AI अनुपालन: AI प्रणालींचे नियमन आणि अनुपालनाच्या कामासाठी AI चा वापर

AI अनुपालन म्हणजे दोन गोष्टी: तुमची संस्था तयार करत असलेल्या किंवा वापरत असलेल्या AI प्रणाली लागू कायदे, मानके आणि अंतर्गत धोरणांची पूर्तता करतात याची खात्री करण्याचे सातत्यपूर्ण काम, आणि नियमित, मोठ्या प्रमाणातील अनुपालन कामासाठी AI चा वापर.

हा लेख दोन्ही अर्थ स्पष्ट करतो: AI अनुपालन कोणत्या जोखमी हाताळते, प्रमुख फ्रेमवर्क, अनुपालन कार्यक्रम कसा तयार करावा, AI एजंटसाठी नियंत्रणे आणि AI अनुपालन टीमना कुठे मदत करते. शेवटी, अनुपालन टूल खरेदी करण्यापूर्वी विचारायचे प्रश्न दिले आहेत.

AI अनुपालन म्हणजे काय?

AI अनुपालन म्हणजे दोन गोष्टी: AI नियमनात घालून दिलेल्या नियमांची पूर्तता AI प्रणालींकडून करून घेणे, आणि अनुपालनाचे काम करण्यासाठी AI वापरणे.

पहिल्या अर्थाने, AI अनुपालन हे सुनिश्चित करते की AI प्रणाली प्रशिक्षण डेटापासून कार्यक्षमता आणि वापरापर्यंत, संपूर्ण AI जीवनचक्रात कायदे, नियम, नैतिक मानके आणि अंतर्गत धोरणांचे पालन करते.

उदाहरणार्थ, न्यूयॉर्क सिटीच्या लोकल लॉ 144 नुसार, स्वयंचलित रोजगार निर्णय टूल वापरणाऱ्या नियोक्त्यांनी वापराच्या एका वर्षाच्या आत त्याचे पूर्वग्रह ऑडिट करून घेणे, ऑडिटविषयीची माहिती सार्वजनिक करणे आणि कर्मचारी किंवा नोकरीच्या उमेदवारांना सूचित करणे आवश्यक आहे.

AI नियामक अनुपालनाचे काम सतत चालू असते, कारण AI ॲप्लिकेशन्स अपडेट होतात, ते वापरत असलेला डेटा बदलतो आणि नियम विकसित होत असतात.

दुसऱ्या अर्थाने, अनुपालन टीम व्यवहारांचे निरीक्षण, दस्तऐवजांचे पुनरावलोकन आणि नियामक बदलांचा मागोवा घेणे यांसारख्या नियमित, मोठ्या प्रमाणातील कामांसाठी AI वापरतात.

उदाहरणार्थ, काही वित्तीय संस्था व्यवहारांचे पुनरावलोकन करण्यासाठी आणि व्यवहार-निरीक्षण अलर्टमधील फॉल्स पॉझिटिव्ह कमी करण्यासाठी AI वापरतात, त्यानंतर कोणत्या अलर्टसाठी संशयास्पद क्रियाकलाप अहवाल आवश्यक आहे हे विश्लेषक ठरवतात.

AI अनुपालन विरुद्ध AI प्रशासन विरुद्ध AI जोखीम व्यवस्थापन

या तीन संज्ञा काही प्रमाणात एकमेकांशी जुळतात, पण त्यांची व्याप्ती वेगळी आहे: प्रशासन नियम ठरवते, जोखीम व्यवस्थापन काय चुकू शकते ते शोधते आणि अनुपालन नियमांची पूर्तता होत असल्याची खात्री करते.

AI अनुपालन का महत्त्वाचे आहे

AI अनुपालन साध्य केल्याने दंडाचा धोका मर्यादित होतो, तुमची AI ज्या लोकांच्या माहितीवर प्रक्रिया करते त्यांच्या गोपनीयतेचे संरक्षण होते आणि ऑडिट झाल्यास तुमची संस्था AI प्रणालींच्या वापराचा हिशेब देऊ शकते.

