コース概要

人工知能と機械学習の理解

  • AIとは何か、どのように定義されるか
  • 機械学習はAIのサブセット
  • AIの種類:弱い、強い、生成的、教師あり、教師なし

組織全体でのAIの実践

  • ビジネス機能内でのAI/MLの現在の位置づけ
  • 自動化、意思決定支援、カスタマーサービス、分析
  • HR、財務、運営、コンプライアンスにおけるユースケース

一般的なガバナンスの課題

  • データ保護原則との衝突
  • 自動化された意思決定における合法性、公正性、透明性
  • 正確性、データ最小化、保存制限

情報とデータ管理の基礎

  • AIの文脈における情報と記録管理
  • メタデータと監査証跡の重要性
  • トレーニングデータセットのデータ品質と整合性の維持

情報管理の課題へのアプローチ

  • AI/MLパイプライン向けのガバナンスコントロールの設計
  • 人的監督と説明可能性
  • 複数機能横断的なガバナンステームの構築

AI/MLのためのDPIAの実施

  • DPIAの法的要件と目的
  • 提案されたAI/ML実装の評価手順
  • リスク評価、軽減、正当性の文書化

ガバナンスフレームワークとリスク管理

  • AI特有のガバナンスフレームワークの概要
  • ISO、NIST、ICO、OECDのアプローチ
  • リスクレジスタとポリシードキュメント

文化、統合、関連フレームワーク

  • 責任あるAI使用の文化の醸成
  • AIガバナンスとサイバーセキュリティ、倫理、ESGポリシーの連携
  • 持続的な改善と監視

まとめと次なるステップ

要求

  • 組織の情報管理ポリシーの理解
  • データ保護またはプライバシー規制に関する知識
  • AIまたは機械学習の概念に少し触れたことがあると役立ちます

対象者

  • 情報管理専門家
  • データ保護責任者とコンプライアンス管理者
  • デジタル変革またはITガバナンスリーダー
 7 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー