هوش مصنوعی و چالش مالکیت داده ها در مرکز تماس
در سال‌های اخیر، هوش مصنوعی به یکی از ستون‌های اصلی تحول دیجیتال در سازمان‌ها تبدیل شده است. یکی از مهم‌ترین کاربردهای آن، بهبود تعامل با مشتری از طریق تحلیل مکالمات و داده‌های رفتاری است. این فناوری با تکیه بر الگوریتم‌های یادگیری ماشین و یادگیری عمیق، نیازمند دسترسی به حجم عظیمی از داده‌هاست؛ داده‌هایی که اغلب در مراکز تماس سازمان‌ها ذخیره شده‌اند. اما پرسش کلیدی این است: مالکیت داده ها در مراکز تماس به چه نحو است؟ آیا سازمان‌ها از ارزش واقعی این داده‌ها آگاه هستند و آیا حقوق مادی و معنوی این اطلاعات را حفظ می‌کنند؟
نقش داده ها در توسعه‌ی هوش مصنوعی
داده‌های واقعی از تعامل کاربران برای توسعه و آموزش سامانه‌های هوش مصنوعی، حیاتی است. شرکت‌های فعال در این حوزه با جمع‌آوری مکالمات مشتریان و تحلیل آنها، الگوریتم‌های خود را بهبود می‌دهند و محصولات هوشمندتری مانند چت‌بات‌ها، سیستم‌های پاسخگویی خودکار و ابزارهای کنترل کیفیت تماس طراحی می‌کنند. به عبارت دیگر، داده‌های سازمانی نقش سوخت موتور هوش مصنوعی را دارند.
در ایران نیز شرکت‌هایی در این زمینه فعالیت خود را آغاز کرده‌اند. آنها پیشنهادهایی برای استقرار سیستم‌های هوش مصنوعی ارائه می‌دهند که شامل مبالغ قابل‌توجهی برای توسعه چت‌بات، مانیتورینگ تماس‌ها یا تحلیل مکالمات است. اما نکته‌ای که اغلب نادیده گرفته می‌شود این است که بسیاری از این شرکت‌ها همچنان در مرحله آزمون و خطا هستند و برای توسعه فناوری خود به داده‌های مراکز تماس نیاز دارند. از این منظر، نه‌تنها نباید سازمان‌ها هزینه‌ای پرداخت کنند، بلکه از آنجا که مالکیت داده ها در مراکز تماس به طور کامل به آنها تعلق دارد لازم است سهمی نیز از سود یا توسعه این سیستم‌ها دریافت کنند.
مالکیت داده ها در مرکز تماس
داده‌های ثبت‌شده در مراکز تماس، دارایی فکری و اطلاعاتی سازمان‌ها به شمار می‌روند. هر نوع استفاده از این داده‌ها توسط پیمانکاران یا شرکت‌های هوش مصنوعی، باید تحت ضوابط مشخصی انجام شود. این داده‌ها نباید بدون چارچوب قانونی، به رایگان در اختیار شرکت‌های توسعه‌دهنده قرار گیرد. سازمان‌ها باید نسبت به حق خود در مالکیت داده ها در مرکز تماس و سایر حقوق خود در این زمینه آگاه باشند و در قراردادها تصریح کنند که مالکیت داده و نحوه استفاده از آن به‌طور کامل متعلق به آن‌هاست.
در اروپا، چنین مفهومی به‌صورت رسمی در مقررات عمومی حفاظت از داده‌ها (GDPR) گنجانده شده است. طبق این مقررات، داده‌های شخصی باید با رضایت افراد جمع‌آوری و استفاده شوند و هر نوع پردازش آنها باید شفاف و قابل پیگیری باشد. به‌طور مثال، در سال ۲۰۲۳، شرکت “Clearview AI” که داده‌های چهره افراد را بدون رضایت آنها جمع‌آوری کرده بود، از سوی نهادهای اروپایی با جریمه‌ای سنگین مواجه شد. این نمونه نشان می‌دهد که قوانین مشخص تا چه اندازه می‌توانند از حقوق داده‌ای سازمان‌ها و مشتریان دفاع کنند.
در کنار GDPR، کشورهای مختلف اروپایی نیز در حال تدوین سیاست‌های هوش مصنوعی مستقل هستند. به‌عنوان نمونه، اتحادیه اروپا در سال ۲۰۲۴ پیش‌نویس نهایی «قانون هوش مصنوعی» (EU AI Act) را منتشر کرد که طی آن، سامانه‌های مبتنی بر هوش مصنوعی باید از لحاظ ریسک به سطوح مختلف دسته‌بندی شده و الزامات حقوقی مشخصی را رعایت کنند. یکی از نکات کلیدی این قانون، الزام به شفافیت در جمع‌آوری داده برای آموزش مدل‌هاست.