• नियामक दंड: EU AI Act अंतर्गत, कामाच्या ठिकाणी कर्मचाऱ्यांच्या भावनांचा अंदाज लावणे यासारखी प्रतिबंधित AI पद्धत वापरल्यास €35 दशलक्ष किंवा जागतिक वार्षिक उलाढालीच्या 7% पर्यंत दंड होऊ शकतो. कायद्याचे उल्लंघन केल्यास प्रदात्यांना आणि तैनातकर्त्यांना €15 दशलक्ष किंवा 3% पर्यंत दंड होऊ शकतो.
• डेटा संरक्षण: वैयक्तिक डेटावर प्रक्रिया करणारी AI प्रणाली EU मधील GDPR सारख्या डेटा संरक्षण कायद्यांच्या अधीन असते. यामध्ये वैयक्तिक डेटा असलेला प्रशिक्षण डेटा, प्रॉम्प्ट आणि आउटपुट यांचा समावेश होतो.
• ऑडिटची तयारी: तुम्ही कोणत्या AI प्रणाली वापरता, त्यांना कोणी मंजुरी दिली आणि तुम्ही त्यांचे निरीक्षण कसे करता याच्या नोंदींमुळे तुम्ही नियामक, ऑडिटर आणि ग्राहकांना उत्तर देऊ शकता.

AI अनुपालन हाताळत असलेल्या प्रमुख जोखमी

AI अनुपालन पाच प्रमुख जोखमी हाताळते: अल्गोरिदमिक पूर्वग्रह, स्पष्टीकरणक्षमतेचा अभाव, नियमन असलेल्या प्रक्रियांमधील हॅल्युसिनेशन, डेटा गोपनीयता आणि लीक, आणि शॅडो AI.

विस्तृत करा

प्रमुख जोखमी कशा दिसून येतात आणि त्यांना आटोक्यात ठेवणाऱ्या नियंत्रणांची उदाहरणे येथे दिली आहेत:

• अल्गोरिदमिक पूर्वग्रह: मॉडेल त्याच्या प्रशिक्षण डेटामधील असे पॅटर्न पुन्हा निर्माण करते जे विशिष्ट गटांसाठी तोट्याचे ठरतात. उदाहरणार्थ, एखादे भरती टूल पदवी मिळाल्याचे वर्ष किंवा ZIP कोड यांसारख्या वय किंवा वांशिकतेच्या अप्रत्यक्ष निर्देशकाच्या आधारे उमेदवारांना क्रमवारीत खालच्या स्थानावर ठेवू शकते. लोकसंख्याशास्त्रीय गटांमधील परिणामांची तुलना करणारे पूर्वग्रह ऑडिट हे पॅटर्न शोधण्यास मदत करतात.
• स्पष्टीकरणक्षमतेचा अभाव: मॉडेल एखाद्या निर्णयापर्यंत कसे पोहोचले हे संस्था दाखवू शकत नाही. मॉडेलने कर्ज का नाकारले हे कर्ज देणारी संस्था स्पष्ट करू शकत नसेल, तर ती त्या निर्णयाचे समर्थन करू शकत नाही. मॉडेलचे इनपुट आणि निर्णय घेण्याचा तर्क दस्तऐवजीकृत करून आणि मागोवा घेता येणारे आउटपुट देणारी मॉडेल निवडून संस्था ही जोखीम टाळतात.
• नियमन असलेल्या प्रक्रियांमधील हॅल्युसिनेशन: जनरेटिव्ह AI टूल चुकीची गोष्ट आत्मविश्वासाने सांगते. उदाहरणार्थ, एखादा वकील युक्तिवादाला आधार देणाऱ्या केस लॉसाठी AI टूलला विचारू शकतो आणि त्याला अस्तित्वात नसलेल्या न्यायालयीन निकालांचे संदर्भ मिळू शकतात. प्रत्येक आउटपुटसाठी स्रोत आवश्यक करणे आणि पात्र व्यक्तीकडून ते सत्यापित करून घेणे यामुळे अशा त्रुटी पकडल्या जातात.
• डेटा गोपनीयता आणि लीक: गोपनीय किंवा ग्राहकांची माहिती संस्थेच्या नियंत्रणाबाहेरील टूलपर्यंत पोहोचते. उदाहरणार्थ, एखादा कर्मचारी ग्राहकांच्या नोंदी अशा सार्वजनिक AI टूलमध्ये पेस्ट करू शकतो जे भविष्यातील मॉडेल प्रशिक्षित करण्यासाठी इनपुट जतन करते. प्रशिक्षण आणि डेटा जतन करण्यावर कराराद्वारे मर्यादा असलेली मंजूर टूलच वापरल्याने ही जोखीम कमी होते.
• शॅडो AI: कर्मचारी संस्थेने मंजूर न केलेली किंवा संस्थेला न दिसणारी AI टूल वापरतात. 2026 मधील Compliance Week सर्वेक्षणात, 42% सहभागींनी कर्मचाऱ्यांकडून AI चा अनियंत्रित वापर होत असल्याचे नोंदवले. संभाव्य उपायांमध्ये जलद AI टूल मंजुरी प्रक्रियेसह मंजूर टूलची यादी आणि वेब गेटवे यांचा समावेश होतो.

