Het rapport presenteert een uitgebreide methode voor risicobeheer van LLM-systemen, met een aantal praktische maatregelen ter mitigatie van veelvoorkomende privacyrisico's in dergelijke systemen.
Daarnaast geeft het rapport voorbeelden van ‘use cases’ over de toepassing van het raamwerk voor risicobeheer in reële situaties:
Eerste ‘use case’: een virtuele assistent (chatbot) voor klantvragen,
Tweede ‘use case’: een LLM-systeem voor het monitoren en ondersteunen van de voortgang van studenten,
Derde ‘use case’: een AI-assistent voor reis- en agendabeheer.
Grote Taalmodellen (LLM's) vormen een baanbrekende ontwikkeling binnen de kunstmatige intelligentie. Het zijn deep learning-modellen die ontworpen zijn om menselijke taal te verwerken en te genereren, getraind op omvangrijke datasets. Hun toepassingen zijn veelzijdig en variëren van tekstgeneratie en samenvatting tot hulp bij coderen, sentimentanalyse en meer.
De EDPB startte dit project in het kader van het Support Pool of Experts-programma, op verzoek van de Kroatische toezichthouder voor gegevensbescherming (DPA).
Het project werd in april 2025 afgerond door externe expert Isabel Barbera.
Het rapport stelt een uitgebreide methode voor risicobeheer voor, om systematisch privacy- en gegevensbeschermingsrisico’s te identificeren, beoordelen en mitigeren.
Het rapport helpt gegevensbeschermingsautoriteiten (DPA's) om een volledig en up-to-date inzicht te krijgen in de werking van LLM-systemen en de bijbehorende risico’s.
Download het rapport hier.
