غموض ملكية البيانات

تعاقد مصرف للأفراد مع مورّد تحليلات لبناء نموذج للتنبؤ بتسرّب العملاء. وتطلّب التعامل أن يقدم المصرف بيانات سلوكية لعملائه تغطي عامين، شملت أنماط المعاملات واستخدام المنتجات ومقاييس التفاعل وسجل التعامل مع الخدمات. واستخدم المورّد هذه البيانات لتدريب النموذج، الذي سلّمه إلى المصرف مع ترخيص باستخدامه لأغراض التنبؤ بالتسرّب الخاصة به. وبعد ثمانية عشر شهرًا، اكتشف المصرف أن المورّد احتفظ ببنية النموذج المدرّب، وكان يقدّم قدرات مماثلة إلى حد كبير للتنبؤ بالتسرّب منتجًا تجاريًا لمؤسسات مالية أخرى، من بينها عدة منافسين مباشرين للمصرف. نص عقد المصرف على أن بيانات العملاء المقدمة إلى المورّد تظل ملكًا للمصرف، لكنه لم يقل شيئًا عن النموذج المدرّب على تلك البيانات، ولا عن رؤى هندسة الخصائص المستمدة منها، ولا عن أوزان النموذج التي رمّزت أنماطًا تعلّمها من سلوك عملاء المصرف. لقد استخدم المورّد بيانات المصرف لبناء أصل يعود إلى المورّد. وكان العقد صامتًا إزاء هذه المسألة.

ما هو غموض ملكية البيانات في العلاقات مع المورّدين في حقيقته؟

تشمل ملكية البيانات في العلاقات مع المورّدين فئتين متمايزتين كثيرًا ما يُخلط بينهما. الأولى هي ملكية البيانات ذاتها، أي سجلات العملاء وسجلات المعاملات والبيانات السلوكية والمعلومات التشغيلية التي يشاركها العميل مع المورّد للمعالجة. وملكية بيانات المُدخلات واضحة عمومًا: يحتفظ العميل بملكية البيانات التي شاركها، والمورّد معالج، ويجب إعادة البيانات أو حذفها عند إنهاء العقد. وتتناول معظم اتفاقيات معالجة البيانات هذه الفئة على نحو كافٍ.

أما الفئة الثانية، وهي التي يُحدث فيها الغموض مخاطر تجارية وتنافسية حقيقية، فهي ملكية الأصول المشتقة: النماذج المدرّبة على بيانات العميل، والرؤى المستخرجة منها، والخوارزميات المعايَرة باستخدامها، والمؤشرات المرجعية المجمّعة المبنية منها، وأي ملكية فكرية تنتج عن تطبيق قدرات المورّد على بيانات العميل. ولا يحكم ملكيةَ هذه الأصول المشتقة بندُ ملكية البيانات، بل أحكامُ الملكية الفكرية في العقد، وكثيرًا ما تنص هذه الأحكام افتراضيًا على ملكية المورّد لنتاج العمل الذي أنشأه، بما في ذلك نتاج العمل الذي لم يكن ليوجد لولا بيانات العميل بوصفها مُدخله الرئيسي.

جعل سياق الذكاء الاصطناعي والتعلم الآلي هذا الغموض أبعد أثرًا بكثير. فحين يدرّب مورّد نموذج تعلم آلي على بيانات عميل، يُرمّز النموذج الناتج أنماطًا وأوزانًا وعلاقات تعلّمها من تلك البيانات. والنموذج من الناحية الفكرية ملك للمورّد، فهو من طوّر البنية وأجرى التدريب وأنشأ المنتج القابل للنشر. لكن قيمة النموذج مستمدة إلى حد كبير أو كليًا من بيانات العميل، فلولاها لما وُجد النموذج أو لكان أقل قدرة بدرجة جوهرية. أما مسألة من يملك النموذج، ومن يحق له استخدامه، وهل يحق للمورّد تقديم قدرات مكافئة لمنافسي العميل باستخدام معرفة مستمدة من بيانات العميل، فهي مسألة لم تتوقعها معظم العقود المبرمة قبل خمس سنوات، ولا يزال كثير من العقود الحالية لا يتناولها.

