cá nhân, dữ liệu chất lượng đặc biệt, người kiểm soát dữ liệu và người xử lý dữ liệu
- Áp dụng nguyên tắc chung của KVKK (hạn chế theo mục đích, giảm thiểu) trong việc sử dụng AI
- Hiểu rằng việc nhập dữ liệu vào AI là quá trình xử lý và thường xuyên chuyển giao, nghĩa vụ ghi chép
Việc sử dụng AI trong một tổ chức hầu như luôn gắn liền với việc xử lý dữ liệu cá nhân: tóm tắt email khách hàng, đánh giá CV, phân tích bản ghi cuộc gọi. Do đó, xương sống của quản trị AI là hiểu rõ luật bảo vệ dữ liệu của Türkiye, KVKK (Luật bảo vệ dữ liệu cá nhân số 6698). Trong phần này, chúng ta sẽ tìm hiểu các khái niệm cơ bản, nguyên tắc chung và đăng ký ĐỘNG TỪ của KVKK, liên kết trực tiếp nó với việc sử dụng AI. Mục đích không phải là trở thành luật sư; Đó là thiết lập cơ sở vững chắc để nhân viên bảo vệ dữ liệu đưa ra quyết định đúng đắn hàng ngày.
Các khái niệm cơ bản: ai là ai?
Ngôn ngữ của KVKK dựa trên một số khái niệm chính. Nếu không phân biệt những điều này, AI sẽ không thể đưa ra quyết định chính xác.
khái niệm
Ý nghĩa
ví dụ trong AI
dữ liệu cá nhân
Bất kỳ thông tin nào về một thể nhân được xác định/có thể nhận dạng
Tên, email, điện thoại, IP, số khách hàng
Dữ liệu chất lượng đặc biệt
Các danh mục nhạy cảm như sức khỏe, tôn giáo, sinh trắc học
Lịch sử bệnh nhân, nhóm máu, dữ liệu khuôn mặt
Người liên hệ
Người có dữ liệu được xử lý (chủ sở hữu dữ liệu)
Khách hàng, nhân viên, ứng viên
Bộ điều khiển dữ liệu
Xác định mục đích và phương pháp xử lý
Tổ chức sử dụng AI
bộ xử lý dữ liệu
Bên xử lý dữ liệu thay mặt cho bên kiểm soát
Công ty cung cấp dịch vụ AI
Sự khác biệt này có hậu quả pháp lý: người kiểm soát dữ liệu (chính tổ chức) là chủ sở hữu chính của trách nhiệm pháp lý. Nhà cung cấp AI thường là người xử lý dữ liệu và phải ký kết hợp đồng bằng văn bản (thỏa thuận xử lý dữ liệu) với nhà cung cấp đó. Việc nói “nhà cung cấp AI đã làm điều đó” không loại trừ trách nhiệm pháp lý của tổ chức.
Lưu ý: Dữ liệu là dữ liệu cá nhân miễn là nó có thể "nhận dạng được". Nói “Tôi đã xóa tên” là chưa đủ; Ngay cả sự kết hợp giữa ngày sinh + mã zip + nghề nghiệp cũng có thể giúp nhận dạng một người. Luôn kiểm tra khả năng nhận dạng kết hợp này trong dữ liệu được nhập vào AI.
Nguyên tắc chung của KVKK và AI
KVKK đặt ra các nguyên tắc chung mà mọi quá trình xử lý phải tuân thủ. Bản dịch trực tiếp sang việc sử dụng AI là:
- Tuân thủ pháp luật và trung thực: Xử lý dữ liệu một cách bí mật hoặc gây nhầm lẫn.
- Chính xác và cập nhật: AI có thể tạo ra ảo giác; Đầu ra không thể được lưu dưới dạng dữ liệu cá nhân mà không cần xác minh.
- Mục đích cụ thể, rõ ràng và chính đáng: Không thể xử lý dữ liệu vì “có thể cần đến trong tương lai”; Mục đích là rõ ràng trước.
- Liên quan đến mục đích, bị giới hạn và đo lường (tối thiểu hóa dữ liệu): Chỉ những dữ liệu cần thiết cho mục đích này mới được nhập vào AI.
- Lưu giữ trong khoảng thời gian cần thiết: Sau khi mục đích kết thúc, dữ liệu (bao gồm cả lịch sử trò chuyện AI) sẽ bị xóa/ẩn danh.
Giảm thiểu dữ liệu là nguyên tắc bị vi phạm nhiều nhất trong AI: thay vì dán toàn bộ tệp để tóm tắt văn bản, chỉ cần nhập đoạn văn được yêu cầu và nếu có thể ở dạng bị che (ẩn tên).
ba trường hợp nhỏ
Trường hợp 1 - Quá nhiều dữ liệu. Người quản lý trung tâm cuộc gọi cung cấp 5.000 bản ghi cuộc gọi cho AI, cùng với tên, số điện thoại và số ID, để “trích xuất chủ đề về sự không hài lòng của khách hàng”. Tuy nhiên, không cần dữ liệu nhận dạng để phân tích chủ đề. Theo nguyên tắc giảm thiểu, cách đúng đắn là xóa trường ID và chỉ đưa ra nội dung cuộc gọi. Như vậy, dữ liệu nhận dạng của 5.000 người sẽ không bị xử lý một cách không cần thiết.
