Tietojen arvokkuus alkaa ennen mallia
Lomake väärällä pöydällä
Keskustelu datan arvokkuudesta alkaa usein liian myöhään. Se alkaa sen jälkeen, kun malli on koulutettu, kun datajoukko on kaavittu, yhdistetty, suodatettu, deduplikoitu, normalisoitu, upotettu, arvioitu, paketoitu, otettu käyttöön ja puolustettu jonkun lakiosaston unettoman toimesta. Siinä vaiheessa keskustelu kuulostaa moraaliselta, mikä on hyödyllistä, ja myös hieman teatraaliselta, mikä on vähemmän hyödyllistä. Ihmiset kysyvät, kunnioittiko malli datan takana olevia ihmisiä. Rehellinen vastaus on yleensä, että mallille ei koskaan annettu mahdollisuutta. Päätös tehtiin kuukausia aiemmin lomakkeella, jota kukaan ei halunnut omistaa.
Näin kerran terveydenhuollon tutkimusryhmän huomaavan tämän kokouksessa, jonka piti käsitellä mallin laatua. Malli ei ollut ongelma. Ongelma oli pieni syöttösarake, jossa luki uudelleenkäyttö sallittu. Siinä oli kolme mahdollista arvoa: kyllä, ei ja tyhjä. Tyhjä tarkoitti, ettei kukaan tiennyt. Vientiputkessa tyhjä oli käsitelty kyllänä, koska muuten kokeesta olisi tullut hankalaa. Tämä ei ollut ilkeyttä. Hallinnon kannalta se oli pahempaa: se oli oletusarvo. Laskentataulukon hiljaisimmalla kentällä oli enemmän valtaa kuin eettisellä toimikunnalla.
Ryhmä pystyi kouluttamaan mallin uudelleen, pyytämään anteeksi, dokumentoimaan ja parantamaan toimintaansa. Mutta arvokkuusongelma ei alkanut neuroverkossa. Se alkoi, kun tietue saapui ilman selkeää tarkoitusta, ilman vastuuhenkilöä, ilman säilytyssääntöä, ilman tapaa säilyttää peruutusmahdollisuus ja ilman teknistä sopimusta, joka olisi kieltäytynyt epävarmuudesta. Malli vain teki aiemmasta epäkunnioituksesta nopeampaa. Koneita syytetään usein kylmyydestä, mutta monet kylmimmistä valinnoista tekevät lämpimät ihmiset, jotka klikkaavat tuo.
Datan arvokkuus alkaa ennen mallia, koska datasta tulee poliittista sillä hetkellä, kun se kerätään. Tietue ei ole vain rivi. Se on palanen ihmistä, yritystä, yhteisöä, työpaikkaa, potilaan hoitopolkua, julkista palvelua, anturiympäristöä tai ammatillista harkintaa. Tämän palasen kohteleminen arvokkaasti ei tarkoita sen käärimistä tunteelliseen kieleen. Se tarkoittaa, että sen ympärille jätetään tarpeeksi totuutta, jotta myöhemmät järjestelmät eivät voi teeskennellä, että se ilmestyi tyhjästä.
Suostumus ei ole hajuvettä
Monet organisaatiot kohtelevat suostumusta kuin miellyttävää tuoksua, joka lisätään prosessiin vasta kun kova työ on tehty. Käytäntöön lisätään kappale. Portaaliin lisätään valintaruutu. Rekisterin rivi kertoo oikeutetun edun. Kaikki huokaisevat helpotuksesta, ainakin siihen asti, kunnes joku kysyy, mitä mallin oli oikeastaan sallittu oppia. Sitten huoneessa huomataan, että juridiset sanamuodot ja operatiivinen lupa liittyvät toisiinsa samalla tavalla kuin ruokalista liittyy illalliseen. Toinen on lupaus. Toinen on valmistettava.
Operatiivisella suostumuksella on rakenne. Se kertoo, mikä tarkoitus on sallittu, mitkä toimijat saavat käsitellä tietuetta, mitkä muunnokset ovat sallittuja, mitkä johdannaiset perivät rajoituksen, kuinka kauan tietue saa elää, miten peruuttaminen hoidetaan ja mikä näyttö todistaa valinnan myöhemmin. Jos nämä osat eivät ole riittävän koneellisesti luettavia vaikuttaakseen putkistoon, ne eivät ole suostumusta tekoälyjärjestelmässä. Ne ovat suostumusteemaista dokumentaatiota. Dokumentaatiolla on paikkansa, mutta siltä ei pitäisi pyytää eräajon pysäyttämistä moraalisella voimalla.
