Anonimizacja i pseudonimizacja danych w AI – jak podchodzimy do tego w Specelio
· specelio
W rozmowach o AI często używa się słowa „anonimizacja”, ale technicznie warto rozróżnić anonimizację od pseudonimizacji. W Specelio najważniejsza jest zasada praktyczna: model AI powinien otrzymać tylko taki kontekst, który jest potrzebny do wykonania zadania.
Anonimizacja a pseudonimizacja
Anonimizacja oznacza przekształcenie danych w taki sposób, aby nie można było ponownie powiązać ich z konkretną osobą. Pseudonimizacja usuwa lub zastępuje bezpośrednie identyfikatory, ale umożliwia ponowne połączenie danych przy użyciu dodatkowej informacji przechowywanej oddzielnie.
Jak wygląda to w Specelio?
Dane identyfikujące są oddzielane od treści roboczej. Do modułu AI powinien trafiać kontekst potrzebny do redagowania lub porządkowania dokumentacji, bez zbędnych informacji identyfikujących ucznia.
Dlaczego minimalizacja jest równie ważna jak anonimizacja?
Najlepiej chronione są dane, których nie trzeba przekazywać. Dlatego projekt funkcji AI opiera się nie tylko na zastępowaniu identyfikatorów, ale także na ograniczaniu całego zakresu informacji do minimum potrzebnego do konkretnego zadania.
AI nie zatwierdza dokumentu
Nawet przy dobrze zaprojektowanej warstwie ochrony danych treść wygenerowana przez AI pozostaje szkicem. Specjalista musi zweryfikować zgodność ze stanem faktycznym, poprawność języka i adekwatność zaleceń.