ग्राहक डेटा और एआई: आप कानूनी रूप से एक मॉडल में क्या डाल सकते हैं, और इसे कैसे साबित कर सकते हैं?

शुरूआत उद्देश्य से

ग्राहक डेटा एकत्र करने का एक कारण होता है: ऑर्डर पूरा करना, समर्थन प्रदान करना, या इनवॉइस भेजना। कानून आम तौर पर उस डेटा का उपयोग उस उद्देश्य और उससे संबंधित उद्देश्यों के लिए करने की अनुमति देता है। समर्थन टिकटों का उपयोग आपकी समर्थन टीम को तेज़ी से जवाब देने में मदद करना आमतौर पर संगत है। उसी टिकटों का उपयोग एक मॉडल को प्रशिक्षित करने के लिए जो आप अन्य कंपनियों को बेचने की योजना बना रहे हैं, वह आमतौर पर नहीं है।

इसलिए, किसी भी डेटा अपलोड से पहले, एक वाक्य लिखें: हम इस डेटा का उपयोग X करने के लिए कर रहे हैं, जिससे Y को लाभ होगा। अगर आप उसे नहीं लिख सकते या वह बुरी तरह से लगता है, तो रुकें। वह वाक्य सब कुछ का आधार बन जाता है।

अपने कानूनी आधार को जानें

व्यक्तिगत डेटा के हर उपयोग के लिए एक कानूनी आधार की आवश्यकता होती है। AI परियोजनाओं के लिए वास्तविक विकल्प आमतौर पर अनुबंध (प्रसंस्करण ग्राहक सेवा के लिए आवश्यक है), वैध हित (आपके पास एक वास्तविक व्यावसायिक आवश्यकता है जो ग्राहक के अधिकारों को प्राथमिकता नहीं देती), या सहमति है।

वैध हित सबसे आम आधार है और अक्सर बिना उसके पीछे के काम के दावा किया जाता है। यह एक लिखित संतुलन परीक्षण की मांग करता है: आप जो प्राप्त करते हैं, ग्राहक जो जोखिम उठाता है, और वे इस उपयोग की अपेक्षा करते हैं। वह दस्तावेज़ एक दोपहर में लिखने में आता है और यह पहली चीज़ है जिसके लिए एक ऑडिटर पूछेगा।

कुछ डेटा नहीं जाता

स्वास्थ्य सूचना, बायोमेट्रिक डेटा, धार्मिक या राजनीतिक विश्वास, यौन अभिविन्यास, और श्रमिक संघ की सदस्यता: ये विशेष श्रेणियाँ हैं और उनके प्रसंस्करण के लिए बार बहुत ऊँची है। उसी तरह बच्चों के डेटा और वित्तीय पहचानकर्ताओं जैसे क्रेडिट कार्ड नंबर पर भी।

सरल नियम यह है। जब तक आपकी पूरी परियोजना उस तरह के डेटा से निपटने के लिए नहीं बनाई गई है, और आपने उसके बारे में सलाह नहीं ली है, फ़िल्टर कर दें। रेडैक्शन टूल ऐसा करने के लिए उपलब्ध हैं। अपने वास्तविक डेटा पर उन्हें परीक्षण करें, क्योंकि एक फ़िल्टर जो 95% कार्ड नंबर पकड़ता है, अभी भी शेष 5% को पास कर देता है।

डेटा का स्थान मायने रखता है जितना कि वह क्या है

ग्राहक डेटा को एक AI वेंडर को भेजने से उसे आपका प्रोसेसर बना देता है। आपको उनके साथ एक डेटा प्रसंस्करण समझौते पर हस्ताक्षर करने की आवश्यकता है, और आपको इन तीन शर्तों पर ध्यान से नज़र रखनी चाहिए:

• प्रशिक्षण: क्या वेंडर आपके इनपुट का उपयोग अपने स्वयं के मॉडलों को बेहतर बनाने के लिए करता है? व्यावसायिक स्तर आमतौर पर कहते हैं नहीं। उसे लिखित रूप में प्राप्त करें।
• रिटेंशन: वेंडर आपके प्रॉम्प्ट और आउटपुट को कितनी देर तक रखता है, और आप उसे छोटा कर सकते हैं?
• स्थान: डेटा कहाँ प्रसंस्कृत होता है? बाहरी EU हस्तांतरण के लिए एक कानूनी तंत्र, जैसे कि एक समानता निर्णय या मानक अनुबंध शर्तों की आवश्यकता होती है।