Tämä muuttuu erityisen tärkeäksi, kun data siirtyy alkuperäisestä käyttötarkoituksestaan koulutukseen, hakemiseen, arviointiin, seurantaan tai tuoteanalytiikkaan. Kunnan toimittama valitus voi olla hyödyllinen luokittelijan parantamisessa. Kliininen muistiinpano voi olla hyödyllinen oireiden poimimisessa. Asiakastukikeskustelu voi olla hyödyllinen chatbotille. Hyödyllisyys ei luo arvokkuutta. Se luo houkutuksen. Arvokkuuskysymys on, oliko uusi tarkoitus ilmoitettu, saattoivatko asianosaiset ihmiset ja laitokset kohtuudella odottaa sitä ja pystyykö järjestelmä valvomaan vastausta, kun datasta tulee kätevää.
Suostumus myös vanhenee. Viisi vuotta sitten kerätty tietue on voitu hankkia oletuksin, jotka eivät enää vastaa nykyistä käytäntöä. Henkilö on voinut peruuttaa suostumuksensa. Sopimus on voinut päättyä. Tietojenjakosopimus on voinut sallia analyysin mutta ei mallin koulutusta. Kenttä on voitu anonymisoida riittävän hyvin raporttia varten, mutta ei riittävän hyvin upotusindeksiä varten, jota luovat työntekijät voivat kysellä koko päivän. Vanhaa lupaa ei pitäisi kohdella kuin hillopurkkia kaapin perällä. Päivämäärällä on merkitystä.
Konteksti on tekninen ominaisuus
On olemassa laiska tapa erottaa data ja konteksti toisistaan, ikään kuin konteksti olisi pehmeää ja data kovaa. Oikeissa järjestelmissä asia on usein päinvastoin. Data-arvo voi olla numero, koodi, nimi, aikaleima tai tekstikenttä. Sen merkitys riippuu keräysmenetelmästä, yksiköstä, laajuudesta, epävarmuudesta, lähteen auktoriteetista, poissulkusäännöistä, kielestä, puuttuvista arvoista ja tilanteesta, jossa se on tallennettu. Kun nämä poistetaan, datasta ei tule neutraalia. Siitä tulee ylimielistä.
Sillan anturin lukema ei ole vain tärinää. Se on tärinää tietystä laitteesta, kalibroitu tiettynä päivänä, asennettu tiettyyn paikkaan, mitattu tietyssä säässä, näytteistetty tietyllä taajuudella ja tulkittu kunnossapitohistoriaa vasten. Maksutietue ei ole vain summa. Se sijaitsee sopimuksen, selvitysprosessin, petosmallin, valuuttakonvention ja inhimillisen tavan sisällä kirjoittaa pilkkuja sinne, missä desimaalit halusivat asua. Malli voi nähdä vain tunnuksia tai vektoreita, mutta laitos on edelleen vastuussa puuttuvista substantiiveista.
Datan arvokkuus edellyttää siksi kontekstin säilyttämistä insinöörivaatimuksena. Skeemakuvaukset on versioitava. Lähdejärjestelmät on nimettävä. Muunnokset on kirjattava. Puuttuvat arvot on erotettava nollista, kieltäytymisistä, tuntemattomista ja ei-sovellettavista tiloista. Merkinnöissä on kerrottava, kuka ne teki, minkä ohjeistuksen mukaan ja millä erimielisyydellä. Arviointiesimerkkien on kerrottava, miksi ne valittiin. Datajoukko ilman kontekstia ei ole raaka-ainetta. Se on huhu taulukkomuodossa.
Tämä ei ole vetoomus loputtoman metadatan puolesta. Loputon metadata on tapa, jolla kelvolliset ajatukset päätyvät eläkkeelle sellaiseen luetteloon, jota kukaan ei avaa. Oleellista on valikoiva, toiminnallinen metadata: se konteksti, jonka avulla voidaan päättää, saako tietuetta käyttää, tarkoittaako se edelleen sitä, mitä järjestelmä sen olettaa tarkoittavan, ja voiko myöhempi henkilö haastaa tuloksen. Ihmisarvo ei edellytä jokaista tietuetta koskevaa faktaa. Se edellyttää niitä faktoja, jotka estävät tietuetta muuttumasta itselleen vieraaksi.