प्रमुख AI अनुपालन फ्रेमवर्क

AI अनुपालन हे EU AI Act सारख्या बंधनकारक AI प्रशासन फ्रेमवर्कवर आणि NIST AI Risk Management Framework व ISO/IEC 42001 सारख्या ऐच्छिक फ्रेमवर्कवर आधारित असते, जे संस्थांना बंधनकारक फ्रेमवर्कची पूर्तता करण्यास मदत करतात.

EU AI Act

EU AI Act (विनियम (EU) 2024/1689) AI नियमनासाठी जोखीम-आधारित दृष्टिकोन स्वीकारतो: काही पद्धतींवर पूर्णपणे बंदी आहे, उच्च-जोखीम प्रणालींवर कठोर निर्बंध आहेत, तर इतरांसाठी केवळ हलके पारदर्शकता नियम आहेत. हा कायदा “जेथे AI प्रणालीद्वारे निर्माण केलेले आउटपुट युनियनमध्ये वापरले जाते” अशा सर्व ठिकाणच्या प्रदात्यांना आणि तैनातकर्त्यांना लागू होतो.

EU AI Act अंतर्गत असलेली दायित्वे संस्थेच्या भूमिकेवर अवलंबून असतात:

• जे उच्च-जोखीम AI प्रणाली विकसित करतात किंवा स्वतःच्या नावाने बाजारात आणतात (प्रदाते), त्यांनी अनुरूपता मूल्यांकन पूर्ण करणे, CE मार्किंग लावणे, प्रणालीची नोंदणी करणे, तांत्रिक दस्तऐवज ठेवणे आणि प्रकाशनानंतर तिचे निरीक्षण करणे आवश्यक आहे.
• जे इतर कोणीतरी तयार केलेली प्रणाली वापरतात (तैनातकर्ते), त्यांनी प्रदात्याच्या सूचनांचे पालन करणे, “आवश्यक क्षमता, प्रशिक्षण आणि अधिकार” असलेल्या व्यक्तींकडे देखरेख सोपवणे, किमान सहा महिने लॉग ठेवणे आणि कामगारांना व प्रणालीच्या निर्णयांमुळे प्रभावित होणाऱ्या इतरांना माहिती देणे आवश्यक आहे.

