Panduan Melindungi Data Perusahaan

Berbagai generative AI tools seperti ChatGPT, Bard, dan Bing Search telah mengubah cara perusahaan berinteraksi dengan customer. Selain itu, tools ini juga membantu proses produksi dan tugas lainnya dengan lebih efisien. Namun, penggunaan produk-produk tersebut meningkatkan kekhawatiran terkait keamanan data.

Artikel ini mengupas risiko penggunaan generative AI tools dari pihak ketiga. Selain itu, artikel ini juga menawarkan beberapa saran untuk memastikan penggunaan yang aman dan bertanggung jawab.

Generative AI dan Data Security

Salah satu risiko utama yang dikaitkan dengan penggunaan generative AI tools adalah kemungkinan pelanggaran atau kebocoran data. Tools ini didesain untuk memberikan hasil secara otomatis. Oleh karena itu, tools ini seringkali mengumpulkan dan menyimpan data dalam jumlah yang besar.

Inilah yang menjadi alasan utama mengapa banyak institusi keuangan membatasi penggunaannya. Sebagai contoh, JP Morgan Chase dan Deutsche Bank bahkan melarang penggunaan ChatGPT di tempat kerja.

ChatGPT bergantung pada kemampuan machine learning. Interaksi apapun dengan bot ini akan digunakan sebagai data training untuk penggunaan berikutnya. Artinya, semua informasi yang dibagikan melalui chat akan disimpan pada server.

Termasuk di dalamnya adalah data yang mungkin sensitif dan personally identifiable information (PII). Karena data ini berada di luar perangkat pengguna, data yang bocor akan sulit diambil kembali dan dihapus.

Kasus Samsung: Pelajaran Berharga terkait Keamanan Data

Kekuatan generative AI sangat mengesankan. Oleh karena itu, banyak yang telah menggunakannya dan mengintegrasikannya ke dalam keseharian mereka. Misalnya, untuk menulis email atau coding.

Tetapi, justru inilah yang menjadi sumber kekhawatiran Samsung. Beberapa developer mengupload source code ke ChatGPT. Akibatnya, timbul potensi kebocoran informasi sensitif terkait hak cipta pada pihak ketiga. Sejak saat itu, perusahaan ini telah melarang penggunaan generative AI tools dalam lingkungan pekerjaan.

Menggunakan Generative AI Secara Bertanggung Jawab

Risiko yang menyertai penggunaan generative AI sangat bergantung pada bagaimana kita menggunakannya. Untuk meningkatkan efisiensi, kita rentan terhadap godaan untuk menggunakannya tanpa batasan.

Namun, ketika menyadari bagaimana teknologi bekerja, kita mulai khawatir. Berikut adalah beberapa langkah untuk menghindari kebocoran data ketika menggunakan generative AI tools:

• Batasi data yang Anda bagikan: Hanya bagikan data yang diperlukan tool tersebut untuk berfungsi. Pastikan semua data sensitif dibuat anonim atau tidak dibagikan sama sekali.
• Edukasi karyawan Anda: Pastikan semua karyawan yang menggunakan tool ini sudah mendapatkan pelatihan mengenai perlindungan data dan privasi. Bantu mereka memahami risikonya agar tidak membagikan informasi sensitif.
• Simpan data sendiri di Local Large Language Model (LLM): Daripada mengirimkan data kepada pihak ketiga, gunakan solusi AI yang mengandalkan LLM lokal. Tentu saja, Anda perlu mengembangkan LLM yang unik untuk perusahaan Anda.

Manfaat Penggunaan Local Large Language Model (LLM)

Penggunaan LLM lokal adalah cara yang dilakukan Bloomberg untuk memastikan keamanan dan melindungi data perusahaan . Perusahaan jasa keuangan ini mengembangkan LLM sendiri yang dikenal dengan BloombergGPT.

Untuk memenuhi kebutuhan industri keuangan, Bloomberg membuat LLM dengan 50 miliar parameter, yang terdiri dari berbagai data dan informasi spesifik mengenai keuangan.

BloombergGPT merupakan contoh yang baik dalam domain specific LLM. Di bidang yang lebih spesifik, yaitu pasar keuangan, model ini dapat melebihi general purpose LLM. Selain itu, model ini juga memproses jumlah data besar yang masuk melalui Bloomberg Terminal.

Meskipun Bloomberg belum memutuskan untuk mengembangkan GPT, memilikinya dapat memastikan keamanan data. Karyawan tidak akan secara tidak sengaja membagikan data sensitif kepada pihak ketiga. BloombergGPT juga siap membantu karyawan dengan laporan yang akurat.

Kesimpulan

Generative AI tools menawarkan keuntungan luar biasa bagi perusahaan yang ingin melakukan otomisasi. Tools ini juga membantu memberikan hasil dengan cepat dan efisien. Namun, penting untuk diketahui bahwa tools ini memiliki risiko terkait keamanan data.

Memiliki domain specific LLM sendiri tidak hanya membantu mengurangi kebocoran data. Lebih dari itu, pilihan ini juga memungkinkan penggunaan generative AI yang aman dan terkontrol.