Dữ liệu cá nhân nhạy cảm là loại dữ liệu mà nếu bị lộ hoặc bị dùng sai sẽ ảnh hưởng trực tiếp tới quyền, lợi ích hợp pháp của một người — sức khoẻ, sinh trắc học, tài chính, vị trí, đời sống tình dục, quan điểm chính trị và tôn giáo, nguồn gốc dân tộc, hồ sơ tội phạm và một số nhóm khác. Pháp luật Việt Nam, từ Nghị định 13/2023/NĐ-CP tới Luật Bảo vệ dữ liệu cá nhân 2025, tách nhóm này khỏi dữ liệu cơ bản và đặt yêu cầu bảo vệ cao hơn.
Phân biệt hai nhóm không phải chuyện lý thuyết. Một phòng khám nha giữ tên và số điện thoại của khách là dữ liệu cơ bản; ảnh chụp X-quang răng và ghi chú bệnh sử là dữ liệu nhạy cảm. Nếu nhân viên dán ghi chú đó vào chatbot để nhờ viết tin nhắn nhắc lịch, mức rủi ro khác hẳn so với dán một cái tên.
Bài này giải thích các nhóm dữ liệu nhạy cảm theo nguyên lý, chỉ ra vì sao AI làm ranh giới mờ đi, đưa ví dụ theo ngành và quy tắc thực hành khi làm việc với AI.
Dữ liệu cơ bản và dữ liệu nhạy cảm khác nhau ở đâu
Dữ liệu cá nhân cơ bản là những thông tin giúp nhận ra một người trong đời sống thường ngày: họ tên, ngày sinh, giới tính, nơi ở, số điện thoại, số giấy tờ tuỳ thân, tình trạng hôn nhân, quan hệ gia đình, tài khoản mạng và những thông tin tương tự. Lộ những thông tin này đã đủ phiền — bạn bị gọi chào hàng, bị giả danh — nhưng thiệt hại thường khắc phục được.
Dữ liệu nhạy cảm là những thông tin gắn với đời tư sâu hơn, có thể dẫn tới phân biệt đối xử, mất tiền, nguy hiểm về thân thể hoặc tổn hại danh dự nếu lọt ra ngoài. Một người bị lộ chẩn đoán bệnh có thể mất việc; bị lộ vị trí theo thời gian thực có thể bị theo dõi; bị lộ dữ liệu khuôn mặt và giọng nói có thể bị giả mạo để vượt qua bước xác minh của ngân hàng.
Khác biệt pháp lý nằm ở nghĩa vụ đi kèm. Khi xử lý dữ liệu nhạy cảm, bên kiểm soát phải thông báo rõ cho người có dữ liệu rằng đây là dữ liệu nhạy cảm, áp dụng biện pháp bảo vệ mạnh hơn, và thường thuộc diện phải lập hồ sơ đánh giá tác động. Điều này áp dụng cả với doanh nghiệp nhỏ: quy mô nhỏ không làm cho dữ liệu sức khoẻ bớt nhạy cảm.
Các nhóm dữ liệu nhạy cảm theo nguyên lý của pháp luật
Danh sách dưới đây tổng hợp theo tinh thần của Nghị định 13/2023 và Luật 2025. Cách diễn đạt từng nhóm trong văn bản có thể khác và có thể được bổ sung, nên khi cần chính xác từng chữ, bạn tra văn bản hiện hành.
- Sức khoẻ và đời tư y tế: chẩn đoán, đơn thuốc, kết quả xét nghiệm, hồ sơ bệnh án, thông tin về khuyết tật, sức khoẻ tâm thần.
- Sinh trắc học: khuôn mặt dùng để nhận diện, vân tay, mống mắt, giọng nói dùng để xác thực, dáng đi.
- Di truyền: kết quả xét nghiệm gen, dữ liệu huyết thống.
- Tài chính và tín dụng: số tài khoản, lịch sử giao dịch, thu nhập, khoản vay, điểm tín dụng, thông tin thẻ.
- Vị trí: vị trí xác định qua định vị của điện thoại, lịch sử di chuyển.
