08. உருவாக்க AI-இன் அபாயங்கள், இணையப் பாதுகாப்பு மற்றும் பொறுப்புமிக்க பயன்பாடு

முக்கிய கருப்பொருள்: ஒரு உருவாக்க AI (Generative AI) கருவியானது, தன்னம்பிக்கை மிக்க ஒரு பயிற்சிக் காலப் பணியாளரை (intern) போன்றது. அது வியத்தகு திறமையுடன் செயல்படும்; அதேவேளையில் எவ்விதத் தயக்கமுமின்றி, மிக அப்பட்டமான பொய்களையும் உண்மையைப் போலக் கூறக்கூடியது. ஆனால், ஆவணத்தில் இறுதியாகக் கையொப்பமிடும் அரச அதிகாரிக்கே முழுமையான சட்டப் பொறுப்பும் சாரும். எந்திரத்தின் இந்த மாயைக்குள் மனிதன் தனது கட்டுப்பாட்டைத் தக்கவைத்துக்கொள்ளக்கூடிய ஒரே பாதுகாப்பு அரண், ஆழமான 'வாசிப்பு' மட்டுமே ஆகும்.

1. உருவாக்க AI-இன் 7 முதன்மை அபாயங்களின் முறைமைப்படுத்தப்பட்ட வகைப்பாடு

அரசு நிர்வாகத்தில் செயற்கை நுண்ணறிவைப் பயன்படுத்துவதற்கு முன்பு, ஒரு அரச அதிகாரி புரிந்துகொள்ள வேண்டிய மிக அடிப்படை உண்மை இதுதான்: ஒரு பெரு மொழி மாதிரியானது (LLM) ஒரு தகவல்களஞ்சியமோ அல்லது ஒரு தரவுத்தளமோ (database) அல்ல. அது வெறுமனே, அடுத்து வரக்கூடிய மிகவும் சாத்தியமான சொல்லைப் புள்ளிவிவர ரீதியாகக் கணிக்கும் (P(w_t | w_<t)) ஒரு எஞ்சின் மட்டுமே. தகவல்கள் இல்லாதபோதோ அல்லது அது அறியாத ஒரு விஷயத்தைப் பற்றிக் கேட்கப்படும்போதோ, அந்த மாதிரி அமைதியாக இருந்து "எனக்குத் தெரியாது" என்று கூறுவதில்லை. மாறாக, அது தவறான தகவல்களைப் புனைந்து (fabricate) — மிகவும் அதிகாரப்பூர்வமான, தன்னம்பிக்கை மிக்க நடையில் நம்முன் சமர்ப்பிக்கின்றது.

அரச சேவையில் உள்ள அதிகாரிகள் எதிர்கொள்ளும் ஏழு முதன்மை அபாயப் பரிமாணங்களை பின்வருமாறு முறைமைப்படுத்தி அடையாளப்படுத்தலாம்:

படம் 8.1: உருவாக்க AI-இன் அபாயங்கள் — போலித் தோற்றம்/புனைவு (Hallucination), பட்சபாதம் (Bias), தனியுரிமை மீறல் (Privacy), சட்டப் பொறுப்புக்கூறல் (Legal accountability), தவறான பயன்பாடு (Misuse), மிதமிஞ்சிய நம்பிக்கை (Over-reliance), மற்றும் டோக்கன் செலவு (Token Cost).

