Trenowanie i dostrajanie modeli AI wymaga adnotacji danych, a te dane często są danymi osobowymi. Wybór dostawcy adnotacji poza EOG rodzi dokładnie ten sam problem transferu, co każdy inny outsourcing.
Adnotacja danych brzmi jak zadanie czysto techniczne: ktoś oznacza obiekty na zdjęciu, ocenia odpowiedź modelu albo transkrybuje nagranie. W praktyce większość zbiorów treningowych zawiera dane osobowe, twarze na zdjęciach, głosy w nagraniach, imiona i szczegóły zdrowotne w transkryptach rozmów z obsługą klienta, treść wiadomości w danych do dostrajania modeli językowych. Jeżeli dane osobowe trafiają do adnotatora poza Europejskim Obszarem Gospodarczym, powstaje ten sam obowiązek transferu, co przy każdym innym powierzeniu przetwarzania: mechanizm transferu, ocena prawa państwa docelowego, środki uzupełniające. To informacja ogólna, a nie porada prawna.
Argument jest identyczny jak przy każdym innym outsourcingu przetwarzania w Unii: gdy adnotator działa wewnątrz EOG, mechanizm transferu, ocena skutków transferu i bieżące monitorowanie adekwatności przestają mieć zastosowanie, bo nie ma transferu transgranicznego do zalegalizowania. Przy pracy nad danymi treningowymi ma to dodatkowe znaczenie, bo zbiory adnotacyjne bywają duże, wielokrotnie przetwarzane w kolejnych rundach dostrajania i długo przechowywane do celów odtwarzalności modelu, co wydłuża okres ekspozycji, a nie skraca go.
Dobra adnotacja wewnątrz EOG wygląda inaczej niż tania adnotacja offshore, niezależnie od lokalizacji prawnej. Śledzenie zgodności między adnotatorami, jakość natywna w języku docelowym, zwłaszcza polskim, ukraińskim i niemieckim, ślad audytowy pozwalający wykazać, kto oznaczył który rekord i kiedy, oraz dokumentacja gotowa pod ocenę skutków dla ochrony danych. Corpshore Polska prowadzi tę pracę jako część usługi etykietowania danych, w ramach grupy sklasyfikowanej piątej z pięćdziesięciu firm AI outsourcing na świecie przez Outsource Accelerator.
Przy wyborze dostawcy adnotacji warto zadać te same pytania co przy każdym innym powierzeniu: gdzie fizycznie hostowane są dane, gdzie siedzą osoby wykonujące adnotację, czy dostawca korzysta z podprocesorów spoza EOG, oraz jak wygląda proces usunięcia lub zwrotu danych po zakończeniu projektu. Dostawca z siedzibą w Unii, który routuje pracę adnotacyjną przez platformę lub crowdworkerów spoza EOG, wprowadził transfer tylnymi drzwiami, dokładnie tak samo jak w każdym innym outsourcingu.
Najczęstsze pytania
- Czy adnotacja danych do trenowania AI podlega RODO?
- Tak, jeżeli oznaczane dane zawierają informacje o zidentyfikowanej lub możliwej do zidentyfikowania osobie, co dotyczy większości zbiorów ze zdjęciami, nagraniami głosu, transkryptami rozmów czy wiadomościami tekstowymi. Anonimizacja usuwa ten obowiązek tylko wtedy, gdy jest nieodwracalna, co w praktyce zdarza się rzadziej, niż zakładają kupujący.
- Jak wybrać dostawcę adnotacji danych zgodnego z RODO?
- Sprawdź lokalizację hostingu danych, lokalizację osób wykonujących adnotację, pełną listę podprocesorów oraz proces usunięcia danych po projekcie. Dostawca wewnątrz EOG bez podprocesorów spoza Unii usuwa problem transferu w całości.
- Czy adnotacja w Polsce kosztuje więcej niż offshore?
- Zwykle tak, za samo stanowisko. Różnica jest uzasadniona tam, gdzie dane osobowe nie mogą opuścić EOG, gdzie jakość natywna w języku docelowym jest krytyczna, albo gdzie dokumentacja zgodności musi być gotowa na kontrolę, a nie tworzona po fakcie.