Privasi dan Keamanan

Privasi saat Menggunakan AI: Melindungi Data dan Percakapan

Panduan menentukan data yang boleh masuk ke alat AI, memeriksa retensi dan konektor, serta mengurangi paparan tanpa berhenti menggunakannya.

Menggunakan alat kecerdasan buatan umumnya berarti mengirim teks, berkas, gambar, atau audio ke sistem yang memprosesnya. Percakapan mungkin terasa pribadi karena berada di jendela akun Anda, tetapi privasi ditentukan oleh penyedia, paket, pengaturan, kontrak, dan fitur yang aktif. Pengguna juga memegang peran penting karena banyak paparan berawal dari membagikan informasi lebih banyak daripada yang dibutuhkan.

Melindungi privasi bukan berarti menghindari semua AI. Tujuannya adalah memahami aliran data dan memilih versi tugas yang paling minimum. Sebelum menempelkan dokumen, tanyakan: data apa yang benar-benar diperlukan, siapa yang mengendalikan informasi, berapa lama disimpan, dan apa akibatnya bila orang lain melihatnya? Panduan ini mengubah pertanyaan tersebut menjadi kebiasaan operasional.

Bedakan privasi, keamanan, dan kerahasiaan

Keamanan melindungi informasi serta sistem dari akses atau perubahan tanpa izin. Privasi membahas cara data terkait manusia dikumpulkan, digunakan, dan dibagikan. Kerahasiaan adalah kewajiban atau harapan tentang siapa yang boleh mengetahui informasi. Ketiganya berkaitan, tetapi koneksi terenkripsi tidak membuktikan penggunaan data sesudahnya sudah tepat.

NIST Privacy Framework menawarkan cara mengidentifikasi dan mengelola risiko privasi dalam operasi. Untuk tugas sehari-hari, prinsipnya dapat diterjemahkan menjadi memetakan data, menguranginya, mengonfigurasi layanan, dan meninjau hasil.

Buat lampu lalu lintas data

Diagram hijau, kuning, dan merah untuk menilai data sebelum dibagikan kepada AI
Klasifikasi tiga tingkat mengubah kebijakan privasi menjadi keputusan sehari-hari.

Klasifikasikan informasi sebelum membuka alat. Anda tidak memerlukan sistem korporat yang rumit; tiga tingkat sudah cukup untuk memberi jeda sebelum mengirim.

Hijau: informasi publik dan tidak sensitif

Kategori ini mencakup bahan yang telah diterbitkan secara sah, data sintetis, dan tulisan milik sendiri tanpa pengenal. Hak cipta dan konteks tetap harus dihormati. Informasi publik bukan berarti bebas dari seluruh syarat penggunaan.

Kuning: informasi internal atau dapat dikenali yang bisa diminimalkan

Contohnya draf, proses, metrik internal, atau kasus yang memuat nama. Tanyakan apakah identitas, rentang, tanggal, dan jumlah dapat diganti. Gunakan cuplikan dan simpan dokumen asli di luar AI. Dalam organisasi, hanya gunakan alat serta akun yang telah disetujui.

Merah: rahasia dan data berdampak tinggi

Jangan memasukkan kata sandi, kunci API, kode pemulihan, dokumen identitas, data keuangan, riwayat kesehatan, data anak, strategi rahasia, atau informasi pihak lain tanpa landasan serta pengendalian khusus. Jangan mengunggah seluruh berkas jika pertanyaan dapat diselesaikan dengan dua kolom yang telah dianonimkan.

Pahami perjalanan sebuah percakapan

Permintaan dapat melewati aplikasi, infrastruktur penyedia, model, catatan keamanan, alat terhubung, dan sistem dukungan. Fitur tertentu mengambil data dari internet atau akun yang ditautkan. Administrator organisasi mungkin memiliki akses ke log. Kebijakan umum situs tidak selalu menjelaskan syarat paket bisnis.

Pertanyaan ketika membaca kebijakan

  • Apakah konten dipakai untuk melatih atau meningkatkan model?
  • Apakah ada kontrol untuk mengecualikannya, dan berlaku pada akun mana?
  • Berapa lama percakapan yang dihapus masih disimpan?
  • Log apa yang dipertahankan demi keamanan?
  • Di mana pemrosesan berlangsung dan subprosesor apa yang terlibat?
  • Apa yang dapat dilihat administrator ruang kerja?
  • Apakah pencarian, plugin, atau konektor memiliki ketentuan tambahan?
  • Bagaimana cara mengekspor dan menghapus data?