يتركز غموض ملكية البيانات حول خمس فئات محددة من الفجوات في العلاقات مع المورّدين:

• ملكية النماذج والخوارزميات: نماذج ML المدرّبة ومعايرات الخوارزميات والنماذج التنبؤية المبنية باستخدام بيانات العميل، التي لا يتناول بند ملكية البيانات ملكيتها، فتؤول افتراضيًا إلى ملكية المورّد لنتاج العمل الذي أنشأه
• الرؤى المشتقة وبيانات المؤشرات المرجعية: المؤشرات المرجعية القطاعية ومقاييس الأداء المجمّعة والرؤى التحليلية الناتجة عن دمج بيانات العميل ببيانات عملاء آخرين، والتي يملكها المورّد بوصفها أصولًا معلوماتية مجمّعة
• مخرجات هندسة الخصائص: مجموعات الخصائص والتحويلات وتمثيلات البيانات المُنشأة من بيانات العميل بوصفها منتجات وسيطة في تدريب النماذج، والتي قد تكون ذات قيمة بوصفها أصولًا قابلة لإعادة الاستخدام يحتفظ بها المورّد
• المعرفة المتبقية وتطوير القدرات: خبرات موظفي المورّد والمعرفة المؤسسية وتحسينات القدرات المكتسبة من العمل على بيانات العميل، التي يحتفظ بها المورّد ويطبقها في علاقاته اللاحقة مع العملاء
• منتجات البيانات المشتقة: التقارير والتحليلات ومنتجات البيانات المُولَّدة من بيانات العميل التي يحتفظ بها المورّد بما يتجاوز المخرجات المتعاقد عليها

لماذا يهم هذا

يهمّ غموض ملكية البيانات في TPRM لأن العواقب التجارية والتنافسية لفجوات الملكية قد تكون بخطورة الخروقات الأمنية. فالمورّد الذي يدرّب نموذجًا للتنبؤ بالتسرّب على البيانات السلوكية لعملاء مصرف، ثم يرخّص قدرات مكافئة لمنافسي المصرف، قد استخدم بيانات المصرف المملوكة له لإحداث نقطة ضعف تنافسية، دون اختراق أي ضابط أمني. لقد عولجت بيانات العميل بأمان، لكن الأصل المشتق استُخدم بطريقة خدمت المصالح التجارية للمورّد على حساب الموقع التنافسي للعميل.

يضاعف سياق الذكاء الاصطناعي هذا الخطر بدرجة كبيرة. فمع تزايد تقديم المورّدين لخدمات التحليلات والتنبؤ والتوصيات المدعومة بالذكاء الاصطناعي، تصبح النماذج التي يبنونها باستخدام بيانات العملاء محورية بشكل متزايد في عروض منتجاتهم التجارية. وتعتمد قدرة المورّد على تقديم قدرات تنبؤ متطورة للسوق اعتمادًا كبيرًا على تدريب هذه القدرات على بيانات واقعية غنية وعالية الجودة، وهي بيانات يقدمها عملاؤه من المؤسسات. والعملاء الذين يقدمون هذه البيانات يموّلون تطوير قدرات المورّد، وكثيرًا ما يحدث ذلك دون حقوق تعاقدية في القدرات الناتجة أو حماية من تقديم هذه القدرات للمنافسين.

يضيف بُعد حقوق أصحاب البيانات طبقة من التعقيد التنظيمي. فإذا استُخدمت بيانات العميل لتدريب نموذج، ثم مارس صاحب بيانات حقه في محو بياناته الشخصية، وجب على المورّد حذف سجلاته من مجموعات بيانات التدريب، لكن أوزان النموذج التي دُرّبت على تلك السجلات تبقى. ولا يتطلب الحق في المحو حاليًا في معظم الولايات القضائية محو أوزان النماذج المشتقة، غير أن هذا مجال تنظيمي يشهد تطورًا نشطًا. ويتقاطع غموض الملكية المتعلق بأصول النماذج مع التزامات حقوق أصحاب البيانات بطرق لم يتوقعها أي من الطرفين تعاقديًا في العادة.

