Eğitimin Amacı ve Kapsamı
Toplantı notu özetleyen bir şirket içi araç ile kredi limiti belirleyen veya işe alım sıralaması yapan bir modeli aynı denetim sürecine sokmak kaynak israfına ya da tehlikeli boşluklara yol açar. Bu eğitim, her yapay zeka kullanım senaryosunu dakikalar içinde doğru risk sınıfına yerleştiren kurumsal bir sınıflandırma metodolojisi kurmayı öğretir.
AB Yapay Zeka Yasası risk piramidi (yasaklı, yüksek risk, şeffaflık yükümlülüklü, minimal risk) ile kurumsal operasyonel, finansal, gizlilik ve itibar kriterlerini birleştiren çok boyutlu bir puanlama modeli işlenir. Katılımcılar kendi kurumları için Risk Sınıflandırma Soru Seti ve katman bazlı zorunlu kontrol tablosu oluşturur.
Kimler Katılmalı?
- Kurumsal risk yönetimi, uyum, iç kontrol ve bilgi güvenliği uzmanları
- Yapay zeka yönetişim ekibi üyeleri ve AI CoE sorumluları
- Yeni yapay zeka taleplerini değerlendiren ürün yöneticileri ve iş analistleri
- Hukuk ve veri koruma (KVKK) danışmanları
Kazanımlar
- Regülasyon gereksinimlerini ve iç iş risklerini birleştiren bir AI risk taksonomisi oluşturabilir
- Otonomi seviyesi, kararın geri döndürülebilirliği ve veri hassasiyetine göre risk katmanı (Tier 1-4) belirleyebilir
- Görünüşte düşük riskli bir aracın kullanım bağlamı değiştiğinde nasıl yüksek riske geçtiğini tespit edebilir
- Her risk katmanı için zorunlu test, dokümantasyon, insan kontrolü ve onay gereksinimlerini eşleştirebilir
- Proje girişinde (intake) otomatik puanlama sağlayan bir risk sınıflandırma anketi tasarlayabilir
Konular
Kurumsal Yapay Zeka Risk Taksonomisi
- Temel haklar, güvenlik, operasyonel süreklilik, finansal kayıp, gizlilik ve itibar boyutları
- Model türü (tahminleyici ML, LLM, çok adımlı agent) ile kullanım bağlamının etkileşimi
- Doğal risk (inherent risk) üzerinden ilk sınıflandırma ilkesi
Regülasyon Eksenli Sınıflandırma: AB Yapay Zeka Yasası Kriterleri
- Madde 5 yasaklı uygulamalar kontrolü
- Ek I (ürün güvenliği) ve Ek III (İK, eğitim, kredi/sigorta, kritik altyapı vb.) yüksek risk taraması
- İstisnalar, profilleme kriteri ve genel amaçlı (GPAI) şeffaflık kuralları
Çok Boyutlu Risk Katmanlama (Tiering) Modeli
- Kullanıcı kitlesi (iç çalışan vs müşteri/vatandaş) ve etki ölçeği
- Otonomi derecesi: bilgi arama, öneri/taslak, otomatik aksiyon alma
- Kararın etkisi, geri döndürülebilirliği ve kullanılan verinin gizlilik sınıfı
Risk Katmanından Zorunlu Kontrollere Eşleştirme
- Düşük, Orta, Yüksek ve Kritik katmanlar için farklılaşan gereksinimler
- Hangi katmanda red teaming, bias testi, FRIA/etki analizi veya komite onayı zorunlu olur?
- Kapsam değiştiğinde (ör. iç copilot'un müşteriye açılması) yeniden sınıflandırma tetikleyicileri
Sınıflandırma Soru Seti (Intake Questionnaire) Tasarım Atölyesi
- 12-15 soruluk pratik sınıflandırma formu ve puanlama mantığı
- Gerçek kurumsal senaryolar üzerinde kalibrasyon testi
Bu Kategorideki Diğer Eğitimler
-
AB Yapay Zeka Yasası'nın (EU AI Act) Türkiye'deki kurumlara etkisini, sağlayıcı ve konuşlandırıcı yükümlülüklerini, uyum takvimini ve Madde 4 kapsamındaki zorunlu kurumsal yapay zeka okuryazarlığı (AI Literacy) programını kurgulamayı öğretir.
- Canlı Kurs
- 5 modül
-
Yapay zeka projelerinde KVKK ve GDPR uyumunu, yurt dışı LLM API veri aktarımını, RAG ve prompt'larda kişisel veri maskelemeyi, eğitim verisi telif risklerini, AI çıktılarının fikri mülkiyet sahipliğini ve sözleşme koruma maddelerini öğretir.
- Canlı Kurs
- 5 modül
-
Dış tedarikçilerden alınan yapay zeka çözümlerini, kapalı ve açık ağırlıklı (open-weight) temel modelleri ve üçüncü taraf agent'ları güvenlik, veri kullanımı, performans, bağımlılık ve sözleşme boyutlarında denetlemeyi öğretir.
- Canlı Kurs
- 5 modül
-
Yapay zeka süreçlerinde göstermelik onaylar ve otomasyon körlüğü (automation bias) tuzağına düşmeden; human-in-the-loop, human-on-the-loop, güven eşiği yönlendirmesi ve anlamlı insan gözetimi (AB AI Act Madde 14) tasarlamayı öğretir.
- Canlı Kurs
- 5 modül
-
Makine öğrenmesi ve büyük dil modellerinde önyargı (bias) kaynaklarını tespit etmeyi, iş bağlamına uygun adalet (fairness) ölçütünü seçmeyi ve SHAP/LIME ile LLM gerekçelendirme tekniklerini müşteri ve denetçi açıklamalarına dönüştürmeyi öğretir.
- Canlı Kurs
- 5 modül
-
Yapay zeka sistemleri için veri, model, prompt/RAG, güvenlik guardrail'leri ve insan gözetimi katmanlarında iç kontrol hedefleri tanımlamayı; kontrol etkinliğini test etmeyi ve iç denetim çalışma programı hazırlamayı öğretir.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