Ihmisarvon velka
Tekninen velka on tuttua, koska insinöörit näkevät sen buildeissa, häiriöissä, hitaissa muutoksissa ja pienissä kirosanoissa, joita kirjoitetaan commit-viesteihin. Datan ihmisarvon velka on hiljaisempaa. Se kertyy, kun alkuperä on epäselvä, lupa on monitulkintainen, konteksti hylätään, säilytysaikaa ei huomioida, tunnisteet ovat dokumentoimattomia, käyttöoikeudet ovat liian laajat tai johdettua dataa pidetään vaarattomana, koska se ei enää näytä lähteeltään. Velka ei välttämättä riko testiä. Se odottaa valitusta, auditointia, riitaa, haitallista tulosta tai kärsivällistä toimittajaa.
Ihmisarvon velan vaarallinen puoli on, että se kasvaa korkoa hyödyllisyyden kautta. Kätevä datasetti kopioidaan. Kopioidusta datasetistä tulee feature store. Feature store ruokkii mallia. Mallin tuotoksesta tulee tietue. Tietueesta tulee koulutuspalautetta. Jokainen vaihe tuntuu käytännölliseltä. Jokainen vaihe myös vaikeuttaa vastaamista alkuperäiseen kysymykseen: mitä meillä oli lupa tehdä näillä tiedoilla, ja mitä olimme velkaa niiden takana oleville ihmisille. Siihen mennessä, kun kysymys saavuttaa johdon, vastaus on jakautunut kahdeksaan järjestelmään ja yhdelle henkilölle, joka on siirtynyt toiselle osastolle.
Vakavat tiimit kohtelevat ihmisarvon velkaa kuten mitä tahansa muuta toiminnallista riskiä. He rekisteröivät sen, hinnoittelevat sen, nimeävät omistajat ja päättävät, mitkä käyttötarkoitukset estetään, kunnes velka on maksettu. Jos datasetti ei pysty todistamaan alkuperäänsä, sitä ei pitäisi päästää vaikuttavaan koulutukseen. Jos peruutusta ei voida levittää, käyttöä pitäisi rajoittaa. Jos johdettuja artefakteja ei voida jäljittää, mallin ei pitäisi tukea merkittäviä päätöksiä. Jos tunnisteet on tuotettu heikon ohjeistuksen alla, arviointia ei pitäisi käyttää oikeudenmukaisuuden todistuksena. Tämä on tylsää parhaalla mahdollisella tavalla. Tylsyys on tapa, jolla aikuiset pitävät sillat pystyssä.
On houkutus ratkaista ihmisarvon velka suurella alustalla. Alustat voivat auttaa, mutta ensimmäinen askel on yleensä pienempi ja kurinalaisempi: kieltäydy tuntemattomista vastaanotossa, erota käyttötarkoitus tallennuksesta, kirjaa alkuperä muunnosten rajapinnoissa, pidä oikeudet kiinni johdannaisissa ja tee poistamisesta testattavaa. Järjestelmä, joka ei pysty poistamaan luottavaisesti, ei voi rehellisesti väittää kunnioittaneensa peruutusta. Se voi vain väittää toivovansa, että datasta on tullut ujoa.
Johdettu data on edelleen dataa
TeKO tekee datan ihmisarvosta vaikeampaa, koska se luo johdannaisia, jotka näyttävät viattomilta. Asiakirjasta tulee pala. Palasta tulee upotus. Tukikeskustelusta tulee yhteenveto. Kliinisestä merkinnästä tulee tunniste. Hakukyselystä tulee analytiikkatapahtuma. Mallin vastauksesta tulee uusi tietue. Ihmisen tekemästä korjauksesta tulee vahvistusdata. Jokainen artefakti voi menettää alkuperäisen muotonsa säilyttäen silti tarpeeksi merkitystä ollakseen tärkeä. Naamio vaihtuu. Velvoite ei välttämättä.
