感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 7 時間：
課程簡介
自主AI基礎
- 受監管組織中自主AI的含義
- 業務、法律及運營驅動力
- 核心控制領域：數據、模型、基礎設施和運營
監管要求與風險映射
- 數據駐留、隱私及行業特定義務
- 將敏感數據映射至AI用例
- 識別跨境、日誌記錄及第三方暴露風險
治理數據、提示詞與日誌
- 提示詞治理與合理使用邊界
- 提示詞、響應及元數據的日誌策略
- 保留、脫敏、掩碼及訪問控制實踐
- 練習：審查AI數據流的治理缺口
模型託管與推理環境選項
- 公共API、私有云、本地部署及混合部署選擇
- 決定模型運行位置的關鍵因素
- 控制、安全、成本與運營所有權之間的權衡
供應商依賴與可移植性
- 模型、工具及平臺中常見的鎖定模式
- 通過模塊化架構、開放接口和明確合同實現可移植性
- 練習：依據自主性標準評估供應商
治理模型與行動計劃
- IT、安全、法律及合規部門的角色與職責
- 用例、模型及運營變更的審批工作流
- 可審計性、監控及事件響應期望
- 制定實用的自主AI路線圖及後續步驟
最低要求
- 具備AI概念、數據治理及合規要求的基本知識
- 熟悉企業技術、雲、安全或風險決策流程
- 無需編程經驗
受衆
- IT領導者、企業架構師及平臺管理者
- 風險管理、合規、法律及數據治理專業人士
- 負責受監管環境中AI採用的安全團隊及業務領導者
