法规简介

韩国个人信息保护委员会（PIPC）编制的《公共部门AI转型（AX）隐私保护指南》（공공 AX 프라이버시 보호 안내서）于2026年7月23日提交至第11次科学技术关系长官会议审议（议案编号第5号），并于2026年8月31日由PIPC在其官方指引栏目正式发布。该指南是韩国首部面向公共部门的AI转型隐私保护系统性文件，由PIPC人工智能隐私团队（인공지능프라이버시팀）起草。 一、发布背景与目的 公共机构掌握覆盖国民生活全域的海量数据，并通过面向国民的服务与政策执行发挥强大影响力，因此公共部门AI转型（AX）的安全性直接关系到政府政策的公信力，隐私保护成为获取国民信任、保障基本权利、控制风险的核心手段。调研显示，韩国公共系统个人信息保护专职人力严重不足（2026年3月公共系统紧急检查结果：中央部门平均1.1人、基层地方政府0.3人），且缺乏AI与个人信息复合型专家，导致各机构在理解AI数据处理方式的基础上落实个人信息保护存在实际困难。指南旨在将公共AX推进过程中的个人信息处理问题体系化，提供法律标准、安全措施与相关案例，积极支持公共部门AI转型。 二、国际对标 指南梳理并参照了海外同类政策与指引：美国白宫预算管理办公室（OMB）M-25-21《通过创新、治理与公共信任加速联邦AI应用》（2025年4月）、欧盟个人数据保护监督机构（EDPS）《生成式AI系统使用中确保数据保护合规的指引（第2版）》（2025年10月）、英国数字服务局（GDS）《英国政府AI手册》（2025年2月）、新加坡个人数据保护委员会（PDPC）《AI推荐与决策系统中个人数据使用的咨询指引》（2024年3月）。 三、核心框架：AX推进三阶段 × AX三类型 指南采用"三阶段"与"三类型"交叉矩阵，为实务人员提供可操作的差异化指引。 （一）AX推进三阶段 1. 事前设计阶段：明确AX目的与对象，奠定目的限制、最小收集等保护原则的合规基础，识别个人信息收集、利用、提供的合法性依据（需按AI模型与系统开发构建、AI系统运营、AI系统高度化等阶段目的分别区分）；综合考量AX目的、机构ICT与安全能力、所涉个人信息的性质与隐私风险，设计开发构建方式（商用服务活用、公开模型高度化、自研开发等方式的数据控制水平比较，RAG、追加学习（fine-tuning）等业务特化方式的隐私风险检讨）。 2. 开发构建阶段：在学习数据构建与利用、提示词（prompt）收集、RAG联动、输出生成等各处理节点内化隐私保护安全措施。除基本安全措施外，需持续检讨AI特有的演进型隐私风险类型与缓解方案并补强措施，例如学习数据假名化/匿名化处理、差分隐私等隐私增强技术（PETs）应用、个人信息输入限制与过滤、RAG访问权限差异化授予、个人信息输出过滤等。 3. 系统应用管理阶段：通过部署前后的安全性测试（红队测试等）持续检查个人信息泄露外泄可能性，建立监控与事故应对协议；落实个人信息查阅、更正删除、处理停止等信息主体权利保障体系，通过处理方针等透明公开收集事实与处理目的（在系统中内置权利侵害举报与意见提交功能，并在时间、成本、技术可行的范围内保障权利实现的程序）。 （二）AX三类型 1. 基础业务辅助（기초업무 보조）：利用LLM进行资料加工、摘要、检索、聊天咨询等日常业务辅助，是最基础、最普遍的类型。虽因不直接支持大规模个人信息分析或影响权利的决策而相对风险较低，但存在内部文件输入、提示词收集处理导致的泄密与侵害风险。重点：营造安全利用环境、适用基本安全措施、制定含允许与禁止用例的利用指引并开展教育培训、建立利用记录检查等内部控制体系、通过红队测试验证并改进针对提示词注入、越狱、数据抽取攻击的安全性、明确AI输入输出数据的存储与否、存储位置与保管期限、检讨个人信息委托处理与境外移转合规。使用民间服务时应以委托处理形式签订合同，防止数据被用于服务商自身目的（如AI模型训练），并根据服务器位置检讨是否构成境外移转。 2. 信息联动·分析·推荐（정보 연계·분석·추천）：通过定制化信息分析与推荐支持人类思考与决策。原本分散于不同情境的信息在同一系统中联动，个人信息外泄与目的外利用风险扩大，个人的特性、行为、偏好可能被系统性地分析与评价。重点：集中管理目的外利用与个人信息推断风险；联动外部数据库与系统时须严密检讨处理目的、对象、范围是否扩大变更并重新检讨处理依据；将分析推断的信息类型与水平限定、抽象化至达成目的所必需的范围，落实最小化；按业务目的对联动数据库与系统差异化授予访问权限，落实访问控制、访问记录监控等强化管理体系。 3. 筛选·判断（선별·판단）：AI直接用于或联动于行政受益者筛选、风险探测等公共决策过程。