Upotukset ovat hyvä esimerkki, koska ne on helppo ymmärtää väärin. Ne eivät ole luettavaa tekstiä, joten niitä kohdellaan kuin ihmisarvo olisi haihtunut. Mutta upotus voi silti paljastaa samankaltaisuutta, jäsenyyttä, arkaluonteisia klustereita tai liiketoimintakontekstia. Se voi auttaa rekonstruoimaan tai päättelemään faktoja. Se voi kantaa harhoista syntyneiden tunnisteiden seurauksia. Se voi säilyä sen jälkeen, kun lähde on poistettu. Sen kutsuminen vektoriksi ei tee siitä sosiaalisesti painotonta. Moni asia elämässä näyttää vaarattomalta desimaaleina kirjoitettuna. Pankkisaldot esimerkiksi.
Johdannaisdata tarvitsee periytymissäännöt. Mitkä velvoitteet seuraavat lähteestä palaan, vektoriin, välimuistiin, yhteenvetoon, piirteeseen, kehotes lokiin, arviointinäytteeseen ja mallin tulosteeseen. Mitkä johdannaiset on poistettava, kun lähde poistetaan. Mitkä voidaan säilyttää, koska ne ovat riittävän aggregoidusti käsiteltyjä tai juridisesti itsenäisiä. Mitkä vaativat erillisen suostumuksen. Mitkä ovat omia tietueitaan. Ilman periytymissääntöjä jokainen alavirran järjestelmä saa improvisoida ihmisarvon. Improvisointi on viehättävää jazzissa. Datan hallinnassa se tuottaa usein kokouspöytäkirjoja.
Nämä periytymissäännöt tulisi suunnitella ennen keräämistä, ei ensimmäisen mallin julkaisun jälkeen. Tarkoitus ei ole jäädyttää innovaatiota. Tarkoitus on antaa innovaatiolle lattia. Insinöörit voivat rakentaa nopeammin, kun he tietävät, mitkä johdannaiset ovat sallittuja, mitkä rajat vaativat tarkistuksen ja minkä metadatan on kuljettava mukana. Tutkijat voivat tutkia ilman, että jokainen kokeilu muuttuu juristien istunnoksi. Käyttäjät ja rekisteröidyt saavat tärkeämmän hyödyn: organisaatio voi selittää, mitä heidän datalleen tapahtui, turvautumatta perimätietoon.
Malli on myöhäinen todistaja
Kun teKO-järjestelmä käyttäytyy huonosti, tutkinta katsoo usein ensin mallia. Se on ymmärrettävää. Malli on näkyvä, kallis ja itsevarmasti väärässä tavoilla, jotka tuottavat hyviä kuvakaappauksia. Mutta malli on usein myöhäinen todistaja aiemmille päätöksille. Se heijastaa keräysvalintoja, merkintävalintoja, poissulkemisvalintoja, siivousvalintoja, säilytysvalintoja ja arviointivalintoja. Vain mallin pyytäminen ihmisarvoiseksi on kuin pyytäisi viestijuoksun viimeistä juoksijaa parantamaan viestikapulaa.
Mallikortit, auditoinnit, arvioinnit, red team -harjoitukset ja selitettävyystyökalut ovat kaikki tärkeitä. Ne ovat osa ihmisarvon tarinaa, etenkin kun järjestelmät vaikuttavat ihmisiin. Mutta ne eivät voi palauttaa lupaa, jota ei koskaan kerätty, kontekstia, joka heitettiin pois, tai alkuperähistoriaa, jota ei kirjattu. Ne voivat paljastaa aukon. Ne eivät voi tehdä aukosta moraalisesti siistiä. Siksi varhaiset kontrollit eivät ole byrokratiaa. Ne ovat edellytyksiä, jotka tekevät myöhemmästä vastuuvelvollisuudesta muutakin kuin teatteria.
Sama pätee oikeudenmukaisuuteen. Harjoituksen jälkeinen oikeudenmukaisuustarkastelu voi löytää epätasaiset virheprosentit, puuttuvat ryhmät, muuttujien korvikkeet tai haitalliset raja-arvot. Se ei aina pysty selvittämään, sulkiko aineisto ihmisiä pois keräysvaiheessa, tallensivatko merkinnät institutionaalista ennakkoluuloa, tarkoittiko kenttä samaa asiaa eri toimipisteissä tai suodattiko suostumussääntö otosta tavalla, joka muutti perusjoukkoa. Oikeudenmukaisuus ilman dataan liittyvää ihmisarvoa on kuin työskentelisi peilin kanssa, joka on saattanut vääristyä jo valmistuksessa.
