Opleiding : Operationeel beheer van AI – het in kaart brengen van rollen, toepassingen, risico’s en controles

Ontwerp en implementeer een AI-governance-raamwerk dat aan de voorschriften voldoet, beheersbaar en operationeel is

Praktijkcursus - 3d - 21u00 - Ref. ODN
Prijs : 2220 € V.B.

Operationeel beheer van AI – het in kaart brengen van rollen, toepassingen, risico’s en controles

Ontwerp en implementeer een AI-governance-raamwerk dat aan de voorschriften voldoet, beheersbaar en operationeel is


Nieuwe opleiding

De opkomst van generatieve en voorspellende AI en AI-agenten verandert de werkwijzen van organisaties en brengt tegelijkertijd nieuwe uitdagingen met zich mee op het gebied van risicobeheersing, naleving en aansprakelijkheid. Gezien de toenemende eisen van de Europese AI-wet moeten de afdelingen voor bedrijfsactiviteiten, IT, risico’s en compliance een passend governancekader opzetten dat het gebruik van AI reguleert en tegelijkertijd innovatie bevordert. Deze opleiding biedt een complete en direct toepasbare methodologie voor het opzetten van een operationeel AI-governancekader.


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand
Disponible en anglais, à la demande

Ref. ODN
  3d - 21u00
2220 € V.B.




De opkomst van generatieve en voorspellende AI en AI-agenten verandert de werkwijzen van organisaties en brengt tegelijkertijd nieuwe uitdagingen met zich mee op het gebied van risicobeheersing, naleving en aansprakelijkheid. Gezien de toenemende eisen van de Europese AI-wet moeten de afdelingen voor bedrijfsactiviteiten, IT, risico’s en compliance een passend governancekader opzetten dat het gebruik van AI reguleert en tegelijkertijd innovatie bevordert. Deze opleiding biedt een complete en direct toepasbare methodologie voor het opzetten van een operationeel AI-governancekader.


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
De uitdagingen, risico’s en wettelijke vereisten in kaart brengen die van toepassing zijn op generatieve, voorspellende en agentgebaseerde AI-systemen
Een AI-bestuursstructuur opzetten door de rollen, verantwoordelijkheden, commissies en passende besluitvormingsprocessen vast te stellen
De belangrijkste kaders voor AI-governance opstellen: register van AI-systemen, gebruiksbeleid, validatieprocessen, risicoclassificatie en controles
Een systeem invoeren voor risicobeheer, toezicht, controleerbaarheid en het beheer van AI-incidenten
Een implementatieplan en stuurindicatoren opstellen die een voortdurende verbetering van het AI-beheer mogelijk maken

Doelgroep
Directeuren en leidinggevenden op het gebied van digitale transformatie, innovatiemanagers, AI-managers, IT-directeuren, managers op het gebied van gegevensbeheer, CISO’s, DPO’s, compliance-managers, risicomanagers, juristen, interne auditors, bedrijfsmanagers en projectleiders die betrokken zijn bij AI-initiatieven.

Voorafgaande vereisten
Kennis hebben van de basisbegrippen van kunstmatige intelligentie en de belangrijkste toepassingen ervan in het bedrijfsleven.

Praktische modaliteiten
Interactieve presentaties, geïllustreerd met praktijkervaringen en concrete voorbeelden. Een rode draad die de gehele levenscyclus van een AI-governancestructuur bestrijkt. Individuele opdrachten, oefeningen in duo’s en gezamenlijke workshops in subgroepen. Herbruikbare sjablonen die aan de deelnemers worden verstrekt: AI-register, RACI-matrix, AI-gebruiksbeleid, risicoclassificatietabel, leveranciersbeoordelingsformulier, procedure voor incidentbeheer, governance-dashboard en stappenplan.

