65 сценариев использования ИИ-агентов от Stack AI

В whitepaper рассмотрены более 65 практических сценариев использования ИИ-агентов в разных сферах (страхование, финансы, образование и т.д.) с примерами workflow и результатами. Можно посмотреть идеи по автоматизация ваших процессов.
И не забудьте посчитать выгоду, возможно уже работающий специалист будет выгоднее, чем внедрение автоматизации, ведь кейсы и обьемы задач у всех разные.

#AIShelf
————
@pattern_ai

Deepfake в суде или как ИИ уничтожил дело Mendones v. Cushman & Wakefield

Высший суд Калифорнии, округ Аламеда впервые прекратил дело из-за deepfake-доказательств.
Истцы подали ходатайство о вынесении решения в порядке упрощенного судопроизводства (motion for summary judgment) и представили несколько видео, фотографий и скриншотов сообщений, представленных в качестве свидетельских показаний или признаний.

Судья Виктория Колаковски заподозрила фальсификацию: лица без мимики, речь не совпадает с движением губ, некоторые “записанные” свидетели, как выяснилось, давно умерли, а в метаданных GPS-координаты,телефонные номера и “музыкальные жанры”.

Само решение интересно изучить,т.к. это пример судебного анализа и сопоставления доказательств.

Суд признал нарушение ст. 128.7 Гражданского процессуального кодекса Калифорнии, которая требует от сторон подтверждения того, что их заявления имеют доказательную базу и не представлены в ненадлежащих целях, также сослался на положения УK Калифорнии о лжесвидетельстве (ст. 118) и подделке документов (ст. 470) и окончательно прекратил производства по делу.
Суд отказался передавать материалы в прокуратуру, но прямо предупредил:

“Используйте генеративный ИИ в суде с величайшей осторожностью.”

Почему это важно для нас?
Это первое известное решение, где deepfake стал основанием для закрытия дела. Суд признал, что у судов нет инструментов для проверки подлинности цифровых файлов, а ответственность лежит на сторонах и юристах.
Новые технологии создают и новые вызовы для судебной системы, ведь судьи вынуждены самостоятельно проводить “техническую экспертизу” доказательств, и нет единых процедур проверки AI-контента и стандартов аутентичности, что может привести к
подрыву доверия к судебному процессу и росту нагрузки на суды.

Что делать юристам, чтобы не попасть в схожие ситуации:
▪️ сохранять оригиналы и метаданные;
▪️ раскрывать использование ИИ;
▪️ вводить внутренние AI-правила для юристов.

Рекомендации клиентам:
▪️проверяйте источник любого видео или фото, особенно если его прислал “свидетель” или контрагент.
▪️не используйте AI-генераторы для “улучшения” материалов, которые могут попасть в суд или аудит.
▪️ храните оригиналы файлов и историю переписок, теперь и метаданные могут решить исход дела.
▪️будьте готовы подтвердить подлинность (суды всё чаще будут требовать доказательства, что контент не создан ИИ).
▪️ спрашивайте юриста, как безопасно использовать AI-инструменты в вашей компании.

Как считаете, кто должен отличить настоящее видео от подделки, если от этого зависит судьба дела, например, суд, эксперты или какой-то ИИ-инструмент, и чья это будет ответственность?

#LawAndDisorder
————
@pattern_ai

Как разработчики ИИ управляют рисками: первый сводный отчёт по Хиросимскому процессу

Опубликован отчёт “How Are AI Developers Managing Risks?”, обобщающий первые отчёты компаний в рамках Hiroshima AI Process Reporting Framework (HAIP).
Фреймворк был запущен в начале 2025 года как первый международный добровольный механизм отчётности для организаций, создающих передовые ИИ-системы.

Как использовать отчеты компаний для своих целей, разбирала в этом посте.

Сводный отчёт охватывает 20 организаций ( технологические и телеком-компании, исследовательские институты) из 7 стран (Япония (7), США (6), Германия, Канада, Корея и Румыния).

