ארכיונים רגישים ובינה מלאכותית: לאן המסמכים באמת הולכים
נכתב למנהלות ארכיונים, לממוני רשומות ולמי שצריך לחתום לפני שאוסף עובר דיגיטציה.
השאלה הראשונה שארכיונים שואלים על בינה מלאכותית כמעט אף פעם אינה על דיוק. היא גרסה כלשהי של: האם בטוח להכניס לזה את המסמכים שלנו?
קשה לענות על השאלה בניסוח הזה, כי "בינה מלאכותית" מכסה דברים שונים מאוד. מודל שרץ על מחשב נייד בחדר הקריאה וצ'אטבוט צרכני חינמי הם שניהם בינה מלאכותית. לכן השאלה המועילה מדויקת יותר: לגבי כל עמוד, היכן הוא מעובד, מה נשמר אחר כך, ומי יכול לראות אותו?
הפוסט הזה מציע מסגרת מעשית לענות על כך. זה אינו ייעוץ משפטי. הכללים שחלים על האוסף שלכם תלויים בתחום השיפוט, במוסד ובתנאים שבהם החומר הופקד, ואלה שאלות ליועץ המשפטי שלכם.
מה הופך אוסף לרגיש
גיל לבדו אינו הופך רשומה לבטוחה. קטגוריות נפוצות שמחייבות זהירות:
- רשומות על אנשים חיים. תיקים מהמאה ה-20, חומר גנאלוגי ורשומות קהילה מזכירים לעיתים קרובות אנשים שעדיין חיים, או את ילדיהם.
- מידע מקטגוריות מיוחדות. בריאות, אימוץ, רווחה, רשומות פליליות ומשטרתיות, השתייכות דתית או פוליטית.
- עדויות. עדויות ניצולים והיסטוריה בעל-פה נמסרו בתנאים מסוימים ומתוך ציפיות מסוימות לגבי השימוש בהן.
- מגבלות תורמים והפקדה. אמברגו, תיקים סגורים ותנאים שנכתבו בהסכם ההפקדה מחייבים את הארכיון, בלי קשר למה שהחוק היה מתיר.
- חומר שלא פורסם וחומר מוגן בזכויות יוצרים. מכתבים, כתבי-יד ותצלומים שהזכויות בהם לא הוסדרו.
הערה לגבי נפטרים: ה-GDPR האירופי קובע שאינו חל על מידע אישי של אנשים שנפטרו, אף שמדינות חברות רשאיות לקבוע כללים משלהן. אבל רשומות על מתים מכילות דרך קבע מידע על חיים. תיק משנות ה-60 על אב שנפטר יכול לתאר את ילדיו בפירוט רב.
חמש שאלות לכל ספק בינה מלאכותית
שאלו את כל הספקים, כולל אותנו. בקשו את התשובות בכתב.
- היכן המידע מעובד? באיזו מדינה או אזור, ועל תשתית של מי.
- מה נשמר, ולכמה זמן? תמונות העמודים, הטקסט שחולץ, ההנחיות, הלוגים.
- האם משהו מזה משמש לאימון מודלים? ספקים רבים אינם מאמנים על מידע מחבילות עסקיות בתשלום, אבל עשויים לעשות זאת בחבילות צרכניות חינמיות. ההבדל מכריע.
- מי עוד נוגע במידע? מעבדי משנה: ספק הענן, ספק המודל, בודקים חיצוניים.
- האם אפשר להוכיח ולבטל? לוגי גישה שאתם יכולים לקרוא, ותהליך מחיקה שאפשר לאמת בסוף הפרויקט.
ספק שאינו יכול לענות על השאלות האלה בבירור אומר לכם משהו חשוב.
ארבע אפשרויות פריסה
פרטיות אינה בחירה בינארית בין "ענן" ל"אף פעם". יש טווח אפשרויות, ולכל אחת מחיר משלה.
1. בינה מלאכותית מסחרית דרך חבילות עסקיות בתשלום. המודלים החזקים ביותר, בתנאים חוזיים שלפיהם הספק אינו מאמן על המידע שלכם. מתאים לרוב החומר הפתוח ובעל הרגישות הנמוכה.
2. עיבוד באזור נתונים מוגדר. אותה גישה, מוגבלת לאזור כמו האיחוד האירופי. עוזר כשהמגבלה היא לאן המידע רשאי לנוע, ולא האם הוא רשאי לצאת מהבניין.
3. שרת ייעודי ומבודד. החומר של הארכיון יושב על תשתית שמשמשת רק אותו, לא על מערכות משותפות, עם תיעוד גישה והצפנה.
4. מודל מקומי שלעולם אינו מגיע לענן. הזיהוי והניתוח רצים כולם על חומרה שבשליטת הארכיון. זו האפשרות המחמירה ביותר. יש לה גם מחירים אמיתיים: מודלים פתוחים מקומיים עשויים להיות חלשים מהמודלים המסחריים הגדולים במשימות מסוימות, והפעלה טובה שלהם דורשת חומרה מתאימה.
