गोपनीयता और डेटा को समझना

आप क्या सीखेंगे

अनुमानित समय: 30 मिनट

इस पाठ के अंत तक आप सक्षम होंगे:

गोपनीयता संबंधी चिंताओं को व्यक्त करना और उनकी डेटा हैंडलिंग नीतियों के आधार पर AI उपकरणों का मूल्यांकन करना
संवेदनशील जानकारी के साथ सुरक्षित रूप से काम करने के लिए डेटा स्वच्छता रणनीतियों का अभ्यास करना

(10 मिनट)

यह वीडियो गैर-लाभकारी पेशेवरों की AI के बारे में सबसे आम चिंताओं में से एक को संबोधित करता है: डेटा गोपनीयता। आप सीखेंगे कि आप AI उपकरणों के साथ जो डेटा साझा करते हैं उसका वास्तव में क्या होता है, विभिन्न प्लेटफॉर्म और योजनाओं का उनकी गोपनीयता सुरक्षा के लिए मूल्यांकन कैसे करें, और सुरक्षित AI उपयोग के लिए संवेदनशील डेटा को कैसे तैयार करें।

मुख्य बातें

AI नई गोपनीयता संबंधी विचारणाएं लाता है—विशेष रूप से प्रशिक्षण के चारों ओर : कुछ AI आपके इनपुट का उपयोग भविष्य के मॉडल को प्रशिक्षित करने के लिए करते हैं, जिसका अर्थ है कि आपके डेटा से पैटर्न भविष्य के आउटपुट को प्रभावित कर सकते हैं।
विभिन्न उपकरणों के विभिन्न नियम हैं : वह मुफ्त AI जिसका उपयोग आप ईवेंट थीम पर विचार-मंथन के लिए करते हैं, वह सख्त डेटा प्रतिधारण नीतियों वाले भुगतान खाते के समान नहीं है। अपने उपकरण को अपने कार्य से मेल खाएं—अधिक सुरक्षा वाले उपकरण संवेदनशील डेटा साझा करने के लिए सुरक्षित हैं।
सुरक्षित AI उपयोग इससे बचने के बारे में नहीं है—यह इसे जिम्मेदारी से उपयोग करने के बारे में है : नई परियोजना शुरू करने से पहले समस्या जागरूकता और प्लेटफॉर्म जागरूकता लागू करें। अक्सर आप कार्यों को घटक भागों में विभाजित करके संवेदनशील जानकारी साझा किए बिना AI से पूर्ण लाभ प्राप्त कर सकते हैं।
आप अक्सर पहचान संबंधी जानकारी को पूरी तरह से हटा सकते हैं : पैटर्न विश्लेषण के लिए, आपको संभवतः नाम, संपर्क विवरण, या अन्य PII की आवश्यकता नहीं है। यह निर्धारित करने के लिए अपने वास्तविक लक्ष्य से पीछे की ओर काम करें कि कौन सा डेटा वास्तव में आवश्यक है।
यदि कुछ गलत हो जाता है, तो आपके पास विकल्प हैं : बातचीत हटाएं, प्लेटफॉर्म की गोपनीयता प्रक्रिया के माध्यम से डेटा हटाने का अनुरोध करें, और अपने संगठन के प्रोटोकॉल का पालन करें।

Claude की गोपनीयता सेटिंग्स पर एक नोट

Claude के लिए विशेष रूप से, आप privacy. anthropic. com और trust. anthropic. com पर विस्तृत डेटा नीति जानकारी पा सकते हैं। आप Claude ऐप में सीधे अपनी गोपनीयता सेटिंग्स को समायोजित कर सकते हैं, जिसमें प्रशिक्षण के लिए आपकी बातचीत का उपयोग किए जाने से बाहर निकलना शामिल है। अन्य AI प्रदाताओं के पास समान संसाधन होने चाहिए—यदि उनके पास नहीं हैं, तो यह एक लाल झंडा हो सकता है।

अभ्यास 1: डेटा संवेदनशीलता का मूल्यांकन

यह अभ्यास आपको यह निर्णय लेने में मदद करता है कि AI उपकरणों के साथ कौन सा डेटा साझा करना सुरक्षित है।

भाग I: नमूना डेटा की समीक्षा करें

निम्नलिखित परिदृश्यों में से एक चुनें जो आपके काम के लिए सबसे प्रासंगिक है:

दाता देने के इतिहास की एक स्प्रेडशीट जिसमें नाम, राशि और संपर्क जानकारी है
कार्यक्रम प्रतिभागियों से सर्वेक्षण प्रतिक्रियाएं जिनमें जनसांख्यिकीय विवरण शामिल हैं
एक अनुदान रिपोर्ट ड्राफ्ट जिसमें लाभार्थी कहानियां और परिणाम डेटा शामिल हैं

भाग II: संवेदनशीलता के लिए टिप्पणी करें

अपने चुने हुए परिदृश्य के लिए, पहचानें:

कौन से क्षेत्र या अनुभाग व्यक्तिगत रूप से पहचान योग्य जानकारी (PII) रखते हैं?
कौन सी जानकारी आप जो विश्लेषण करना चाहते हैं उसके लिए आवश्यक है?
कौन सी जानकारी को विश्लेषणात्मक मूल्य खोए बिना हटाया या गुमनाम किया जा सकता है?
यदि यह डेटा उजागर हो जाए तो सबसे बुरी स्थिति क्या है?