✏️ Ключевые выводы:
🔹 Оценка рисков. Компании выстраивают подходы на основе Принципов ОЭСР по ИИ и компонентов AI Act, фреймворки NIST. Используются как количественные метрики, так и экспертная оценка на всех стадиях жизненного цикла системы.
🔹Тестирование и безопасность. Распространены методы red teaming (симуляции атак), многоуровневые стратегии безопасности, zero-trust-архитектуры, фильтрация данных, настройка и модерация выходов модели. Некоторые организации вводят пороговые значения риска, после которых включаются дополнительные защитные меры.
🔹 Прозрачность. Потребительские компании чаще публикуют model cards и отчёты о прозрачности. B2B раскрывают сведения через контракты.Обмениваются данными в основном с исследователями и регулирующими органами.
🔹Управление. Большинство интегрируют риски ИИ в общие системы корпоративного управления и качества, создают команды по реагированию на инциденты, делятся кейсами через блоги и кросс-отраслевые инициативы.
🔹Происхождение контента. Инструменты маркировки вроде watermarking пока на пилотной стадии (используются крупными игроками участниками инициатив C2PA и NIST Synthetic Content Taskforce).
🔹Безопасность и исследование. Приоритеты исследований: дезинформация, кибербезопасность, смещения и справедливость моделей; активно развиваются партнёрства с гос- и академическими структурами.
🔹Общественные цели. Многие применяют ИИ для задач здравоохранения, образования, инклюзии и климата, в том числе разрабатывают энергоэффективные модели и программы цифровой грамотности.

Этот отчет HAIP демонстрирует, что добровольная международная отчётность может стать эффективным инструментом ответственного управления ИИ, помогая организациям обмениваться практиками, повышать интерпретируемость, устойчивость и подотчётность систем.

#AIShelf
————
@pattern_ai

OpenAI раскрыла тревожную статистику об эмоциональной зависимости от ChatGPT

OpenAI опубликовала данные, которые показывают, как глубоко ИИ уже встроился в человеческое поведение.
По внутреннему исследованию компании, около 0,15 % активных пользователей ChatGPT каждую неделю ведут разговоры, в которых видны признаки суицидальных мыслей или намерений.
При еженедельной аудитории более 800 миллионов пользователей это более 1,2 миллиона человек. Ещё 0,07 % показывают признаки психоза или мании.

В ответ OpenAI запустила программу с участием 170 психиатров и психологов, чтобы улучшить реакцию модели на критические ситуации. Обновлённый ChatGPT теперь корректно отвечает на подобные запросы в 91 % случаев, тогда как прежние версии делали это только в ~77 %.
Эти цифры показывают, что ИИ становится не просто инструментом, а участником эмоциональной жизни. Пользователи всё чаще обращаются к модели не ради информации, а за поддержкой, советом или пониманием.

Такое слияние когнитивных и эмоциональных функций является ключом к новому феномену, который исследователи называют co-adaptation или взаимное приспособление человека и ИИ.

О том, как именно это взаимодействие перестраивает поведение людей и общества разберем в следующем посте «Как ИИ меняет поведение людей и наоборот».

Подробнее о том, как Emotion AI превращает ваши эмоции в + 20 CTR для компании и как ИИ учится управлять вашими решениями смотрите в предыдущих постах.

#UXWatch
————
@pattern_ai

Как ИИ меняет поведение людей и наоборот

Behavioural Insights Team выпустила доклад на 107 страниц "AI & Human Behaviour: Augment, Adopt, Align, Adapt" о том, как ИИ не просто помогает нам, а меняет саму структуру человеческих решений.
Начиная со всем известной статистики, что расходы на ИИ достигнут $644 млрд в 2025 году, а 1 из 4 компаний уже использует ИИ как минимум в одной бизнес-функции; половина взрослых в США испробовали хотя бы одну большую языковую модель (LLM), авторы говорят о том, что за всеми техно-фантазиями скрывается игнорирование человеческого поведения и показывают, как бихевиоральная наука может усилить ИИ, что особенно актуально на фоне последнего исследования OpenAI.

Исследователи выделили четыре A вызова:
🔹 Augment. Не просто сделать ИИ умнее, а сделать его лучше взаимодействующим с людьми. Например, дизайнеры используют Copilot для генерации идей и экономии времени, сохраняя творческий контроль, т.е. ИИ может стать «когнитивным напарником», если человек остаётся главным в процессе.

🔹 Adopt.Почему люди и организации принимают или отказываются от ИИ. Дело не только в технологии, но в мотивации, способностях и доверии. Например, исследование YouTube показало, что авторы адаптируют стиль и темы под рекомендации системы, копируя логику алгоритма ('meticulous', 'delve', 'realm' and 'adept' стали использоваться чаще после выхода ChatGPT). Поведенческая пластичность становится новой нормой.