7 அபாயப் பரிமாணங்களின் ஆழமான பகுப்பாய்வு:

1. போலித் தோற்றம் / புனைவு (Hallucination - Fabricated Information): * தொழில்நுட்பத் தன்மை: மாதிரிக்குக் சூழல்சார் இடைவெளி அல்லது நிச்சயமற்ற தன்மை ஏற்படும் போது, அது மொழி ரீதியாக நேர்த்தியான, ஆனால் நடைமுறையில் எங்குமே இல்லாத உண்மைகளை உருவாக்குகிறது. * அரச துறை மீதான தாக்கம்: நிஜ உலகில் எங்குமே இல்லாத நிர்வாகச் சுற்றறிக்கை எண்கள், கற்பனையான உயர் நீதிமன்றத் தீர்ப்புகள் அல்லது போலி மக்கள்தொகை புள்ளிவிவரங்கள் அதிகாரப்பூர்வ ஆவணங்களுக்குள் நுழைந்துவிடுவது. ஒரு அமைச்சின் செயலாளரோ அல்லது பிரதேச செயலாளரோ (Divisional Secretary) இத்தகைய ஆவணத்தில் கையொப்பமிட்டால், அது சட்டரீதியாகவும் நிர்வாகரீதியாகவும் பெரும் பேரழிவாக மாறும்.

2. பட்சபாதம் மற்றும் சமத்துவமின்மை (Bias & Inequity): * தொழில்நுட்பத் தன்மை: மாதிரியைப் பயிற்றுவிக்கப் பயன்படுத்தப்பட்ட வரலாற்று இணையத் தரவுகளில் பதிந்துள்ள சமூக, பொருளாதார, கலாச்சார மற்றும் மொழி சார்ந்த சமநிலையின்மைகள், மாதிரியின் தீர்மானங்களை நேரடியாக நிர்ணயிக்கின்றன. * அரச துறை மீதான தாக்கம்: 'அஸ்வசும' அல்லது 'சமுர்த்தி' போன்ற நலன்புரி உதவிகளுக்கான தகுதியை மதிப்பிடும்போதோ அல்லது அரச சேவை நியமனங்களுக்கான சுருக்கப் பட்டியலை (shortlisting) தயாரிக்கும்போதோ, விளிம்புநிலைச் சமூகங்கள், பெண் தலைமைத்துவக் குடும்பங்கள் அல்லது தொலைதூர மாகாணங்களைச் சேர்ந்த மக்கள் தானியங்கு முறையில் தொடர்ச்சியாகப் பாதிக்கப்படலாம். இதனால்தான் ஐரோப்பிய ஒன்றியத்தின் AI சட்டம் (Regulation 2024/1689) பொதுமக்கள் நலன்புரி மற்றும் குடிமக்கள் சேவை சார்ந்த தீர்மானங்களை "உயர்-அபாய AI" (High-Risk AI) என வகைப்படுத்துகிறது.

3. இரகசியத்தன்மை மற்றும் தனியுரிமை கசிவு (Confidentiality & Privacy Leakage): * தொழில்நுட்பத் தன்மை: பொதுப் பயன்பாட்டு AI கருவிகளில் உள்ளிடப்படும் தரவுகள், அம்மாதிரியை உருவாக்கிய நிறுவனத்தால் சேமிக்கப்பட்டு, அவர்களின் அடுத்த தலைமுறை மாதிரிகளை மீளப் பயிற்றுவிக்கப் பயன்படுத்தப்படலாம். * அரச துறை மீதான தாக்கம்: குடிமக்களின் தேசிய அடையாள அட்டை (NIC) எண்கள், காணி உறுதிப்பத்திர விபரங்கள், மருத்துவப் பதிவுகள் அல்லது இரகசிய அமைச்சரவைக் குறிப்புகளைப் பகிரங்க AI அமைப்புகளில் உள்ளிடுவது. இலங்கையின் 2022 ஆம் ஆண்டின் 9 ஆம் இலக்க தனிப்பட்ட தரவுப் பாதுகாப்புச் சட்டத்தின் (PDPA) கீழ், குடிமக்களின் தரவுகளைப் பாதுகாப்பது தரவுக் கட்டுப்பாட்டாளரான (Data Controller) அரசின் முழுமையான சட்டப் பொறுப்பாகும்.

