Artificial Intelligence and Machine Learning: How to Implement Good Information Governance

Prerequisites:

• Zrozumienie polityk zarządzania informacją w organizacji
• Znałość przepisów dotyczących ochrony danych lub prywatności
• Nieco doświadczenia z koncepcjami sztucznej inteligencji lub uczenia maszynowego jest pomocne

Grupa docelowa

• Specjaliści ds. zarządzania informacją
• Kierownicy ochrony danych i menedżerowie zgodności
• Liderzy transformacji cyfrowej lub zarządzania IT

Overview:

AI i uczenie maszynowe są szybko rozwijającymi się technologiami o znaczących konsekwencjach dla zarządzania danymi i zgodności organizacyjnej.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla specjalistów od zarządzania danymi, ochrony prywatności i zgodności na poziomie średnim, którzy chcą zrozumieć, jak wdrożyć solidne praktyki zarządzania informacjami w środowiskach wykorzystujących AI i uczenie maszynowe.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe koncepcje AI i uczenia maszynowego w kontekście zarządzania informacjami.
• Wykryć typowe obszary, w których AI/uczenie maszynowe jest wdrażane w organizacjach oraz związane z nimi ryzyka IG.
• Ocenić, jak AI/uczenie maszynowe oddziałuje na zasady Data Protection, zarządzanie dokumentacją i jakość danych.
• Zastosować DPIA, ramy zarządzania i podejścia do zminimalizowania ryzyka w projektach AI/uczenie maszynowe.

Format kursu

• Interaktywne wykłady i dyskusje.
• Przykłady z życia rzeczywistego i analiza ram.
• Zadania grupowe i przewodnikowe przejścia przez dokumenty.

Opcje dostosowania kursu

• Aby poprosić o dostosowany kurs, skontaktuj się z nami w celu uzgodnienia.

Course Outline:

Rozumienie sztucznej inteligencji i Machine Learning

• Co to jest sztuczna inteligencja i jak jest ona określana?
• Machine Learning jako podzbiór sztucznej inteligencji
• Rodzaje sztucznej inteligencji: słaba, silna, generatywna, nadzorowana, nienadzorowana

Sztuczna inteligencja w praktyce w organizacji

• Gdzie obecnie znajduje się AI/ML w funkcjach biznesowych
• Automatyzacja, wsparcie w podejmowaniu decyzji, obsługa klienta i analiza danych
• Przykłady zastosowań w HR, finansach, operacjach i zgodności

Wspólne wyzwania Gozaru

• Konflikty z zasadami Data Protection
• Prawność, uczciwość i przejrzystość w automatycznym podejmowaniu decyzji
• Dokładność, minimalizacja danych i ograniczenia dotyczące przechowywania

Podstawy informacji i Data Management

• Zarządzanie informacjami i dokumentami w kontekstach sztucznej inteligencji
• Ważność metadanych i śladów audytu
• Utrzymanie jakości i integralności danych dla zbiorów treningowych

Podchodzenie do wyzwań Gozaru

• Projektowanie kontroli zarządzania dla potoków AI/ML
• Nadzór ludzki i wyjaśnialność
• Budowanie interdyscyplinarnych zespołów zarządzania

Przeprowadzanie DPIA dla AI/ML

• Wymaganie prawne i cel DPIA
• Kroki do oceny proponowanych implementacji AI/ML
• Dokumentowanie ocen ryzyka, zminimalizowanie i uzasadnienia

Ramy Gozaru i Risk Management

• Przegląd ram zarządzania specyficznych dla AI
• Podziały ISO, NIST, ICO i OECD
• Rejestry ryzyka i dokumentacja polityki

Kultura, integracja i powiązane ramy

• Wbudowywanie kultury odpowiedzialnego korzystania ze sztucznej inteligencji
• Łączenie zarządzania sztuczną inteligencją z polityką cyberbezpieczeństwa, etyki i ESG
• Ciągłe doskonalenie i monitorowanie

Podsumowanie i następne kroki