Trường hợp 2 - Trôi dạt mục đích. Bộ phận tiếp thị cung cấp thời gian bấm giờ vào và ra của nhân viên cho AI để “phân tích năng suất”. Tuy nhiên, dữ liệu này được thu thập cho mục đích an toàn và sức khỏe nghề nghiệp. Việc sử dụng sai trái vi phạm nguyên tắc “hạn chế theo mục đích”. Quyết định đúng đắn: đánh giá lại cơ sở pháp lý và làm rõ trước khi xử lý dữ liệu cho mục đích mới này.
Trường hợp 3 - Quá khứ không thể xóa bỏ. Một chuyên gia bảo hiểm đã nhập dữ liệu khách hàng vào cùng một cuộc trò chuyện AI trong nhiều tháng để đánh giá thiệt hại và lịch sử không bao giờ bị xóa. 8 tháng sau, dữ liệu của hơn 300 khách hàng được tích lũy trong một cuộc trò chuyện. Theo chính sách lưu giữ, lịch sử này sẽ bị xóa sau khi mục đích kết thúc (tệp được đóng) hoặc giao dịch sẽ được chuyển sang một công cụ không ghi nhật ký của tổ chức.
Nhập dữ liệu vào AI là “xử lý”
Xử lý trong KVKK; Đó là bất kỳ quá trình nào bao gồm thu thập, ghi lại, lưu trữ và truyền dữ liệu. Dán văn bản vào AI có nghĩa là gửi dữ liệu đến máy chủ của nhà cung cấp - đây là một giao dịch và thường là chuyển khoản (nếu máy chủ ở nước ngoài). Vì vậy, mọi việc sử dụng AI đều cần có cơ sở pháp lý hợp lệ đằng sau nó (chủ đề của bài tiếp theo) và một hợp đồng phù hợp.
Mẹo: “Tôi có thể nhập dữ liệu này vào AI không?” Kiểm tra câu hỏi với ba bộ lọc: (1) Dữ liệu cá nhân? (2) Nó có cần thiết cho mục đích và đã được giảm thiểu chưa? (3) Tôi có cơ sở pháp lý và hợp đồng phù hợp không? Nếu cả ba đều không "có", hãy dừng lại và đánh giá.
ĐỘNG TỪ và xử lý hàng tồn kho
VERBIS (Hệ thống thông tin đăng ký bộ điều khiển dữ liệu) là cơ quan đăng ký chính thức trong đó những người kiểm soát dữ liệu vượt quá ngưỡng nhất định sẽ ghi lại các hoạt động xử lý dữ liệu cá nhân của họ. Tổ chức duy trì kho xử lý dữ liệu cá nhân: một bản ghi trực tiếp cho biết dữ liệu nào được xử lý, vì mục đích gì, trên cơ sở pháp lý nào, số lượng lưu trữ và dữ liệu được chuyển cho ai. Khi một hoạt động xử lý dựa trên AI mới được bắt đầu, bản kiểm kê này sẽ được cập nhật và, nếu cần, được phản ánh trong bản ghi ĐỘNG TỪ.
không gian tồn kho
Ví dụ về hoạt động AI
Mục đích xử lý
Tự động tóm tắt email khách hàng
Danh mục dữ liệu
Thông tin liên hệ, giao dịch của khách hàng
Cơ sở pháp lý
Thực hiện hợp đồng/lợi ích chính đáng
nhóm người nhận
Nhà cung cấp dịch vụ AI (bộ xử lý dữ liệu)
chuyển nhượng
Máy chủ ở nước ngoài (có sự đảm bảo phù hợp)
Thời gian lưu trữ
Xóa khỏi tập tin đóng
Mẫu có thể sao chép
MẪU 1 — Che giấu văn bản mà không nhập vào AI: "Xóa dữ liệu cá nhân (tên-họ, điện thoại, e-mail, số ID, địa chỉ) khỏi văn bản bên dưới và thay thế chúng bằng các thẻ như [TÊN], [TEL]. Giữ nguyên ý nghĩa và cấu trúc của văn bản. Chỉ trả lại văn bản bị che giấu, không đưa ra bất kỳ giải thích nào khác."
MẪU 2 — Kiểm tra mức tối thiểu: "Tôi sẽ thực hiện tác vụ sau: [tác vụ ghi]. Liệt kê trường dữ liệu SAU ĐÂY nào KHÔNG CẦN THIẾT cho tác vụ này: [ghi trường]. Đánh dấu 'loại bỏ' bất kỳ trường nào không cần thiết cho mục đích và viết trong một câu tại sao."