4. சட்ட, பதிப்புரிமை மற்றும் ஒழுங்குமுறைப் பொறுப்பு (Legal, Copyright & Regulatory Liability): * தொழில்நுட்பத் தன்மை: வர்த்தக ரீதியாக அல்லது அறிவுசார் ரீதியாகப் பாதுகாக்கப்பட்ட ஆவணங்களை அனுமதியின்றி மீளுருவாக்கம் செய்தல் மற்றும் AI-ஆல் உருவாக்கப்பட்ட வெளியீடுகளுக்குப் பதிப்புரிமைப் பாதுகாப்பு இல்லாமை. * அரச துறை மீதான தாக்கம்: டெண்டர் ஆவணங்கள், கொள்கைப் பத்திரங்கள் அல்லது பாடத்திட்டங்களைத் தயாரிக்கும் போது நிகழும் அறிவுசார் சொத்துரிமை மீறல்கள். நிர்வாகச் சட்டத்தின் கீழ், ஓர் அரசுத் தீர்மானமானது ஒரு மனிதனின் பகுத்தறிந்த தீர்மானத்தை அடிப்படையாகக் கொண்டிருக்க வேண்டும் — மேலும் விளக்கப்பட்ட முடியாத (black-box) AI தீர்மானம் நீதிமன்றங்களால் சட்டவிரோதமானது எனத் தீர்ப்பளிக்கப்படலாம்.

5. தவறான பயன்பாடு மற்றும் போலிப் பிம்பங்கள் (Misuse & Deepfakes): * தொழில்நுட்பத் தன்மை: பன்முறைமை (multimodal) AI கருவிகளைப் பயன்படுத்தி, குரல் நகலாக்கம் (voice cloning), போலி வீடியோக்கள் (deepfakes) மற்றும் தானியங்கு சமூகப் பொறியியல் (social engineering) தாக்குதல்களைத் கணப்பொழுதில் உருவாக்கும் திறன். * அரச துறை மீதான தாக்கம்: நிதி விடுவிப்புக்கு உத்தரவிட மாவட்டச் செயலாளர் அல்லது அமைச்சின் செயலாளரின் குரலைப் போலியாகப் பயன்படுத்தி தொலைபேசி அழைப்புகளைச் செய்தல்; அதிகாரப்பூர்வ ஆவணங்களை உடனடியாகப் போலியாக உருவாக்குதல். அதேபோல, MOSIP (Modular Open Source Identity Platform) போன்ற கட்டமைப்புகளிலோ அல்லது பழமையான அரச வலைவாசல்களிலோ உள்ள மென்பொருள் பலவீனங்களைத் தானியங்கி முறையில் கண்டறிந்து தாக்குவதற்கும் இணையக் குற்றவாளிகள் AI-ஐப் பயன்படுத்தலாம்.

6. மிதமிஞ்சிய நம்பிக்கையும் திறன் இழப்பும் (Over-reliance & Deskilling): * தொழில்நுட்பத் தன்மை: தானியக்கத்தின் வசதி, மனிதனின் ஆழமான சிந்தனை, பகுப்பாய்வு மற்றும் விமர்சன நுண்ணறிவை இக்கருவியிடம் ஒப்படைக்கச் செய்து, மனிதனை மந்தமாக்குகிறது. * அரச துறை மீதான தாக்கம்: கணிப்பான்களின் (calculator) வருகைக்குப் பிறகு மனக்கணக்கு போடும் திறன் குன்றியது போல, அரச அதிகாரி சிக்கலான சட்டங்களையும் சுற்றறிக்கைகளையும் வாசிப்பதை நிறுத்திவிட்டு, AI சுருக்கங்களை மட்டுமே முழுமையாகச் சார்ந்திருக்கத் தொடங்குகிறார். இதன் விளைவாக, முழு அரச சேவையின் அறிவுசார் தரமும் வீழ்ச்சியடைகிறது.