خلأ قانونی در برابر هوش مصنوعی
متأسفانه در فضای قانون‌گذاری ایران، همچنان خلأهای بسیاری در زمینه حفاظت از داده‌ها، به‌ویژه در حوزه‌ی هوش مصنوعی وجود دارد. نه‌تنها قانونی روشن در این زمینه تدوین نشده، بلکه نهاد ناظر مشخصی نیز برای صیانت از داده‌های مراکز تماس وجود ندارد. در نتیجه، بسیاری از مراکز تماس هنوز به‌عنوان واحدهای هزینه‌زا دیده می‌شوند، نه دارایی‌های استراتژیک.
از سوی دیگر در غیاب قانون مشخص، برخی سازمان‌ها بدون آگاهی از حق خود در مالکیت داده های مرکز تماس و ارزش آن، منابع خود را در اختیار شرکت‌های هوش مصنوعی قرار می‌دهند. این شرکت‌ها پس از تحلیل داده‌ها، محصولات خود را توسعه داده و در بازار عرضه می‌کنند، در حالی که سازمان اولیه هیچ سهمی از این فرآیند ندارد. این واگذاری بی‌ضابطه می‌تواند در آینده به زیان سازمان‌ها تمام شود؛ چراکه داده‌های آنها تبدیل به دارایی شرکت‌های ثالث شده‌اند.
در آمریکا، روند قانون‌گذاری برای هوش مصنوعی با سرعت بیشتری در حال پیشرفت است. ایالت‌هایی مانند کالیفرنیا با قانون) CCPA قانون حفظ حریم خصوصی مصرف‌کننده) و ایلینوی با قانون BIPA (قانون اطلاعات بیومتریک)، الزامات سفت‌وسختی را برای شرکت‌هایی که داده کاربران را ذخیره یا پردازش می‌کنند تعیین کرده‌اند. همچنین در سطح فدرال، دولت بایدن نیز در سال ۲۰۲۳ گزارشی تحت عنوانAI Bill of Rights منتشر کرد که اصولی چون شفافیت الگوریتمی، عدم تبعیض، ایمنی، حریم خصوصی و امکان نظارت انسانی را برای سامانه‌های هوش مصنوعی الزامی می‌داند.
یک نمونه عملی این الزامات، شکایت از شرکت “OpenAI” به دلیل استفاده از داده‌های عمومی اینترنت بدون کسب رضایت صریح بود که موضوعات مالکیت فکری، رضایت کاربران و شفافیت مدل‌های زبانی را به کانون توجه افکار عمومی و قانون‌گذاران کشاند. این اتفاق نشان می‌دهد که حتی در کشوری مانند آمریکا نیز بحث بر سر استفاده مشروع از داده‌ها هنوز به نتیجه نهایی نرسیده و نیاز به قانون‌گذاری هوشمندانه وجود دارد.
تحلیل حقوقی و اقتصادی موضوع
بی‌توجهی به مالکیت داده‌ها در مرکز تماس، تنها یک چالش حقوقی نیست؛ بلکه پیامدهای اقتصادی مهمی نیز به‌دنبال دارد. هر تماس مشتری، منبعی ارزشمند از اطلاعات رفتاری، نیازهای پنهان و ترجیحات فردی است. وقتی این داده‌ها بدون قراردادهای مشخص واگذار می‌شوند، در واقع سازمان منبعی از مزیت رقابتی خود را از دست می‌دهد. در مقابل، شرکت‌های هوش مصنوعی با همین داده‌ها محصولات قابل فروش می‌سازند و درآمدزایی می‌کنند.
در واقع، سازمان‌ها به‌جای ایفای نقش فروشنده داده یا شریک تجاری، به تأمین‌کننده رایگان داده برای شرکت‌های فناوری تبدیل می‌شوند. این وضع نه‌تنها ناعادلانه، بلکه به‌لحاظ اقتصادی نیز زیان‌بار است. شرکت‌هایی که الگوریتم‌های خود را با داده‌های واقعی مشتریان آموزش می‌دهند، مزیتی ناعادلانه نسبت به رقبای دیگر به دست می‌آورند؛ در حالی‌که مالکان اصلی این داده‌ها هیچ سهمی از ارزش افزوده نهایی ندارند.
