THE FUTURE MARKETACADEMY
Your classroomRoom 01 · AI Lab
School of AI

AI Risk at Work: privacy, bias ug misuse sa tinuod nga praktis

What you'll be able to do
  • Pag-sort sa mga risgo sa AI sa trabaho ngadto sa tulo ka pamilya: privacy, bias ug security o misuse.
  • Ipasabot sa yano nga pulong kung unsay gipaabot sa privacy regulators sa imong nasud kung ang team naggamit og AI nga naay personal nga impormasyon (nga naay pananglitan sa Canada ug Pilipinas).
  • Mahibalo kung unsa ang privacy breach, kanus-a kini kinahanglan i-report, ug unsay buhaton sa unang oras.
  • Makita ang dili patas nga resulta kung ang AI motabang sa desisyon bahin sa mga tawo, ug ipabilin ang tawo ang nagdumala.
  • Mailhan ang prompt injection, AI-powered phishing ug lain pang misuse, ug sirad-an ang dali nga mga pultahan.
  • Makompleto ang yano nga usa-ka-panid nga AI risk check ug makasulat og klaro nga do ug don't nga mga lagda alang sa team.

Sa dili pa kini nga kurso: AI Safety, Privacy and Ethics for Everyday Users (course 1.8). Nahibalo na ka kung unsaon pag-usab sa privacy settings, unsay dili gayod ibutang sa prompt, unsaon pagsusi sa tubag, unsaon pag-ila sa AI scams, ug unsaon pag-on sa MFA. Kini nga kurso mobalhin gikan sa imong kaugalingong batasan ngadto sa trabaho: tinuod nga trabaho, data sa ubang tawo, ug mga lagda nga masunod sa team. Edukasyon lang; dili kini legal nga tambag. Sa tinuod nga insidente o legal nga pangutana, kontaka ang imong privacy officer o abogado.

Words in this course 49Open the Vocabulary Hall
01

Ang tulo ka pamilya sa AI risk sa trabaho

In simple words

Huna-hunaa ang AI sa trabaho sama sa bag-ong katabang sa kusina. Basin ilang ibutyag ang sekreto nga recipe sa pamilya (privacy), basin dili patas ilang pagtratar sa pipila ka kustomer nga wala nila mamatikdi (bias), o basin naay mulimbong kanila aron abrihan ang likod nga pultahan (security ug misuse). Ang pagkahibalo sa tulo ka klase sa kasamok makatabang nimo nga motan-aw sa husto nga lugar.