7. செலவு மற்றும் டோக்கன் பொருளியல் (Cost & Token Economics): * தொழில்நுட்பத் தன்மை: வணிக ரீதியிலான API அனுமானங்கள் (API inference), சூழல் சாளர சேமிப்பு (context-window caching) மற்றும் முகவர் சுழற்சிகளை (agentic loops) இயக்கும் போது ஏற்படும் அதிகப்படியான டோக்கன் நுகர்வு. * அரச துறை மீதான தாக்கம்: சரியான கட்டமைப்புத் திட்டமும் வரவுசெலவுத் திட்டக் கட்டுப்பாடும் இல்லாவிட்டால், ஓர் அரச நிறுவனம் தாங்க முடியாத அளவுக்கு மாதாந்திர செயல்பாட்டுச் செலவுகளை (OPEX) உருவாக்கக்கூடும்.

2. டெலாய்ட் (Deloitte) நிறுவனத்தின் $440,000 பாடம்

AI-இன் போலித் தோற்றங்கள் (hallucinations) ஒரு முன்னணி சர்வதேச ஆலோசனைக் நிறுவனத்தைக் கூட எவ்வாறு கடுமையான சங்கடத்திற்கும் சட்டத் தண்டனைக்கும் உட்படுத்தின என்பதற்கு ஆஸ்திரேலிய அரசாங்கத்தின் அனுபவமே உலகின் மிகச்சிறந்த உதாரணமாகும்:

படம் 8.2: டெலாய்ட் நிறுவனத்தின் AI பின்னடைவு விளக்கப்பட்டது — $440,000 மதிப்பிலான அறிக்கை எவ்வாறு பின்னடைவைச் சந்தித்தது (ஆஸ்திரேலிய கூட்டாட்சி அரசாங்கத்திற்குச் சமர்ப்பிக்கப்பட்ட அதிகாரப்பூர்வ அறிக்கையின் நிலை).

பின்னணியும் முறைமைச் செயலிழப்பும்:

2025 ஆம் ஆண்டின் பிற்பகுதியில், உலகின் முன்னணி மேலாண்மை ஆலோசனைக் நிறுவனங்களில் ஒன்றான டெலாய்ட் (Deloitte), ஆஸ்திரேலிய அரசாங்கத்தின் வேலைவாய்ப்பு மற்றும் பணியிட உறவுகள் திணைக்களத்திற்காக 440,000 ஆஸ்திரேலிய டாலர் (130 மில்லியன் இலங்கை ரூபாய்க்கும் அதிக) மதிப்பிலான ஒப்பந்தத்தின் கீழ் ஒரு கொள்கை ஆராய்ச்சி அறிக்கையைத் தயாரித்தது (Deloitte's AI Fallout Explained: The $440,000 Report That Backfired).

அவ்வறிக்கையைத் தொகுத்த ஆலோசனைக் குழு, இலக்கிய மதிப்பாய்வு (literature review) மற்றும் பொருளாதாரத் தரவுகளைச் சுருக்குவதற்காக உருவாக்க AI-ஐப் பயன்படுத்தியிருந்தது. ஆனால், அந்த அறிக்கை ஆஸ்திரேலிய பாராளுமன்றத்தின் செனட் குழுவின் முன் சமர்ப்பிக்கப்பட்டபோது, பின்வரும் அதிர்ச்சி உண்மைகள் வெளிவந்தன: * அறிக்கையில் மேற்கோள் காட்டப்பட்ட பல கல்விசார் கட்டுரைகள், ஆசிரியர்களின் பெயர்கள் மற்றும் நிறுவனங்களின் ஆய்வறிக்கைகள் முழுக்க முழுக்க AI-ஆல் புனையப்பட்டவை (hallucinated) — நிஜ உலகில் எங்குமே வெளியிடப்படாத கற்பனையான ஆதாரங்கள்! * அந்த ஆதாரங்கள் உண்மையில் உள்ளனவா என்பதை அந்நிறுவனத்தின் சிரேஷ்ட ஆலோசகர்கள் ஒருவர் கூட சரிபார்க்கவில்லை. * இறுதியாக, டெலாய்ட் நிறுவனம் தனது ஆலோசனைக் கட்டணத்தின் ஒரு பகுதியை அரசாங்கத்திற்குத் திரும்பச் செலுத்த வேண்டியதாயிற்று மற்றும் பாராளுமன்றத்தின் முன் பகிரங்கமாக மன்னிப்புக் கேட்டது. இதன் தொடர்ச்சியாக, ஆஸ்திரேலிய அரசாங்கம் எதிர்கால அரச ஆலோசனைக் ஒப்பந்தங்கள் அனைத்திலும் கடுமையான AI பயன்பாடு மற்றும் மனிதப் பொறுப்புக்கூறல் (human-accountability) விதிகளைச் சட்டமாக்கியது.

