Trước khi đưa bất cứ thứ gì ngoài văn bản quy phạm vào kho dữ liệu cho AI, cần xác định nó có chứa dữ liệu cá nhân không, có cần chứa không, và nếu cần thì đã có cơ sở xử lý và biện pháp bảo vệ theo Luật Bảo vệ dữ liệu cá nhân 2025, có hiệu lực từ 1/1/2026, chưa. Văn bản luật, nghị định, thông tư gần như không có dữ liệu cá nhân; rủi ro nằm ở những thứ đội dữ liệu hay muốn thêm vào để kho "thông minh hơn".
Những thứ đó là hồ sơ vụ việc, hợp đồng đã ký, mẫu đơn đã điền, thư tư vấn cũ của doanh nghiệp, và đặc biệt là câu hỏi thật của người dùng gửi vào chatbot. Chuyện xử lý dữ liệu cá nhân trong bản án công bố có bài riêng ở danh mục quyền tái sử dụng; bài này tập trung vào hai nguồn còn lại và cách lọc ở tầng dữ liệu.
Nguồn dữ liệu nào hay mang theo dữ liệu cá nhân
Bảng giúp đội dữ liệu khoanh vùng trước khi bàn biện pháp. Mức rủi ro là đánh giá chung, mỗi dự án cần tự đánh giá lại.
| Nguồn | Dữ liệu cá nhân thường gặp | Mức rủi ro | Hướng xử lý chính |
|---|---|---|---|
| Văn bản quy phạm pháp luật | Hầu như không có, trừ tên người ký | Thấp | Đưa vào bình thường |
| Văn bản cá biệt, quyết định hành chính | Họ tên, địa chỉ, số giấy tờ của người được áp dụng | Trung bình đến cao | Chỉ đưa khi thật cần, lọc trước |
| Hồ sơ vụ việc, hợp đồng đã ký nội bộ | Thông tin khách hàng, bên đối tác, người làm chứng, tài chính, sức khoẻ | Cao | Không đưa nguyên bản; rút thành mẫu hoặc tri thức đã khử nhận diện |
| Thư tư vấn, ghi chú nội bộ | Tình tiết đời tư, nhận định về người cụ thể | Cao | Rút ý chung, bỏ chi tiết định danh |
| Câu hỏi người dùng gửi chatbot | Người dùng tự kể chuyện riêng, dán giấy tờ, số tài khoản, tên người khác | Cao và khó lường | Không đưa thẳng vào kho; lọc, tổng hợp, có thời hạn lưu |
| Câu hỏi đánh giá do đội soạn | Thường không có nếu dùng tình huống giả định | Thấp | Quy định chỉ dùng nhân vật và số liệu giả định |
Đọc bảng sẽ thấy nguồn giá trị nhất cho chất lượng câu trả lời, là câu hỏi thật của người dùng và hồ sơ thật, cũng là nguồn rủi ro nhất. Không có cách nào né đánh đổi này; chỉ có cách xử lý cẩn thận.
Một mẹo khoanh vùng nhanh: lập danh sách mọi đường dữ liệu đi vào hệ thống, kể cả những đường tạm thời như tệp thử nghiệm, bảng tính gán nhãn, thư mục chia sẻ với cộng tác viên. Những đường tạm này thường không ai nhớ xoá và là nơi dữ liệu cá nhân nằm lâu nhất.
Câu hỏi người dùng: dữ liệu quý nhất và khó quản nhất
Người hỏi chatbot pháp luật thường đang ở trong một tình huống khó: tranh chấp đất với người thân, bị nợ lương, sắp ly hôn, bị khởi tố. Họ kể chi tiết, dán ảnh giấy tờ, nêu tên người liên quan. Nhiều thông tin trong đó thuộc nhóm nhạy cảm mà pháp luật về bảo vệ dữ liệu cá nhân yêu cầu bảo vệ chặt hơn, như sức khoẻ, đời sống riêng, thông tin liên quan tới tội phạm.
Đội sản phẩm muốn dùng những câu hỏi này để biết người dùng hỏi gì, câu nào bị trả lời kém, từ đời thường nào chưa có trong bảng thuật ngữ. Mục đích đó chính đáng, nhưng không có nghĩa là được đưa nguyên văn câu hỏi vào kho truy xuất, vào bộ đánh giá, hay chia sẻ cho bên thứ ba để gán nhãn.
Đưa câu hỏi thật vào kho truy xuất còn có rủi ro kỹ thuật: chatbot có thể lấy câu chuyện của người này làm ngữ cảnh để trả lời người khác, làm lộ thông tin sang một phiên không liên quan. Đây là loại sự cố khó giải thích nhất với người dùng và cơ quan quản lý.
