RingCentral 首席隐私官 Paola Zeni – 采访系列

Paola Zeni 是 RingCentral (RNG ) 的首席隐私官。她是一位具有超过 20 年隐私经验的国际隐私律师，也是网络安全行业的资深人士，曾在 Symantec 和 Palo Alto Networks (PANW ) 工作过，在那里她从零开始建立了隐私计划。

是什么激发了您从事数据隐私事业的兴趣？

在 20 世纪 90 年代末，当欧盟成员国正在实施 1995 年的欧盟数据保护指令时，数据隐私开始在欧洲成为一个重要的问题。作为一名与 HP 和 Agilent Technologies (A ) 等技术公司合作的技术律师，我认为这是一个相关的话题，并开始密切关注和学习隐私要求。我很快就知道，这是一个我想参与的领域，不仅因为我发现它在法律上很有趣和具有挑战性，而且它也是一个涉及整个组织的许多团队和流程的问题。参与数据隐私意味着与不同的团队和个人合作，并学习业务的多个方面。能够影响和推动组织内的一个重要问题的变化，同时遵循一个新兴的法律领域，是非常有成就感的。今天，在数据隐私领域工作比以往任何时候都更加令人兴奋，考虑到技术的发展和全球范围内日益复杂的法律环境。

当您第一次加入 RingCentral 时，您创建了一个 信任中心，这是什么？

在 RingCentral，我们相信为我们的客户和合作伙伴提供有关其数据的隐私和安全信息对于建立和维持对我们的服务的信任至关重要。为此，我们继续创建资料和资源，例如我们的核心产品的隐私数据表、白皮书和合规指南，并将其公开提供给客户和合作伙伴。最近，我们添加了我们的 AI 透明度白皮书。信任中心是我们对关键利益相关者透明度承诺的关键组成部分。

RingCentral 如何确保将隐私原则融入所有 AI 驱动的产品和服务中？

人工智能可以赋予企业解锁新潜力并快速从其数据中提取有意义的信息和见解的能力，但与这些好处一起也带来了责任。在 RingCentral，我们仍然专注于保护客户及其数据。我们通过指导我们的产品开发实践的隐私支柱来实现这一目标

隐私设计: 我们通过与产品律师、产品经理和产品工程师密切合作，将隐私原则和隐私要求融入我们产品和服务的各个方面来利用我们的隐私设计方法。隐私评估被整合到产品开发生命周期中，从构思到部署，我们建立在此基础上进行 AI 审查和指导。

透明度: 我们为客户、合作伙伴和用户提供有关其数据如何被收集和使用的资料和资源，作为我们致力于透明度和建立对我们的服务的信任的承诺的一部分。

客户控制: 我们为客户提供选项，使他们能够决定如何让我们的 AI 与其数据交互。

您能否提供 RingCentral 的 AI 首要通信解决方案中嵌入的具体隐私措施的例子？

首先，我们已将有关我们如何收集和处理数据的信息添加到我们的产品文档中：谁存储它，哪些第三方可以访问它等等，这些信息都包含在我们的信任中心的隐私数据表中。我们特别指出哪些数据作为 AI 的输入，哪些数据作为 AI 的输出生成。另外，作为我们与产品律师合作的产品审查的一部分，我们实施披露以满足我们的透明度承诺，并为我们的客户管理员提供选项来控制与 AI 共享数据。

为什么在 AI 时代，组织必须对数据收集和使用保持完全透明度？

为了促进可信 AI 的采用，组织必须建立对 AI 处理数据和输出准确性的信任。这包括 AI 训练的数据、算法应用的逻辑以及输出的性质。

我们相信，当提供商透明地分享有关其 AI 的信息、其工作原理以及其用途时，客户可以做出明智的决定，并被赋予向其用户提供更具体的披露的权力，从而提高对 AI 的采用和信任。当我们开发和提供 AI 时，我们考虑所有利益相关者：我们的客户，但也包括他们的员工、合作伙伴和客户。

组织可以采取哪些步骤来确保其供应商遵守严格的 AI 使用政策？

在 RingCentral，我们相信部署 AI 需要我们与供应商之间的信任。供应商必须致力于将隐私和数据安全融入其产品的架构中。为此，我们已在现有的供应商尽职调查流程中添加了特定的 AI 审查，并实施了使用第三方 AI 的标准，包括保护 RingCentral 和我们的客户的具体要求。

RingCentral 采用哪些策略来确保输入 AI 系统的数据是准确和无偏见的？

以公平为指导原则，我们不断考虑我们的 AI 的影响，并致力于保持对潜在偏见和风险的认识，并采取措施识别和减轻任何意外后果。

• 我们已采用了一种用于识别和防止偏见的框架，作为我们道德 AI 开发框架的一部分，我们将其应用于所有产品审查。
• 我们的 AI 使用案例涉及人工评估我们的 AI 系统的输出。例如，在我们的智能笔记中，即使不监控生成的笔记的内容，我们也可以从用户的操作中推断出笔记是否准确。如果用户不断编辑笔记，这会向 RingCentral 发送一个信号，以调整提示。
• 我们检索增强生成过程的另一个人工评估示例允许输出严格关注特定的知识数据库，并为输出提供参考。这使人工能够验证响应并进一步研究参考资料本身。

通过确保我们的 AI 是准确的，我们坚持提供可解释和透明的 AI 的承诺。

在大规模企业部署中，AI 会带来哪些隐私挑战，以及如何解决这些挑战？

首先，必须记住，现有的隐私法包含适用于人工智能的规定。当法律是技术中立的时，法律框架和道德指南适用于新技术。因此，组织需要确保其使用 AI 符合现有的隐私法，例如 GDPR 和 CPRA。

其次，隐私专业人员的职责是监测新兴和出现的 AI 法律，这些法律因国家和州而异。AI 法律解决了 AI 的各个方面，但新 AI 法规的首要任务之一是保护基本人权，包括隐私。

解决隐私问题的关键成功因素是对用户的透明度，特别是在 AI 执行个人资料或做出影响个人的自动化决策时，用户可以选择退出他们不感到舒适的 AI 使用。

您预见 AI 和数据隐私的未来趋势是什么，RingCentral 如何准备在这些领域保持领先地位？

主要趋势是将继续出台新的法律，用户对透明度和控制的需求将不断增长，管理 AI 相关风险的需求将日益增长，包括第三方风险，以及 AI 中的网络风险将日益增长。

公司需要建立健全的治理，并且团队必须跨职能合作，以确保内部一致性，尽量减少风险，并增强用户的信任。在 RingCentral，我们对隐私、安全和透明度的持续承诺仍然无人能及。我们认真对待这些问题。通过我们的 AI 治理和 AI 隐私支柱，RingCentral 致力于道德 AI。

感谢这次精彩的采访，希望了解更多的读者可以访问 RingCentral。