自动化处理可能影响信息主体的权利义务，存在过度监视担忧，隐私风险相对最大。重点：严格的合法性检讨、不准确处理与自动化风险管理；定义AX的具体行政目的并事前验证必要性与实效性，落实个人信息处理最小化并取得法令上明确依据；针对AI的偏见、准确性不足、鲁棒性欠缺等导致的信息主体权利侵害制定并落实预防措施（检查改进输入变量的质量、代表性、准确性及算法设计性能）；检讨是否构成《个人信息保护法》上的自动化决定，若构成则建立拒绝权、说明与审查要求权的实质性保障应对体系。指南特别提示：即使系统结构上不构成自动化决定，仍建议通过实态检查确认是否存在行政负责人机械采信AI结果、实质上按完全自动化决定运行的情况。 四、AI开发构建方式别检讨要点 商用服务联动：判断是否构成个人信息处理委托或第三方提供；确认访问控制、加密、销毁等保护措施；优先考量以合同保障服务商排除学习利用的Enterprise API。 公开模型高度化：确认模型许可与利用条件，持续反映安全漏洞等主要更新。 自研模型开发：最小化追加学习数据中的个人信息并确保合法性；管理模型学习、运营全过程。 五、推进体系 各公共机构：以机构负责人、CPO、CAIO为中心，将个人信息保护认识为AX的核心要素并整备内部管理体系；赋予CPO权限与角色，构建CPO及个人信息保护部门、AX业务部门、信息化部门间的协作体系；结合AI运营环境高度化内部管理计划，涉及敏感信息、大规模个人信息处理时实施个人信息影响评价（未实施评价的，也建议自行检讨AI特化影响评价项目）。 PIPC：通过"公共AX隐私帮助台"直接提供支持；持续确立AI规范（针对代理式AI（Agentic AI）、物理AI（Physical AI）等新技术环境下的合法性依据解释、风险类型与缓解方案）；推进引入"AI特例"（在强化安全性确保的前提下，允许为增进公益与社会利益的AI技术开发目的而利用个人信息原件），推动修改《个人信息保护法》。 六、配套合法性解释案例（PIPC事前适当性审查决议） 指南收录了多项PIPC事前适当性审查决议作为实务参考： 1. 收集目的内利用：基于网络帖子（合作母婴社区）内容，通过商用LLM（API联动）分析断水、锈水、红水、虫卵等自来水事故风险征兆并早期应对（2026年4月决议）——依据"处理者的正当利益"（保护法第15条第1款第6项），考量目的正当性、手段合理性、权利侵害最小化措施（事前告知与意见听取、常态化检查、AI模型持续高度化、满足委托处理要件等）后作出解释。 2. 追加利用：将用户提示词输入内容作为AI学习数据收集利用（2025年5月决议）——依据"合理关联范围内的追加利用"（保护法第15条第3款）。 3. 追加利用：利用电话收发记录数据预测疑似诈骗号码并用于金融机构异常交易探测拦截（2025年7月决议）。 4. 追加利用：结合搜索服务使用记录、博客与社区活动记录、购物历史等邻近服务使用明细，由AI分析生成个性化回答（2026年5月决议）。 5. 敏感信息处理限制例外：119急救现场支援系统高度化，将含患者健康信息等敏感信息的现场对话文本经预处理后输入AI系统（2026年7月决议）——依据"法令上敏感信息处理要求或允许"（保护法第13条第1款第2项）。 七、海外公共部门AI风险案例警示 指南引述澳大利亚福利金过度/错误支付筛查案（2016–2020，机械地将非正规就业者收入年均化导致不当债务，引发集体诉讼）与荷兰福利金欺诈预测SyRI案（2017–2021，将性别、家庭状况、婚姻状态、语言能力等用于风险评估引发歧视与监视争议），警示在最终处分阶段之前的数据收集与利用阶段同样可能产生过度画像、监视、歧视与偏见等隐私侵害，需对系统输入变量、学习数据、产出方式进行周密设计。 八、基本原则 采行"风险导向（risk-based）"与"原则导向（principle-based）"双重路径：依据个别AI用例与类型的个别脉络识别、评估并应对风险，采定制化、精准化取向（避免一刀切管控），控制强度与评估的风险水平成比例渐进上调；考虑技术环境快速变化，以原则为中心而非对个别技术作细密规定，坚守技术中立性。 九、今后计划 公共AX隐私帮助台常态化运营（持续）；年内发布代理式（Agentic）AI系统相关合法性标准与风险缓解方案；持续推进为引入"AI特例"而修改《个人信息保护法》。 适用范围说明：本指南旨在提升公共AX相关《个人信息保护法》遵守可能性，不涉及其他法令的规制事项。主要读者层为中央行政机关及其所属机构、地方自治团体、国会、法院、宪法裁判所、中央选举管理委员会等处理行政事务的机关，以及总统令（第2条）规定的其他国家机构与公共团体（保护法第2条第6款）。