विस्तृत करा

हा कायदा टप्प्याटप्प्याने लागू केला जात आहे. प्रतिबंधित पद्धती, AI साक्षरता आणि सामान्य-उद्देश AI चे नियम 2025 पासून लागू आहेत, तर उच्च-जोखीम दायित्वे 2 डिसेंबर 2027 पासून आणि EU उत्पादन-सुरक्षा कायद्याच्या कक्षेत येणाऱ्या उत्पादनांमध्ये अंतर्भूत AI साठी 2 ऑगस्ट 2028 पासून सुरू होतात.

गुणवत्ता व्यवस्थापन प्रणालींवरील EN 18286:2026 हे या कायद्याला पाठबळ देणारे पहिले युरोपियन मानक आहे. त्याचे पालन करणारे प्रदाते कायद्यातील गुणवत्ता व्यवस्थापन आवश्यकता पूर्ण करतात असे गृहीत धरले जाते.

NIST AI Risk Management Framework

जानेवारी 2023 मध्ये प्रकाशित झालेले NIST AI RMF (Risk Management Framework) हे Govern, Map, Measure आणि Manage या चार कार्यांवर आधारित ऐच्छिक अमेरिकी फ्रेमवर्क आहे.

जुलै 2024 मध्ये जारी केलेले त्याचे Generative AI Profile हे फ्रेमवर्क जनरेटिव्ह AI जोखमींना लागू करते.

ISO/IEC 42001

ISO/IEC 42001 हे AI व्यवस्थापन प्रणालींसाठीचे आंतरराष्ट्रीय मानक आहे आणि त्यात जबाबदार AI विकास व वापराचे नियमन करणारी धोरणे, भूमिका आणि प्रक्रिया यांचा समावेश होतो. प्रमाणन ऐच्छिक आहे आणि ते स्वतः ISO कडून नव्हे, तर स्वतंत्र प्रमाणन संस्थांकडून मिळते.

प्रमाणपत्र विशिष्ट AI उत्पादनाला नव्हे, तर संस्थेच्या व्यवस्थापन प्रणालीला लागू होते.

AI ला लागू होणारे अमेरिकी आणि क्षेत्रनिहाय नियम

अमेरिकेत AI साठी कोणताही एकच संघीय कायदा नाही. नियम शहरे, राज्ये आणि AI ला लागू होणाऱ्या विद्यमान कायदे व विनियमांमधून येतात.

उदाहरणार्थ, 1 जानेवारी 2027 पासून लागू होणारा कोलोरॅडोचा SB26-189 स्वयंचलित निर्णय घेणाऱ्या तंत्रज्ञानाचे नियमन करतो, आणि जेव्हा जेव्हा AI संरक्षित डेटावर प्रक्रिया करते तेव्हा California Consumer Privacy Act (CCPA) किंवा HIPAA सारखे गोपनीयता कायदे लागू होतात.

AI अनुपालन कार्यक्रम कसा तयार करावा

AI अनुपालन कार्यक्रम तयार करण्यात सहा पायऱ्या असतात: तुमच्या AI प्रणालींची यादी तयार करा, त्यांचे जोखमीनुसार वर्गीकरण करा, लागू नियमांशी नियंत्रणे जोडा, मालक नियुक्त करा, प्रत्येक प्रणालीचे दस्तऐवजीकरण करा आणि ऑडिटर तपासू शकेल अशा नोंदींसह तिचे निरीक्षण करा.

