코스 개요

인공지능과 기계학습 이해하기

  • AI란 무엇인가, 어떻게 정의되는가?
  • 기계학습은 AI의 하위 집합
  • AI 유형: 약한 AI, 강한 AI, 생성 AI, 지도 학습, 비지도 학습

조직 전반에서의 AI 활용

  • 비즈니스 기능에서 현재 AI/ML이 어디에 존재하는가?
  • 자동화, 의사결정 지원, 고객 서비스, 분석
  • 인사, 재무, 운영, 컴플라이언스에서의 사용 사례

일반적인 거버넌스 도전 과제

  • 데이터 보호 원칙과의 충돌
  • 자동화된 의사결정에서 합법성, 공정성 및 투명성
  • 정확성, 데이터 최소화 및 저장 제한

정보 및 데이터 관리 기반

  • AI 환경에서의 정보 및 기록 관리
  • 메타데이터와 감사 추적의 중요성
  • 훈련 데이터셋을 위한 데이터 품질 및 무결성 유지

정보 거버넌스 도전 과제 해결 방법

  • AI/ML 파이프라인을 위한 거버넌스 제어 설계
  • 인간 감독 및 설명 가능성
  • 다기능 거버넌스 팀 구축

AI/ML을 위한 DPIAs 실시

  • DPIAs의 법적 요구 사항 및 목적
  • 제안된 AI/ML 구현을 평가하기 위한 단계
  • 리스크 평가, 완화 및 정당성 문서화

거버넌스 프레임워크와 리스크 관리

  • AI 전용 거버넌스 프레임워크 개요
  • ISO, NIST, ICO, OECD 접근 방식
  • 리스크 등록 및 정책 문서화

문화, 통합 및 관련 프레임워크

  • 책임감 있는 AI 활용 문화 구축
  • AI 거버넌스를 사이버보안, 윤리, ESG 정책과 연계하기
  • 지속적인 개선 및 모니터링

요약 및 다음 단계

요건

  • 조직의 정보 거버넌스 정책 이해
  • 데이터 보호 또는 개인정보 보호 규정에 대한 친숙함
  • AI나 기계학습 개념에 대한 노출이 도움이 됩니다.

대상

  • 정보 거버넌스 전문가
  • 데이터 보호관 및 컴플라이언스 관리자
  • 디지털 변혁 또는 IT 거버넌스 리더
 7 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리