Key facts
  • Ang Canadian Centre for Cyber Security (guidance ITSAP.00.041) nagngalan niining mga risgo sa generative AI, ug uban pa:
  • Privacy sa data: ang users basin dili tuyo nga mag-enter og sensitibo nga data sa kompanya o personal nga impormasyon sa prompts.
  • Biased nga content: ang training data gikan sa bukas nga internet ug dili balanse nga representasyon makahimo sa output nga prejudiced.
  • Misinformation ug disinformation: ang AI content nga dili klaro ang label makapakaylap og bakak nga impormasyon.
  • Phishing: ang attackers makasulat og mas kanunay, awtomatiko ug kapani-paniwala nga spear-phishing nga mga mensahe.
  • Malicious code ug buggy code: ang attackers makagama og malware, ug ang developers makasulod og dili luwas nga code.
  • Poisoned datasets: ang makadaot nga content sa training data makapaluya sa kalidad sa output ug makapataas sa supply-chain risk.
  • Pagkawala sa intellectual property: ang AI makatabang sa attackers nga mas dali nga makawat og data sa kompanya.
  • Gigrupo ani nga kurso kini sa tulo ka pamilya:
PamilyaAng pangutana niiniPananglitan sa trabaho
PrivacyKang kinsa nga impormasyon ang mosulod o mogawas?Ang support agent nag-paste sa tibuok file sa kustomer sa chat
BiasBasin dili patas ang resulta sa pipila ka tawo?Gi-rank sa AI ang mga applicant ug gipaboran ang usa ka grupo
Security ug misuseBasin naay molimbong o mogamit sa tool sa dili maayo?Ang web page nagtago og instruksyon alang sa AI agent
  • Ang tambag sa Cyber Centre sa mga organisasyon naglakip sa pagbutang og polisiya kung giunsa paggamit ang AI, pagpili og vendors nga mabinantayon, pag-amping sa unsang impormasyon ang ibutang, paggamit og MFA, pag-apply sa updates, ug pag-train sa mga empleyado.
Step by step
  1. Isulat ang tanang paagi nga ginagamit na sa imong team ang AI (pagsulat, summaries, pagpangita, spreadsheets, tubag sa kustomer). Apila ang tools nga gigamit sa mga tawo nga sila lang.
  2. Sa matag gamit, isulat ang klase sa impormasyon nga mosulod: publiko, internal, o personal.
  3. Labela ang matag gamit sa usa ka pamilya nga labing nakapabalaka nimo: Privacy, Bias, o Security ug misuse.
  4. Lingini ang bisan unsang gamit nga motandog sa personal nga impormasyon o desisyon bahin sa mga tawo.
  5. Ibutang sa ibabaw ang gilinginan nga mga gamit. Kini ang una nimong susihon sa sunod nga mga leksyon.
  6. Susiha: ang matag gamit naay klase sa impormasyon ug label sa pamilya, ug labing menos usa ang gilinginan o mapatin-aw nimo kung nganong walay gilinginan.
Watch on YouTube
AI privacy: what happens to your data when you use AI tools?CampusGuard · YouTube · youtube.com

Videos by other creators on YouTube, for reference. They are not made by or affiliated with The Future Market.

LESSON 01Ang tulo ka pamilya sa AI risk sa trabaho
LESSON 01 / ANIMATED LESSON / ENGLISH VOICE00:00 / 01:00
Read the video script
[Host] "Ang AI sa trabaho mahimong magkaproblema sa tulo ka paagi. Tun-i ang mga kini ug mahibalo ka kung asa motan-aw."
[Text on screen: 1. Privacy] "Una: privacy. Naay nag-paste og impormasyon nga dili angay mogawas sa building."
[Text on screen: 2. Bias] "Ikaduha: bias. Ang resulta dili patas sa pipila ka tawo, ug walay nakamatikod."
[Text on screen: 3. Security ug misuse] "Ikatulo: security. Naay molimbong sa tool, o mogamit niini aron limbongan ka."
[Host] "Ngalani una ang pamilya. Unya maayo nimo ang husto nga butang."
Try it now

Paghimo og usa ka panid nga lista sa mga gamit sa AI sa imong team nga naay klase sa impormasyon ug pamilya sa matag usa, ug lingini ang top tulo nga susihon.

ClaudeStuck? Copy a ready-made prompt for Claude

Copy this, open Claude, paste it, and Claude will walk you through the lesson step by step.

For a grown-up: Claude is for adults (18+). Copy this, paste it into Claude, and use the answer to explain the lesson to your child.

I'm learning "AI Risk at Work: privacy, bias ug misuse sa tinuod nga praktis" on The Future Market. Lesson 1: "Ang tulo ka pamilya sa AI risk sa trabaho".

What the lesson teaches:
- Ang Canadian Centre for Cyber Security (guidance ITSAP.00.041) nagngalan niining mga risgo sa generative AI, ug uban pa:
- Privacy sa data: ang users basin dili tuyo nga mag-enter og sensitibo nga data sa kompanya o personal nga impormasyon sa prompts.
- Biased nga content: ang training data gikan sa bukas nga internet ug dili balanse nga representasyon makahimo sa output nga prejudiced.
- Misinformation ug disinformation: ang AI content nga dili klaro ang label makapakaylap og bakak nga impormasyon.
- Phishing: ang attackers makasulat og mas kanunay, awtomatiko ug kapani-paniwala nga spear-phishing nga mga mensahe.
- Malicious code ug buggy code: ang attackers makagama og malware, ug ang developers makasulod og dili luwas nga code.
- Poisoned datasets: ang makadaot nga content sa training data makapaluya sa kalidad sa output ug makapataas sa supply-chain risk.