भाग III: अपना दृष्टिकोण योजना बनाएं

AI के साथ साझा करने से पहले आप क्या हटाएंगे या संशोधित करेंगे?
इस स्तर की संवेदनशीलता के लिए कौन सा उपकरण/योजना स्तर उपयुक्त होगा?
AI के विश्लेषण के बाद आप कौन से सत्यापन चरण लेंगे?

अभ्यास 2: डेटा स्वच्छता का अभ्यास

यह अभ्यास आपको सुरक्षित AI उपयोग के लिए संवेदनशील डेटा तैयार करने के माध्यम से चलता है।

भाग I: अपना दस्तावेज़ चुनें

अपने काम से एक वास्तविक दस्तावेज़ चुनें जिसमें कुछ संवेदनशील जानकारी हो (या एक यथार्थवादी नमूना बनाएं)। यह हो सकता है:

ग्राहक विवरण के साथ एक कार्यक्रम रिपोर्ट
एक दाता संचार ड्राफ्ट जो विशिष्ट देने की राशि का संदर्भ देता है
बैठक के नोट्स जो कर्मचारी या स्वयंसेवक नामों का उल्लेख करते हैं

भाग II: दस्तावेज़ को स्वच्छ करें

दस्तावेज़ के माध्यम से काम करें और:

नामों को सामान्य पहचानकर्ताओं से बदलें (व्यक्ति A, दाता 1, आदि)
यदि आवश्यक न हो तो स्थान विवरण को हटाएं या सामान्य करें
संपर्क जानकारी को पूरी तरह से हटाएं
विचार करें कि क्या विशिष्ट डॉलर राशि सटीक होनी चाहिए या सीमाएं हो सकती हैं

भाग III: AI के साथ परीक्षण करें

अपने स्वच्छ दस्तावेज़ को AI के साथ साझा करें और अपने काम के लिए प्रासंगिक एक प्रश्न पूछें। प्रतिबिंबित करें:

क्या पहचान संबंधी जानकारी को हटाने से AI आपकी मदद करने की क्षमता सीमित हुई?
क्षतिपूर्ति के लिए आपको कौन सा अतिरिक्त संदर्भ प्रदान करना पड़ा?
क्या आप उस स्तर की जानकारी के साथ सहज हैं जो आपने साझा की?

पाठ प्रतिबिंब

AI गोपनीयता के बारे में सोचना अन्य सॉफ्टवेयर उपकरणों (ईमेल, क्लाउड स्टोरेज, CRM) के बारे में आपके सोचने के तरीके से कैसे तुलना करता है?
इस पाठ के आधार पर आप डेटा साझा करने के अपने दृष्टिकोण में एक बदलाव क्या करेंगे?

आगे क्या है

अगले पाठ में, हम इन गोपनीयता प्रथाओं को कार्य में डालेंगे क्योंकि हम AI के साथ डेटा विश्लेषण की खोज करेंगे—पैटर्न को स्पॉट करना, अंतर्दृष्टि उत्पन्न करना, और संवेदनशील जानकारी की सुरक्षा करते हुए अपने कार्यक्रमों को मजबूत करना सीखेंगे।

प्रतिक्रिया

जैसे ही आप पाठ्यक्रम के माध्यम से आगे बढ़ते हैं, हम आपसे सुनना पसंद करेंगे कि आप अपने काम में पाठ्यक्रम से अवधारणाओं का उपयोग कैसे कर रहे हैं और आपके पास कोई भी प्रतिक्रिया हो सकती है। अपनी प्रतिक्रिया यहां साझा करें।

स्वीकृति और लाइसेंस

_कॉपीराइट 2025 Anthropic और Giving Tuesday। प्रो. रिक डेकन (रिंगलिंग कॉलेज ऑफ आर्ट एंड डिज़ाइन) और प्रो. जोसेफ फेलर (यूनिवर्सिटी कॉलेज कॉर्क) द्वारा विकसित AI Fluency Framework पर आधारित। CC BY-NC-SA 4. 0 लाइसेंस के तहत जारी।_