विस्तृत करा

खालील प्रत्येक पायरीच्या शेवटी ती पायरी तयार करत असलेली नोंद दिली आहे:

1. प्रत्येक AI प्रणालीची यादी तयार करा. तुमची संस्था तयार करत असलेल्या, खरेदी करत असलेल्या किंवा वापरत असलेल्या प्रणालींची यादी करा, ज्यात विद्यमान सॉफ्टवेअरमधील AI वैशिष्ट्ये आणि कर्मचाऱ्यांनी मंजुरीशिवाय स्वीकारलेली टूल समाविष्ट आहेत. प्रत्येक प्रणाली काय करते, ती कोण वापरते आणि ती कोणत्या डेटाशी संबंधित आहे याची नोंद करा.
   आउटपुट: AI यादी.
2. प्रत्येक वापर प्रकरणाचे जोखमीनुसार वर्गीकरण करा. EU AI Act च्या जोखीम स्तरांसारख्या योजनेचा वापर करून, प्रत्येक प्रणालीमुळे होऊ शकणाऱ्या हानीनुसार तिचे मूल्यांकन करा. उदाहरणार्थ, जीवन विमा प्रीमियम ठरवणारे टूल या कायद्याअंतर्गत उच्च-जोखीम आहे, तर अंतर्गत बैठकांचा सारांश देणारे टूल उच्च-जोखीम नाही.
   आउटपुट: जोखीम नोंदवही.
3. लागू नियमांशी नियंत्रणे जोडा. प्रत्येक प्रणालीला लागू होणारे कायदे, मानके आणि अंतर्गत धोरणे, तसेच प्रत्येक अनुपालन आवश्यकता पूर्ण करणारे नियंत्रण यांची यादी करा. उदाहरणार्थ, दस्तऐवजीकृत मानवी पुनरावलोकनामुळे उच्च-जोखीम प्रणालींसाठी EU AI Act मधील मानवी देखरेखीच्या आवश्यकता आणि दस्तऐवजीकृत मानवी देखरेख प्रक्रियांबाबत NIST AI RMF मधील अपेक्षा पूर्ण करण्यास मदत होते.
   आउटपुट: नियंत्रण नकाशा.
4. मालक आणि मानवी देखरेखीचे टप्पे नियुक्त करा. प्रत्येक प्रणालीसाठी एक मालक नेमा आणि तिच्या आउटपुटचे पुनरावलोकन एखादी व्यक्ती कुठे करेल ते ठरवा. उदाहरणार्थ, कायदेशीर आणि अनुपालन विभाग दायित्वांसाठी, सुरक्षा विभाग तांत्रिक नियंत्रणांसाठी आणि व्यवसाय मालक त्यांच्या वापर प्रकरणांसाठी जबाबदार असतात, तर एक कार्यकारी अधिकारी एकूणच उत्तरदायी असतो. संपूर्ण संस्थेतील लोकांना याची जाणीव असल्याची खात्री करा आणि संवादाचे स्पष्ट मार्ग निश्चित करा.
   आउटपुट: प्रत्येक प्रणालीसाठी नामनिर्देशित मालक.
5. प्रत्येक प्रणालीचे दस्तऐवजीकरण करा. प्रत्येक प्रणालीचा उद्देश, प्रशिक्षण डेटा, चाचणी आणि ज्ञात मर्यादा मॉडेल कार्ड आणि प्रभाव मूल्यांकन यांसारख्या स्वरूपांमध्ये नोंदवा. उच्च-जोखीम प्रणालींच्या प्रदात्यांनी EU AI Act च्या परिशिष्ट IV मधील तांत्रिक दस्तऐवजीकरणही तयार करणे आवश्यक आहे.
   आउटपुट: प्रणाली दस्तऐवजांचा संच.
6. निरीक्षण करा, लॉग ठेवा आणि पुरावे जतन करा. प्रणालीने काय केले आणि त्याचे पुनरावलोकन कोणी केले हे दाखवण्यासाठी सुरुवातीपासूनच लॉग ऑडिट पुरावा म्हणून डिझाइन करा. EU AI Act नुसार उच्च-जोखीम प्रणालींनी त्यांच्या संपूर्ण कार्यकाळात घटनांची आपोआप नोंद करणे आवश्यक आहे. ऑडिट ट्रेलमध्ये पुढील गोष्टींची नोंद असावी:
   • वापरात असलेले मॉडेल आणि त्याची आवृत्ती
   • इनपुट आणि आउटपुट, किंवा त्यांचा निश्चित नमुना
   • प्रशिक्षण किंवा फाइन-ट्यूनिंग डेटा
   • मानवी पुनरावलोकनाचे टप्पे आणि त्यांचे निष्कर्ष
   • एजंटने केलेल्या कृती आणि त्याने वापरलेल्या परवानग्या
   • प्रत्येक नोंद किती काळ ठेवली जाते

आउटपुट: निरीक्षणाच्या नोंदी आणि ऑडिट ट्रेल.

