27 בינואר 2026
מורלי מאני בילה את רוב חייו כמהנדס, החל מהדוקטורט שלו על גיאומטריית התנועה ועד לעבודתו בשילוב ערכות שבבים בטלוויזיות HDTV מוקדמות. אבל בערך עשור לתוך הקריירה שלו, הוא עבר ממכניקה פיזית לארכיטקטורה הבלתי נראית של הנדסת פרטיות, שם הבעיות היו מורכבות יותר והסיכונים לעיתים קרובות גבוהים יותר.
כקצין פרטיות בכיר בחברת בריאות גלובלית שעבדה על ניסויים קליניים, ומאוחר יותר כמוביל ציות בחטיבת מכשור רפואי ובסטארט-אפ לבדיקות גנטיות, הוא בנה הגנות סביב נתוני בריאות, הנמנים עם הרגישים ביותר — אך עם אמצעי הגנה שעדיין אפשרו לרופאים ולחוקרים לחשוף תובנות לטיפולים חדשים מבלי לסכן את פרטיות המטופל.
עבור מאני, המטרה של הנדסת פרטיות הייתה תמיד בניית אמון והגנה על אנשים תוך כדי מתן אפשרות לחדשנות. היום הוא סגן נשיא לפרטיות, בינה מלאכותית ואחריות נתונים ב-Mastercard, האחראי על הגנת נתוני העסקאות של החברה ומידע רגיש אחר ככל שהבינה המלאכותית הופכת נתוני גלם לעוצמתיים יותר – וחיוניים יותר.
ככל שהעולם הפך דיגיטלי, נתונים אינם עוד רק תוצר לוואי של החיים. אלו החיים: הרכישות שלנו, ההרגלים שלנו, התנועות שלנו, הזהויות שלנו. כתוצאה מכך, תפקידם של מהנדסי הפרטיות הפך לחשוב יותר וקשה באופן אקספוננציאלי. נתונים נעים מהר יותר, חוצים גבולות בקלות רבה יותר וניתנים לשילוב בדרכים שחושפות הרבה יותר ממה שמישהו התכוון אי פעם, מכיוון שמערכות AI יכולות לזהות דפוסים בלתי נראים לבני אדם.
ממשלות ברחבי העולם מהדקות גם הן את הרגולציה על אופן השימוש במידע והיכן ניתן לעבד אותו, מה שמעורר דיונים עולמיים על פרטיות, אבטחה וריבונות. אך הגנה על המידע של אנשים אינה רק עמידה בדרישות רגולטוריות – היא גם צפייה מראש כיצד נתונים עלולים להיות בשימוש, בשימוש לרעה או באי הבנה.
בעוד שמאני עובד עם צוותים ברחבי העסק - מפתחי מוצרים ותוכנה, מדעני נתונים, מומחי בינה מלאכותית ועורכי דין - הוא ניגש לפרטיות נתונים כמהנדס, ומוצא דרכים חדשניות להטמיע פרטיות במנגנון של Mastercard.
וכפי שניתן לצפות ממהנדס, הוא משתמש במטאפורה מעולם הרכב כדי להסביר את תפקידו: “הכול עניין של לעזור לצוותים שמנהלים בפועל את הנתונים, לדבר איתם וליישם את הבקרות,” הוא אומר. “דמיינו שצוות המוצר בונה רכב, עם המנוע והמאפיינים הטכנולוגיים החדישים ביותר, וכאיש פרטיות, אני מעניק להם מאפייני בטיחות סטנדרטיים, כמו חגורת בטיחות ומראה צדדית. אבל לפעמים זו כרית אוויר ובלימה נגד נעילה — כך שכולם מוגנים טוב יותר.”
לאחר שעזב את הסטארט-אפ לבדיקות גנטיות, מאני חיפש אתגר חדש. הוא הסתקרן מההשקעה של Mastercard בטכנולוגיות פרטיות, במיוחד מעבודתה על אנונימיזציה של נתונים באמצעות Trūata, "data trust" שבסיסה בדבלין, שהחלה כמיזם משותף עם IBM וכעת היא חלק משולב ממשאבי הנתונים הארגוניים של Mastercard. (גם הנסיעה בת 20 הדקות למטה Mastercard בפורצ'ז', ניו יורק, מביתו שבמחוז וסטצ'סטר, לא הזיקה.)
נתוני תשלומים, מאני למד במהירות, הם עוצמתיים במיוחד, אך גם ייחודיים בהרכבם. ב-2024, Mastercard עיבדה 159 מיליארד עסקאות, והמידע הזה עובר אנונימיזציה ומאוגד כאשר משתמשים בו לתובנות נתונים. אבל Mastercard משתמשת גם בטכניקות כמו טוקניזציה — החלפת מספר חשבון הכרטיס ב-placeholder ייחודי — כך שלא ניתן לאתר את נתוני הכרטיס בחזרה לאנשים פרטיים אם הוא נפרץ.
אלה דוגמאות לבקרות פרטיות, שמגיעות בשתי קטגוריות רחבות. בקרות טכניות מובנות במערכות עצמן – כמו הסרת זיהוי נתונים לפני השימוש בהם. בקרות אדמיניסטרטיביות מסתמכות על אנשים ותהליכים, כגון הכשרת עובדים לזהות מתי משהו נראה שגוי. ובמצבים מסוימים, שניהם נדרשים.
תפקידו של מני הוא ליצור ולהטמיע את הבקרות הללו, כך שניתן יהיה לגשת במהירות לנתונים המטושטשים ולטפל בהם באופן מאובטח ובהתאם לשורה של תקנות לאומיות ובינלאומיות.
