Hvilke data skal blive i huset, og hvordan du beslutter det

Én virksomhed forbyder at sende interne data til eksterne AI-tjenester. Medarbejderne bruger dem alligevel, på private konti, fordi reglen blokerer en opsummering af en offentlig pressemeddelelse lige så effektivt som lønfilen. En anden virksomhed tillader alt, og nogen indsætter en kundekontrakt, priser inklusive, i en chatbot til forbrugere for at få sproget strammet op.

Begge politikker fejler af samme grund. De blev skrevet om værktøjer, ikke om data. »Må vi bruge model X?« har intet godt svar. »Må denne type data gå til en databehandler uden for vores kontrol, på disse vilkår?« har — og det kan besvares én gang pr. datatype i stedet for én gang pr. forespørgsel.

»Huset« er her kortform for infrastruktur, virksomheden kontrollerer: dens egne servere eller lejet hardware, hvor ingen andre har nøglerne.

Hvor datapolitikker fejler

Én regel for alt. For streng, og folk går uden om den. For løs, og skaden er sket, før nogen opdager det. Under alle omstændigheder holder politikken op med at beskrive, hvad der sker.

En klassifikation, ingen kan anvende. Fem fortrolighedsniveauer er defineret i en PDF. Ingen på lageret eller i salgsteamet ved, hvilket niveau en følgeseddel har, så alt behandles efter det niveau, der er mest bekvemt den dag.

Afledte data overses. Prompts, logs, opsummeringer, søgeindeks og embeddings bærer alle det indhold, de er lavet af. Et søgeindeks over kontrakter bør behandles som kontrakterne.

Vilkårene antages. Om en udbyder må gemme det, den modtager, og om den må bruge det til træning, afhænger af produktet og den kontrakt, du har — ikke af brandet. Læs dem.

Personoplysninger behandles som bare endnu en kategori. Efter GDPR kræver brug af en ekstern databehandler til personoplysninger en databehandleraftale, og overførsel af de data uden for Det Europæiske Økonomiske Samarbejdsområde kræver et overførselsgrundlag, for eksempel en tilstrækkelighedsafgørelse eller standardkontraktbestemmelser. Det skal være på plads, før den første forespørgsel sendes, ikke bagefter.

Man glemmer, hvad hemmeligholdelse beskytter. Efter EU-reglerne om forretningshemmeligheder er information blandt andet beskyttet, fordi indehaveren har taget rimelige skridt til at holde den hemmelig. At indsætte den i en tjeneste, ingen kontrollerer, kan svække det argument, netop når der er mest brug for det.

En regel, folk kan anvende

Definér klasserne ud fra, hvad det ville koste, hvis data kom ud — ikke ud fra etiketter — og hold dem få.

1. Offentligt, eller beregnet til at være det. Publiceret materiale, marketingtekster, offentlige indberetninger. Enhver model.
2. Internt. Almindelig driftsinformation: procedurer, generel korrespondance, interne noter uden kunde- eller personoplysninger. Eksterne modeller under en erhvervskontrakt, der udelukker træning på dine data og fastsætter opbevaringstid.
3. Fortroligt. Kontrakter, priser, dækningsbidrag, kundelister, personoplysninger, uoffentliggjorte planer, kildekode. Kun databehandlere, hvis kontrakt opfylder dine juridiske forpligtelser (for personoplysninger: korrekte behandlings- og overførselsvilkår), eller modeller, du selv kører.
4. Bliver i huset. Data, hvis afsløring ville være alvorlig og uoprettelig: konkrete forretningshemmeligheder, adgangsoplysninger og nøgler, særlige kategorier af personoplysninger, som du ikke har behov for at dele, detaljer om din egen sikkerhed. Behandles kun på infrastruktur, du kontrollerer, af modeller, du selv kører, og med hver adgang logget.

Knyt derefter klassen til typen af objekt, ikke til enkelte filer. Hvis virksomhedens model ved, at noget er en løn, en kontraktpris eller en kundereklamation, kan routingbeslutningen træffes automatisk, hver gang en agent rører det, i stedet for at afhænge af, at hver medarbejder husker politikken.

Sådan er Hurukan designet. Laget Superintelligens sender hver opgave til en model, der er tilladt for de involverede data, herunder lokale modeller, hvor data skal blive i huset. Laget Sikkerhed og suverænitet håndhæver rettigheder på serveren og logger hver adgang. Begge dele er under opbygning. Det bredere argument for at designe kontrol ind frem for at købe den står i suverænitet er en arkitekturbeslutning, og den praktiske side af at køre modeller selv står i små modeller på egen hardware.

En test, du kan køre i dag

List de tyve typer objekter, din forretning håndterer mest: kunde, ordre, faktura, prisliste, medarbejder, kontrakt, tegning, supportsag og så videre. Skriv ved siden af hver dens klasse fra et til fire og en begrundelse på én sætning.

Find derefter ud af, hvilke AI-værktøjer medarbejderne faktisk bruger. Spørg dem, og gæt ikke. Notér for hvert værktøj, hvilke dataklasser der når det, og på hvilke kontraktvilkår.

Der kommer to lister ud af det. Hvert objekt i klasse tre eller fire, der når et værktøj uden matchende vilkår, er din prioriteringsliste for denne måned. Hvert objekt i klasse et, der er blokeret fra et nyttigt værktøj, er grunden til, at medarbejderne arbejder uden om din politik — og at rette det er det, der gør resten af politikken troværdig.