Varhaisesta aloittamisesta on myös käytännön etua: mitä aikaisemmin ihmisarvoa koskeva sääntö tulee mukaan prosessiin, sitä halvempaa sen noudattaminen on. Kirjauksessa hylätty tietue maksaa vähän. Ennen harjoitusta karanteeniin asetettu aineisto maksaa enemmän. Tuotannosta vedetty malli maksaa paljon enemmän. Julkinen luottamuksen menetys maksaa sen summan, jonka talousosasto kirjaa, kun kaikki lakkaavat teeskentelemästä, että kyse on vain viestinnästä. Ihmisarvoa kuvataan usein eettiseksi lisäkustannukseksi. Vakavissa järjestelmissä se on halvempaa kuin jälkisiivous.
Datan hallinnointi on oikea työ
Datan ihmisarvo tarvitsee hallinnoijia, ei maskotteja. Hallinnoija ei ole henkilö, jonka nimi näkyy diassa, jotta hallintakaaviossa olisi inhimilliset kasvot. Hallinnoijalla on valtuudet vastata siihen, saako aineistoa käyttää, estää riskialtis käyttötarkoitus, vaatia metatietoja, hyväksyä säilytys, hoitaa poisto ja selittää päätös auditoijille ja asianosaisille. Ilman valtuuksia hallinnoinnista tulee koristeellista. Koristeellisen hallinnoinnin tunnistaa helposti: siinä on paljon komiteoita ja hyvin vähän verbejä.
Hallinnoija tarvitsee myös teknistä vipuvartta. Hän tarvitsee kojelautoja, jotka näyttävät alkuperähistorian ja käytön, eivät vain tallennustilaa. Hän tarvitsee hälytyksiä, kun aineistoa käytetään uudelleen käyttötarkoituksensa ulkopuolella. Hän tarvitsee sopimuksia tekniikkatiimien kanssa vaadituista metatiedoista. Hän tarvitsee poistopolun, joka on testattu. Hän tarvitsee tavan merkitä epävarmuus ilman, että katselee, kuinka prosessi hiljaa muuttaa sen kylläksi. Hän tarvitsee riittävästi budjettia korjatakseen ihmisarvoa koskevan velan ennen kuin siitä tulee otsikko. Tämä on työtä, ei hyveellisyyden merkki.
Hyvä hallinnointi on yhteistyötä. Lakiosasto ymmärtää valtuudet. Tietoturva ymmärtää pääsyn. Data-asiantuntijat ymmärtävät liikkeen. Alueen asiantuntijat ymmärtävät merkityksen. Tuotetiimit ymmärtävät käyttötarkoituksen. Tutkijat ymmärtävät epävarmuuden. Operaatiot ymmärtävät, mitä tapahtuu kolmelta aamuyöllä. Datan ihmisarvo epäonnistuu, kun yksi näistä näkökulmista julistetaan koko ongelman omistajaksi ja kaikki muut palaavat kojelautojensa ääreen. Tietue kulkee toimintojen läpi; niin on kuljettava myös vastuun.
Tässä on inhimillistä vaatimattomuutta. Datan ihmisarvo ei edellytä, että organisaatio tietää kaiken. Se edellyttää, että organisaatio tietää, mitä se tietää, mitä se ei tiedä, kuka saa päättää ja missä rajat pannaan täytäntöön. Se on vähemmän glamouria kuin strategiadiat vastuullisesta tekoälystä. Se myös todennäköisemmin selviää kosketuksesta oikean tuontityön kanssa.
Miltä ihmisarvo näyttää infrastruktuurissa
Data-ihmisarvon infrastruktuuri ei ole mystistä. Se näyttää lähderekistereiltä, käyttötarkoitusmerkinnöiltä, suostumustiloilta, datan sopimuksilta, alkuperätapahtumilta, käyttöoikeuksilta, säilytystehtäviltä, poistotodisteilta, merkintäohjeilta, aineistoversioilta, arviointirekistereiltä ja tarkistusjonoilta. Jos lista kuulostaa arkiselta, hyvä. Luotettavimmat eettiset järjestelmät muistuttavat usein putkistoa. Ne huomataan lähinnä silloin, kun joku on unohtanut asentaa ne.