לדוגמה, הגבלת מטרה – שימוש בנתונים רק למטרה שלשמה נאספו – קשה ליישום. לפעמים זה נאכף באמצעות הדרכה. עם זאת, יותר ויותר חברות פונות לבקרות טכניות המונעות שימוש בנתונים למטרות לא מורשות. "אפשר ליצור נתונים כמוצר," אומר מאני, "והפלטפורמה תמנע מכם להשתמש בהם למטרה אחרת."
מהנדסי Mastercard מפתחים כלי תוכנה לפרופיל נתונים, הסורקים מערכי נתונים עצומים כדי לקבוע את מקורם, רגישותם ומאפייניהם, בדומה לאופן שבו בדיקת דם חושפת מה מתרחש בתוך הגוף. החברה גם מתחזקת מאגרי נתונים נפרדים של נתונים מזוהים ולא מזוהים, מה שמבטיח שאנליסטים לעולם לא יוכלו לגשת לשניהם בו זמנית, כהגנה מפני זיהוי מחדש.
כיום, מסביר מאני, אחד האתגרים הגדולים ביותר בפרטיות גלובלית הוא לוקליזציית נתונים — חוקים הדורשים מנתונים שמקורם מקומי להישאר בגבולות מדינה מסוימת. מהנדסי נתונים עובדים על כלים לתיוג נתונים עם עשרות תכונות שיאפשרו ל-Mastercard לאכוף את הכללים הללו באופן אוטומטי. בעתיד, ניתן לתייג נתונים כדי לשקף דרישות חוזיות והעדפות לקוחות; מה שיאפשר, למשל, לבעל חשבון בנקאות פתוחה להעניק, לבטל או לחדש הסכמות מוגבלות בזמן לשיתוף נתוני חשבון או עסקה עם צדדים שלישיים.
“הטמעת הבקרות בסקאלה,” הוא אומר, “מאפשרת לנו להשתמש באנליטיקה בסקאלה.”
Mastercard בוחנת כל העת טכנולוגיות נוספות השומרות על פרטיות, כגון נתונים סינתטיים — מערכי נתונים שנוצרו באופן מלאכותי המחקים נתונים אמיתיים ללא כל קשר למידע בסיסי על לקוחות. נתונים סינתטיים שימושיים להדגמות, בדיקות והערכת כלי צד שלישי, אם כי מאני מזהיר שמפתחי מודלים של AI מעדיפים נתוני אימון מהעולם האמיתי.
חדרים נקיים כביכול מאפשרים ל-Mastercard ולשותפיה לשלב נתונים באופן זמני, להריץ ניתוחים ולאחר מכן למחוק את הנתונים. טכניקות חישוב מרובות צדדים מאפשרות לחברות להפיק תובנות ממערכי נתונים משולבים אלה מבלי לשתף את המידע הבסיסי עם שותפים אחרים.
אם הפרטיות הייתה כבר מורכבת, AI הופך אותה לשחמט תלת-ממדי. אנליטיקה מסורתית עשויה לסווג מחזיקי כרטיסים לפי התדירות שבה הם משתמשים בכרטיסים שלהם. AI יכול לזהות דפוסי התנהגות מורכבים, אותות שבני אדם לעולם לא היו חושבים לחפש. עוצמה זו מעלה את הסיכון לזיהוי מחדש ואת מה שמאני מכנה "גורם המוזרות".
הוא אומר: "בינה מלאכותית יכולה למצוא כל מיני אותות מורכבים שאנחנו אפילו לא יודעים עליהם", ומצטט מקרה שבו תוכנת ניתוח נתונים של קמעונאית גדולה הצליחה להסיק שנשים בהיריון ולהעריך את תאריכי הלידה שלהן על בסיס רכישות תמימות למראה כמו קרם גוף ללא ריח.
צוותי הבינה המלאכותית של Mastercard בודקים כל מקרה שימוש ומחילים בקרות קפדניות על אלה שאושרו. יישומים בסיכון גבוה נעצרים לפני שהם מגיעים לייצור. ובנויים בכל אלגוריתם שקיפות (הצגת אופן פעולת מערכת AI ואילו נתונים היא משתמשת בהם), יכולת תצפית (ניטור אופן התנהגותה לאיתור ותיקון בעיות) וכלים לזיהוי הטיה, כך שאנשים יוכלו לסמוך על התוצרים שלה.
למרות כל המורכבות של בניית בקרות פרטיות בקנה מידה גלובלי, מה שמני אוהב בעבודתו אלה האנשים שסביבו. ״בעיקר שאני עובד עם האנשים המבריקים האלה ואני לומד משהו חדש כל יום״, הוא אומר. ״ואני יכול לתרום בסביבה הזו וליצור רעיונות חדשים וגם לעזור להגן על הפרטיות במקביל.״
ערב יום הפרטיות של הנתונים ב-28 בינואר, העצה של מאני לכל מי שדואג לעקבות הדיגיטליים שלו פשוטה בהרבה מהמערכות שהוא מתכנן: ״הישארו מתחת לרדאר״, הוא אומר, כולל ברשתות חברתיות ובמנועי חיפוש, מה שממזער את עקבות המידע שאתם משאירים באינטרנט. כבו את קובצי ה-Cookie שאינכם צריכים; אל תשדרו את מיקומכם; הפחיתו את היקף המידע שהעולם יכול ללמוד עליכם.
זוהי אותה פילוסופיה שעומדת בבסיס גישת Mastercard לנתונים: אמון נבנה על ידי הטמעת אבטחה, יושרה ואחריות במנגנוני הרשת שלה — אמון שתוכנן וגם נרכש.