Redaction
Vores modeller finder og udskifter følsomme oplysninger, før noget forlader platformen, og sætter dem tilbage i svaret, du læser.
Sådan fungerer Redaction
OurAI kombinerer faste mønstre (regex) med en sprogmodel (NER), der fanger det, mønstrene ikke kan, på både dansk og engelsk. Sammen finder de personhenførbare oplysninger (PII), forretningsoplysninger og de udtryk, din organisation selv har defineret. Hver fundet oplysning bliver skiftet ud med en token, før beskeden forlader platformen (tokenisering), og samme oplysning bliver altid til samme token, så samtalen stadig hænger sammen for AI-modellen.
Personhenførbare oplysninger (PII)
Oplysninger, der peger på en person, blandt andet navne, CPR-numre, telefonnumre, e-mailadresser, adresser og fødselsdatoer.
Forretningsoplysninger
Oplysninger, der identificerer din organisation eller dens økonomi, blandt andet CVR-numre, organisationsnavne og kontonumre.
Egne udtryk
Ord og udtryk, din organisation selv definerer, fx kundenavne, projektnavne eller interne betegnelser.
Gennemsyn og godkendelse
Alt bliver holdt tilbage til gennemsyn, før det bliver sendt. Hver fundet oplysning er skiftet ud og fremhævet, så du ser præcis, hvad der forlader platformen. Vurderer du, at en oplysning er ufarlig, kan du beholde den, og du kan selv markere noget, der ikke blev fanget. Intet bliver sendt, før du har godkendt.
Hvad der bliver gemt
Det, du sender, bliver gemt uden de følsomme oplysninger. Koblingen mellem en token og den rigtige oplysning bliver aldrig gemt. Den findes kun, mens svaret bliver genereret.
| DATA | GEMMES? |
|---|---|
| Det, du sender, uden de følsomme oplysninger | Ja |
| Svaret, som du læser det | Ja |
| Koblingen mellem token og oplysning | Aldrig |
Opbevaringsperioder for alle datatyper er beskrevet under Dataopbevaring.
Videreudviklet på DTU
Redaction er bygget af OurAI og bliver løbende forbedret gennem et specialkursus på DTU. Designet følger et enkelt princip: Er der tvivl om en oplysning, bliver den skiftet ud. At overse noget er en alvorlig fejl. At fjerne for meget koster højst lidt kontekst for AI-modellen. Jeres data bliver aldrig brugt til udvikling eller test.