IBM watsonx.governance आणि OneTrust AI Governance सारखी विशेष AI अनुपालन टूल या कार्यक्रमाचे काही भाग हाताळू शकतात, ज्यात AI यादी, EU AI Act च्या अनुषंगाने जोखीम मूल्यांकन आणि दस्तऐवजीकरण यांचा समावेश आहे.

कर्मचारी वापरू शकतील अशा AI टूलना मंजुरी कशी द्यावी

AI टूलला मंजुरी देण्यापूर्वी चार गोष्टी तपासा:

• डेटा ॲक्सेस: टूल कोणत्या फाइल्स, प्रणाली आणि कनेक्ट केलेले नॉलेज बेस वाचू शकते, आणि त्यांमध्ये ते उघड करू शकेल असा वैयक्तिक डेटा आहे का.
• इनपुटवर प्रशिक्षण: विक्रेता त्याच्या मॉडेलना प्रशिक्षित करण्यासाठी प्रॉम्प्ट, फाइल्स किंवा आउटपुट वापरतो का, आणि विक्रेत्यासोबतचा तुमचा करार त्यास प्रतिबंध करतो का.
• जतन कालावधी: विक्रेता प्रॉम्प्ट, फाइल्स आणि संभाषण इतिहास किती काळ ठेवतो, आणि तुम्ही तो कालावधी कमी करू शकता का.
• होस्टिंग आणि हस्तांतरण: विक्रेता डेटा कुठे संग्रहित करतो आणि त्यावर कुठे प्रक्रिया करतो, ज्यात तुमच्या प्रदेशाबाहेरील हस्तांतरणांचा समावेश आहे.

AI एजंटसाठी अनुपालन नियंत्रणे

AI एजंटना चॅट टूलपेक्षा अधिक नियंत्रणांची आवश्यकता असते, कारण ते स्वतःच त्यांच्या पायऱ्या ठरवतात आणि दिलेली टूल व परवानग्यांच्या माध्यमातून कृती करतात. तीन नियंत्रणे त्यांना आटोक्यात ठेवतात:

• किमान-विशेषाधिकार ॲक्सेस: एजंटला त्याच्या कामासाठी आवश्यक असलेली टूल आणि परवानग्याच द्या. OWASP Top 10 for LLM Applications 2026 नुसार, Excessive Agency (अतिरिक्त स्वायत्तता), म्हणजे एजंट त्याच्या कामाच्या गरजेपेक्षा अधिक करू शकतो अशी स्थिती, ही सर्वोच्च सुरक्षा जोखमींपैकी एक आहे.
• प्रत्येक कृतीचा लॉग: एजंटने काय केले आणि कोणासाठी केले याचा मागोवा घेण्यासाठी प्रत्येक टूल कॉल, ॲक्सेस केलेला डेटा आणि वापरलेल्या परवानग्या यांची नोंद करा.
• मोठा परिणाम करणाऱ्या कृतींसाठी मानवी मंजुरी: संस्थेबाहेर डेटा पाठवणाऱ्या, पैसे हस्तांतरित करणाऱ्या किंवा पूर्ववत करता न येणाऱ्या पायऱ्यांची पुष्टी एखाद्या व्यक्तीने करणे आवश्यक करा.

