Opleiding: Training AAIA - Advanced in AI Audit

Tijdens de training Advanced in AI Audit (AAIA) leer je hoe je grip krijgt op het toezicht en de beoordeling van AI-toepassingen binnen organisaties. De training behandelt onderwerpen als transparantie, ethiek, risico's en controlemaatregelen bij het gebruik van AI-technologie. Theorie wordt gekoppeld aan herkenbare praktijkvoorbeelden, zodat je ziet hoe auditprincipes toepasbaar zijn in realistische werksituaties. Je krijgt inzicht in hoe organisaties intern en extern verantwoording afleggen over AI, en hoe je hier als auditor, toezichthouder of beleidsadviseur effectief op kunt inspelen

Algemene omschrijving

AI-toepassingen worden steeds vaker geïntegreerd in bedrijfsprocessen, besluitvorming en klantinteractie. Daarmee groeit ook de noodzaak om op een verantwoorde manier toezicht te houden op de werking, betrouwbaarheid en risico’s van deze technologieën. In de training Advanced in AI Audit (AAIA) krijg je inzicht in hoe organisaties AI-systemen kunnen toetsen op transparantie, doelmatigheid, compliance en ethische verantwoording.

De training richt zich op het beoordelen van AI-toepassingen vanuit een audit- en toezichtsrol. Je leert welke controledoelen relevant zijn bij AI, welke risico’s je in kaart moet brengen, en hoe je als auditor of beleidsadviseur bijdraagt aan verantwoord gebruik van AI. Daarbij is er aandacht voor het auditen van algoritmen, datastromen, governance-structuren en beslisprocessen.

De theorie wordt steeds gekoppeld aan herkenbare voorbeelden uit de praktijk, zoals het beoordelen van bias in modellen, het evalueren van besluitvorming op basis van AI, en het inrichten van controlemechanismen binnen de AI-levenscyclus. Ook actuele standaarden en richtlijnen komen aan bod, waaronder ISO/IEC 42001, het NIST AI Risk Management Framework en de Europese AI-verordening.

Deze training is bedoeld voor professionals die betrokken zijn bij de beoordeling, toetsing of monitoring van AI-systemen binnen organisaties. Denk aan auditors, compliance officers, IT-riskmanagers en andere toezichthoudende functies. Je ontwikkelt inzicht in hoe AI-audits inhoud en structuur krijgen, welke vragen je moet stellen, en welke documentatie en onderbouwing daarbij van belang zijn.

Cursus AAIA

In de cursus Advanced in AI Audit (AAIA) leer je hoe je AI-systemen kunt beoordelen op risico’s, betrouwbaarheid, controleerbaarheid en compliance. Je krijgt inzicht in de auditprincipes die relevant zijn voor AI-toepassingen en leert hoe deze worden toegepast in verschillende fasen van de AI-levenscyclus. De cursus behandelt onder meer governance, datakwaliteit, modeltransparantie en toezicht op AI-besluitvorming. Aan de hand van praktijkvoorbeelden zie je hoe deze elementen samenkomen in een verantwoord auditproces

Bedrijfstraining AAIA

Wil je AAIA gaan toepassen in je organisatie? In een bedrijfstraining kunnen wij de training volledig op maat verzorgen voor jou individueel of samen met een groep collega's. We kunnen dan meteen de vertaalslag naar jouw organisatie maken.

Programma

Tijdens de Training AAIA - Advanced in AI Audit komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

De training is opgebouwd rond drie hoofdonderwerpen die samen een volledig beeld geven van auditing in AI-omgevingen. Elk onderwerp is gebaseerd op het officiële AAIA-raamwerk en sluit aan bij de eisen die gesteld worden aan professioneel toezicht op AI-systemen.

• AI Governance, Risk and Compliance (GRC)
• • Positionering van AI binnen governance-structuren
  • • Rollen en verantwoordelijkheden in AI-programma's
    • Relatie tussen AI-beheer, IT-governance en enterprise risk
  • Beleid, normen en richtlijnen voor AI
  • • Interne beleidskaders voor AI-ontwikkeling en -gebruik
    • Toepassing van externe normen (bijv. ISO/IEC 42001, AI Act)
  • Compliancevraagstukken bij AI-systemen
  • • Juridische vereisten, ethische overwegingen, datatoestemming
    • Transparantie- en uitlegbaarheidsverplichtingen
  • Risico’s verbonden aan AI en auditing
  • • Identificatie en classificatie van risico’s per AI-use case
    • Risicobeoordeling van modellen, data en besluitvorming
• AI Lifecycle and Controls
• • Auditpunten binnen de AI-levenscyclus
  • • Risico’s en beheersmaatregelen per fase: ontwerp, ontwikkeling, training, implementatie, monitoring
    • Vastlegging en traceerbaarheid van beslissingen
  • Toetsing van datakwaliteit en datastructuur
  • • Beoordeling van herkomst, representativiteit en bias
    • Beheersing van data-integriteit en versiebeheer
  • Controlemaatregelen bij AI-systemen
  • • Technische en organisatorische controles: toegang, logging, validatie
    • Detectie van afwijkingen, model drift en performanceverlies
  • Monitoring en onderhoud van AI-systemen
  • • Evaluatie van operationeel gedrag
    • Feedbackmechanismen, updates en retraining governance
• AI Audit Methods and Techniques
• • Ontwerp en uitvoering van een AI-audit
  • • Auditobjecten en -doelstellingen bij AI
    • Selectie van auditstrategie: system-based, risk-based, compliance-based
  • Bewijsvoering en documentatie bij AI-audits
  • • Vastleggen van modellen, parameters, datasets en beslisregels
    • Eisen aan explainability en reproduceerbaarheid
  • Rapportage en communicatie
  • • Opstellen van bevindingen voor verschillende doelgroepen
    • Inschatting van impact, aanbevelingen en opvolging
  • Samenwerking binnen multidisciplinaire teams
  • • Rollen van data scientists, ethische commissies, legal, compliance
    • Uitwisseling van inzichten binnen audit- en governanceprocessen