收益：
- 能够在专业保密和 KVKK 的框架内对客户数据进行分类，并确定哪些数据可以提供给人工智能工具
- 能够通过匿名化会话内容和身份信息在基于云的工具中创建安全上下文
- 能够根据人工智能的使用调整信息、明确同意和数据存储/删除责任
心理健康专业有一句核心格言：“你告诉我的就留在那里。”客户相信你会告诉你他一生中最脆弱的信息（创伤、成瘾、人际关系、恐惧）。这种信任是职业的核心，一旦受损就无法恢复。人工智能 (AI) 工具给这种信任增加了全新的风险：因为您在云端输入的句子可能会超出您的控制并存储在另一家公司的服务器上，甚至用于训练模型。在本单元中，您将学习如何在人工智能时代保护客户数据；您将了解 KVKK（个人数据保护法；第 6698 号法律，规范土耳其的个人数据处理）框架内允许什么和禁止什么。
客户数据为何“特殊品质”？
KVKK将数据分为两类：普通个人数据（姓名、电话）和特殊个人数据。任何有关心理健康的信息（甚至一个人正在接受治疗的事实）都属于第二个最受保护的群体。健康数据是法律中单独保护的类别；通常，处理需要明确同意或严格例外。换句话说，将客户会话的内容输入到随机的人工智能工具中不仅违反道德，而且违反法律。
除此之外还增加了专业保密义务。职业道德禁止未经许可与第三方共享客户信息。基于云的人工智能工具在法律上是“第三方”。所以问题是：我真的有权将这些数据提供给这个工具吗？
注意：“没有人会看到它”或“我只是总结一下”不是保护。一旦数据进入车辆，一切就脱离了您的控制。保持机密性是在发送数据之前做出的决定；以后无法收回。
数据的三种状态：哪种数据、哪种介质
处理客户数据时，将每个信息分为三类：
数据类型
例子
可以交给AI吗？
规则
直接识别
姓名、TR ID、电话、地址、工作地点
不
从未以原始形式给出
间接识别
稀有职业，小型定居点，独特事件
否（单独打开ID）
概括或删除
临床内容（匿名）
症状、主题、过程（身份提取）
有条件的是
匿名并在安全的车辆中
目标是去识别化：使您或其他任何人都无法将数据链接到特定的人。仅仅删除名字是不够的；即使删除了名字，“镇上唯一的牙医”这句话也暴露了这个人的身份。
一步一步：安全匿名
- 提取直接标识符。姓名、范围而非年龄（“30 多岁”）、地点、工作场所、学校、日期、亲戚姓名。
- 概括间接标识符。 “特拉布宗的榛子出口商”而不是“在城市的农业部门工作”。抽象的独特事件。
- 模糊数字。 “大约 6 个月前”而不是确切的日期。
- 检查车辆。你使用的AI工具在训练中是否使用数据？有“企业/隐私模式”吗？数据存储在哪里？
- 最低数据政策。提供执行任务所需的最少信息；不要给太多。
- 同意和透明度。告知客户您在此过程中正在将人工智能用于管理/起草目的。
提示：对文本进行匿名化后，问自己这个问题：“如果该客户阅读此文本，他会认出自己吗？其他人会认出他吗？”如果你不能对两者都说“不”，那么匿名化就不完整。
三个迷你箱子
案例一——小错误，大违规。当专家让人工智能总结会话笔记时，客户的名字是“M.Y.”其余部分如下：“卡德柯伊 X 医院的护士，女儿名叫 Elif，离婚案……”尽管名字被缩短，但这些细节很容易识别这个人。匿名化失败；则视为已发生违规行为。正确的做法：将角色概括为“医疗保健部门的工作人员”，将孩子概括为“有一个孩子”，将案件概括为“法律程序”。
案例 2 — 车辆选择会产生影响。两个心理学家做同样的工作。一种将原始数据输入个人免费聊天工具；该工具的合同称“输入可用于改进服务”。另一种使用带有数据处理协议的企业工具，其设置是开放的“使用我在教育方面的投入”，并且使用匿名数据。他们都说“我们使用了人工智能”，但一个保护了数据，另一个泄露了数据。
案例 3 — 删除权。客户退出治疗并要求删除他的数据（KVKK 规定他的权利）。专家删除了自己的录音，但记得 3 个月前他粘贴到 AI 工具中的会话记录；他无法回忆起这些数据或确保他已将其删除。这说明了为什么匿名工作从一开始就至关重要：没有任何身份数据被放置在无法删除的地方。
可复制的提示和模板
对下面的文本进行匿名处理。删除或概括以下内容：名字、姓氏、年龄（转换为范围）、城市/县/社区、工作场所、学校、日期、亲属姓名、独特事件。然后我被问到“可以从剩余的文本中推断出身份吗？”也写下您的评价。文字：[文字]
列出本文中可以直接或间接描述该人的每个短语（包括罕见的职业、小地方、独特的事件）。建议我如何概括每个内容。文字：[文字]
起草一个简单易懂的段落，添加到心理学实践的客户信息文本中，其中包含“人工智能工具可在服务过程中用于行政和起草目的；客户数据将被匿名化，诊断/治疗决定属于专家”的信息。
它提供了一系列控制问题，我应该就我正在考虑使用的人工智能工具的隐私政策提出这些问题：数据存储、教育中的使用、数据位置、删除、数据处理协议、公司模式。
弱提示/强提示
弱提示：“总结以下会话录音：[真实姓名和完整详细信息的原始文本]”
此提示将原始形式的敏感数据传输给第三方；这违反了 KVKK 和职业保密规定。
强力提示：“首先对以下文本进行匿名化（概括姓名、地点、工作场所、日期、亲戚姓名），然后以 SOAP 格式汇总匿名版本。同时评估匿名化是否足够：[文本]”
该提示先保护，后产生；他在身份暴露之前完成了工作。
常见错误
- 把名字删掉就好了即使你删除了名字，间接描述词（罕见的职业、小位置）也会泄露这个人的信息。
- 将原始数据写入免费/个人工具。提供数据而不检查输入是否用于教育。
- 绕过同意。根本不告知客户有关人工智能的使用；透明度是一项道德义务。
- 认为这是“暂时的”。忘记进入云端的数据无法检索；当删除权出现时却束手无策。
- 违反了最少数据原则。粘贴许多不必要的任务细节；每一个额外的数据都会带来额外的风险。
总之
客户数据属于KVKK 的特殊质量、最受保护的组，并且处于专业机密范围内。基于云的人工智能工具在法律上是第三方；原始客户数据不能提供给他。将数据分为直接/间接识别和匿名临床内容；仅在具有最少数据政策的隐私控制工具中使用真正匿名的内容。向客户介绍该过程。保密性是在发送数据之前做出的决定，以后无法逆转。
应用任务
手写（或想象）记录笔记。首先将所有直接和间接标识符标记为黄色。然后用通用表达式替换每个表达式并编写匿名版本。最后问自己：“这个客户了解他自己吗？”提出问题并记下你的答案。您还可以打开您使用的人工智能工具的隐私设置，并询问“这些输入是否用于训练？”找到问题的答案。
清单
- [ ] 我删除了直接标识符（姓名、地点、日期、工作场所）。
- [ ] 我概括了间接描述符（稀有职业、独特事件）。
- [ ] 我已经验证我使用的工具不使用数据进行训练。
- [ ] 我遵循最少数据原则；我只是提供了必要的东西。
- [ ] 我向客户告知了人工智能的使用/遵守了同意框架。
- [ ]“委托人认得自己吗？”我通过了测试。