Opleidingsprogramma

1
Inzicht krijgen in de uitdagingen en het bestuurskader van AI

  • De specifieke kenmerken van generatieve AI, voorspellende AI en agentieve AI in kaart brengen, evenals de gevolgen daarvan voor het bestuur
  • De strategische, organisatorische, technische en regelgevingsaspecten analyseren die verband houden met het gebruik van AI binnen bedrijven.
  • Een onderscheid maken tussen AI-governance en datagovernance, cyberbeveiliging, naleving, risicobeheer en projectgovernance
  • De risico’s van AI-systemen beoordelen: vooringenomenheid, informatielekken, afhankelijkheid van leveranciers, gebrek aan traceerbaarheid en modelafwijkingen, enz.
  • De belangrijkste vereisten van de toepasselijke normen en regelgeving in kaart brengen, met name de AI Act, de AVG en de kaders voor risicobeheer
Praktisch werk
Collectieve casestudie aan de hand van een bedrijf dat gebruikmaakt van verschillende generatieve en voorspellende AI-systemen. In subgroepen brengen de deelnemers het gebruik in kaart, identificeren ze de belanghebbenden, beoordelen ze de bijbehorende risico’s en bepalen ze de uitdagingen op het gebied van governance. Presentatie en samenvatting in de plenaire sessie.

2
De rollen, verantwoordelijkheden en bestuursorganen op het gebied van AI vaststellen

  • De belangrijkste spelers op het gebied van AI-governance in kaart brengen: uitvoerende sponsor, CIO, CISO, DPO, leveranciers, enz.
  • Een RACI-matrix opstellen die is afgestemd op de levenscyclus van AI-systemen
  • De verantwoordelijkheden vaststellen op het gebied van validatie, toezicht, controle en risicobeheer
  • De bestuursorganen structureren: AI-commissie, risicocommissie, arbitragecommissie en periodieke evaluaties
  • Een escalatieprocedure vastleggen waarin de rollen op het gebied van goedkeuring, blokkering, beoordeling, bemiddeling en eindverantwoordelijkheid worden gespecificeerd
Praktisch werk
Workshop voor het ontwerpen van een streefmodel voor governance. In groepen stellen de deelnemers een volledige RACI-matrix op, definiëren ze de rollen en verantwoordelijkheden van de verschillende belanghebbenden en werken ze de werking van een AI-governancecomité uit. Wederzijdse presentatie en kritische analyse van de voorgestelde modellen.

3
Het opstellen van beleid, processen en controles met betrekking tot het gebruik van AI

  • Een beleid voor verantwoord gebruik van AI opstellen dat rekening houdt met zakelijke, wettelijke en ethische vereisten
  • Een specifiek beleid opstellen voor het gebruik van generatieve AI: verboden gegevens, toegestane toepassingen, menselijke validatie, enz.
  • Een register van AI-systemen opstellen waarin gebruiksscenario’s, doeleinden, eigenaren, gebruikte gegevens, leveranciers enz. zijn opgenomen.
  • Een proces vaststellen voor de validatie en goedkeuring van AI-toepassingen
  • Een beheerssysteem voor Shadow AI opzetten: opsporing, melding, bewustmaking, begeleiding en herstelmaatregelen
Praktisch werk
Rooddraadcase. De deelnemers werken stap voor stap aan een volledig AI-register, stellen een beleid op voor het gebruik van generatieve AI en zetten een validatieproces voor AI-projecten op. Er wordt in duo’s gewerkt, gevolgd door een gezamenlijke afstemming om zo een model te verkrijgen dat direct binnen het bedrijf kan worden toegepast.