The exercise I'm working on:
Paghimo og usa ka panid nga lista sa mga gamit sa AI sa imong team nga naay klase sa impormasyon ug pamilya sa matag usa, ug lingini ang top tulo nga susihon.

I'm stuck. Please:
1. Explain the main idea in plain, simple words with one everyday example.
2. Walk me through the exercise one small step at a time. Ask me what I've done so far before giving the next step.
3. Don't just give me the final answer. Help me do it myself, and check my work when I share it.
I'm a parent helping my child (about 8 years old) with a lesson called "Ang tulo ka pamilya sa AI risk sa trabaho" from the course "AI Risk at Work: privacy, bias ug misuse sa tinuod nga praktis".

Here's what the lesson says:
Huna-hunaa ang AI sa trabaho sama sa bag-ong katabang sa kusina. Basin ilang ibutyag ang sekreto nga recipe sa pamilya (privacy), basin dili patas ilang pagtratar sa pipila ka kustomer nga wala nila mamatikdi (bias), o basin naay mulimbong kanila aron abrihan ang likod nga pultahan (security ug misuse). Ang pagkahibalo sa tulo ka klase sa kasamok makatabang nimo nga motan-aw sa husto nga lugar.

The activity:
Paghimo og usa ka panid nga lista sa mga gamit sa AI sa imong team nga naay klase sa impormasyon ug pamilya sa matag usa, ug lingini ang top tulo nga susihon.

Please explain this so an 8-year-old understands: short sentences, a fun everyday example, and no hard words.
Then give me 3 simple questions I can ask my child to check they understood, and a way to do the activity together, one tiny step at a time.
Open Claude
Sources
My notes
02

Privacy sa trabaho: unsay gipaabot sa regulators

This lesson is part of full access: every course and every level for one payment.

03

Kung naay mag-leak: privacy breaches

This lesson is part of full access: every course and every level for one payment.

04

Bias sa praktis: mga desisyon bahin sa mga tawo

This lesson is part of full access: every course and every level for one payment.

05

Security ug misuse: limbong, scam ug dili maayong code

This lesson is part of full access: every course and every level for one payment.

06

Yano nga AI risk check

This lesson is part of full access: every course and every level for one payment.

07

Do ug don't nga mga lagda alang sa imong team

This lesson is part of full access: every course and every level for one payment.

++

Final project

This lesson is part of full access: every course and every level for one payment.

??

Quiz

  1. Ngadtoa ang tulo ka pamilya sa risgo nga gigamit niini nga kurso.

  2. Sumala sa maayong-praktis nga AI guidelines, kanus-a ibutang ang personal nga impormasyon sa prompt?

  3. Ubos sa commercial terms sa Anthropic, kinsa ang data controller ug kinsa ang processor?

  4. Kanus-a angay i-report sa organisasyon ang breach sa regulator ug pahibaw-on ang mga tawo?

  5. Unsang duha ka butang ang gidepende sa real risk of significant harm?

  6. Unsay buhaton nimo sa mga rekord sa data breaches?

  7. Daghang nasud ang nagbutang og mubo nga deadline sa pagpahibalo sa regulator sa breach. Unsay buhaton nimo?

  8. Kinsa ang kinahanglan mohimo sa katapusang desisyon kung ang AI motabang sa pag-hire o grading?

  9. Unsa ang prompt injection?

  10. Unsa ang luwas nga sinugdanan nga lagda alang sa AI tool nga makalihok?

EX

Final exam

This lesson is part of full access: every course and every level for one payment.

CE

Certificate

This lesson is part of full access: every course and every level for one payment.