3. மனிதக் கட்டுப்பாட்டைத் தக்கவைக்கும் ஒரே இடைமுகம் வாசிப்பு மட்டுமே

நான் எழுதிய கட்டுரை ஒன்றில், நான் வலியுறுத்திய முக்கிய அறிவாற்றல் கொள்கை இதுதான்:

படம் 8.3: உருவாக்க AI யுகத்தில், மனிதப் பொறுப்பைத் (Human in the loop) தக்கவைப்பது வாசிப்பே ஆகும் — வாசிப்பு என்பது ஒரு செயலற்ற செயல் அல்ல, மாறாக அறிவாற்றலை நிர்வகிக்கும் மனித இடைமுகமாகும் (சமீச அபேசிங்க).

"எந்திரங்களால் நொடிகளில் நூற்றுக்கணக்கான பக்கங்களை எழுத முடியும். எழுத்தின் வேகம் மயக்கமளிக்கக் கூடியது. ஆனால், இந்தத் தானியங்கு படைப்புகளுக்கு முன்னால் நமது அறிவுசார் சரணடைதலைத் தடுக்கும் ஒரே அரண் ஆழமான, கவனமான மற்றும் பகுத்தறியும் வாசிப்பு (deep, deliberate, and discerning reading) மட்டுமே. நீங்கள் வாசிப்பதை நிறுத்தும் நாளே, நீங்கள் எந்திரத்தின் அடிமையாக மாறும் நாளாகும்."

இரண்டு முறைகளுக்கும் இடையிலான வேறுபாடு:

• சும்மா மேலோட்டமாகப் பார்த்தல் / ஸ்க்ரோல் செய்தல் — செயலிழப்பு முறை (Idle skimming / scrolling — the failure mode): AI எழுதிய 10 பக்க அறிக்கையை மேலோட்டமாகப் பார்த்து, மொழி அழகாக இருக்கிறது என்று நினைத்து கையொப்பமிடுதல். டெலாய்ட் நிறுவனம் பேரழிவில் போய் முடிந்தது இப்படித்தான்.
• ஆழமான பகுத்தறியும் வாசிப்பு — உண்மையான தற்காப்பு அரண் (Deep discerning reading — the real defensive rampart): 1. தர்க்கரீதியான தடம் (Logical trace): A மற்றும் B ஆகிய முன்முறைகள் உண்மையிலேயே C என்ற முடிவை நிறுவுகின்றனவா — அல்லது AI ஒரு தவறான பாலத்தைக் கட்டியுள்ளதா? 2. கட்டுப்பாடுகளுக்குக் கீழ்ப்படிதல் (Constraint compliance): நீங்கள் தூண்டலில் (prompt) குறிப்பிட்ட எதிர்மறைக் கட்டுப்பாடுகள் மற்றும் சட்ட நிபந்தனைகளை மாதிரி 100% பின்பற்றியுள்ளதா? 3. நிகழ்நிலை அனுதாபப் பொருத்தம் (Empathetic alignment): அறிக்கையின் மொழியானது குடிமக்களின் உண்மையான வேதனையோடும், அரச சேவையின் கண்ணியத்தோடும் நிர்வாகப் பகுத்தறிவுடன் பொருந்திப்போகிறதா?