Catat tanggal pemeriksaan karena ketentuan dapat berubah. Klaim pemasaran seperti “kelas perusahaan” bukan pengganti jawaban konkret.

Minimalkan sebelum menganonimkan

Anonimisasi yang sungguh efektif tidak mudah. Menghapus nama belum cukup bila jabatan, kota, tanggal, dan peristiwa unik masih mengungkap identitas. Mulailah dengan membuang baris, kolom, serta paragraf yang tidak diperlukan. Setelah itu, ganti pengenal dengan nilai sintetis dan buat rincian menjadi lebih umum.

Untuk merangkum keluhan pelanggan, Anda mungkin hanya membutuhkan isi masalah tanpa nama, surel, nomor pesanan, atau tanda tangan. Untuk meminta rumus, buat tabel contoh dengan struktur yang sama. Untuk memperbaiki pesan, ganti nama orang dan perusahaan dengan peran.

Simpan peta pengganti di luar sistem

Jika Anda memakai nama samaran untuk beberapa kasus, simpan hubungan antara nama asli dan pengganti di lokasi terlindungi yang tidak dikirim ke penyedia. Hapus peta ketika tidak lagi dibutuhkan. Jangan pernah memasukkan kunci penggantinya dalam prompt yang sama.

Tinjau akun dan pengaturan

Gunakan akun pribadi, keluarga, atau perusahaan sesuai konteks; jangan memproses data kerja melalui akun pribadi. Aktifkan autentikasi multifaktor, tinjau sesi, dan cabut integrasi lama. Panduan dasar keamanan siber menjelaskan perlindungan akun utama.

Cari kontrol riwayat, pemakaian untuk peningkatan model, memori, tautan bersama, dan ekspor. Menghapus percakapan mungkin tidak langsung menghapus semua catatan. Nonaktifkan memori bila Anda tidak ingin rincian suatu percakapan memengaruhi percakapan lain, lalu tinjau informasi yang sudah disimpan.

Alat, berkas, dan konektor

Asisten yang dapat mengakses surel atau penyimpanan memiliki jangkauan berbeda dari obrolan biasa. Berikan izin minimum, batasi folder jika tersedia, dan putuskan koneksi setelah selesai. Sebelum memasang pengaya, identifikasi pengelola dan data yang diterimanya. Instruksi dalam halaman atau dokumen adalah konten yang tidak tepercaya; instruksi tersebut tidak boleh memerintah asisten membocorkan informasi atau menjalankan tindakan.

Berkas dapat memuat metadata, komentar, riwayat perubahan, lembar tersembunyi, atau teks di luar area terlihat. Buat salinan bersih khusus untuk tugas. Periksa setiap tab dan hapus properti dokumen bila sesuai.

Rancang alur aman untuk teks

1. Rumuskan pertanyaan tanpa data nyata

Uji dengan penjelasan abstrak terlebih dahulu. Bisa jadi model mampu menerangkan metode tanpa melihat satu pun catatan asli.

2. Buat contoh sintetis

Pertahankan kolom dan hubungan, tetapi ciptakan nilainya. Bila hasilnya sesuai, transformasikan data nyata secara lokal atau gunakan lingkungan yang disetujui.

3. Kirim cuplikan minimum

Jangan mengunggah laporan penuh bila Anda hanya perlu memahami satu klausul. Hilangkan kepala surat, tanda tangan, komentar, dan lampiran yang tidak relevan.

4. Tinjau keluaran

Jawaban dapat mengulang data sensitif di dalam ringkasan, judul, atau catatan. Bersihkan hasil sebelum membagikannya kepada orang maupun sistem lain.

5. Tutup siklus

Hapus berkas sementara, tautan publik, dan percakapan ketika sudah tidak diperlukan. Catat layanan yang dipakai bila proses perlu diaudit.

Privasi di tempat kerja

Otorisasi tidak dapat disimpulkan hanya karena alat itu populer atau Anda dapat masuk. Periksa kebijakan internal, kontrak, dan kanal yang diizinkan. Pengendali data mungkin pelanggan, pegawai, atau mitra, bukan orang yang kebetulan membuka berkas.