🔹 Align . Обучение ИИ человеческим ценностям, устройству человеческой психики. Например, команды исследуют, как встроить принципы “value alignment”, чтобы чат-боты не усиливали предвзятость и давали этично согласованные ответы. В эксперименте по дебатам о контроле над оружием (≈1500 участников в США) ИИ предлагал мягкие переформулировки. Например, вместо “Gun control advocates don’t understand the Constitution” - “I think we interpret the Constitution differently.” В результате участники чаще чувствовали себя услышанными и вели конструктивный диалог.

🔹 Adapt. Как должно эволюционировать общество, когда ИИ становится частью нашей среды. Ведь уже не только ИИ, но и мы меняем привычки ради него. Пользователи учатся писать “prompt-языком”, чтобы получить «нужный ответ», а маркетологи оптимизируют креативы под алгоритмы TikTok и Instagram.
🔹Предлагается метакогнитивный контроллер (resource-rational): управляет портфелем методов рассуждения, экономит ресурсы, т.е. не «пережёвывает» простые задачи и не бросает сложные. Это можно поощрять через meta-reinforcement learning и тренировки метакогнитивных навыков (например, принятие перспективы).
🔹Говорится о перспектива нейросимволического подхода: гибрид нейронных сетей и символической логики, где создаётся цикл (символическая проверка улучшает нейронные интуиции, а интуиции помогают символике искать решения быстрее).

Один из ключевых инсайтов доклада: ИИ не просто инструмент, он становится новым актором поведения, влияние идёт в обе стороны. Алгоритмы формируют наше поведение, а человеческие паттерны обучают их в ответ.
Для того, чтобы ИИ действительно работал в интересах человека, исследователи призывают объединять поведенческую науку, дизайн решений и регулирование, т.е. разработка должна строиться на понимании психологии и социальных эффектов алгоритмов, а тестировать ИИ-решения необходимо не только на точность, но и на влияние на выбор, восприятие и доверие пользователя.

Примеры для команд:
▪️При принятии ИИ учитывайте мотивацию (зачем?), способности (могу ли я?) и доверие (доверяю ли я?).
▪️При проектировании ИИ-продукта, думайте о метакогниции: ИИ должен помогать человеку не просто сделать шаг, а выбрать правильный шаг.
▪️При проектировании взаимодействия учитывайте, что ИИ может влиять на наше мышление, укрепляя привычки, предвзятости, стиль общения.

Дополнительно почитать:
▪️Empirical evidence of Large Language Model’s influence on human spoken communication by Hiromu Yakura and others

#UXWatch
————
@pattern_ai

Обновлены рекомендации EDPS по генеративному ИИ

Европейский надзорный орган по защите данных (EDPS) опубликовал обновлённые ориентиры по тому, как учреждения, органы и агентства ЕС (EUIs) должны обеспечивать соответствие требованиям защиты данных при использовании генеративных систем ИИ.

Посмотрим некоторые положения, а лучше прочитайте гайд.

🔹 Уточненные роли и обязанности , помогающие EUI определить, действуют ли они в качестве контролеров, совместных контролеров или обработчиков;
🔹 Подробные консультации по правовым основам, ограничению целей и обработке прав субъектов данных в контексте генеративного ИИ.
🔹Web scraping не запрещён сам по себе, но будет сложно обосновать законное основание для такой обработки.
🔹 DPO должны понимать весь жизненный цикл генеративной модели и проявлять независимость при консультировании по применению Регламента.
🔹 Удаление отдельной записи из обучающего набора данных, как правило, не повлияет на качество модели, но может быть технически сложно.
🔹 Нужно внедрять меры, учитывающие уязвимости генеративных моделей (атаки инверсии, prompt injection, jailbreak) и обеспечивать их постоянный мониторинг.

Что взять бизнесу на заметку:
▪️Использовать рекомендации как “эталон GDPR-комплаенса”, выстраивать процедуры реагирования на запросы об удалении данных, формировать внутреннюю политику “AI Governance”, пересматривать DPIA, обосновывать использование данных при web scraping, что важно для обучения моделей.
▪️ проверять модели на утечки данных, настраивать мониторинг атак, привлекать DPO к процессу проектирования и внедрения ИИ.

Даже если вы не являетесь организацией ЕС, эти рекомендации EDPS можно использовать как фреймворк для законного и безопасного внедрения генеративного ИИ.
#LawAndDisorder
————
@pattern_ai

Новое исследование Microsoft или где рождается, развивается и используется ИИ

Исследовательская группа Microsoft Research под эгидой AI Economy Institute опубликовала отчёт “AI Diffusion: Where AI is most used, developed and built”.