4. AI பட்சபாதத்தைப் புரிந்துகொள்வதும் தடுத்தலும்

செயற்கை நுண்ணறிவின் மற்றொரு தீவிர அபாயம் என்னவென்றால், சமூகத்தில் ஏற்கனவே உள்ள பாகுபாடுகளை மிகவும் நம்பகமான, பக்கச்சார்பற்ற வடிவத்தில் மீளுருவாக்கம் செய்யும் அதன் திறனாகும்.

படம் 8.4: AI பட்சபாதத்தைப் புரிந்துகொள்வதும் தடுத்தலும் — பட்சபாதத்திற்கான 3 காரணங்கள் (வரலாற்றுப் பாகுபாடு, வழிமுறைப் பெருக்குதல், மனித வடிவமைப்புப் பட்சபாதம்) மற்றும் 3 தடுப்பு நடவடிக்கைகள்.

படம் 8.5: தரவு விதி — குறுகிய தரவு பட்சபாத வெளியீடுகளை உருவாக்குகிறது, அதே வேளையில் பன்முகப்படுத்தப்பட்ட தரவு ஒரு நியாயமான மாதிரியை உருவாக்குகிறது.

1. AI பட்சபாதம் (AI Bias) என்றால் என்ன?

ஒரு குறிப்பிட்ட சமூகக் குழு, இனக்குழு, பாலினம் அல்லது பிராந்தியத்திற்குப் பாதகமாக இருக்கும் வகையில் சமத்துவமற்ற தீர்மானங்களை ஒரு மாதிரி முறைமை ரீதியாக உருவாக்குவதாகும். * படத்தில் உள்ள உதாரணம்: "சாரா சென்" (Sarah Chen) என்ற சம தகுதியுள்ள பெண் விண்ணப்பதாரர் நிராகரிக்கப்படுகிறார் (Rejected), அதேவேளையில் "டேவிட் ஸ்மித்" (David Smith) என்ற ஆண் விண்ணப்பதாரர் தேர்ந்தெடுக்கப்படுகிறார் (Selected).

2. இது ஏன் நிகழ்கிறது?

1. பயிற்சித் தரவில் உள்ள வரலாற்றுப் பாகுபாடுகள்: கடந்தகால பாலின ஊதிய இடைவெளிகள் அல்லது சமூக ஏற்றத்தாழ்வுகளைக் கொண்ட தரவுகளில் மாதிரி பயிற்றுவிக்கப்படும் போது, அது அந்த வரலாற்றுத் தவறுகளை நியாயமான, நிரந்தர விதிகளாக உள்வாங்கி கொள்கிறது.
2. வழிமுறைப் பெருக்குதல் (Algorithmic amplification): தரவில் உள்ள ஒரு சிறிய பட்சபாதம் கூட உகப்பாக்கத்தின் போது (optimization) புள்ளிவிவர ரீதியாகப் பெருக்கப்பட்டு, தீவிரமான தீர்மானங்களாக மாறுகிறது.
3. வடிவமைப்பில் மனித அறிவாற்றல் பட்சபாதம்: மென்பொருளை வடிவமைக்கும் பொறியாளர்கள் தங்கள் சொந்த மனதிலுள்ள விழிப்புணர்வற்ற பட்சபாதங்களின்படி அம்சங்களைத் தேர்ந்தெடுத்து, நியாயத்தன்மைக்கு மேல் இலாபத்திற்கு முன்னுரிமை அளிக்கின்றனர்.

3. இதனை எவ்வாறு தடுப்பது?

