聯繫我們

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
 7 小時

人數


每位參與者的報價

即將到來的課程

課程分類