أين تخطئ معظم الفرق

الإخفاق الأكثر تكرارًا هو الاعتماد على بند ملكية البيانات لحوكمة ملكية الأصول المشتقة. فالعقد الذي ينص على أن "العميل يحتفظ بملكية بيانات العميل" يتناول المُدخل في معالجة المورّد، لكنه لا يتناول المخرجات التي ينتجها المورّد بتطبيق قدراته على ذلك المُدخل. وتتطلب ملكية البيانات وملكية الأصول المشتقة أحكامًا تعاقدية منفصلة، وغياب أحكام الأصول المشتقة يعني الرجوع تلقائيًا إلى موقف المورّد، وهو عادةً ملكية المورّد لنتاج العمل الذي أُنشئ باستخدام قدراته، بصرف النظر عن البيانات التي مكّنت من إنتاجه.

الإخفاق الثاني هو عدم معالجة قيد الاستخدام التنافسي بمعزل عن مسألة الملكية. فحتى حين يتفاوض العملاء على ملكية الأصول المشتقة، قد لا يتناولون تحديدًا ما إذا كان يحق للمورّد استخدام الرؤى أو بنى النماذج أو المؤشرات المرجعية المجمّعة المستمدة من التعامل لخدمة منافسي العميل. فالمورّد المحظور تعاقديًا من استخدام بيانات العميل المحددة، لكن المسموح له بتطوير قدرات مماثلة وتقديمها باستخدام المعرفة العامة بالقطاع وبيانات عملاء آخرين، يشغل موقعًا لا تتناوله معظم بنود ملكية البيانات.

• الاعتماد على بند ملكية البيانات لتحديد ملكية الأصول المشتقة: ملكية بيانات المُدخلات وملكية أصول المخرجات تتطلبان أحكامًا منفصلة
• عدم تناول ملكية النماذج والخوارزميات: نماذج ML المدرّبة على بيانات العميل تؤول افتراضيًا إلى ملكية المورّد في غياب تحديد تعاقدي
• غياب قيد الاستخدام التنافسي: لا يوجد حظر على تقديم المورّد للمنافسين قدرات مماثلة مستمدة من التعامل مع العميل
• عدم حوكمة المشاركة في المؤشرات المرجعية المجمّعة: إسهام بيانات العميل في المؤشرات المرجعية القطاعية للمورّد دون أحكام لملكية البيانات تتناول الاستخدامات المجمّعة
• الاحتفاظ بالبيانات بعد انتهاء التعامل لتطوير القدرات: احتفاظ المورّد بالأصول المشتقة بعد إنهاء العقد لاستخدامها في تعاملات لاحقة

كيف تبدو الممارسة الجيدة

تتناول حوكمة ملكية البيانات الناضجة في العلاقات مع المورّدين الأصول المشتقة صراحةً، فتحدد ملكية النماذج والخوارزميات والرؤى وغيرها من نتاج العمل المُنشأ من بيانات العميل، وتضع قيودًا على الاستخدام التنافسي للقدرات المستمدة من العميل، وحدودًا على استخدام البيانات المجمّعة الذي يتيح للمورّد بناء منتجات تجارية من إسهام العميل بالبيانات.

• أحكام صريحة لملكية الأصول المشتقة: تحديد ملكية النماذج والخوارزميات ومجموعات الخصائص وغيرها من نتاج العمل المُنشأ من بيانات العميل في أحكام IP، لا تركها للقواعد الافتراضية
• قيد الاستخدام التنافسي: حظر استخدام المورّد لبيانات العميل أو النماذج المشتقة أو رؤى المؤشرات المرجعية لتطوير قدرات أو تقديمها لمنافسين محددين بالاسم
• حدود استخدام البيانات المجمّعة: قيود على إدراج بيانات العميل في المؤشرات المرجعية القطاعية للمورّد أو منتجاته المجمّعة دون إذن صريح
• قيود على الأصول بعد انتهاء التعامل: حظر احتفاظ المورّد بالنماذج المدرّبة أو مجموعات الخصائص أو غيرها من الأصول المشتقة أو استخدامها بعد إنهاء العقد
• جرد بيانات تدريب النماذج: توثيق بيانات العملاء التي أسهمت في كل نموذج، بما يتيح تقييم النطاق فيما يخص حقوق أصحاب البيانات ونزاعات ملكية الأصول

الأدوات

تتطلب معالجة غموض ملكية البيانات أدوات لإدارة العقود وتتبّع مسار البيانات تجعل مسألة الملكية صريحة وقابلة للتتبّع.