ИИ стал самой быстро внедряемой технологией в истории человечества, охватив более 1,2 миллиарда пользователей менее чем за 36 месяцев, что превышает темпы внедрения интернета, персонального компьютера или даже смартфона.

🔹Внедрение ИИ в странах глобального Севера примерно вдвое превышает внедрение в странах глобального Юга, разрыв резко увеличивается в странах, где ВВП на душу населения ниже 20 000 долларов США.
🔹ИИ опирается на три технологии: электричество, связь и вычисления. Почти 4 млрд. человек до сих пор не имеют базовых навыков, необходимых для использования ИИ.
🔹Языковая асимметрия остаётся критическим барьером.
🔹Количество моделей ИИ продолжает расти, разрыв в производительности между ними сокращается. 7 стран обладают передовыми моделями ИИ ( США, Китай, Южная Корея, Франция, Великобритания, Канада и Израиль). США на первом месте, Китай отстаёт менее чем на шесть месяцев, а Израиль на последнем месте с разницей в 11 месяцев.
🔹 Лидеры внедрения ИИ ОАЭ (59,4%), Сингапур (58,6%), Норвегия, Ирландия по использованию среди трудоспособного взрослого населения, что отражает их долгосрочные инвестиции в цифровую связь и навыки.
🔹США и Китай в совокупности располагают 86% мощностей мировых центров обработки данных , что подчеркивает, насколько концентрированной остается основа ИИ.
🔹Для измерения глобального прогресса ИИ предлагается три дополнительных индекса:
1. Индекс передовых технологий ИИ - оценка ведущих мировых передовых моделей по их производительности и инновационности.
2. Индекс инфраструктуры ИИ - отражает наличие возможностей для создания, обучения и масштабирования ИИ.
3. Индекс распространения ИИ - отражает области внедрения ИИ.
🔹Три силы распространения:
1. Строители новых горизонтов - исследователи и создатели моделей, расширяющие границы интеллекта.
2. Разработчики инфраструктуры - разработчики инфраструктуры обеспечивают вычислительные мощности и возможности подключения, которые делают возможным крупномасштабный интеллект.
3. Пользователи - отдельные лица, компании и правительства, которые используют, адаптируют и применяют новые технологии для решения реальных проблем.

#AIShelf
————
@pattern_ai

Промпт для проверки DPA от DataGrail

А дальше к экспертам...

Act as a senior Privacy Counsel or Data Protection Officer reviewing a Data Processing Agreement (DPA). Your goal is to identify legal and operational privacy risks, flag missing or vague clauses, map regulatory compliance, and recommend redlines or follow-up questions. Review it across the following dimensions:

Roles and Scope of Processing: Identify whether the vendor is a processor, controller, or both. List the categories of personal data and data subjects. Flag any vague or overly broad processing purposes. Note if the DPA permits secondary uses such as analytics, profiling, or AI/ML model training.

Subprocessors: Confirm whether a list of subprocessors is included or referenced. Evaluate if the DPA provides notification, approval, or objection rights. Determine whether subprocessors are contractually bound to equivalent obligations.

International Transfers: Identify whether the DPA includes safeguards such as Standard Contractual Clauses (SCCs), the UK IDTA, or EU-U.S. Data Privacy Framework. Flag any gaps in protection for non-EEA data transfers or lack of transparency about hosting locations.

Security and Breach Notification: Summarize the security controls mentioned, such as encryption, access management, and certifications (e.g., ISO 27001, SOC 2). Evaluate whether the DPA specifies a timeline for personal data breach notifications (e.g., 24 to 72 hours) and assess the sufficiency of the language.

Data Subject Rights (DSARs): Confirm that the processor assists with access, deletion, correction, and portability requests. Check for defined response timelines or SLAs. Note if rights support is conditional, vague, or missing.

Data Retention and Deletion: Review post-termination data handling. Confirm if data will be returned or deleted upon termination, and whether backup systems are included. Identify vague statements such as “as required by law” without details.

Audit Rights and Cooperation: Determine whether the controller is granted direct or third-party audit rights. Check if the DPA covers cooperation with DPIAs, regulatory investigations, or incident response.

Indemnity and Liability: Review whether liability is capped and if privacy-related obligations are excluded from caps. Identify any indemnities for data protection violations or third-party claims.