Cách làm an toàn hơn là tách hẳn hai luồng: nhật ký hội thoại phục vụ vận hành, có thời hạn lưu ngắn và phân quyền chặt; và tập dữ liệu phân tích, chỉ gồm các câu hỏi đã được lọc, rút gọn về dạng câu hỏi chung, không còn chi tiết định danh.
Quy trình lọc câu hỏi người dùng trước khi dùng lại
Ví dụ giả định cho một chatbot pháp luật lao động. Mỗi đợt lấy câu hỏi từ nhật ký để phân tích hoặc làm bộ đánh giá, đội đi qua các bước:
- Xác định mục đích của đợt (tìm câu bị trả lời kém, bổ sung bảng thuật ngữ, soạn câu hỏi đánh giá) và chỉ lấy lượng câu cần cho mục đích đó.
- Chạy bộ lọc tự động bắt các mẫu dễ nhận: họ tên, số giấy tờ tuỳ thân, số tài khoản, địa chỉ email, số điện thoại, biển số xe, địa chỉ chi tiết.
- Thay thông tin bị bắt bằng nhãn loại (như [HỌ TÊN], [ĐỊA CHỈ]) thay vì xoá trống, để câu vẫn đọc được.
- Người duyệt đọc lại từng câu tìm thông tin định danh gián tiếp: tên công ty nhỏ, chức danh duy nhất ở một nơi, tình tiết đặc biệt đủ để nhận ra người.
- Viết lại câu thành dạng câu hỏi chung, giữ cấu trúc pháp lý và cách diễn đạt đời thường, bỏ chi tiết không cần cho mục đích.
- Ghi lại đợt lọc: ai làm, số câu, mục đích, nơi lưu, thời hạn xoá. Bản gốc trong nhật ký vẫn theo thời hạn lưu riêng của nó.
Câu hỏi sau bước 5 thường không còn là dữ liệu cá nhân, nhưng đừng mặc nhiên kết luận vậy. Với tập nhỏ, chuyên biệt, việc ghép nhiều chi tiết nhỏ có thể vẫn nhận ra người. Người duyệt nên tự hỏi: người quen của người hỏi đọc câu này có đoán ra ai không.
Hồ sơ nội bộ: rút tri thức, không đưa nguyên bản
Phân biệt tri thức và dữ liệu vụ việc. Cái đội muốn từ hồ sơ cũ thường là tri thức: cách lập luận, điều khoản hợp đồng hay dùng, lỗi thủ tục hay gặp. Tri thức đó có thể viết lại thành ghi chú, mẫu, danh sách kiểm mà không cần giữ tên người, số tiền, ngày tháng cụ thể.
Mẫu hợp đồng từ hợp đồng đã ký. Lấy hợp đồng đã ký làm nguồn cho thư viện mẫu là việc phổ biến. Thay mọi thông tin bên ký bằng biến, bỏ phụ lục chứa dữ liệu cụ thể, kiểm lại phần chữ ký, phần thông tin tài khoản và phần điều khoản riêng có thể làm lộ giao dịch.
Nghĩa vụ bảo mật nghề nghiệp vẫn áp dụng. Với văn phòng luật, ngoài Luật Bảo vệ dữ liệu cá nhân 2025 còn nghĩa vụ giữ bí mật thông tin khách hàng của nghề luật sư. Hồ sơ đã khử nhận diện về cá nhân vẫn có thể chứa bí mật kinh doanh của khách hàng doanh nghiệp.
Kho nội bộ khác kho phục vụ công chúng. Một trợ lý chỉ cho nhân viên đã được phân quyền xem hồ sơ có thể dùng dữ liệu khác với chatbot mở cho mọi người. Đừng dùng chung một kho cho hai mục đích.
Ghi nguồn của mỗi tài liệu rút ra. Mẫu hay ghi chú rút từ hồ sơ cũ nên ghi là rút từ nguồn nội bộ, đã khử nhận diện, ai duyệt, ngày nào, để khi có yêu cầu kiểm tra, đội chứng minh được quy trình.
Khung pháp lý cần đối chiếu
Luật Bảo vệ dữ liệu cá nhân 2025 có hiệu lực từ 1/1/2026 là văn bản chính điều chỉnh việc thu thập, xử lý dữ liệu cá nhân, kể cả khi dùng cho hệ thống AI. Các nguyên tắc quen thuộc như xử lý đúng mục đích đã nêu, tối thiểu hoá dữ liệu, giới hạn thời gian lưu, bảo đảm an toàn đều áp thẳng vào câu hỏi "có nên đưa thứ này vào kho không". Chi tiết về cơ sở xử lý, nghĩa vụ đánh giá tác động, chuyển dữ liệu ra nước ngoài cần đối chiếu với luật và văn bản hướng dẫn hiện hành.