- Quan điểm chính trị, tôn giáo; nguồn gốc chủng tộc, dân tộc.
- Đời sống tình dục và xu hướng tình dục.
- Hồ sơ tội phạm, hành vi vi phạm pháp luật do cơ quan chức năng thu thập.
- Đặc điểm di truyền, thể chất riêng và một số nhóm khác pháp luật quy định là cần bảo mật.
Có một điểm hay bị bỏ qua: cùng một loại thông tin có thể đổi nhóm tuỳ cách dùng. Một tấm ảnh chân dung đăng lên trang cá nhân là dữ liệu cơ bản; khi tấm ảnh ấy được chuyển thành mẫu khuôn mặt để máy chấm công nhận diện, nó trở thành dữ liệu sinh trắc học.
Vì sao AI làm ranh giới mờ đi: suy luận ra dữ liệu nhạy cảm
Các mô hình học máy giỏi tìm mối liên hệ ẩn. Từ lịch sử mua hàng, một hệ thống gợi ý có thể đoán một khách đang mang thai trước khi người đó kể với ai. Từ giờ giấc ra vào và lộ trình di chuyển, có thể đoán nơi làm việc, nơi thờ tự, phòng khám thường đến. Từ cách gõ phím hay giọng nói, có thể đoán tuổi và đôi khi cả tình trạng sức khoẻ.
Điều này đặt ra một câu hỏi pháp lý mà nhiều doanh nghiệp chưa nghĩ tới: bạn không thu dữ liệu nhạy cảm, nhưng hệ thống AI của bạn tự tạo ra nó. Theo nguyên lý của luật, thông tin suy luận ra mà gắn được với một người và thuộc nhóm nhạy cảm thì cũng cần được đối xử như dữ liệu nhạy cảm — tức là phải minh bạch, có căn cứ, có biện pháp bảo vệ.
Ví dụ giả định: một chuỗi nhà thuốc nhỏ dùng công cụ phân tích để phân nhóm khách theo sản phẩm hay mua, rồi gửi tin nhắn gợi ý. Nhóm “khách mua thuốc tiểu đường” là một nhãn sức khoẻ. Nếu tin nhắn gợi ý hiện trên màn hình khoá điện thoại mà người nhà nhìn thấy, khách đã bị lộ bệnh mà nhà thuốc không hề “thu” thêm gì. Cách phòng: hạn chế phân nhóm theo tình trạng bệnh, viết tin nhắn trung tính, và xin đồng ý rõ ràng cho việc dùng lịch sử mua để gợi ý.
Ví dụ dữ liệu nhạy cảm theo từng loại cơ sở
Bảng dưới là ví dụ giả định cho các cơ sở nhỏ thường gặp, giúp bạn nhận ra dữ liệu nhạy cảm đang nằm ở đâu trong công việc hằng ngày.
| Loại cơ sở | Dữ liệu cơ bản thường có | Dữ liệu nhạy cảm dễ bị bỏ sót |
|---|---|---|
| Phòng khám, nha khoa | Tên, ngày sinh, số điện thoại | Bệnh sử, ảnh chụp chẩn đoán, đơn thuốc, ghi chú của bác sĩ trong nhóm chat nội bộ |
| Phòng tập, spa | Tên, số điện thoại, gói tập | Cân nặng, số đo, bệnh nền khai khi đăng ký, ảnh trước và sau |
| Trường mầm non, trung tâm dạy thêm | Tên trẻ, tên phụ huynh | Tình trạng sức khoẻ, dị ứng, ghi chú về phát triển, ảnh trẻ, vị trí xe đưa đón |
| Cửa hàng điện thoại, tiệm cầm đồ | Tên, số giấy tờ | Ảnh khuôn mặt chụp kèm giấy tờ, dữ liệu còn sót trong máy cũ khách bán lại |
| Văn phòng có máy chấm công | Tên, phòng ban | Mẫu vân tay hoặc khuôn mặt, giờ ra vào chi tiết |
| Dịch vụ cho vay nhỏ, bán trả góp | Tên, địa chỉ | Thu nhập, sao kê, danh bạ người tham chiếu |
Nếu cơ sở của bạn có một trong các cột bên phải, hãy coi đó là ưu tiên đầu tiên khi rà soát: ai được xem, lưu ở đâu, đã từng được gửi qua kênh nào, có lần nào bị dán vào công cụ AI chưa.
