icon icon

Kurs AI i Data Act: zastosowanie, regulacje i praktyczne wykorzystanie w GPT

icon

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Co zyskujesz?

icon

Ocena systemów AI - Nauczysz się rozpoznawać, czy dany system podpada pod AI Act, jak sklasyfikować go według poziomu ryzyka i jakie skutki prawne ma to dla Twojej organizacji.

icon

Obowiązki bez niejasności - Uporządkujesz obowiązki dostawcy, użytkownika, importera i dystrybutora AI, dzięki czemu łatwiej przypiszesz role, odpowiedzialność i wymagane działania w firmie.

icon

RODO i AI w praktyce - Dowiesz się, jak łączyć wymagania AI Act z RODO, prowadzić DPIA dla systemów AI oraz ograniczać ryzyko naruszeń przy profilowaniu i automatycznych decyzjach.

icon

Mniejsze ryzyko incydentów - Poznasz zagrożenia dla systemów AI, w tym ataki na dane wejściowe i wyjściowe, manipulacje oraz adversarial examples, aby lepiej zabezpieczać wdrożenia i procesy.

icon

Przejrzystość decyzji AI - Zrozumiesz, jak wdrażać explainability, transparentność i nadzór człowieka, aby decyzje wspierane przez AI były czytelne, uzasadnione i łatwiejsze do obrony.

icon

Polityki i governance - Przygotujesz się do tworzenia polityk, regulaminów i zasad AI Governance, które porządkują ocenę ryzyka, odpowiedzialność zespołów oraz cykliczne audyty zgodności.

icon

Wdrożenia sektorowe - Zobaczysz, jak stosować przepisy w HR, finansach, bankowości i ochronie zdrowia, dzięki czemu lepiej ocenisz ograniczenia, ryzyka i możliwości AI w swoim obszarze.

icon

LLM, open source i prawa - Uporządkujesz wpływ regulacji na modele open source i LLM, standardy certyfikacji, data governance oraz kwestie praw autorskich dotyczących treści generowanych przez AI.

Program szkolenia

1. AI Act – czym jest i dlaczego został wprowadzony

  • cele i znaczenie regulacji,
  • zakres stosowania – jakie organizacje i systemy obejmuje,
  • klasyfikacja systemów AI według poziomu ryzyka: niedozwolone, wysokiego, ograniczonego i minimalnego,
  • kodeks Dobrych Praktyk UE – samoregulacja, standardy branżowe i kodeksy etyczne.

2. Obowiązki organizacji i wymagania prawne

  • obowiązki dostawców, użytkowników i importerów AI.
  • transparentność i nadzór nad systemami AI.
  • dokumentacja techniczna i procedury oceny zgodności.
  • audyty i monitorowanie zgodności z regulacjami.
  • tworzenie regulaminów i polityk wewnętrznych dotyczących AI – przykłady i wzory.
  • praktyczne przykłady wdrożeń compliance w organizacjach.

3. Ochrona danych osobowych w świetle AI Act

  • AI Act a RODO – powiązania i wpływ regulacji,
  • zasady przetwarzania danych w systemach AI,
  • profilowanie i automatyczne podejmowanie decyzji – ograniczanie ryzyka naruszeń,
  • DPIA (Data Protection Impact Assessment) dla systemów AI,
  • bezpieczeństwo danych wejściowych i wyjściowych,
  • cyberhigiena i polityki bezpieczeństwa informacji,
  • przykłady naruszeń i ich konsekwencje prawne.

4. Cyberbezpieczeństwo a sztuczna inteligencja

  • potencjalne zagrożenia AI dla cyberbezpieczeństwa,
  • wymogi AI Act dotyczące bezpieczeństwa systemów,
  • kontrola i weryfikacja danych wejściowych i wyjściowych,
  • ochrona przed manipulacjami i atakami typu adversarial examples.

5. Etyka i odpowiedzialność w wykorzystaniu AI

  • etyczne aspekty – sprawiedliwość, równe traktowanie i unikanie dyskryminacji,
  • Bias a AI Act: źródła, przykłady i sposoby przeciwdziałania,
  • kto odpowiada za decyzje podejmowane przez AI – aspekty prawne i praktyczne,
  • Explainability i transparentność – jak zapewnić przejrzystość działania systemów.

6. Zarządzanie ryzykiem związanym z AI

  • proces oceny ryzyka i narzędzia wspierające organizacje, 
  • AI Governance – strategie zarządzania i przypisywania odpowiedzialności,
  • monitorowanie i cykliczne audyty systemów AI,
  • deepfakes i manipulacja informacją – zagrożenia i przeciwdziałanie.

7. AI w praktyce organizacyjnej – regulacje sektorowe

  • AI Act a innowacje technologiczne – szansa czy ograniczenie?
  • AI w HR i rekrutacji – wymogi i ograniczenia prawne,
  • AI w finansach i bankowości – zgodność z regulacjami AML,
  • AI w ochronie zdrowia – potencjał, ryzyka i wymogi regulacyjne.

8. Aspekty techniczne i prawne rozwoju AI

  • standardy i certyfikacja systemów AI,
  • wpływ regulacji na modele open source i duże modele językowe (LLM),
  • Data governance – zarządzanie danymi w zgodzie z AI Act,
  • bezpieczeństwo systemów – odporność na ataki i manipulacje,
  • prawo autorskie – kto jest właścicielem treści generowanych przez AI?

Jakie są wymagania wstępne do udziału w szkoleniu?

icon

Podstawy pracy z AI - Powinieneś rozumieć, czym są systemy AI i narzędzia generatywne, oraz mieć choć podstawowe doświadczenie w korzystaniu z takich rozwiązań w pracy lub projektach.

icon

Podstawy ochrony danych - Powinieneś znać najważniejsze pojęcia związane z danymi osobowymi, przetwarzaniem i RODO, aby swobodnie analizować zależności między prywatnością a użyciem AI.

icon

Orientacja w procesach firmowych - Powinieneś rozumieć, jak w organizacji działają procesy, role i odpowiedzialności, bo szkolenie dotyczy wdrażania polityk, nadzoru i zgodności w praktyce biznesowej.

icon

Gotowość do analizy ryzyka - Powinieneś umieć pracować na przykładach, analizować scenariusze i wyciągać wnioski, ponieważ szkolenie obejmuje ocenę ryzyka, audyty oraz decyzje compliance.