Opleiding: Training AAISM - Advanced in AI Security Management

Tijdens de training Advanced in AI Security Management (AAISM) leer je hoe je verantwoord en veilig omgaat met de inzet van generatieve AI binnen organisaties. De training behandelt actuele risico’s, governance vraagstukken en beveiligingsaspecten die spelen bij het gebruik van AI-technologie. Theorie wordt gekoppeld aan herkenbare praktijkvoorbeelden, zodat je begrijpt hoe de concepten in werksituaties toepasbaar zijn. Je krijgt inzicht in hoe organisaties omgaan met AI-beleid, risicobeheersing en compliance en leert hoe je hier als professional effectief op kunt inspelen

Algemene omschrijving

Kunstmatige intelligentie ontwikkelt zich razendsnel, en organisaties staan voor de uitdaging om deze technologie veilig, verantwoord en beheersbaar in te zetten. In het bijzonder vraagt generatieve AI om een doordachte aanpak: niet alleen vanwege de technische complexiteit, maar ook vanwege de risico’s op het gebied van ethiek, compliance, privacy en security. In de training Advanced in AI Security Management (AAISM) krijg je inzicht in hoe organisaties grip kunnen houden op deze technologie, en welke beleidsmatige en beheersmatige aspecten daarin centraal staan.

De training biedt een compleet overzicht van wat er komt kijken bij het inrichten van AI-beleid, het beoordelen van risico’s en het toepassen van organisatorische en technische beheersmaatregelen. Je leert hoe AI governance in de praktijk vorm krijgt, welke rol stakeholders hierin spelen en hoe je AI-initiatieven kunt laten aansluiten op bredere kaders voor risicomanagement en informatieveiligheid. De theorie wordt steeds gekoppeld aan herkenbare voorbeelden uit organisaties, zodat duidelijk wordt hoe de inhoud toepasbaar is in verschillende contexten.

Onderwerpen als data governance, ethische besluitvorming, monitoring, incidentresponse en control frameworks komen uitgebreid aan bod. Daarnaast krijg je inzicht in actuele richtlijnen en standaarden, waaronder ISO/IEC 42001, de Europese AI-verordening en het NIST AI Risk Management Framework. Door deze kaders te leren begrijpen en interpreteren, kun je als professional beter inspelen op de eisen en verantwoordelijkheden die gepaard gaan met AI in de praktijk.

Deze training is bedoeld voor professionals die te maken hebben met het beheer van, beleid voor of toezicht op AI-toepassingen binnen hun organisatie. Of je nu werkzaam bent in security, compliance, IT-governance of beleidsontwikkeling: je krijgt een samenhangend en actueel beeld van hoe AI veilig en verantwoord ingezet kan worden, met oog voor risico's, kansen en maatschappelijke impact.

Cursus AAISM

In de cursus Advanced in AI Security Management (AAISM) krijg je inzicht in hoe organisaties AI veilig, beheersbaar en verantwoord kunnen inzetten. Je leert welke risico’s en kansen daarbij spelen, hoe governance en beleidskaders worden ingericht, en welke technische en organisatorische maatregelen nodig zijn om AI-toepassingen onder controle te houden. Aan de hand van voorbeelden wordt duidelijk hoe actuele standaarden en richtlijnen, zoals ISO/IEC 42001 en het NIST AI RMF, houvast bieden bij het inrichten van effectief AI-beheer

Bedrijfstraining AAISM

Wil je AAISM gaan gebruiken 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 AAISM - Advanced in AI Security Management 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 centrale thema’s: governance, risico- en kansmanagement, en technische controlemaatregelen. De onderwerpen volgen de structuur van het AAISM-framework en worden aangevuld met praktijkgerichte voorbeelden en actuele standaarden.

• AI Governance en programmabeheer
• • Inrichting van AI-governance binnen organisaties
  • • Rollen, verantwoordelijkheden en eigenaarschap
    • Samenwerking tussen business, IT, legal en compliance
  • Stakeholderanalyse en -management
  • • Identificatie van interne en externe belanghebbenden
    • Communicatie en transparantie over AI-systemen
  • Organisatorische structuren voor toezicht en besluitvorming
  • • Governance boards, ethische commissies, adviesgroepen
    • Mechanismen voor toezicht en escalatie
  • Beleidsvorming en richtlijnen voor AI-toepassingen
  • • Richtlijnen voor datagebruik, modelontwikkeling en deployment
    • Aansluiting bij bestaande IT- en securitybeleidslijnen
  • Verantwoording en ethiek in AI-systemen
  • • Transparantie, uitlegbaarheid en bias-beheersing
    • Toepassing van ethische principes in het AI-beheerproces
• AI risico- en kansmanagement
• • Identificatie en classificatie van AI-risico’s
  • • Risico’s op het gebied van veiligheid, privacy, betrouwbaarheid en legaliteit
    • Specifieke risico’s rond generatieve modellen
  • Beoordelen van risico’s in verschillende fasen van de AI-levenscyclus
  • • Ontwerp, ontwikkeling, training, validatie, implementatie, onderhoud
    • Use case-analyse en impactinschatting
  • Strategieën voor risicobeheersing en mitigatie
  • • Risicoacceptatie, -reductie, -overdracht of -vermijding
    • Beveiligingsmaatregelen gekoppeld aan risicoprofielen
  • Monitoring en herbeoordeling van risico’s
  • • Continue evaluatie van risico’s en performance
    • Feedbackloops en wijzigingsbeheer
  • Inbedding van AI-risicomanagement in bredere bedrijfsprocessen
  • • Relatie met enterpriserisicomanagement en informatiebeveiliging
    • Rapportage aan management en governance-structuren
• AI-technologieën en beheersmaatregelen
• • Overzicht van AI-architecturen en modellen
  • • Typologieën van AI-systemen (generatief, voorspellend, classificerend)
    • Modelstructuren en hun risico’s
  • Data governance en -beveiliging
  • • Beschikbaarheid, integriteit en vertrouwelijkheid van AI-input en -output
    • Beheer van trainingsdata, logging en versioning
  • Controlemechanismen voor veilige AI-systemen
  • • Technische maatregelen voor authenticatie, toegangsbeheer en logging
    • Beheersing van model drift en datapoisoning
  • Incidentmanagement in AI-omgevingen
  • • Detectie van afwijkend gedrag of uitval
    • Escalatieprocedures en herstelmaatregelen
  • Toepassing van standaarden en raamwerken
  • • ISO/IEC 42001, NIST AI RMF, OWASP Top 10 for LLMs
    • Koppeling aan bestaande audit- en complianceprocessen