Nghĩa vụ tăng thêm khi xử lý dữ liệu nhạy cảm
Thông báo rõ là dữ liệu nhạy cảm. Người có dữ liệu cần được biết rằng loại thông tin họ cung cấp thuộc nhóm nhạy cảm, để quyết định có đồng ý hay không. Một dòng “thông tin sức khoẻ của bạn được dùng để tư vấn gói tập phù hợp và chỉ huấn luyện viên phụ trách được xem” rõ hơn nhiều so với điều khoản chung.
Đồng ý riêng, không gộp. Đồng ý cho dữ liệu nhạy cảm nên tách khỏi đồng ý cho dữ liệu cơ bản và khỏi điều khoản dịch vụ. Khách có thể đồng ý để lại số điện thoại nhưng không muốn khai bệnh nền.
Biện pháp bảo vệ mạnh hơn. Mã hoá khi lưu, phân quyền chặt, không chia qua nhóm chat chung, ghi nhật ký ai đã xem. Với cơ sở nhỏ, chỉ riêng việc tách thư mục và đặt mật khẩu riêng đã giảm nhiều rủi ro.
Hồ sơ đánh giá tác động. Xử lý dữ liệu nhạy cảm thường thuộc diện phải lập hồ sơ đánh giá tác động. Có thể có cơ chế miễn, giảm theo quy mô, nhưng ngoại lệ đó thường không áp dụng khi bạn xử lý dữ liệu nhạy cảm — điểm này cần kiểm theo quy định hiện hành.
Thận trọng hơn khi chuyển ra ngoài. Gửi dữ liệu nhạy cảm cho bên xử lý, nhất là bên ở nước ngoài như dịch vụ AI, cần cân nhắc kỹ hơn và có ràng buộc rõ ràng hơn.
Quy tắc trước khi đưa dữ liệu nhạy cảm vào công cụ AI
Nhiều việc AI làm tốt có dính dữ liệu nhạy cảm: tóm tắt bệnh sử để chuẩn bị buổi hẹn, viết tin nhắn nhắc tái khám, sắp xếp thực đơn cho trẻ dị ứng. Trước khi làm, đi qua các bước sau:
- Hỏi xem có cần dữ liệu thật không. Phần lớn việc soạn mẫu tin nhắn, viết hướng dẫn chung hay lập bảng biểu chỉ cần mô tả tình huống, không cần tên và chi tiết của một người cụ thể.
- Nếu cần, thay mọi thông tin định danh bằng mã: “Khách A, nữ, khoảng 40 tuổi” thay cho tên, ngày sinh, số điện thoại.
- Bỏ chi tiết hiếm có thể làm lộ danh tính ở nơi nhỏ, ví dụ nghề nghiệp đặc thù, địa chỉ cụ thể, ngày khám chính xác.
- Chỉ dùng công cụ có điều khoản rõ về việc không dùng dữ liệu để huấn luyện và có chế độ quản lý dữ liệu của tổ chức; tài khoản cá nhân miễn phí không phải nơi cho dữ liệu nhạy cảm.
- Câu lệnh mẫu an toàn: “Viết một tin nhắn ngắn, lịch sự nhắc khách tái khám nha khoa sau 6 tháng, không nhắc tên bệnh, không nêu chi tiết điều trị, để trống chỗ điền tên và ngày hẹn.”
- Kiểm lại kết quả trước khi gửi: AI có thể chèn chi tiết y tế bạn không muốn hiện ra trên màn hình khoá của khách.
- Ghi lại trong quy định nội bộ loại dữ liệu nào tuyệt đối không đưa vào AI, để nhân viên mới không phải đoán.
Nếu cơ sở dùng AI ở quy mô lớn hơn — ví dụ hệ thống tự động phân loại hồ sơ bệnh nhân — thì đó không còn là chuyện quy tắc nội bộ mà cần đánh giá tác động đầy đủ và tư vấn chuyên môn.