نتیجه‌گیری و توصیه‌ها
در عصر هوش مصنوعی، داده‌های مراکز تماس همانند معادن طلا یا چاه‌های نفت دیجیتال هستند. سازمان‌ها باید در قراردادهای خود با شرکت‌های فناوری، بندهای مشخصی برای حفظ مالکیت داده ها در مرکز تماس و تعیین حقوق استفاده از آنها لحاظ کنند. همچنین لازم است قانون‌گذاران با نگاهی دقیق‌تر به این حوزه ورود کرده و مقررات شفافی را برای حفاظت از داده‌های مشتریان تدوین کنند. مطالعه الگوهای موفق در اروپا و آمریکا می‌تواند مسیر مناسبی برای ایران باشد.
سازمان‌ها باید نگاه خود را به مراکز تماس از صرفاً یک واحد پشتیبانی، به یک منبع استراتژیک داده تغییر دهند. در کنار این تحول ذهنی، نیاز به آموزش تیم‌های حقوقی و قراردادی برای تشخیص بندهای مهم مالکیت داده نیز احساس می‌شود.
در نهایت، سازمان‌ها نباید داده‌های خود را سرمایه‌ای بی‌ارزش تلقی کنند. بلکه باید با دیدی استراتژیک به این دارایی نگاه کرده و در ازای هر نوع استفاده از آن، چه برای آزمایش و چه برای توسعه محصول، منفعت مالی یا فنی مشخصی دریافت کنند.
داده‌های مرکز تماس، دارایی سازمان است؛ آن را ساده از دست ندهید.
امروزه مرکز تماس یکی از کلیدی ترین نقاط ارتباطی سازمان و مشتری به شمار می آید که تنها جنبه پشتیبانی ندارد بلکه نقش مهمی نیز در فروش و بازاریابی نیز برعهده دارد. راه اندازی مرکز تماس به دلیل حساسیت های ویژه این بخش از پیچیدگی های خاصی برخوردار است اما می توان با رعایت برخی اصول و استانداردها و همچنین با مشاوره متخصصین این حوزه تجربه موفقی در پیاده سازی مراکز تماس رقم زد. با همراهی سعید رستم اف ، طراحی مرکز تماس سازمان خود را منطبق بر استانداردهای روز دنیا انجام دهید.
فهرست منابع
1. قوانین و مقررات بین‌المللی
European Union Artificial Intelligence Act (AI Act)
توضیح درباره مقررات جدید اتحادیه اروپا برای کنترل و چارچوب‌گذاری توسعه و استفاده از هوش مصنوعی.
General Data Protection Regulation (GDPR)
قانون حفاظت از داده‌های شخصی اتحادیه اروپا که نقش حیاتی در تنظیم استفاده از داده در مدل‌های AI دارد.
California Consumer Privacy Act (CCPA)
قانون ایالتی کالیفرنیا برای حفظ حریم خصوصی مصرف‌کنندگان، به‌ویژه در زمینه استفاده از داده‌ها توسط کسب‌وکارها.
مرجع: https://oag.ca.gov/privacy/ccpa
Biometric Information Privacy Act (BIPA)
قانون ایالت ایلینوی برای حفاظت از داده‌های زیستی کاربران، مرتبط با کاربردهای هوش مصنوعی در تحلیل چهره و صدا.
مرجع: https://www.ilga.gov/legislation/ilcs/ilcs3.asp?ActID=3004&ChapterID=57
AI Bill of Rights – White House Office of Science and Technology Policy (OSTP)
منشور حقوق شهروندی در برابر هوش مصنوعی، ارائه‌شده از سوی دولت ایالات متحده.
مرجع رسمی: https://www.whitehouse.gov/ostp/ai-bill-of-rights
2. تحقیقات و مقالات تخصصی
McKinsey & Company – The State of AI in 2023
گزارشی درباره وضعیت جهانی هوش مصنوعی، شامل روندهای کلیدی و اهمیت داده در آموزش مدل‌ها.
لینک: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023
Harvard Business Review – Why Your AI Project Needs Data Governance
مقاله‌ای درباره اهمیت مالکیت و حاکمیت داده در موفقیت پروژه‌های هوش مصنوعی.
لینک: https://hbr.org/2021/02/why-your-ai-project-needs-data-governance
Gartner Research – AI Governance and Ethical Data Use
تحقیقات تحلیلی درباره نحوه استفاده اخلاقی و تجاری از داده در سازمان‌ها.
