Em um mundo no qual, apesar de haver percepção de valor em relação a dados, ainda se engatinha na governança de dados, o que implica em qualidade insuficiente para tratamentos complexos ou em alto volume; em que o "machine learning", apesar de todas as suas conquistas, demonstra falhas ocasionais e não triviais, sejam de conceito, sejam de engenharia de sistemas; em que tratamentos discriminatórios ou enviesados de consumidores são punidos implacavelmente pelo mercado; em que organizações já se deram conta que o comportamento ético e, no caso, em "data ethics", é recompensador e, finalmente, em que o uso de dados não é mais livre ou indiscriminado, devendo observar as limitações impostas pelas normas de proteção de dados, é natural que tenha havido impulso às atividades de auditoria em sistemas de inteligência artificial.
Separamos links para 5 frameworks de auditoria em IA que acreditamos representam o que há de melhor em best practices na área. Lembramos que frameworks são nortes. Não equivalem à garantia de um bom assessment ou base para método de compliance. O melhor framework é sempre o SEU framework devidamente justificado.
1. Control Objectives for Information and Related Technologies (COBIT) Framework
https://lnkd.in/dSys_A4E
- Singapore Personal Data Protection Commission (PDPC) Model AI Governance Framework
https://lnkd.in/dU9CyS9H - US Government Accountability Office (GAO) AI Framework
https://lnkd.in/dFzuKYdC - Committee of Sponsoring Organizations (COSO) Enterprise Risk Management Framework
https://lnkd.in/dXH8-SuN - Institute of Internal Auditors (IIA) Artificial Intelligence Auditing Framework
https://lnkd.in/d4-KqKcJ
Gustavo Artese, titular da Artese Advogados.