MẪU 3 — Phác thảo dòng kiểm kê xử lý: "Điền vào dòng kiểm kê xử lý dữ liệu cá nhân cho mục đích sử dụng AI sau: [mô tả cách sử dụng]. Các trường: mục đích xử lý, danh mục dữ liệu, nhóm liên hệ, cơ sở pháp lý có thể có (gợi ý nhiều), người nhận, chuyển giao, thời gian lưu giữ ước tính. Ra quyết định pháp lý chính xác, các tùy chọn hiện tại."
MẪU 4 — Phát hiện dữ liệu cá nhân: "Những loại dữ liệu cá nhân nào và đặc biệt là dữ liệu ĐẶC BIỆT nào (sức khỏe, tôn giáo, sinh trắc học, v.v.) có trong tài liệu này? Hãy liệt kê các loại và ghi lại loại chúng thuộc loại nào cho từng loại. Đừng thay đổi tài liệu, chỉ cần phát hiện nó."
Dấu nhắc yếu / Dấu nhắc mạnh
YẾU: “Phân tích danh sách khách hàng này.” (ghi đầy đủ họ tên, điện thoại, CMND)-> Vi phạm hạn chế tối đa; gửi dữ liệu cá nhân/riêng tư không cần thiết cho nhà cung cấp; đặt ra các vấn đề về cơ sở pháp lý và chuyển giao. MẠNH MẼ: "Phân tích phân bổ nhu cầu khu vực chỉ sử dụng các cột 'thành phố' và 'danh mục sản phẩm' trong danh sách bên dưới. Bỏ qua các cột tên, số điện thoại, ID — Tôi đã xóa chúng."-> Chỉ dữ liệu phi cá nhân cần thiết cho mục đích mới được xử lý; Nguyên tắc được bảo tồn.
Những lỗi thường gặp
- Nghĩ rằng “Tôi đã xóa tên rồi, không còn riêng tư nữa”; trong khi dữ liệu kết hợp có thể giúp nhận dạng một người.
- Không phân biệt giữa người kiểm soát dữ liệu và người xử lý dữ liệu và không ký hợp đồng với nhà cung cấp.
- Những khu vực không cần thiết cho mục đích này cũng được nhập vào AI và vi phạm việc giảm thiểu.
- Sử dụng dữ liệu được thu thập cho một mục đích trong AI cho mục đích khác (sự trôi dạt mục đích).
- Lưu kết quả đầu ra AI dưới dạng dữ liệu cá nhân “chính xác và cập nhật” mà không cần xác minh.
- Không phản ánh hoạt động AI mới trong việc xử lý hàng tồn kho và ĐỘNG TỪ nếu cần thiết.
- Tích lũy lịch sử trò chuyện AI mà không ràng buộc nó với quy tắc lưu giữ/xóa.
Tóm lại
- Cốt lõi của KVKK; là để phân biệt các khái niệm về dữ liệu cá nhân, người kiểm soát dữ liệu và người xử lý dữ liệu.
- Người kiểm soát dữ liệu (tổ chức) là người có nghĩa vụ chính; Nhà cung cấp AI thường là người xử lý dữ liệu và yêu cầu phải có hợp đồng.
- Trong số các nguyên tắc chung, nguyên tắc quan trọng nhất đối với AI là giảm thiểu dữ liệu và giới hạn mục đích.
- Nhập dữ liệu vào AI là một giao dịch và thường là chuyển giao; Cần có cơ sở pháp lý và hợp đồng.
- Mỗi hoạt động AI mới phải được ghi lại trong kho xử lý và, nếu cần, được phản ánh trong bản ghi ĐỘNG TỪ.
Nhiệm vụ ứng dụng
Chọn một hoạt động xử lý thực tế mà tổ chức của bạn muốn thực hiện với AI (ví dụ: phân tích chủ đề về khiếu nại của khách hàng). Điền vào dòng kiểm kê đang xử lý cho hoạt động này: mục đích, danh mục dữ liệu, nhóm liên hệ, cơ sở pháp lý có thể có, người nhận, trạng thái chuyển giao và thời gian lưu giữ. Sau đó chuyển dữ liệu cần nhập vào AI trong hoạt động này thông qua bộ lọc giảm thiểu: liệt kê những trường nào không cần thiết và trường nào cần che. Cuối cùng, hãy ghi lại ai là người kiểm soát dữ liệu của hoạt động này, ai là người xử lý dữ liệu và hợp đồng nào được yêu cầu giữa họ.
danh sách kiểm tra
- [ ] Tôi đã phát hiện thấy dữ liệu cá nhân và riêng tư trong hoạt động này.
- [ ] Tôi đã làm rõ người kiểm soát dữ liệu và người xử lý dữ liệu.
- [ ] Tôi đã áp dụng biện pháp giảm thiểu: loại bỏ/che đi những khu vực không cần thiết.
- [ ] Tôi đã xác định mục đích xử lý một cách cụ thể và hợp pháp.
- [ ] Tôi đã điền vào dòng kiểm kê đang xử lý.
- [ ] Tôi đã đánh giá tình hình chuyển nhượng (máy chủ ở nước ngoài).
- [ ] Tôi đã lên lịch thời gian lưu giữ và xóa lịch sử AI.