• தரவை பன்முகப்படுத்தலும் தணிக்கை செய்தலும் (Diversify & audit data): நிறுவனத்தின் தரவுத்தொகுப்புகள் பல்வேறு சமூகக் குழுக்களைப் பிரதிநிதித்துவப்படுத்துகின்றனவா என்பதை முன்கூட்டியே தணிக்கை செய்தல்.
• வழமையான வழிமுறைத் தணிக்கை (Regular algorithmic auditing): நியாயத்தன்மை அளவீடுகளுக்கு எதிராக மாதிரியின் தீர்மானங்களைத் தொடர்ச்சியாகப் பரிசோதித்தல்.
• அனைவரையும் உள்ளடக்கிய குழு வடிவமைப்பு (Inclusive team design): தொழில்நுட்பக் குழுவிற்குள் பல்வேறு சமூகப் பின்னணிகள், துறைகள் மற்றும் உணர்திறன் கொண்ட தொழில்முறை நிபுணர்களை உள்ளடக்குதல்.

5. AI போலித் தோற்றங்களைத் (Hallucinations) தடுக்கும் ஆழமான கட்டமைப்பு

படம் 8.6: AI போலித் தோற்றங்களைப் புரிந்துகொள்வதும் தடுத்தலும் — போலித் தகவல்களுக்கான 3 காரணங்கள் (குப்பை உள்ளீடு, குப்பை வெளியீடு / மாதிரியின் வரம்புகள் / குழப்பமான தூண்டல்கள்) மற்றும் அவற்றின் 3 தீர்வுகள்.

முப்பரிமாணக் கோளாறு மற்றும் தீர்வுகளின் அணிவரிசை:

6. 3-அடுக்கு சரிபார்ப்பு பணிப்பாய்வு

எனது பயிலரங்கு அமர்வுகளில், மக்கள் பெரும்பாலும் என்னிடம் கேட்கிறார்கள்: "சமீச, தயாரிப்புத் தர அமைப்புகளில் AI-ஐப் நம்பகமாகப் பயன்படுத்தும்போது, இந்தப் போலித் தோற்றங்களை (hallucinations) நீங்கள் தனிப்பட்ட முறையில் எவ்வாறு தடுக்கிறீர்கள்?"

எனது சொந்தப் பொறியியல் வாழ்க்கையில் நான் பயன்படுத்தும் 3-அடுக்கு சரிபார்ப்பு முறைமை (3-Tier Verification Pipeline) இதுதான்:

1. அடுக்கு 1 (Google Search AI Mode — நேரலை ஆதார மீட்பு): நான் முதலில் கூகிள் தேடலின் AI பயன்முறை மூலம் குறித்த தலைப்பை நுணுக்கமாக ஆராய்வேன் — உண்மையான தகவல்கள், சமீபத்திய வர்த்தமானிகள், அதிகாரப்பூர்வ வலைத் தரவுகள் — மற்றும் சரிபார்க்கப்பட்ட இணைப்புகளுடன் கூடிய சுருக்கத்தைப் பெறுவேன்.
2. அடுக்கு 2 (Google Gemini — ஆராய்ச்சி மற்றும் தூண்டல் பொறியியல்): அந்தச் சுருக்கத்தை Gemini-யிடம் வழங்கி, இலங்கைச் சூழல் மற்றும் தமிழ்/சிங்கள மொழித் துல்லியத்திற்காக மேலும் விரிவாக்குவேன். பின்னர் Gemini-யிடம் நானே கேட்பேன்: "இந்த சரிபார்க்கப்பட்ட உண்மைகளின் அடிப்படையில், சட்ட வரைவு ஒன்றை உருவாக்க நான் Claude மாதிரிக்கு வழங்க வேண்டிய — எதிர்மறைக் கட்டுப்பாடுகளுடன் கூடிய — உகந்த தூண்டலை (optimal prompt) எனக்கு எழுதித் தா."
3. அடுக்கு 3 (Anthropic Claude — துல்லியமான வரைவாக்கம்): Gemini-ஆல் உருவாக்கப்பட்ட அந்தச் சிறந்த தூண்டலை, இறுதி ஆழமான தர்க்கப் பகுப்பாய்வு மற்றும் கட்டமைப்பு ரீதியிலான வரைவாக்கத்திற்காக Anthropic Claude மாதிரிக்குக் கொண்டு செல்வேன்.
4. அடுக்கு 4 (மனிதக் கட்டுப்பாடும் கையொப்பமும்): இறுதியாக, நான் ஆவணத்தை வரி வரியாக வாசித்து, அதன் துல்லியத்தை உறுதிப்படுத்தி, கையொப்பமிடுவேன்.

