Il corso AI Governance avanzata affronta la progettazione e l’implementazione di un sistema strutturato per governare l’Intelligenza Artificiale all’interno di organizzazioni complesse.
Il percorso supera il livello introduttivo e approfondisce i modelli organizzativi, i processi decisionali, le responsabilità, i controlli e gli strumenti necessari per presidiare l’intero ciclo di vita dei sistemi di IA. Particolare attenzione viene dedicata all’integrazione della governance dell’IA con risk management, compliance, cybersecurity, privacy, data governance, procurement e sistemi di controllo interno.
Durante il corso i partecipanti lavoreranno alla costruzione di un framework aziendale di AI Governance, definendo ruoli, workflow autorizzativi, criteri di classificazione, indicatori, controlli e meccanismi di monitoraggio.
Il percorso tiene conto del Regolamento europeo sull’Intelligenza Artificiale, della norma ISO/IEC 42001 sui sistemi di gestione dell’IA e del NIST AI Risk Management Framework. L’AI Act disciplina lo sviluppo e l’utilizzo dei sistemi di IA secondo un modello basato sul rischio, mentre ISO/IEC 42001 fornisce requisiti per istituire e migliorare un sistema di gestione dell’Intelligenza Artificiale. Il NIST AI RMF organizza invece la gestione del rischio nelle funzioni Govern, Map, Measure e Manage.
Il corso è rivolto a:
- AI Governance Manager;
- AI Compliance Officer;
- responsabili Risk Management;
- responsabili Compliance e Internal Audit;
- Data Protection Officer e Privacy Manager;
- Chief Information Officer;
- Chief Data Officer;
- Chief Technology Officer;
- Chief Information Security Officer;
- responsabili Legal e Affari societari;
- responsabili Data Governance;
- responsabili Innovazione e Trasformazione digitale;
- Project Manager e responsabili di programmi AI;
- responsabili Procurement e Vendor Management;
- dirigenti e manager coinvolti nell’adozione dell’IA;
- consulenti di organizzazione, compliance e gestione dei rischi.
Al termine del percorso i partecipanti saranno in grado di:
- progettare un modello aziendale avanzato di AI Governance;
- definire ruoli, responsabilità e livelli decisionali;
- istituire un AI Governance Board o un comitato equivalente;
- integrare la governance dell’IA con risk management, compliance e controllo interno;
- costruire e mantenere un inventario aziendale dei sistemi di IA;
- classificare sistemi, modelli e casi d’uso in base al rischio;
- progettare workflow di valutazione, approvazione e monitoraggio;
- definire controlli per acquisizione, sviluppo e utilizzo di soluzioni di IA;
- valutare rischi legali, etici, operativi, reputazionali e di cybersecurity;
- predisporre policy, procedure, registri e documentazione di governance;
- definire KPI, KRI e sistemi di reporting direzionale;
- gestire fornitori, piattaforme di IA e servizi basati su modelli general purpose;
- progettare attività di assurance, audit e miglioramento continuo;
- sviluppare una roadmap per l’implementazione della governance dell’IA.
Modulo 1 – Architettura avanzata dell’AI Governance
- Evoluzione dalla gestione informale a un sistema strutturato di governance
- Principi di accountability, trasparenza, supervisione e controllo
- Governance centralizzata, federata e decentralizzata
- Modelli organizzativi per gruppi societari e organizzazioni complesse
- Relazioni tra corporate governance, IT governance e AI Governance
- Integrazione con Enterprise Risk Management
- Integrazione con privacy, cybersecurity e data governance
- Il modello delle tre linee di controllo applicato all’IA
- Definizione del perimetro del sistema di governance
- Analisi del contesto organizzativo e degli stakeholder
Modulo 2 – Ruoli, responsabilità e organi decisionali
- Ruolo del Consiglio di amministrazione e del top management
- AI Governance Board e comitati multidisciplinari
- AI Officer, AI Governance Manager e AI Compliance Officer
- Responsabilità di business owner, process owner e system owner
- Ruolo delle funzioni Legal, Compliance, Risk, IT e Security
- Coinvolgimento di HR, Procurement e Internal Audit
- Definizione delle responsabilità mediante matrici RACI
- Deleghe, escalation e poteri autorizzativi
- Gestione dei conflitti di interesse
- Responsabilità nei gruppi societari e nei rapporti con terze parti
Modulo 3 – Inventario e classificazione dei sistemi di IA
- Censimento dei sistemi, modelli e casi d’uso
- Identificazione delle soluzioni di IA incorporate nei software aziendali
- Distinzione tra sistemi sviluppati internamente e servizi acquistati
- Identificazione di provider, deployer, importatori e distributori
- Classificazione dei sistemi secondo l’EU AI Act
- Pratiche vietate, sistemi ad alto rischio e obblighi di trasparenza
- Sistemi di IA general purpose e modelli incorporati
- Classificazione interna basata su criticità e impatto
- Definizione di criteri di materialità
- Costruzione dell’AI System Inventory
- Collegamento tra inventario, processi aziendali e patrimonio informativo
