Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Lo que cambia cuando las decisiones se vuelven impulsadas por modelos
- De reglas y juicio humano a opciones puntuadas.
- Velocidad y escala de la acción automatizada.
- Nuevos modos de fallo y vacíos de responsabilidad.
Inventario de decisiones y clasificación de riesgos
- Enumerar decisiones automatizadas.
- Impacto, reversibilidad y partes afectadas.
- Niveles de riesgo y expectativas de control.
- Propiedad por clase de decisión.
Responsabilidad y supervisión humana
- Revisión humana significativa frente a nominal.
- Umbrales de autonomía como decisiones de gobernanza.
- Rutas de escalado y tiempos de respuesta.
- Propietario responsable y aprobación.
Registros de decisión y explicabilidad
- Qué contiene un registro de decisión defendible.
- Retención de confianza, opciones y contexto.
- Trazabilidad del modelo y la versión.
- Explicar una decisión a un cliente o regulador.
Control de políticas y límites
- Conjuntos de opciones aprobados y control de cambios.
- Gobernanza de umbrales y revisión periódica.
- Decisiones prohibidas y detenciones obligatorias.
- Política como código junto a la salida del modelo.
Expectativas regulatorias
- Obligaciones de la Ley de IA de la UE para sistemas de decisión.
- Normas sectoriales en finanzas, seguros y salud.
- Protección de datos y derechos de decisión automatizada.
- Documentación y evidencia de conformidad.
Riesgo de proveedor, licencia y procedencia
- APIs de decisión alojadas frente a pesos abiertos.
- Términos de licencia para modelos derivados y embebidos.
- Dependencia del proveedor y riesgo de discontinuación.
- Integridad de pesos y fijación de versión.
Sesgo, equidad y monitoreo de resultados
- Disparidad de resultados entre grupos.
- Variables proxy y enmarcado de opciones.
- Señales de apelación y quejas.
- Revisión periódica de la equidad.
Respuesta ante incidentes por decisiones erróneas
- Detección de errores sistemáticos de decisión.
- Contención y suspensión de la autonomía.
- Remediación y reparación al cliente.
- Causa raíz y actualización de controles.
Revisión de aseguramiento de una capa de decisión
- Evidencia que debe solicitar un auditor.
- Prueba de afirmaciones de precisión y calibración.
- Muestreo de decisiones y anulaciones.
- Informe de hallazgos a la junta directiva.
Requerimientos
- Conocimiento de proyectos de IA o automatización en un entorno empresarial.
- Comprensión de procesos de riesgo, cumplimiento o auditoría.
- No se requiere experiencia en programación.
Audiencia
- Oficiales de riesgo, cumplimiento y riesgo de modelos.
- Auditores internos que revisan decisiones automatizadas.
- Líderes de gobernanza de IA y protección de datos.
- Propietarios de producto responsables de flujos de trabajo automatizados.
- Arquitectos que diseñan la supervisión en sistemas de agentes.