Tentukan kasus yang diperbolehkan, kategori terlarang, penanggung jawab, serta prosedur insiden. Daftar singkat yang mudah dijalankan lebih berguna daripada larangan yang tidak dipahami. Sediakan pilihan sah untuk kebutuhan kerja, misalnya lingkungan perusahaan yang dikonfigurasi atau alur lokal.

AI lokal dan cloud

Menjalankan model secara lokal dapat mengurangi pengiriman data ke pihak lain, tetapi bukan tanpa risiko. Perangkat harus terlindungi, berkas dapat tertinggal dalam cache, dan perangkat lunak memiliki dependensi. Produk berlabel “lokal” juga mungkin berkomunikasi untuk pembaruan, telemetri, atau fitur tambahan. Periksa dokumentasi dan perilaku jaringannya.

Layanan cloud mungkin menyediakan administrasi, kontrol, dan pembaruan yang sulit dipelihara tim kecil. Pilihan perlu mempertimbangkan sensitivitas, kemampuan operasional, biaya, serta kebutuhan kolaborasi, bukan semboyan sederhana.

Gambar, suara, dan biometrik

Foto dapat mengungkap wajah, lokasi, layar, atau dokumen. Audio memuat suara dan percakapan pihak lain. Pangkas atau buramkan bagian tidak perlu secara lokal dan peroleh izin bila diperlukan. Jangan memakai wajah maupun suara untuk membuat tiruan yang menipu.

Opini 28/2024 dari European Data Protection Board membahas aspek perlindungan data pribadi dalam pengembangan dan penerapan model AI.

Langkah jika terlanjur membagikan data sensitif

Hentikan pengiriman tambahan dan tentukan apa yang terekspos. Jika berupa kredensial, cabut atau ganti; menghapusnya dari obrolan saja tidak cukup. Jika berupa berkas, hapus tautan bersama, periksa izin, dan ikuti prosedur insiden organisasi. Catat layanan, akun, waktu, data, dan tindakan penanganan.

Hubungi penanggung jawab keamanan atau privasi bila insiden menyangkut pihak lain. Jangan menyembunyikan masalah atau memperluasnya dengan menyalin percakapan ke alat lain. Profil risiko AI generatif NIST dapat membantu menyusun risiko dan kontrol pada skala yang lebih besar.

Daftar periksa sebelum mengirim

  • Bisakah tugas diselesaikan tanpa data nyata?
  • Apakah kolom, baris, dan paragraf yang tidak diperlukan sudah dihapus?
  • Apakah alat, akun, dan paketnya telah diizinkan?
  • Apakah aturan pelatihan, retensi, memori, dan tautan sudah diperiksa?
  • Apakah izin konektor dan isi berkas dipahami?
  • Bisakah keluaran diverifikasi sekaligus dibersihkan?
  • Apakah Anda tahu cara mencabut, menghapus, dan melaporkan insiden?

Privasi yang efektif dimulai sebelum tombol Kirim ditekan. Dengan mengklasifikasikan, mengurangi, dan memisahkan data, Anda tidak bergantung pada satu janji penyedia. Keputusan yang semula spontan berubah menjadi kebiasaan yang dapat diulang.

Pertanyaan umum

Apakah obrolan AI bersifat privat secara bawaan?

Jangan berasumsi demikian. Tinjau penyedia, paket, konfigurasi, retensi, pemakaian untuk peningkatan, administrasi, serta alat yang terhubung.

Apakah menghapus nama sudah cukup?

Tidak selalu. Gabungan rincian lain mungkin tetap mengidentifikasi seseorang. Kurangi kumpulan data, lalu umumkan atau ganti atribut yang tidak diperlukan.

Bolehkah AI dipakai untuk dokumen kerja?

Hanya dengan alat dan kasus yang disetujui organisasi serta pengendali data. Kemampuan mengakses secara teknis tidak sama dengan izin.

Apakah model lokal menjamin privasi?

Tidak. Model lokal mengurangi jenis pengiriman tertentu, tetapi perangkat, berkas, pembaruan, dependensi, dan komunikasi jaringan tetap harus diamankan.

Tag:

Tim Editorial Pensamientos Computables

Tim yang meninjau sumber, contoh, batasan, dan kejernihan editorial di Pensamientos Computables.