இந்த அடுக்கு முறையானது உங்கள் பணிகளுக்குள் போலித் தோற்றங்கள் ஊடுருவுவதற்கான சாத்தியக்கூறை 99.9% தடுக்கிறது.

7. நிழல் AI (Shadow AI): அலுவலகங்களுக்குள் ஏற்கனவே வெளிப்பட்டு வரும் மறைமுக உண்மை

நாம் நேர்மையாக விவாதிக்க வேண்டிய ஒன்று உள்ளது: அரச அதிகாரிகள் ஏற்கனவே தங்கள் தனிப்பட்ட தொலைபேசிகளில் உள்ள இலவச ChatGPT-க்கு அதிகாரப்பூர்வ கோப்புகளை அனுப்பி வருகிறார்கள்.

• இது கெட்ட எண்ணத்துடன் செய்யப்படுவதில்லை: வேலைப் பளு அதிகமாக இருப்பதாலும், இந்தக் கருவி உண்மையாகவே உதவுவதாலும் இது நிகழ்கிறது.
• தடைசெய்வது இதை நிறுத்தாது: ஒரு நிறுவனம் AI-ஐத் தடைசெய்யும்போது, பயன்பாடு முடிவுக்கு வருவதில்லை — மாறாக அது கட்டுப்பாடற்ற, பாதுகாப்பற்ற இரகசியமாக மாறுகிறது (Shadow AI).
• அங்கீகரிக்கப்பட்ட வழியை வழங்குங்கள்: நிறுவனம் பாதுகாப்பான, கட்டணத்துடன் கூடிய ஒரு கருவியை (ஒரு Enterprise ZDR அடுக்கு) அங்கீகரித்து, எந்தத் தரவை அதில் உள்ளிடலாம், எதை உள்ளிடக்கூடாது என்ற தெளிவான பட்டியலை அதிகாரிகளிடம் வழங்க வேண்டும்.
• வெளிப்படுத்துவதைப் பாதுகாப்பானதாக்குங்கள்: "நான் இந்த முதல் வரைவை AI உதவியுடன் தயாரித்தேன்; பின்னர் அதை மதிப்பாய்வு செய்து திருத்தினேன்" என்று பகிரங்கமாக அறிவிக்கும் ஒரு அதிகாரி, அப்படிக் கூறியதற்காக ஒருபோதும் தண்டிக்கப்படக் கூடாது.
• உண்மையான அபாயம் அதிகாரிகள் AI-ஐப் பயன்படுத்துவது அல்ல; நிறுவனக் கட்டுப்பாடோ, ஒழுங்குமுறையோ, மனிதச் சரிபார்ப்போ இல்லாமல் தரவுகள் இரகசியமாகக் கட்டடத்தை விட்டு வெளியேறுவதுதான்.

அடுத்த அத்தியாயத்தில், சேவைகளை எவ்வாறு உயர்த்துவது என்பதை ஆராயும்போது இந்த அபாயங்களை நிர்வகிப்போம் — அவுகன சிற்பியின் மாதிரி (பராணஸ்த கொள்கை - Baranastha principle), மூன்று ஜப்பானிய முகங்கள் மற்றும் களுத்துறை பிரதேச செயலக அலுவலகத்தின் நெகிழ்ச்சியான அனுபவம், AI முகவர்கள் (AI Agents) மற்றும் எதிர்கால அமைப்புகள் மூலம் இதனைப் பார்ப்போம்.