Training Course
Artificial Intelligence Act (ΑΙ Act) & ISO 42001 AI Management System
Η ICAP CRIF σε συνεργασία με τον “Hellenic Association of Risk Managers” (www.harima.gr), μέλος της FERMA (Federation European of Risk Management Associations, www.ferma.eu), της FECMA (Federation of European Credit Management Associations, www.fecma.eu) και του ISSP (International Society of Sustainability Professionals, www.sustainabilityprofessionals.org), με την υποστήριξη του “Academics University of London Worldwide”, παρουσιάζουν το σεμινάριο “Artificial Intelligence Act (AI Act)”. Μετά την παρακολούθηση χορηγείται στους απόφοιτους Πιστοποιητικό παρακολούθησης.
Εισαγωγή στον Κανονισμό AI Act και στο πρότυπο ISO 42001 για το AI, το νέο διεθνές πρότυπο για Συστήματα Διαχείρισης Τεχνητής Νοημοσύνης (AIMS)
Ανάλυση των απαιτήσεων του προτύπου για ασφαλή, υπεύθυνη και αξιόπιστη χρήση της AI σε οργανισμούς
Ανάλυση των απαιτήσεων του προτύπου για ασφαλή, υπεύθυνη και αξιόπιστη χρήση της AI σε οργανισμούς
Κατανόηση του πλαισίου διακυβέρνησης που διασφαλίζει συμμόρφωση, διαφάνεια και λογοδοσία
Πρακτική καθοδήγηση στη δημιουργία και εφαρμογή ενός AI Management System.
Σύνδεση / σχέση προτύπου με άλλα κανονιστικά πλαίσια και νόμους (AI Act, GDPR etc.)
Παραδείγματα υλοποίησης, best practices και εργαλεία για αξιολόγηση κινδύνων ΑΙ
Στελέχη επιχειρήσεων που υλοποιούν ή σχεδιάζουν συστήματα AI
Υπεύθυνους Κανονιστικής Συμμόρφωσης, Data Protection Officers και Risk Managers
IT Managers, CTOs, AI Product Owners & ML Engineers
Σύμβουλους Ποιότητας, ISO Consultants και επαγγελματίες ψηφιακού μετασχηματισμού
Οργανισμούς που επιθυμούν να πιστοποιηθούν στο ISO 42001
Όσους θέλουν να κατανοήσουν το νέο πλαίσιο αξιολόγησης κινδύνων, ηθικής, ασφάλειας και κανονιστικής συμμόρφωσης στην τεχνητή νοημοσύνη
Τι είναι ο Κανονισμός AI Act, πως δομείται, ποιες απαιτήσεις δημιουργούνται
Ποια είναι η διαβάθμιση κινδύνων σύμφωνα με τον Κανονισμό
Ποιοι είναι οι βασικοί stakeholders ενός AI Συστήματος και ποιος ο ρόλος του καθενός
Τι είναι το ISO 42001 και ποια προβλήματα έρχεται να λύσει
Πώς δομείται ένα AI Management System και ποια έγγραφα/διαδικασίες απαιτούνται
Πώς γίνεται η αναγνώριση, ανάλυση και διαχείριση κινδύνων ΑΙ
Πώς διασφαλίζεται η διαφάνεια των αλγορίθμων, η ακρίβεια, και η ποιότητα των δεδομένων
Οι διαφορετικοί ρόλοι και ευθύνες συμμόρφωσης των εταιριών ανάλογα την χρήση, ανάπτυξη, εισαγωγή, διανομή συστημάτων ΑΙ
Πώς οργανώνεται ένα σύστημα συνεχούς βελτίωσης και monitoring AI συστημάτων
Πώς προετοιμάζεται ένας οργανισμός για επιτυχή πιστοποίηση ISO 42001
Πρακτικές τεχνικές και templates για policies, assessment reports και AI impact evaluation
About
Θεματολογία
1.Εισαγωγή στην Τεχνητή Νοημοσύνη & Ρυθμιστικό Πλαίσιο
- Basic principles of Artificial Intelligence and modern applications
- Challenges, risks & need for responsible use of AI
- The need for standards and regulatory compliance
- AI Act Regulation (purpose-structure-requirements)
- Basic Regulation Definitions
- Key Stakeholders Regulation: Providers-Deployers-Importers-Manufacturers
- AI Act Risk Rating
- General Purpose AI Model with Systemic Risk
- Documentation-Transparency-Monitoring-Risk Assessment Obligations
- Risk Management during the Selection-Development-Purchase-Implementation-Distribution-Change of AI Systems
- Supervision and Non-Compliance Penalties
- AI Act vs. GDPR Requirements
- Brief overview of ISO 42001 and EU AI Act
2.ISO 42001 – Θεμελιώδη στοιχεία και δομή του προτύπου
- What is an AI Management System (AIMS)
- ISO 42001 Structure & High-Level Structure (HLS) Relationship
- Key requirements: policies, roles, responsibilities, governance
- Documentation and change management in AI systems
3. Διακυβέρνηση & Οργανωτικό Πλαίσιο AI (Governance Framework)
- AI Governance principles & ethical AI
- Transparency, reliability, and accountability in AI systems
- Data, quality, and integrity
- Governance Models and AI Ethics Committees
4.Risk Management για Συστήματα AI σύμφωνα με ISO 42001
- Μεθοδολογίες αναγνώρισης και αξιολόγησης κινδύνων AI
- Operational, technical, ethical & societal risks
- Εργαλεία και τεχνικές για AIRisk Assessments
- Διαχείριση bias, explainability και robustness
5.EU AI Act – Βασικές Απαιτήσεις και Ταξινόμηση Κινδύνου
- Risk categories: Unacceptable, High-Risk, Limited, Minimal
- Systemic Risk
- Requirements for high-risk AI systems
- Technical & organizational compliance requirements
- Preparation for Conformity Assessment
Obligations for Risk Assessment-Transparency-Accountability-Monitoring-Compliance
6.Σύνδεση ISO 42001 με το EU AI Act
- How ISO 42001 works as a compliance framework in the AI Act
- Mapping requirements AIMS ↔ AI Act obligations
- Integration of legal obligations into AIMS procedures
- Practical guidelines for organizations
7.Data Governance & Data Lifecycle Management
- Requirements for data quality
- Transparency in the collection, processing and use of data
- Documentation dataset & data lineage
- Protection of personal data (in relation to GDPR)
8.AI Model Lifecycle – Monitoring, Validation & Continuous Improvement
- Model development, documentation & validation
- Monitoring of AI systems and failure detection
- Explainability, transparency and evaluability of the models
- Continuous improvement and retraining pipelines
9.Policies, Procedures & Documentation Requirements
- AI Policy, AI Risk Policy, Data Governance Policy
- Incident management & escalation procedures
- Model cards, data sheets, audit logs & technical documentation
- Documentation for audits and certification
Προετοιμασία Οργανισμού για Συμμόρφωση με το AI Act & Πιστοποίηση ISO 42001
- AIMS Application Steps
- Gap analysis, readiness assessment & maturity evaluation
- Internal audits and corrective actions
- Certification process & best practices.
16
Hours Live Online
Course start date 7 May 2026
Attendance Certificate
Subsidized by LAEK
Early Bird: €600
Cost of Attendance: € 780
0%
Skilled and Profesional Advisors
0k+
Φιλόδοξοι Συμμετέχοντες
0+
Χρόνια Εμπειρίας
0+
Εκπαιδεύσεις & Πιστοποιήσεις
Our Team Experts
