Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 14 godzin
Plan Szkolenia
Co się zmienia, gdy decyzje stają się napędzane przez modele
- Przejście od reguł i ludzkiego osądu do opcji punktowanych
- Szybkość i skala automatycznych działań
- Nowe tryby awarii i luki w odpowiedzialności
Rejestr decyzji i klasyfikacja ryzyka
- Katalogowanie automatycznych decyzji
- Wpływ, odwracalność i dotknięte strony
- Poziomy ryzyka i oczekiwania dotyczące kontroli
- Właściciel dla każdej klasy decyzji
Odpowiedzialność i nadzór ludzki
- Przegląd ludzki jako skuteczny, a nie jedynie formalny
- Progi autonomii jako decyzje zarządcze
- Trasy eskalacji i czasy reakcji
- Odpowiedzialny właściciel i akceptacja
Rejestry decyzyjne i wyjaśnialność
- Co zawiera obronny (zgodny z prawem) rejestr decyzyjny
- Zachowywanie pewności, opcji i kontekstu
- Śledzenie wersji i pochodzenia modelu
- Tłumaczenie decyzji klientom lub regulatorom
Kontrola polityki i granic
- Zatwierdzone zestawy opcji i kontrola zmian
- Zarządzanie progami i przeglądy okresowe
- Zakazane decyzje i twarde blokady
- Polityka jako kod (policy as code) obok wyjścia modelu
Oczekiwania regulacyjne
- Obowiązki wynikające z unijnego aktu o sztucznej inteligencji (EU AI Act) dla systemów decyzyjnych
- Regulacje branżowe w finansach, ubezpieczeniach i ochronie zdrowia
- Ochrona danych i prawa do automatycznych decyzji
- Dokumentacja i dowody zgodności
Ryzyko związane z dostawcą, licencją i pochodzeniem
- API decyzyjne hostowane versus otwarte wagi
- Zasady licencyjne dla modeli pochodnych i osadzonych
- Zależność od dostawcy i ryzyko wycofania z rynku
- Integralność wag i przypinanie wersji
Stronniczość, sprawiedliwość i monitorowanie wyników
- Przeszkody wyników między różnymi grupami
- Zmienne zastępcze (proxy) i sformułowanie opcji
- Sygnały ze skarg i odwołań
- Okresowy przegląd sprawiedliwości
Reagowanie na incydenty błędnych decyzji
- Wykrywanie systematycznego błędu decyzyjnego
- Zawężenie zakresu działania i wstrzymanie autonomii
- Usunięcie błędów i naprawa szkód klientów
- Analiza przyczyn i aktualizacja kontroli
Przegląd gwarancyjny warstwy decyzyjnej
- Dowody, o które powinien poprosić audytor
- Testowanie twierdzeń dotyczących dokładności i kalibracji
- Próbka decyzji i ich nadpisań (overrides)
- Zgłaszanie ustaleń zarządowi
Wymagania
- Znajomość projektów AI lub automatyzacji w środowisku korporacyjnym.
- Rozumienie procesów związanych z zarządzaniem ryzykiem, zgodnością lub audytem.
- Brak wymaganych doświadczeń w programowaniu.
Grupa docelowa
- Specjaliści ds. ryzyka, zgodności i ryzyka modelowego
- Wewnętrzni audytorzy oceniający automatyczne decyzje
- Prowadzący ds. zarządzania AI i ochrony danych
- Właściciele produktów odpowiedzialni za automatyczne przepływy pracy
- Architekci projektujący mechanizmy nadzoru w systemach agentowych