Modulo 4 – AI Risk Management e valutazione degli impatti
- Tassonomia dei rischi dell’Intelligenza Artificiale
- Rischi legali e di non conformità
- Rischi per diritti e libertà fondamentali
- Bias, discriminazione e qualità degli output
- Rischi operativi e dipendenza dai sistemi automatizzati
- Rischi di cybersecurity e manipolazione dei modelli
- Rischi relativi a dati, proprietà intellettuale e riservatezza
- Hallucination, inaccuratezza e perdita di controllo umano
- Rischi reputazionali e impatti sugli stakeholder
- Valutazione della probabilità, dell’impatto e della controllabilità
- AI impact assessment e fundamental rights impact assessment
- Definizione del rischio inerente e del rischio residuo
- Collegamento tra rischio, controlli e decisione autorizzativa
Modulo 5 – Ciclo di vita, controlli e processi autorizzativi
- Governance dell’intero ciclo di vita dei sistemi di IA
- Ideazione e presentazione di un nuovo caso d’uso
- Valutazione preliminare e triage
- Due diligence tecnica, legale ed etica
- Criteri di approvazione, approvazione condizionata e rifiuto
- Requisiti per sviluppo, test e validazione
- Human oversight e punti di controllo umano
- Gestione delle modifiche e delle nuove versioni
- Monitoraggio delle prestazioni e del comportamento del sistema
- Gestione di anomalie, incidenti e non conformità
- Disattivazione, sostituzione e archiviazione
- Progettazione di stage gate e workflow autorizzativi
- Evidenze e tracciabilità delle decisioni
Modulo 6 – Governance dei fornitori e delle soluzioni esterne
- Acquisizione di software e servizi basati sull’IA
- Due diligence sui fornitori
- Valutazione dei modelli general purpose
- Informazioni e documentazione da richiedere
- Requisiti contrattuali per sistemi e servizi di IA
- Clausole su sicurezza, dati, proprietà intellettuale e responsabilità
- Auditability e diritto di verifica
- Gestione dei subfornitori e della supply chain
- Service Level Agreement e indicatori di qualità
- Lock-in tecnologico e continuità operativa
- Gestione delle modifiche apportate dal provider
- Monitoraggio periodico delle prestazioni del fornitore
- Exit strategy e sostituzione della soluzione
Modulo 7 – Policy, procedure e sistema documentale
- Architettura documentale dell’AI Governance
- AI Governance Framework
- Policy aziendale sull’utilizzo dell’IA
- Procedure per la proposta e l’approvazione dei casi d’uso
- Standard per sviluppo, acquisizione e utilizzo
- Regole per l’IA generativa
- Procedure per la gestione degli incidenti
- Registro dei sistemi e registro delle decisioni
- Model card, system card e schede di valutazione
- Documentazione dei controlli e delle responsabilità
- Conservazione delle evidenze
- Gestione delle versioni e aggiornamento periodico
- Coordinamento con policy privacy, sicurezza e procurement
Modulo 8 – Monitoraggio, KPI, audit e miglioramento continuo
- Progettazione del sistema di monitoraggio
- Indicatori chiave di prestazione dell’AI Governance
- Key Risk Indicator per i sistemi di IA
- Metriche di affidabilità, qualità, robustezza e supervisione
- Indicatori relativi a incidenti e non conformità
- Reporting operativo, direzionale e verso gli organi societari
- Dashboard di AI Governance
- Controlli di primo e secondo livello
- Audit interno dei sistemi e dei processi di governance
- Raccolta e verifica delle evidenze
- Gestione delle azioni correttive e preventive
- Riesame periodico della direzione
- Maturità del sistema di governance
- Roadmap di miglioramento continuo
Ai partecipanti potranno essere forniti:
- modello di AI Governance Framework;
- schema dell’AI Governance Board;
- matrice RACI;
- modello di AI System Inventory;
- checklist per la classificazione dei sistemi;
- modello di AI impact assessment;
- scheda per la valutazione dei fornitori;
- workflow per l’approvazione dei casi d’uso;
- catalogo esemplificativo dei controlli;
- modello di dashboard per KPI e KRI;
- checklist per audit di AI Governance;
- schema di roadmap di implementazione.
È richiesta una conoscenza di base dei principi di AI Governance, delle principali applicazioni aziendali dell’Intelligenza Artificiale e del modello di regolamentazione introdotto dall’EU AI Act.
È consigliata la frequenza preliminare di almeno uno dei seguenti corsi:
- AI Governance: progettare e gestire l’uso dell’IA in azienda;
- EU AI Act: obblighi e conformità per le imprese;
- AI Risk Management;
- AI Compliance Officer.
Non sono richieste competenze di programmazione o di sviluppo di modelli di Machine Learning.
Verifica dell’apprendimento
La verifica potrà avvenire attraverso:
- esercitazioni;
- discussione di casi;
- valutazione degli elaborati prodotti;
- test finale;
- eventuale presentazione del project work.
Attestato
Al termine del corso verrà rilasciato un attestato di partecipazione subordinatamente alla frequenza minima prevista, oppure un attestato di frequenza positiva rafforzato dall'esito positivo del test finale.