Khi nào nên hỏi người có chuyên môn
Phân loại dữ liệu nghe đơn giản nhưng có nhiều vùng xám. Ảnh chụp lưng khách ở spa có phải dữ liệu sức khoẻ không? Ghi âm cuộc gọi tư vấn có phải dữ liệu sinh trắc học không khi bạn không dùng nó để nhận diện giọng? Lịch sử vị trí của tài xế giao hàng thuộc nhóm nào khi chỉ lưu theo điểm giao? Câu trả lời phụ thuộc vào mục đích và cách xử lý cụ thể, nên khó có một đáp án dùng cho mọi nơi.
Với những câu hỏi gắn với tình huống thật của cơ sở bạn, cách thận trọng là hỏi luật sư hoặc người làm pháp chế. Bạn có thể đặt câu hỏi cho luật sư trên AI Cố Vấn (aicovan.com) để được xem xét đúng hoàn cảnh, thay vì tự suy ra từ bài viết chung. Khi hỏi, chuẩn bị sẵn danh sách loại dữ liệu đang thu, mục đích, nơi lưu và các bên được chia, để buổi trao đổi đi thẳng vào điểm cần quyết.
Trong lúc chờ, nguyên tắc an toàn là coi mọi thứ còn nghi ngờ như dữ liệu nhạy cảm: xin đồng ý riêng, hạn chế người xem và không đưa vào công cụ AI công cộng.
Câu hỏi thường gặp
Ảnh căn cước công dân có phải dữ liệu nhạy cảm không?
Số giấy tờ và thông tin in trên thẻ thường được xếp vào dữ liệu cơ bản. Tuy nhiên ảnh chân dung trên thẻ, khi được dùng để đối chiếu khuôn mặt, liên quan tới sinh trắc học; và bộ ảnh hai mặt căn cước là thứ kẻ gian rất cần để giả danh, nên bạn vẫn phải bảo vệ ở mức cao.
Số tài khoản ngân hàng ghi trên hoá đơn có phải dữ liệu nhạy cảm không?
Số tài khoản của cá nhân thuộc nhóm thông tin tài chính, được xếp vào dữ liệu nhạy cảm theo nguyên lý của pháp luật. Số tài khoản của doanh nghiệp in công khai để nhận thanh toán là chuyện khác vì đó không phải dữ liệu của một cá nhân.
Dữ liệu sức khoẻ nhân viên khai khi khám định kỳ thuộc nhóm nào?
Đó là dữ liệu sức khoẻ, thuộc nhóm nhạy cảm. Doanh nghiệp chỉ nên giữ phần cần cho mục đích lao động như kết luận đủ sức khoẻ làm việc, hạn chế người được xem và không chia cho quản lý trực tiếp nếu không cần.
Dùng AI đoán tâm trạng khách qua giọng nói khi gọi tổng đài có vấn đề gì không?
Phân tích giọng nói để suy ra cảm xúc hoặc trạng thái có thể chạm tới dữ liệu sinh trắc và dữ liệu suy luận nhạy cảm. Bạn cần thông báo rõ cho người gọi, có căn cứ xử lý phù hợp và cân nhắc đánh giá tác động trước khi triển khai.
Ẩn danh dữ liệu sức khoẻ bằng cách xoá tên là đủ chưa?
Thường là chưa. Ngày khám, độ tuổi, nơi ở, bệnh hiếm gộp lại có thể chỉ ra đúng một người, nhất là ở địa phương nhỏ. Cần bỏ hoặc làm thô các chi tiết đó, và kiểm xem một người quen có nhận ra được không.
Ảnh trẻ em có được xếp vào dữ liệu nhạy cảm không?
Pháp luật có quy định riêng bảo vệ dữ liệu của trẻ em, thường yêu cầu sự đồng ý của cha mẹ hoặc người giám hộ và sự đồng ý của trẻ ở độ tuổi nhất định. Dù xếp vào nhóm nào, ảnh trẻ nên được đối xử thận trọng như dữ liệu nhạy cảm.