अनुपालन कामात AI चा वापर कसा केला जातो

अनुपालन आणि जोखीम व्यवस्थापन टीम नियंत्रणांचे निरीक्षण करण्यासाठी, जोखमीचे मूल्यांकन करण्यासाठी, नियामक बदलांचा मागोवा घेण्यासाठी, दस्तऐवजांचे पुनरावलोकन करण्यासाठी आणि आर्थिक गुन्ह्यांशी संबंधित अलर्टचे प्राधान्यक्रमानुसार वर्गीकरण करण्यासाठी AI वापरतात.

2026 मधील 193 अनुपालन, नीतिमत्ता, जोखीम आणि ऑडिट प्रमुखांच्या Compliance Week सर्वेक्षणात, 83% पेक्षा अधिक जणांनी ते AI वापरत असल्याचे सांगितले आणि जवळपास 40% जणांनी त्यांच्या कंपन्यांनी जोखीम मूल्यांकन व निरीक्षणासाठी ते तैनात केल्याचे सांगितले.

अनुपालनातील AI च्या सामान्य वापर प्रकरणांमध्ये पुढील गोष्टींचा समावेश होतो:

• सतत अनुपालन निरीक्षण आणि पुरावा संकलन: AI तपासण्या चालवते आणि त्या कार्य करत असल्याचे पुरावे गोळा करते (उदा., प्लांटमधील थकीत उपकरण सुरक्षा तपासण्या).
• जोखीम मूल्यांकन आणि प्राधान्यक्रम: AI व्यवसाय युनिट्स किंवा तृतीय पक्षांना जोखमीनुसार क्रम देते (उदा., नवीन निर्बंध किंवा खटल्यांचा धोका असलेले पुरवठादार).
• नियामक बदलांचे निरीक्षण: AI नियामकांच्या प्रकाशनांचा मागोवा घेते आणि बदलांचा सारांश देते (उदा., खर्च धोरणातील भेटवस्तूंची मर्यादा कमी करणारे सुधारित लाचविरोधी मार्गदर्शन).
• दस्तऐवज आणि धोरण पुनरावलोकन: AI करार आणि धोरणांची आवश्यकतांशी तुलना करते (उदा., ऑडिटच्या अधिकाराचे कलम नसलेले पुरवठादार करार).
• आर्थिक-गुन्हेगारी तपासणी: AI व्यवहार-निरीक्षण आणि ग्राहक-तपासणी अलर्टचे प्राथमिक वर्गीकरण करते (उदा., निर्बंध-यादीतील नावाशी जुळणारी, पण प्रत्यक्षात वेगळीच व्यक्ती असलेली प्रकरणे).

अनुपालनासाठी वापरल्या जाणाऱ्या AI ला इतर AI प्रणालींप्रमाणेच प्रशासनाची आवश्यकता असते. UK च्या Financial Conduct Authority ने ऑक्टोबर 2026 मध्ये म्हटल्याप्रमाणे, “कंपन्या त्या विकसित करत असलेल्या, खरेदी करत असलेल्या आणि तैनात करत असलेल्या AI प्रणालींसाठी – त्यांच्या आउटपुट आणि परिणामांसह – जबाबदार आहेत,” आणि मानवी पुनरावलोकन हा “‘चौकटीत खूण करण्याचा’ सोपस्कार” बनवू नये असा इशारा दिला.

प्रत्यक्षात, AI टूल पुरावे गोळा करणे किंवा नियामक बदल निदर्शनास आणणे यांसारखी नियमित कामे हाताळू शकतात, परंतु संशयास्पद क्रियाकलापाचा अहवाल द्यायचा की नाही किंवा धोरणे कशी तयार करायची हे ठरवणे यांसारखे कायदेशीर जबाबदारी असलेले निर्णय घेऊ शकत नाहीत.