Luật Dữ liệu 2024, có hiệu lực từ 1/7/2025, điều chỉnh dữ liệu nói chung, trong đó có quản trị và phân loại dữ liệu; Luật Công nghiệp công nghệ số 2025 có nội dung liên quan tới trí tuệ nhân tạo. Doanh nghiệp làm sản phẩm pháp lý có AI nên rà cả ba khi thiết kế luồng dữ liệu, thay vì chỉ nhìn một văn bản.
Bài này chỉ nêu nguyên lý ở tầng dữ liệu. Khi sản phẩm xử lý số lượng lớn dữ liệu nhạy cảm, chuyển dữ liệu cho nhà cung cấp ở nước ngoài, hoặc đã có sự cố lộ dữ liệu, nên có ý kiến của người làm nghề về bảo vệ dữ liệu trước khi quyết định.
Thiết kế để ít phải lọc ngay từ đầu
Lọc tốt đến đâu cũng có sót. Cách bền hơn là thiết kế sản phẩm để dữ liệu cá nhân ít đi vào hệ thống ngay từ đầu:
- Nhắc người dùng ngay tại ô nhập câu hỏi: không cần nêu họ tên, số giấy tờ, địa chỉ để được trả lời; mô tả tình huống chung là đủ.
- Chặn hoặc cảnh báo khi người dùng dán chuỗi giống số giấy tờ, số tài khoản, trước khi gửi.
- Không cho tải ảnh giấy tờ nếu tính năng không thật sự cần; nếu cần, xử lý xong thì xoá theo thời hạn ngắn đã công bố.
- Đặt thời hạn lưu nhật ký hội thoại rõ ràng, tự động xoá khi đến hạn, và nói cho người dùng biết.
- Không gửi nhật ký thô cho bên ngoài để gán nhãn hay phân tích; chỉ gửi tập đã lọc, theo hợp đồng có điều khoản bảo mật.
- Tách quyền: người làm dữ liệu xem tập đã lọc, chỉ một nhóm nhỏ được xem nhật ký gốc khi xử lý sự cố.
Những thiết kế này cũng làm sản phẩm đáng tin hơn trong mắt người dùng, vì họ thấy bên làm sản phẩm thật sự quan tâm tới chuyện riêng của họ.
Câu hỏi thường gặp
Câu hỏi người dùng đã bỏ họ tên thì còn là dữ liệu cá nhân không?
Chưa chắc. Nếu câu vẫn còn chi tiết đủ để nhận ra người, như tên công ty nhỏ, địa danh cụ thể, tình tiết hiếm, kết hợp lại vẫn có thể xác định được ai. Chỉ coi là đã khử nhận diện khi người đọc không có cách hợp lý nào nhận ra người hỏi.
Có được dùng câu hỏi người dùng để cải thiện chatbot không?
Có thể, nếu mục đích đã được thông báo, có cơ sở xử lý phù hợp và dữ liệu được xử lý tối thiểu, có thời hạn lưu. Cách làm an toàn là dùng tập câu hỏi đã lọc và viết lại thành dạng chung. Chi tiết cần đối chiếu Luật Bảo vệ dữ liệu cá nhân 2025 và văn bản hướng dẫn.
Bộ lọc tự động có đủ không?
Không đủ một mình. Bộ lọc bắt tốt các mẫu có định dạng như số giấy tờ, email, nhưng bỏ sót thông tin định danh gián tiếp và tên riêng viết theo nhiều cách. Cần thêm bước người duyệt đọc, ít nhất với dữ liệu sẽ được lưu lâu hoặc chia sẻ.
Văn phòng luật dựng trợ lý nội bộ trên hồ sơ khách hàng có được không?
Đây là vùng cần thận trọng vì có cả nghĩa vụ bảo vệ dữ liệu cá nhân lẫn nghĩa vụ bí mật nghề nghiệp. Nên giới hạn phạm vi theo quyền xem hồ sơ của từng người, ưu tiên rút tri thức thay vì đưa nguyên hồ sơ, và hỏi ý kiến người làm nghề về bảo vệ dữ liệu trước khi triển khai.
Nhật ký hội thoại nên giữ bao lâu?
Không có con số chung cho mọi sản phẩm. Thời hạn nên gắn với mục đích cụ thể như xử lý khiếu nại, điều tra sự cố, và ngắn nhất có thể cho mục đích đó. Quan trọng là có thời hạn rõ ràng, được thông báo, và có cơ chế xoá tự động khi đến hạn.
Người dùng yêu cầu xoá dữ liệu của mình thì kho AI xử lý thế nào?
Cần biết dữ liệu của người đó nằm ở đâu: nhật ký, tập phân tích, bộ đánh giá. Đây là lý do nên giữ liên kết giữa tập đã lọc và nhật ký gốc trong thời hạn lưu, và lý do không nên đưa câu hỏi thật vào kho truy xuất, nơi việc tìm và gỡ khó hơn nhiều.