A certificação AAIA Advanced in AI Audit capacita auditores de Sistemas de Informação com os conhecimentos essenciais para avaliar a conceção, governação e os riscos operacionais associados aos sistemas de AI.
Este curso ajuda os auditores a compreender o impacto da AI nos ambientes empresariais, nos sistemas e na tomada de decisão humana. Os participantes irão explorar frameworks de risco em AI, ferramentas e técnicas de auditoria através de exercícios práticos, case studies do mundo real e discussões colaborativas. O curso capacita os profissionais para navegar a adoção de AI com confiança, garantindo que as práticas de assurance se alinham com normas legais, éticas e operacionais.
Objetivos
- Explicar princípios de governação e avaliar riscos específicos de AI em toda a organização
- Avaliar a eficácia das operações de AI, dos processos do ciclo de vida e da monitorização de sistemas
- Aplicar boas práticas em privacidade de dados, testes de modelos e compliance ética
- Utilizar técnicas de auditoria específicas de AI para planeamento, execução e reporting
- Recolher, testar e analisar evidências de auditoria com recurso a ferramentas modernas e amostragem orientada por AI
- Produzir outputs de auditoria alinhados com as necessidades das partes interessadas e os requisitos regulamentares
Destinatários
- Auditores certificados, como profissionais com CISA, CIA ou CPA
- Equipas de governação de IT, compliance, privacidade e assurance
- Gestores de risco empresarial e auditores internos
- Profissionais de segurança e equipas de auditoria responsáveis por avaliar soluções e controlos de AI
Condições
- Inclui respetivo exame de certificação
Pré-Requisitos
Este curso foi criado para profissionais de auditoria de IT que já possuam certificações CISA, CIA ou CPA, embora tal não seja obrigatório. É esperado conhecimento prático de metodologia de auditoria, gestão de risco e governação de IT. Recomenda-se familiaridade com tratamento de dados e tecnologias emergentes.
Metodologia
Este curso tem uma duração aproximada de 11 horas assíncronas e é acedido através da plataforma da ISACA. Os formandos após a conclusão do curso obterão 11 CPE. Os conteúdos estão disponíveis em Inglês.
Programa
- Governação e Risco em AI
- Operações de AI
- Ferramentas e Técnicas de Auditoria de AI
Governação e Risco em AI
- Tipos de modelos de AI e machine learning
- Visão geral do ciclo de vida da AI, do planeamento até ao desmantelamento
- Use cases de negócio, análise custo-benefício e opções de implementação
- Estratégias de governação, papéis e políticas específicas para AI
- Formação, sensibilização e métricas em AI
- Paisagem de risco em AI, identificação, avaliação e monitorização
- Governação de dados para AI (classificação, licenciamento, retenção)
- Considerações de privacidade e regulamentares (GDPR, consentimento, propriedade)
- Práticas éticas, incluindo enviesamento, equidade e transparência
Operações de AI
- Gestão de dados específica para AI (recolha, confidencialidade, segurança)
- Gestão das fases do ciclo de vida da AI com metodologias de desenvolvimento
- Princípios de privacy-by-design e security-by-design
- Considerações de gestão da mudança para ambientes de AI
- Estratégias de supervisão: human-in-the-loop, observability, hallucination
- Testes a modelos de AI: de técnicas convencionais a técnicas específicas de AI
- Ameaças e vulnerabilidades, incluindo model poisoning e prompt injection
- Planeamento da resposta a incidentes, avaliação, contenção e revisão
Ferramentas e Técnicas de Auditoria de AI
- Planeamento e conceção de uma auditoria a AI
- Identificação de ativos e controlos de AI
- Use cases comuns de auditoria e necessidades de formação dos auditores
- Testes de auditoria e amostragem
- Metodologias de teste em AI e estratégias de amostragem
- Resultados esperados e indicadores de desempenho
- Tratamento, transformação e extração de dados
- Walkthroughs, entrevistas e análise de logs orientada por AI
- Garantir dados limpos e relevantes
- Aplicação de sentiment analysis e dashboards avançados
- Reporting consultivo, elementos visuais e automação
- Realização de follow-up de auditoria e garantia de quality assurance
- Técnicas de recolha de evidências
- Qualidade de dados e analytics
- Reporting dos resultados da auditoria de AI
