Bảo vệ dữ liệu khách hàng khi dùng AI

Làm việc với khách hàng là tiếp xúc dữ liệu nhạy cảm ngay từ khâu nhận đề bài: tên, số điện thoại người liên hệ, hợp đồng, chiến lược chưa công bố. Khi AI bắt đầu tham gia quy trình làm việc, câu hỏi quan trọng là dữ liệu nào được đưa vào AI, dữ liệu nào không. Câu trả lời đó quyết định uy tín của Anh / Chị với khách hàng, không kém gì chất lượng sản phẩm.

Phân loại dữ liệu: bước đầu tiên không thể bỏ qua

Không phải mọi dữ liệu đều cần mức bảo vệ như nhau. Cần tách rõ bốn tầng:

• Dữ liệu công khai: thông tin đã đăng tải ra ngoài, ít rủi ro khi đưa vào AI.
• Dữ liệu nội bộ: quy trình, mẫu, tài liệu nội bộ chưa ra ngoài. Cần thận trọng hơn.
• Dữ liệu bí mật: hợp đồng, chiến lược, báo cáo tài chính. Không đưa vào AI công cộng.
• Thông tin cá nhân (PII, tức thông tin nhận diện được cá nhân): tên, số điện thoại, email, địa chỉ, dữ liệu thanh toán của khách hàng. Mức bảo vệ cao nhất, cần cơ sở pháp lý rõ ràng mỗi khi xử lý.

Lỗi phổ biến nhất là đối xử với tất cả dữ liệu như một khối duy nhất, rồi quyết định theo tiện tay thay vì theo tầng rủi ro.

Chọn công cụ đúng loại việc

Trước khi dùng bất kỳ công cụ nào, cần kiểm tra ba điều. Công cụ này có DPA không, dữ liệu nhập vào có được dùng để huấn luyện không, và ai được truy cập vào dữ liệu đó.

Tối thiểu hoá: nguyên tắc cốt lõi

Tối thiểu hoá dữ liệu (data minimisation) nghĩa là chỉ đưa vào AI đúng phần cần cho tác vụ cụ thể, không đưa toàn bộ hồ sơ "để phòng khi cần". Nguyên tắc này có trong chuẩn bảo vệ dữ liệu quốc tế, cũng là nguyên tắc của Luật Bảo vệ dữ liệu cá nhân 2025 (dữ liệu chỉ được xử lý trong phạm vi và mục đích cần thiết), và có lý do thực tiễn rõ ràng: dữ liệu không được đưa vào thì không thể bị lộ.

• Trước khi đưa dữ liệu vào AI, hỏi: tác vụ này thật sự cần trường dữ liệu nào?
• Làm mờ hoặc thay thế tên, số điện thoại, địa chỉ trước khi đưa vào nếu tác vụ không yêu cầu thông tin nhận diện.
• Đặt lịch xoá: dữ liệu không còn cần thiết thì xoá, không giữ "để dành".

Đừng xử lý dữ liệu cá nhân chỉ vì có thể có ích sau này. Mỗi lần xử lý cần có cơ sở hợp pháp.

ICO, Data minimisation (AI and data protection toolkit)

Lỗi thường gặp và cách nhận ra

• Dán thẳng danh sách khách vào AI miễn phí: thao tác quen tay nhưng tiềm ẩn rủi ro lộ dữ liệu. Không phải vì AI "nói lại" ngay lập tức, mà vì không kiểm soát được dữ liệu đó đi đâu sau đó.
• Dùng tài khoản AI cá nhân cho việc công ty: tài khoản này nằm ngoài tầm kiểm soát của tổ chức. Không ai có thể kiểm tra hay thu hồi quyền truy cập khi nhân viên nghỉ.
• Nghĩ ẩn danh là đủ: nhiều mẩu dữ liệu ghép lại vẫn có thể nhận diện cá nhân dù từng mẩu đã xoá tên. Ẩn danh hoá cần đi kèm tối thiểu hoá.
• Không biết chính sách dữ liệu của công cụ đang dùng: đây là lỗ hổng phổ biến nhất. Dùng mà không đọc điều khoản nghĩa là chấp nhận điều kiện mà không biết mình đang chấp nhận gì.

Chính sách nội bộ tối thiểu

Kỷ luật dữ liệu là điều kiện của uy tín, không phải gánh nặng thêm. Khách hàng tin giao thông tin nhạy cảm vì tin vào cách Anh / Chị vận hành, không phải vì họ chắc chắn rằng Anh / Chị không thể bất cẩn.

Một tuyến thực hành gọn: dữ liệu bí mật và thông tin cá nhân của khách không đi vào công cụ AI công cộng. Khi cần AI hỗ trợ, ưu tiên môi trường có cam kết bảo vệ dữ liệu và chỉ đưa vào phần tối thiểu, đã làm mờ. Quyết định nào chạm tới dữ liệu cá nhân đều có người duyệt. Khi việc vượt tầm, chuyển cho chuyên gia bảo mật hoặc pháp lý thay vì tự xử.

Anh / Chị không cần là chuyên gia kỹ thuật để thực hành điều này. Chỉ cần có chính sách rõ ràng trong nội bộ: dữ liệu nào được phép vào AI nào, ai được phép dùng, và khi nghi ngờ thì hỏi trước khi làm.

Bài viết là thông tin tham khảo. Phạm vi, giá và cam kết cụ thể của Sinh Vũ ghi trong hồ sơ đề xuất và hợp đồng đã ký.