अपने स्वयं के बुनियादी ढांचे पर मॉडल चलाकर इन प्रश्नों से अधिकांश को हटा दें। यह अधिकतर मामलों में आपके लिए सबसे ज़्यादा सवालों का उत्तर देने वाला है।

पुनर्प्राप्ति को प्रशिक्षण से बेहतर बचाव करना है

डेटा को अपने मॉडल में शामिल करने या उसे संशोधित करने के लिए दो मुख्य तरीके हैं। आप इसे प्रशिक्षित या ठीक-ठाक कर सकते हैं, ताकि डेटा मॉडल का हिस्सा बन जाए। या आप डेटा को अपने सिस्टम में रख सकते हैं और मॉडल उसे जवाब देने के समय पूछ सकता है, जिसे आमतौर पर पुनर्प्राप्ति कहा जाता है।

ग्राहक डेटा के लिए, पुनर्प्राप्ति लगभग हमेशा सुरक्षित विकल्प होता है। जब एक ग्राहक आपको अपने डेटा को मिटाने के लिए कहता है, तो आप रिकॉर्ड को मिटा देते हैं और भविष्य के हर उत्तर से यह गायब हो जाता है। व्यवहार में, प्रशिक्षित मॉडल से डेटा निकालना लगभग असंभव है। वह आपके लिए सबसे बड़ी चुनौती है और नियामक इसे जानते हैं।

अपने अनुपालन को साबित करना कैसे

आप जितना अधिक प्रलेखित कर सकते हैं, उतना बेहतर। इन रिकॉर्डों को बनाए रखें और उन्हें अद्यतित रखें:

1. प्रसंस्करण रिकॉर्ड: AI सिस्टम, डेटा यह उपयोग करता है, उद्देश्य और कानूनी आधार सूचीबद्ध करें।
2. डेटा सुरक्षा प्रभाव मूल्यांकन (DPIA). नई तकनीक बड़ी मात्रा में व्यक्तिगत डेटा के साथ जोड़ी जाती है, तो यह हमेशा एक DPIA ट्रिगर करती है। यह आपके पास सबसे आश्वस्त दस्तावेज़ में से एक होना चाहिए।
3. प्रसंस्करणकर्ता समझौते जिन सभी वेंडर के साथ डेटा छूता है, उनके साथ हस्ताक्षर करें।
4. लॉग जो डेटा प्रवेश का समय और अधिकार दर्शाते हैं, और आपके रेडैक्शन के प्रमाण के साथ।
5. एक मालिक जो उपरोक्त सभी की समीक्षा करता है जब प्रणाली बदलती है।

यूरोपीय AI अधिनियम और अन्य उच्च-जोखिम क्षेत्रों जैसे नियुक्ति या क्रेडिट में जहाँ एक प्रणाली का उपयोग किया जाता है, ऐसे दस्तावेज़ की आवश्यकताएँ और भी अधिक हैं। यदि आपके पास पहले से ही ये पाँच बिंदु कवर करते हैं, तो आप अधिकांश सवालों का उत्तर देने में सक्षम होंगे।

शुरूआत जल्दी करें

कंपनियाँ पहले जहाज़ लॉन्च करने और बाद में दस्तावेज़ीकरण को पुनर्निर्मित करने से परेशान हो जाती हैं। उसे उल्टा करें। समझौता करें, उद्देश्य निर्धारित करें, आधार चुनें, डेटा फ़िल्टर करें, अनुबंध पर हस्ताक्षर करें, लॉग चालू करें, और फिर बनाएँ। यह अधिकतर मामलों में कुछ हफ़्तों का अतिरिक्त समय लेता है, और इसका मतलब यह है कि "क्या आप इसे साबित कर सकते हैं?" का उत्तर एक फ़ोल्डर, न कि एक खोज, होगा।

यह पूरी तैयारी आपके लिए अधिकांश मुद्दों को संबोधित करती है।