إدارة دورة حياة العقود: Ironclad وIcertis وContracts 365

تتيح منصات CLM المزودة بنماذج لأحكام IP توحيد أحكام ملكية الأصول المشتقة في عقود المورّدين، بما يضمن أن يتضمن كل تعامل مع مورّدي الذكاء الاصطناعي والتحليلات صياغة صريحة لملكية النماذج والخوارزميات والرؤى المشتقة. وبالنسبة لبرامج TPRM التي تدير محافظ كبيرة من المورّدين، تمنع منصات CLM استمرار فجوة الملكية عبر عقود صيغت قبل النظر في حالات استخدام تدريب نماذج AI/ML.

مسار البيانات ومصدر النماذج: MLflow وWeights & Biases وNeptune.ai

تسجّل منصات تتبّع تجارب ML البيانات التي استُخدمت في تدريب كل نموذج، فتوفر توثيق مسار البيانات الذي يتيح حل نزاعات الملكية والامتثال لحقوق أصحاب البيانات. وبالنسبة لممارسي TPRM، فإن سؤال المورّد عمّا إذا كان يستخدم تتبّع المصدر في ML لتوثيق مجموعات بيانات العملاء التي أسهمت في كل نموذج يكشف ما إذا كانت مسألة الملكية قابلة للتتبّع تقنيًا أم منصوصًا عليها تعاقديًا فقط.

إدارة IP: CPA Global وAnaqua

تدعم منصات إدارة IP تتبّع أصول الملكية الفكرية بما فيها نماذج الذكاء الاصطناعي، إذ تمكّن المؤسسات من تسجيل مطالبات الملكية على النماذج والخوارزميات وإدارتها مع توثيق مصدرها. وبالنسبة للتعاملات الأعلى خطورة والكثيفة البيانات، توفر الإدارة الرسمية لـIP الخاصة بالأصول المشتقة البنية التوثيقية اللازمة لإنفاذ الملكية.

تحديات الحوكمة

يكمن تحدي الحوكمة في ملكية البيانات في سياقات مورّدي AI/ML في حداثة المسألة القانونية. فمعظم نماذج العقود المعيارية وُضعت قبل أن يصبح تدريب نماذج الذكاء الاصطناعي خدمة اعتيادية يقدمها المورّدون، وأحكام IP فيها، التي تمنح المورّدين عادةً ملكية نتاج العمل المُنشأ باستخدام قدراتهم، صُممت لسياق كان فيه نتاج العمل وثائق وتحليلات وتوصيات لا نماذج مدرّبة تُرمّز أنماط بيانات العملاء. ويتطلب تحديث هذه الأحكام خبرة قانونية في كل من حماية البيانات وقانون IP، وهي خبرة ليست متاحة على نطاق واسع.

بالنسبة لبرامج TPRM، تتمثل الأولوية العملية للحوكمة في تحديد علاقات المورّدين التي تنطوي على تدريب AI/ML على بيانات العملاء، وضمان أن تتضمن هذه العلاقات أحكامًا صريحة لملكية الأصول المشتقة قبل بدء التعامل. فالتفاوض بأثر رجعي على ملكية نموذج سبق تدريبه ونشره أصعب بكثير من تحديد الملكية قبل بدء التدريب.

• حدّد علاقات المورّدين المتعلقة بتدريب AI/ML: ضع علامة على أي تعامل مع مورّد ينطوي على تدريب نماذج على بيانات العملاء لمراجعة أحكام الملكية فيه
• أضف أحكام الأصول المشتقة قبل بدء التعامل: التفاوض على ملكية النماذج وقيود الاستخدام التنافسي قبل مشاركة البيانات
• أدرج قيودًا على استخدام البيانات المجمّعة: حظر إسهام بيانات العميل في المؤشرات المرجعية القطاعية للمورّد دون إذن
• اشترط جرد بيانات تدريب النماذج: توثيق مجموعات بيانات العملاء التي أسهمت في كل نموذج
• عالج التعامل مع الأصول بعد إنهاء العقد: ماذا يحدث للنماذج المدرّبة عند انتهاء العقد

إذا كنت فريقًا صغيرًا

حدّد أعلى ثلاث علاقات خطورةً مع مورّدي AI/ML، أي المورّدين الذين درّبوا أو يدرّبون نماذج باستخدام بياناتك، وراجع أحكام IP في كل عقد. واسأل تحديدًا: هل يتناول العقد ملكية النماذج المدرّبة على بياناتك، وهل يحظر على المورّد تقديم قدرات مماثلة لمنافسيك المحددين بالاسم؟ إذا لم يُجب العقد الحالي عن أي من السؤالين، فقد حددت فجوة في الملكية تتطلب معالجة تعاقدية قبل التعامل القادم لتدريب النماذج أو تجديد العقد.