לא מחילים את האפשרות המחמירה על הכול
רוב האוספים אינם רגישים באופן אחיד. התייחסות לכל עמוד כאילו היה התיק החסוי ביותר הופכת פרויקטים לאיטיים ויקרים יותר ממה שנדרש.
גישה מועילה יותר היא לדרג את האוסף:
- חומר פתוח. עבודות שפורסמו, רשומות ציבוריות, חומר שכבר זמין לקוראים. מודלים מסחריים בחבילות בתשלום.
- חומר מוגבל. תיקים עם מידע אישי על אנשים שייתכן שהם בחיים. שרת ייעודי, אזור נתונים מוגדר, או שניהם.
- חומר סגור. רשומות מקטגוריות מיוחדות, הפקדות באמברגו, עדויות עם מגבלות שימוש. עיבוד מקומי בלבד, או ללא עיבוד בינה מלאכותית עד שהמגבלה תפקע.
הדירוג עצמו הוא החלטה קטלוגית שארכיונאים כבר מקבלים לגבי גישה בחדר הקריאה. הוא מתורגם באופן טבעי להחלטות עיבוד.
סימון אינו השחרה
בינה מלאכותית באמת מועילה באיתור תוכן רגיש באוספים גדולים: מספרי זהות, כתובות, מונחים רפואיים, שמות שתואמים אנשים שכנראה בחיים. היא יכולה להציף קטעים מועמדים באלפי עמודים שאף אחד לא היה קורא שורה אחר שורה.
היא לא צריכה לקבל את ההחלטה הסופית. סימון שהוחמץ חושף אדם; סימון מיותר מסתיר היסטוריה לגיטימית. הדפוס שעובד זהה לזה שאנחנו ממליצים עליו לזיהוי פנים בתצלומים: המכונה מציעה עם ראיות, אדם מחליט, והרשומה מתעדת מי החליט ועל סמך מה.
התוצאה יכולה להזין רמות גישה בקטלוג: תיאור ציבורי, תצוגה לחוקרים ורשומה פנימית חסויה, כולן מאותה עבודה.
לתעד מה קרה
פרטיות היא גם היכולת לענות על שאלות בדיעבד. אילו עמודים הלכו לאיזו מערכת, מתי, באילו תנאים, ומי בדק את הפלט. נתיב ביקורת שבנוי לתוך הצינור מאפשר זאת בלי מאמץ נוסף. הפוסט על נתיבי ביקורת מתאר איך אותו תיעוד גם הופך מחקר בסיוע בינה מלאכותית לניתן לאימות.
הרקע המשפטי, בקצרה
שתי מסגרות עולות שוב ושוב בעבודה שלנו:
- GDPR (האיחוד האירופי). סעיף 89 מאפשר למדינות החברות לקבוע חריגים לארכיונאות למען האינטרס הציבורי ולמחקר היסטורי, בכפוף לאמצעי הגנה מתאימים. זה אינו פטור גורף, ואמצעי ההגנה הם חלק מהתנאי.
- חוק הגנת הפרטיות בישראל. תיקון 13, שנכנס לתוקף באוגוסט 2025, הרחיב באופן משמעותי את סמכויות האכיפה של הרגולטור. ארכיונים בישראל שמעבדים מידע אישי צריכים לבחון את נוהליהם לאורו.
מדיניות אתיקה מוסדית, הסכמי הפקדה וציפיות הקהילה הולכים לעיתים קרובות רחוק יותר מהחוק. באוספים כמו ארכיוני שואה, החובות האתיות כלפי ניצולים ומשפחות הן לב העבודה, לא הערת שוליים של ציות.
איך אנחנו עובדים
לשם הסדר, אלה ההתחייבויות שאנחנו כבר נותנים בעבודת הקטלוג שלנו:
- שרת ייעודי לכל ארכיון. בידוד מלא, בלי תשתית משותפת.
- המידע שלכם לעולם אינו משמש לאימון מודלים. אנחנו עובדים רק דרך חבילות API בתשלום, שבהן הספקים אינם מאמנים על המידע, ולעולם לא דרך חבילות חינמיות.
- מפתחות בשליטת הארכיון, הצפנה מלאה ותיעוד גישה מובנה.
- אפשרויות מחמירות יותר לחומר הרגיש ביותר: עיבוד באזור נתונים אירופי, או מודל מקומי שלעולם אינו מגיע לענן.
רשימת בדיקה לפני שהעמוד הראשון יוצא מהבניין
- לסווג את האוסף לרמות: פתוח, מוגבל, סגור.
- לבדוק הסכמי הפקדה ותנאי תורמים לכל רמה.
- לשאול כל ספק את חמש השאלות ולשמור את התשובות.
- להתאים לכל רמה אפשרות פריסה.
- להשתמש בבינה מלאכותית לסימון תוכן רגיש; שאדם יחליט.
- לתעד מה עובד, היכן, ומי בדק.
- לסכם מראש על מחיקה בסוף הפרויקט, ולאמת אותה.
אם האוסף שלכם כולל חומר מוגבל ואתם רוצים לדעת מה אפשר לעבד בבטחה, צרו קשר. נשמח להתחיל מהסיווג, לפני שעמוד כלשהו מעובד.