コース概要

AI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AI、強いAI、生成モデル、教師あり学習、教師なし学習

組織全体でのAIの実践

  • ビジネス機能における現在のAI/MLの存在
  • 自動化、意思決定支援、カスタマーサービス、分析
  • HR、財務、運用、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、データの最小化、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および記録管理
  • 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

情報ガバナンス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設計
  • 人的監視と説明可能性
  • 複数部門横断的なガバナンステームの構築

AI/ML向けDPIAの実施

  • DPIA(データ保護影響評価)の法的要件と目的
  • 提案されたAI/ML実装を評価する手順
  • リスク評価、軽減策、正当化のドキュメンテーション

ガバナンスフレームワークとリスク管理

  • AI固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テーション

文化、統合、関連フレームワーク

  • 責任あるAI利用の文化を構築する
  • AIガバナンスとサイバーセキュリティ、倫理、ESGポリシーとの連携
  • 持続的な改善とモニタリング

まとめと次回のステップ

要求

  • 組織の情報管理ポリシーへの理解
  • データ保護またはプライバシーレギュレーションに関する知識
  • AIや機械学習の概念に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人当たりの料金

今後のコース

関連カテゴリー