IA responsable: una guía no técnica para gerentes

Resumen

Balancing AI Innovation with Ethics:

Fairness, Privacy, and Generative AI Risks for Managers What you'll learn:

Understand the main risks of working with (generative) AI, related to:

privacy, fairness, explainability, transparency and accountability.Evaluate AI projects in terms of responsible AIUnderstand these risks and responsible AI practices through real-world examples in areas as banking, recruitment, healthcare and education.Understand main issues related to regulations, such as the EU AI ActDefine the role and responsibilities of a Responsible AI BoardImplement Strategies for AI Risk MitigationPromote Organizational AI LiteracyUnderstand and Plan for Long-Term AI Risks In today's rapidly evolving technological landscape, understanding and managing the risks associated with AI is crucial for business leaders.Course Overview:

"Responsible AI:

A Non-Technical Guide for Managers" povides a high-level introduction and is tailored to equip managers with the knowledge and tools necessary to navigate the complexities of AI implementation responsibly. The course provides both key concepts, some initial solutions and various cautionary tales to make the issue more tangible.The course is structured in five Sections:

Intro to Machine Learning, AI and Responsible AICore Principles of Responsible AI related to privacy, fairness and transparencyGenerative AI Risks as hallucinations, data leakage and biasAdvanced Topics in Responsible AI related to sustainability,AGI and ASIImplementing Responsible AI in Practice focusing on the responsible AI board, principles and trainingWhy Enroll?This course offers a comprehensive, non-technical approach, making it accessible to managers from diverse backgrounds.Through real-world examples and practical insights, you'll gain the confidence to lead AI initiatives that are not only innovative but also ethically sound and sustainable.Whether you're new to AI or looking to deepen your understanding of its ethical implications, this course equips you to lead responsibly in a rapidly evolving technological landscape.

Programa

• **Introducción al Aprendizaje Automático, IA e IA Responsable**
Panorama de la IA y el Aprendizaje Automático
Definición e Importancia de la IA Responsable
Estudios de Caso: Implementaciones Exitosas y No Exitosas de IA
• **Principios Fundamentales de la IA Responsable**
Privacidad: Protección de Datos y Consentimiento del Usuario
Equidad: Evitar Discriminación y Sesgo
Transparencia: Explicabilidad e Interpretabilidad de los Modelos de IA
Responsabilidad: Rendición de Cuentas en la Toma de Decisiones de IA
• **Riesgos de la IA Generativa**
Comprensión de Alucinaciones en Modelos Generativos
Riesgos de Fugas de Datos e Infracciones de Privacidad
Identificación y Mitigación del Sesgo en la IA Generativa
• **Temas Avanzados en IA Responsable**
Sostenibilidad de la IA e Impacto Ambiental
Consideraciones a Largo Plazo con AGI y ASI (Inteligencia Artificial General y Súper Inteligencia)
El Papel de la IA en la Configuración del Panorama Regulatorio Futuro
• **Implementación de IA Responsable en la Práctica**
Establecimiento de un Comité de IA Responsable: Roles y Responsabilidades
Desarrollo y Aplicación de Principios Éticos de IA
Capacitación y Fomento de la Alfabetización en IA dentro de las Organizaciones
Estrategias para Mitigación de Riesgos de IA
Planificación para Riesgos de IA a Largo Plazo
• **Marcos Regulatorios y Directrices**
Resumen de la Ley de IA de la UE y sus Implicaciones
Comprensión de Tendencias Regulatorias Globales y Cumplimiento
• **Conclusiones e Visión Estratégica**
Ejemplos del Mundo Real: IA en Banca, Reclutamiento, Salud y Educación
Construcción de una Cultura de Liderazgo Ético en IA
Estrategias para el Aprendizaje Continuo y Adaptación en IA
• **Cierre del Curso**
Resumen de Aprendizajes Clave
Discusión Final y Preguntas y Respuestas

---

Impartido por

David Martens

---

Materias

Computer Science