Regulatory Compliance: Map the DPA against GDPR Article 28 (processing instructions, confidentiality, subprocessor conditions, deletion, assistance, audit). For CPRA/CCPA, confirm the presence of “service provider” or “contractor” language, prohibition on selling or sharing data, and use restrictions. If health data is in scope, check for HIPAA-compliant terms or a Business Associate Agreement.

Emerging Risk Trends: Note whether the DPA restricts AI/ML model training on customer data, offers faster-than-required DSAR support, or provides access to audit reports or Records of Processing Activities.

Format your output as a structured privacy review report with the following sections:

Executive Summary: Include an overall risk rating (Low / Moderate / High) and a Go / Conditional Go / No-Go recommendation with a 1–2 sentence rationale.

Findings by Clause or Topic: For each key clause, summarize the issue, flag risks, highlight vague or missing terms, and quote the contract if relevant. Use concise bullet points. Label findings as sufficient, partial, or missing.

Compliance Matrix: Provide a table or list showing whether the DPA complies with GDPR, CPRA/CCPA, HIPAA (if applicable) and other data privacy laws, marked as Compliant / Partial / Gap, with short notes per law.

Suggested Redlines and Questions: Recommend draft edits or additions for key gaps. Include follow-up questions the user should raise with the vendor where language is unclear or missing.

Style guidance: Keep language concise and professional. Use clear headings and short paragraphs. If any required information is not found in the DPA, mark as “Unknown” and suggest asking the vendor.

#TalkPrompty
————
@pattern_ai

AI Regulation Global Guide или правила игры в 12 юрисдикциях

По мере того как компании масштабируют внедрение AI, регуляторный ландшафт становится всё сложнее. В гайде, подготовленном Norton Rose Fulbright, собрано регулирование в 12 юрисдикциях.
🔹 где уже приняты или готовятся отдельные акты об ИИ;
🔹 как требования GDPR, UK GDPR, CCPA и других режимов влияют на AI-системы;
🔹 применение ИИ при найме на работу и в трудовой деятельности, в том числе риски алгоритмической дискриминации и требования к прозрачности при найме;
🔹 применение ИИ в медицинской сфере, классификация AI-моделей как медицинских изделий;
🔹 регуляторное внимание к автоматизированным решениям и генеративным моделям в сфере финтеха.

#LawAndDisorder #AIShelf
————
@pattern_ai

The Annual AI Governance Report 2025: Steering the Future of AI

Еще ноябрь, но уже выпускаются годовые отчеты. Разбираем в этом посте отчет от Международного союза электросвязи ( International Telecommunication Union).
🔹Эпоха автономии. ИИ переходит от инструментов к акторам.
«Теперь она учится, адаптируется и действует, часто без спроса.
Разрыв в подотчетности быстро увеличивается. Рост вопросов ответственности, трассируемости и координации таких систем.
🔹Генеративный ИИ повышает производительность в средних квалификациях (служба поддержки, контент, копирайтинг), но сжимает зарплаты и снижает спрос в рутинных профессиях.
Правительства реагируют пилотными инициативами India AI Skilling Stack, EU Worker Transition Funds.
🔹Глобальная координация. Мировые лидеры переходят от саммитов к стандартам, но 100+ стран всё ещё не имеют голоса в глобальной повестке и рискуют остаться лишь потребителями чужих стандартов.
🔹ITU, ISO, IEC и IEEE создают единую экосистему стандартов (от технических и управленческих до социально-этических).
🔹К 2030 году дата-центры под ИИ могут потреблять до 327 ГВт или столько же, сколько целый штат Калифорния.
🔹Национальные AI Safety Institutes формируют общие протоколы тестирования и мониторинга.
Но единых критериев всё ещё нет:
- кто решает, какой ИИ «опасен»?
- как проверять открытые модели?
- где граница между свободой разработки и безопасностью?
Отчёт призывает к созданию глобальных механизмов верификации, аналогов систем контроля в ядерной и климатической политике.

#AIShelf
————
@pattern_ai

ИИ в медицине: между потенциалом и реальностью

Исходя из отчетов за 2025, потенциал ИИ в медицинской сфере огромный, но масштабное внедрение всё ещё исключение, а не правило.

