수업 1AI 기능 공급업체 및 고객 계약: 데이터 처리 계약, 공동 통제권, 책임 배분, 보안 요구사항AI 기능 공급업체 및 고객 계약 구조화 방법을 설명하며, 데이터 처리 계약, 공동 통제권, 책임 배분, 규제 및 윤리 요구사항을 반영한 보안 조항에 중점을 둡니다.
통제자 및 처리자 역할 정의주요 데이터 처리 계약 조항공동 통제권 및 공유 의무책임 상한, 배상, 보험보안 및 사건 대응 의무감사, 감독, 종료 권리수업 2AI 관련 핵심 데이터 보호 체제 및 의무 (원칙: 목적 제한, 데이터 최소화, 법적 근거, 투명성)AI 관련 핵심 데이터 보호 체제를 검토하며, 목적 제한, 데이터 최소화, 법적 근거, 투명성 원칙을 강조하고, AI 개발 및 배포 전반에 이를 운영화하는 방법을 다룹니다.
AI 훈련 및 사용에서의 목적 제한데이터 최소화 및 기능 선택법적 근거 선택 및 문서화투명성 및 의미 있는 통지정확성, 보관 한도, 무결성책임성 및 거버넌스 구조수업 3데이터 보호 영향 평가(DPIA) / AI 영향 평가(AIA): 구조, 주요 질문, 시정 계획DPIA와 AIA를 설계하고 실행하는 방법을 설명합니다. 범위 설정 및 위험 식별부터 이해관계자 참여, 문서화, 시정 계획까지 AI 시스템이 법적·윤리적·조직 기대를 충족하도록 합니다.
AI 시스템 및 처리 활동 범위 설정이해관계자 및 영향 그룹 식별권리 및 자유에 대한 위험 목록화완화 및 시정 계획 설계결과 문서화 및 승인제품 수명 주기에 DPIA 통합수업 4알고리즘 공정성 및 편향: 편향 원인, 측정 방법, 완화 기법AI에서 알고리즘 편향과 공정성을 분석하며, 편향 원인, 공정성 지표, 데이터·모델링·배포 전반 완화 전략을 설명하고, 엄격한 규제 환경의 법적 기대를 주목합니다.
알고리즘 편향 유형 및 원인공정성 지표 및 트레이드오프데이터 수집 및 라벨링 편향모델 훈련 및 평가 전략배포 및 모니터링 중 완화공정성 결정 문서화수업 5제품 컴플라이언스 검토 및 교차 기능 에스컬레이션 실무 플레이북 (제품, 법무, 프라이버시, 컴플라이언스)제품 컴플라이언스 검토를 위한 실무 플레이북을 제공하며, 제품·법무·프라이버시·컴플라이언스 팀 간 역할, 워크플로우, 에스컬레이션 경로를 정의하여 AI 위험을 관리하고 변호 가능한 결정을 문서화합니다.
AI 제품 변경 수집 및 분류위험 기반 검토 수준 및 기준제품, 법무, 프라이버시, 컴플라이언스 역할고위험 AI 사용 사례 에스컬레이션 경로결정 문서화 및 승인 기록제품 로드맵으로 피드백 루프수업 6AI 기능 모델 위험 관리: 문서화(모델 카드), 검증, 테스트, 성능 모니터링, 설명 가능성AI 기능 모델 위험 관리를 다루며, 문서화, 검증, 테스트, 모니터링, 설명 가능성을 포함하고, 모델 거버넌스를 규제 기대와 내부 위험 허용 프레임워크에 맞춥니다.
모델 인벤토리 및 분류모델 카드 및 문서화 표준검증 및 독립적 도전성능, 드리프트, 안정성 모니터링설명 가능성 방법 및 한계모델 변경 관리 및 폐기수업 7AI 결정 윤리 프레임워크: 이해관계자 매핑, 비례성, 이의제기 가능성, 인간 감독, 구제 메커니즘AI 의사결정 윤리 프레임워크를 소개하며, 이해관계자 매핑, 비례성, 이의제기 가능성, 인간 감독, 구제를 다루고, 이를 거버넌스 프로세스와 제품 설계에 내장하는 방법을 보여줍니다.
AI 이해관계자 및 영향 매핑비례성 및 필요성 평가이의제기 및 항소 채널 설계인간-인-더-루프 및 온-더-루프 모델피해 구제 및 구제 메커니즘거버넌스에 윤리 검토 내장수업 8프라이버시 보존 설계: 데이터 최소화, 차등 프라이버시, 익명화, 가명화, 보안 다자간 계산 기초AI 프라이버시 보존 설계 전략을 탐구하며, 데이터 최소화, 익명화, 가명화, 차등 프라이버시, 보안 다자간 계산을 포함하고, 사용 사례 및 구현 트레이드오프 지침을 제공합니다.
AI 기능 설계 데이터 최소화익명화 및 재식별화 위험가명화 및 토큰화 방법분석 및 ML 차등 프라이버시보안 다자간 계산 기초적절한 프라이버시 기법 선택수업 9기술 통제: 접근 제어, 로깅, 암호화, 보관 정책, ML 보안 개발 수명 주기(SDLC)AI 시스템 기술 보호 장치를 상세히 설명하며, 접근 제어, 로깅, 암호화, 보관, 보안 ML 개발을 포함하고, 엔지니어링 선택이 규제 컴플라이언스와 윤리 위험 감소를 어떻게 지원하는지 보여줍니다.
역할 기반 및 속성 기반 접근 제어보안 로깅 및 감사 추적 설계전송 중 및 휴지 상태 AI 데이터 암호화데이터 보관 및 삭제 자동화ML 보안 코딩 및 코드 검토AI 서비스 보안 테스트 및 강화수업 10직장 감시 및 직원 데이터 처리에 대한 법적 근거 및 동의 한도 평가직장 감시 및 직원 데이터에 대한 법적 근거와 동의 한도를 검토하며, 모니터링 도구, 투명성 의무, 권력 불균형, 존엄 및 노동권 보호 보호 장치를 다룹니다.
일반적인 직장 감시 시나리오정당한 이익 및 필요성 평가고용 맥락 동의 한도투명성 및 근로자 정보 의무모니터링 기술 보호 장치노사협의회 및 노조 참여수업 11고규제 관할권 규제 추세 및 신규 AI 제품 컴플라이언스 경로고규제 관할권 규제 추세를 조사하며, 신흥 AI 법률, 지침, 집행 패턴을 개요하고, 신규 AI 제품 및 국경 간 운영을 위한 실무 컴플라이언스 경로를 매핑합니다.
주요 AI 규제 체제 개요산업별 AI 규칙 및 지침감독 기대 및 집행규제 샌드박스 및 혁신 허브위험 기반 컴플라이언스 프로그램 설계국경 간 데이터 및 AI 컴플라이언스 문제수업 12데이터 및 AI에 적용되는 인권 프레임워크: UN 지침 원칙, GDPR 권리 기반 모델, 국가 인권 함의인권법을 데이터 및 AI 거버넌스에 연결하며, UN 지침 원칙, GDPR 권리 기반 접근, 국가 인권 의무가 AI 설계 및 배포 기업 책임을 어떻게 형성하는지 설명합니다.
UN 지침 원칙 및 기업 의무GDPR 권리 기반 규제 모델AI에 영향을 미치는 국가 인권법AI 사용 두드러진 인권 위험AI 인권 실사구제 및 책임 기대