お問い合わせ

コース概要

AIと機械学習の理解

  • AIとは何か、そしてどのように定義されるか
  • AIの一部としての機械学習
  • AIの種類:弱AI、強AI、生成AI、教師あり、教師なし

組織全体におけるAIの実践

  • 現在のビジネス機能におけるAI/MLの存在箇所
  • 自動化、意思決定支援、カスタマーサービス、アナリティクス
  • HR、財務、オペレーション、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上の課題

  • データ保護原則との衝突
  • 自動意思決定における適法性、公平性、透明性
  • 正確性、データ最小化、保存期間の制限

情報およびデータ管理の基盤

  • AI文脈における情報および記録管理
  • メタデータと監査証跡(Audit trails)の重要性
  • 訓練用データセットのデータ品質と完全性の維持

情報ガバナンス課題へのアプローチ

  • AI/MLパイプラインのためのガバナンス制御の設計
  • 人間の監督(Human oversight)と説明可能性(Explainability)
  • 機能横断的なガバナンスチームの構築

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実装を評価するステップ
  • リスク評価、軽減措置、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専用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
  • リスクレジスターとポリシー文書化

文化、統合、関連フレームワーク

  • 責任あるAI利用の文化の定着
  • AIガバナンスをサイバーセキュリティ、倫理、ESGポリシーと結びつける
  • 継続的な改善とモニタリング

まとめと次のステップ

要求

  • 組織の情報ガバナンスポリシーに関する理解
  • データ保護またはプライバシー規制への familiarity(慣れ)
  • AIまたは機械学習の概念への一定の知見があると望ましい

対象読者

  • 情報ガバナンス専門家
  • データ保護官(DPO)およびコンプライアンスマネージャー
  • デジタルトランスフォーメーションまたはITガバナンスのリーダー
 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