Perplexity Enterprise मधील डेटा नियंत्रणे

Perplexity Enterprise प्रशासकांना इनपुटवरील प्रशिक्षण, डेटा ॲक्सेस आणि डेटा राखून ठेवणे यांसंबंधीची नियंत्रणे देते:

• तुमच्या डेटावर प्रशिक्षण नाही: Perplexity आपल्या AI मॉडेल्सना प्रशिक्षित करण्यासाठी एंटरप्राइझ सामग्रीचा कधीही वापर करत नाही, आणि तृतीय-पक्ष मॉडेल प्रदात्यांसोबतचे त्याचे करार त्यांना त्या सामग्रीवर प्रशिक्षण देण्यास मनाई करतात.
• ॲक्सेस नियंत्रण: फाइल्स कोण अपलोड करू शकतो आणि उत्तरे कोण शेअर करू शकतो हे SSO, SCIM आणि भूमिका-आधारित परवानग्या ठरवतात.
• डेटा राखून ठेवणे आणि ऑडिट लॉग्स: सत्रांना जोडलेल्या फाइल्स सात दिवसांनंतर हटवल्या जातात. 50 किंवा अधिक जागा असलेल्या, किंवा किमान एक Enterprise Max जागा असलेल्या संस्था सत्रे राखून ठेवण्याचा कालावधीदेखील सेट करू शकतात आणि वापरकर्त्यांच्या क्रियाकलापांचे ऑडिट लॉग्स मिळवू शकतात.
• प्रमाणपत्रे: Perplexity SOC 2 Type II प्रमाणित आहे, GDPR चे पालन करते, आणि केवळ स्वाक्षरी केलेल्या बिझनेस असोसिएट करारांतर्गतच संरक्षित आरोग्य माहितीसह काम करण्याची परवानगी देते.

या नियंत्रणांचे सविस्तर प्रात्यक्षिक पाहण्यासाठी, वैयक्तिकृत डेमो बुक करण्याकरिता आमच्या विक्री टीमशी संपर्क साधा.

वारंवार विचारले जाणारे प्रश्न

EU AI अनुपालन म्हणजे काय?

EU AI अनुपालन म्हणजे तुमच्या भूमिकेसाठी (प्रदाता किंवा उपयोजक) आणि प्रत्येक प्रणालीच्या जोखीम श्रेणीसाठी EU AI Act मधील दायित्वांची पूर्तता करणे. ही दायित्वे टप्प्याटप्प्याने लागू होतात, आणि उच्च-जोखमीची कर्तव्ये 2 डिसेंबर 2027 पासून सुरू होतात.

HIPAA-अनुरूप AI म्हणजे काय?

HIPAA-अनुरूप AI म्हणजे संरक्षित आरोग्य माहितीसाठी असलेल्या HIPAA च्या सुरक्षा उपायांच्या चौकटीत वापरले जाणारे साधन. जर विक्रेता ती माहिती संग्रहित करत असेल किंवा तिच्यावर प्रक्रिया करत असेल, तर अमेरिकेच्या आरोग्य आणि मानव सेवा विभागानुसार आधी स्वाक्षरी केलेला बिझनेस असोसिएट करार असणे आवश्यक आहे.

EU AI Act अमेरिकन कंपन्यांना लागू होतो का?

होय. EU बाजारात AI प्रणाली आणणाऱ्या अमेरिकन कंपन्यांना, तसेच ज्यांच्या AI आउटपुटचा वापर EU मध्ये होतो अशा कंपन्यांना AI Act लागू होतो.

AI अनुपालन अधिकाऱ्यांची जागा घेऊ शकते का?

AI अनुपालन अधिकाऱ्यांची जागा घेऊ शकत नाही. संस्था त्यांच्या कामासाठी जबाबदार असतात, आणि AI तंत्रज्ञानांकडून चुका होऊ शकतात, त्यामुळे अनुपालन अधिकाऱ्यांनी AI आउटपुटची बारकाईने तपासणी करून त्याला मंजुरी देणे अजूनही आवश्यक आहे.