ИИ уже используется для:
▪️диагностики и скрининга (улучшает точность интерпретации изображений (рентген, МРТ, дерматология, офтальмология), помогает врачам выявлять ранние признаки заболеваний);
▪️административной эффективности ( автоматизация расписаний, приоритезация обращений, ускорение документооборота);
▪️подбора персонализированного лечения совместно с врачом ( прогноз реакции на терапию, подбор дозировки, помощь в онкологии и кардиологии);
▪️проведения исследований (обработка медицинских данных для клинических испытаний).

Основные барьеры для внедрения:
▪️несовместимость данных (разные форматы систем, слабая структурированность, ограниченный доступ к качественным наборам данных);
▪️ недостаток клинических доказательств (проверка на исторических данных, но не в условиях реальной клинической практики);
▪️недостаток прозрачности и объяснимости алгоритмов;
▪️строгие ограничения со стороны регуляторов.
По оценке экспертов, большинство проектов остаются на стадии пилотов.

Главные рекомендации из отчётов:
▪️стандартизировать данные;
▪️валидировать модели в реальных клинических условиях;
▪️ обеспечивать прозрачность и человеческий надзор;
▪️обучать медицинский персонал работе с ИИ;
▪️формировать мультидисциплинарные команды.

Список отчетов и проектов законов для изучения:
🔹Health Information Bill | Singapore;
🔹The Responsible AI Standard by Abu Dhabi’s Department of Health;
🔹Health AI Policy Tracker US|Manatt;
🔹Study on the deployment of AI in healthcare| The European Commission;
🔹Interrogating the research and development pipeline of artificial intelligence (AI) in health: diagnosis and prediction-based diagnosis|JRC;
🔹Evaluation framework for health professionals' digital health and AI technologies: evidence-based policy recommendations|LSE;
🔹The Future of AI-Enabled Health: Leading the Way| World Economic Forum;
🔹The Responsible Use of AI in Healthcare (RUAIH)|Joint Commission;
🔹2025: The State of AI in Healthcare|US;
🔹Future Health Index report;
🔹Mapping the application of artificial intelligence in traditional medicine: technical brief|World Health Organization;

#UXWatch #AIShelf
————
@pattern_ai

Новое Руководство по управлению рисками систем ИИ от EDPS

Европейский надзорный орган по защите данных (EDPS) опубликовал гайд (Guidance for Risk Management of Artificial Intelligence systems), который поможет контролёрам проводить оценку рисков обработки ПД при разработке, закупке и внедрении ИИ-систем.

🔹Документ основан на методологии ISO 31000:2018 и описывает полный жизненный цикл ИИ (от проектирования до вывода из эксплуатации).
🔹Подчёркнута роль интерпретируемости и объяснимости (interpretability & explainability) как ключевых условий соблюдения требований EUDPR.
🔹Четыре принципа обработки персональных данных соотнесены с конкретными рисками и техническими мерами, которые контролёры могут реализовать для снижения этих рисков.
Fairness (справедливость) - риск дискриминации и предвзятости моделей.
Accuracy (точность) - надежность и корректность данных и предсказаний.
Data minimisation (минимизация данных) - ограничение объема обрабатываемой информации.
Security (безопасность) - устойчивость к несанкционированному доступу и атакам.
EDPS подчёркивает, что

перечень не исчерпывающий и не освобождает организации от самостоятельной оценки рисков.

Документ не ранжирует риски по вероятности или тяжести последствий. Это остаётся задачей контролёра.
🔹Дается список некоторых контрольных показателей в качестве отправной точки, которые можно использовать для оценки систем ИИ.
🔹Чек-лист для каждого этапа разработки жизненного цикла ИИ.

Документ полезен не только институтам ЕС.
Компании могут использовать его как базовый ориентир для управления рисками:
▪️включите стадию риск-менеджмента в жизненный цикл проекта ИИ;
▪️используйте подход ISO 31000:2018: идентификация рисков → оценка → выбор мер контроля → мониторинг остаточных рисков;
▪️при работе с персональными данными определите, какие принципы могут быть нарушены;
▪️документируйте какой риск, на каком этапе жизненного цикла, какая мера контроля выбрана;
▪️внедрите внутренний аудит точности и безопасности моделей;
▪️при закупке внешнего ИИ-решения прописывайте в договоре требования к моделям, обязательства поставщика предоставить информацию (данные, валидация, обновления), возможность аудита, отчёты по безопасности и bias-мониторингу.
▪️отразите процессы во внутренних политиках, в том числе мониторинг после запуска.

#LawAndDisorder #AIShelf
————
@pattern_ai