4
Risicobeheer, controles en naleving op het gebied van AI implementeren

  • Het in kaart brengen van risico’s gedurende de gehele levenscyclus van AI-systemen: afbakening, ontwerp, testen, validatie, enz.
  • AI-systemen indelen op basis van hun kriticiteit en risiconiveau
  • Preventieve, detectieve en corrigerende controles vaststellen die zijn afgestemd op de verschillende toepassingen
  • Mechanismen voor menselijk toezicht, traceerbaarheid en controleerbaarheid invoeren
  • De nodige nalevings- en bewijsstukken voorbereiden voor audits en wettelijk voorgeschreven controles
Praktisch werk
Praktijksituatie. Aan de hand van het leidende casus stellen de deelnemers een risicoclassificatieschema op, definiëren ze de toepasselijke controles (menselijke validatie, gegevenscontrole, bias-tests, logboekregistratie, toegangscontrole, leveranciersaudit) en stellen ze een AI-risicokaart op. Collectieve nabespreking en vergelijking van de gekozen aanpakken.

5
Toezicht houden op AI-leveranciers en incidenten beheren

  • De risico’s in verband met leveranciers en externe AI-oplossingen beoordelen
  • Een beoordelingsschema voor leveranciers opstellen waarin veiligheid, vertrouwelijkheid, gegevensopslaglocatie enz. zijn opgenomen.
  • De voorwaarden vaststellen voor de monitoring en periodieke evaluatie van AI-leveranciers
  • Een procedure voor het beheer van AI-incidenten opzetten
  • De afhandeling van incidenten in verband met kritieke fouten, datalekken, afwijkingen in modellen, enz. organiseren.
Praktisch werk
Casestudie in groepen. De deelnemers beoordelen verschillende AI-leveranciers aan de hand van een gestructureerd beoordelingsschema en stellen vervolgens een procedure voor incidentbeheer op, met daarin mechanismen voor detectie, escalatie, onderzoek, oplossing en terugkoppeling.

6
Een stappenplan voor AI-governance opstellen en zorgen voor voortdurende verbetering daarvan

  • Het maturiteitsniveau van de organisatie op het gebied van AI-governance beoordelen
  • Een stapsgewijs traject uitstippelen: inventarisatie van het gebruik, opzetten van het AI-register, vastleggen van de rollen, enz.
  • Een dashboard voor AI-governance opzetten
  • De stuurindicatoren vaststellen: geïnventariseerde gebruiksscenario’s, validatiepercentages, AI-incidenten, naleving van documentatievoorschriften, enz.
  • De periodieke evaluaties en het proces van voortdurende verbetering van het systeem organiseren
Praktisch werk
Samenvattingsworkshop. Elke deelnemer stelt een stappenplan voor AI-governance op dat toepasbaar is op zijn of haar organisatie. Aan de hand van de rode draad-casus legt hij of zij de prioriteiten, de te leveren resultaten, de verantwoordelijkheden, de monitoringindicatoren en de mijlpalen voor de implementatie vast. Afsluitende presentatie en uitwisseling van goede praktijken tussen de deelnemers.



Dit programma is een origineel concept, ontwikkeld door de pedagogische teams van ORSYS Formation. Elke reproductie, weergave, aanpassing of exploitatie, geheel of gedeeltelijk, zonder voorafgaande schriftelijke toestemming van ORSYS, is ten strengste verboden. ORSYS behoudt zich het recht voor om alle nodige maatregelen te nemen ter bescherming van haar intellectuele-eigendomsrechten.

Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand

Dernières places
Date garantie en présentiel ou à distance
Session garantie

KLAS OP AFSTAND
2026 : 7 dec.

2027 : 15 maa., 28 juni, 4 okt., 13 dec.

PARIS LA DÉFENSE
2026 : 7 dec.

2027 : 8 maa., 21 juni, 27 sep., 6 dec.



Dit programma is een origineel concept, ontwikkeld door de pedagogische teams van ORSYS Formation. Elke reproductie, weergave, aanpassing of exploitatie, geheel of gedeeltelijk, zonder voorafgaande schriftelijke toestemming van ORSYS, is ten strengste verboden. ORSYS behoudt zich het recht voor om alle nodige maatregelen te nemen ter bescherming van haar intellectuele-eigendomsrechten.