• راجع أحكام IP في جميع عقود مورّدي AI/ML بحثًا عن صياغة تتناول ملكية الأصول المشتقة
• أضف قيودًا على الاستخدام التنافسي لدى أي مورّد يدرّب نماذج على بياناتك
• اشترط على مورّدي AI/ML تقديم وثائق جرد بيانات تدريب النماذج
• أضف قيودًا على المشاركة في المؤشرات المرجعية المجمّعة إلى عقود مورّدي التحليلات

ما الذي ينبغي اشتراطه

اسأل مباشرةً:

"من يملك النماذج والخوارزميات والرؤى المشتقة الناتجة عن تعاملكم مع بياناتنا، وهل ينص عقدكم المعياري افتراضيًا على ملكية المورّد لنتاج العمل المُنشأ باستخدام قدراتكم؟"

"هل تقدمون حاليًا، أو تعتزمون تقديم، قدرات مستمدة من تعاملكم مع بياناتنا لمؤسسات أخرى في قطاعنا، بما في ذلك منافسونا المباشرون؟"

"ماذا يحدث للنماذج المدرّبة على بياناتنا عند إنهاء العقد؟ هل تُحذف، أم تُعاد إلينا، أم تحتفظون بها لاستخدامكم التجاري الخاص؟"

ما تتوقعه دليلًا

• حكم ملكية الأصول المشتقة: صياغة تعاقدية صريحة بشأن ملكية النماذج والخوارزميات
• تأكيد قيد الاستخدام التنافسي: حظر تقديم قدرات للمنافسين مستمدة من التعامل مع العميل
• توثيق التعامل مع الأصول بعد إنهاء العقد: حذف النماذج المدرّبة أو إعادتها عند انتهاء العقد
• جرد بيانات تدريب النماذج: مجموعات بيانات العملاء التي أسهمت في كل نموذج

المورّد الذي يجيب عن سؤال الملكية بعبارة "أنتم تملكون بياناتكم" قد أكّد ملكية المُدخلات. فاسأله تحديدًا عمّن يملك النماذج المدرّبة على تلك البيانات، وهل يحق له تقديم قدرات مكافئة للمنافسين. بند ملكية البيانات يغطي المادة الخام، أما مسألة الأصول المشتقة فتغطي ما بُني منها.

كيف تُثبت ذلك

تتناول ملكيةَ الأصول المشتقة قوانينُ IP، وقوانينُ حماية البيانات التي تحكم أغراض المعالجة، ومبدأُ تقليل البيانات في GDPR كما يُطبَّق على الاستخدام الثانوي لبيانات العميل في التطوير التجاري للمورّد. ويتطلب إثبات العناية الواجبة أدلة على أن ملكية الأصول المشتقة قد عولجت صراحةً في عقود المورّدين.

• سجلات مراجعة أحكام IP في العقود التي تؤكد وجود صياغة لملكية الأصول المشتقة
• توثيق قيد الاستخدام التنافسي
• جرد بيانات تدريب النماذج لعلاقات مورّدي AI/ML
• تأكيد التعامل مع الأصول بعد إنهاء العقد

الخلاصة الرئيسية

أنت تملك بياناتك. والمورّد يملك ما بناه منها، ما لم ينص العقد على خلاف ذلك، ومعظم العقود لا تنص. فالنموذج المدرّب الذي يُرمّز عامين من الأنماط السلوكية لعملائك أصلٌ تفوق قيمته بكثير قيمة التعامل الاستشاري الذي أنتجه. وبند ملكية البيانات في العقد يغطي السجلات التي شاركتها، لكنه لا يقول شيئًا عن النموذج الذي تعلّم منها، ولا عن المؤشرات المرجعية المبنية على إسهامك، ولا عن المعلومات التنافسية التي جمعها المورّد خلال التعامل. إن تحديد ملكية الأصول المشتقة قبل مشاركة البيانات ليس ترفًا قانونيًا، بل هو خطوة الحوكمة التي تحدد ما إذا كنت قد موّلت قدرة لأعمالك أم لكتالوج منتجات المورّد.