Keräilyvaiheessa tietueen pitäisi saapua mukanaan ilmoitettu lähde, käyttötarkoitus, oikeusperusta tai lupatila, arkaluonteisuusluokka ja vastuuhenkilö. Muunnosvaiheessa järjestelmän pitäisi tuottaa alkuperätapahtumia ja säilyttää olennaiset rajoitukset. Käyttövaiheessa suoritusympäristön pitäisi tarkistaa, vastaako käyttötarkoitus. Säilytyksessä säilytys ja poisto pitäisi pystyä toteuttamaan, ei vain toivomaan. Arvioinnissa esimerkkien pitäisi kantaa mukanaan alkuperä ja valintalogiikka. Tarkistuksessa asianomaisten ja sisäisten toimijoiden pitäisi voida haastaa väärinkäyttö. Mikään tästä ei edellytä teeskentelyä siitä, että kaikki data on pyhää. Se edellyttää myöntämistä, että datalla on elämä.
Tärkein suunnitteluratkaisu on tehdä tuntematon ensiluokkaiseksi tilaksi. Tuntematon ei ole kyllä. Tuntematon ei ole vaaratonta. Tuntematon on signaali kysyä, eristää, rajoittaa tai kieltäytyä. Monet ihmisarvoa loukkaavat viat johtuvat siitä, että järjestelmät ovat allergisia epävarmuudelle. Ne suosivat siistiä totuusarvoa, vaikka todellisuus ei ole sellaista tarjonnut. Näin tyhjistä soluista tulee lupia. Ihmisarvoinen järjestelmä antaa epävarmuuden hidastaa asioita. Kone kyllä kestää. Sitä ei kutsuttu lounaalle sen tunteiden vuoksi.
Täydellistä ihmisarvon arkkitehtuuria ei ole. On parempia oletusarvoja ja huonompia oletusarvoja. Paremmat oletusarvot pitävät kontekstin lähellä, levittävät rajoituksia, kirjaavat liikkeen, edellyttävät nimenomaista toissijaista käyttöä ja tekevät peruuttamisen mahdolliseksi. Huonommat oletusarvot latistavat käyttötarkoituksen, kopioivat vapaasti, luottavat kaikkiin, poistavat vain politiikassa ja huomaavat velvoitteet, kun tarkastuskalenteri niin sanoo. Valinta ei ole innovaation ja ihmisarvon välillä. Valinta on järjestelmien välillä, jotka muistavat, mitä ne ovat velkaa, ja järjestelmien, jotka toivovat, ettei kukaan kysy.
Opetus
Data-ihmisarvosta puhutaan usein suurena periaatteena, mutta se tulee todelliseksi pienissä teknisissä päätöksissä, jotka tehdään ennen kuin malli ilmestyy. Mitä on tiedettävä keräilyvaiheessa. Mitkä tuntemattomat pysäyttävät kulun. Mitkä oikeudet kulkevat johdannaisten mukana. Mitkä kontekstit säilytetään. Mitkä käyttötarkoitukset ovat sallittuja. Mitkä vastuuhenkilöt voivat sanoa ei. Mitkä poistot voidaan todistaa. Nämä valinnat ratkaisevat, voiko myöhempi malli olla vastuullinen vai ainoastaan kaunopuheinen.
Kunnioittava polku ei ole dataa vastaan eikä tekoälyä vastaan. Se on muistin puolella. Se edellyttää, että tallenteisiin liittyy riittävästi alkuperää, lupaa, asiayhteyttä ja velvoitteita, jotta ne pysyvät yhteydessä niitä tuottaneisiin ihmisiin ja instituutioihin. Tällaisella datalla koulutetulla mallilla on paremmat mahdollisuudet olla hyödyllinen ilman, että siitä tulee vahingossa riistävää. Malli, joka on koulutettu ilman näitä perusteita, voi silti olla vaikuttava. Niin on myös rakennus ilman perustusta lyhyen ja jännittävän ajan.
Aloita ennen mallia. Aloita lomakkeesta, sopimuksesta, skeemasta, suostumuksen tilasta, merkintäohjeesta, säilytyssäännöstä, johdannaisten käytäntöä koskevasta linjauksesta ja hoitajasta, jolla on todellista toimivaltaa. Siellä arvokkuus astuu järjestelmään. Kaikki sen jälkeen on joko säilyttämistä tai vahingonhallintaa.