Intertek AI2

Offriamo corsi condotti da esperti sulla ISO 42001 per aiutare il tuo team a comprendere e implementare sistemi di gestione dell’AI, allineati alle migliori pratiche internazionali. Il corso bilancia innovazione e governance, affrontando rischi specifici dell’AI come etica, trasparenza e apprendimento continuo. I partecipanti comprendono l’importanza della governance dell’AI, come identificare e gestire i rischi correlati e come costruire un sistema di gestione dell’AI (AIMS) conforme alla ISO/IEC 42001.

Forniamo servizi di auditing e certificazione del sistema di gestione AI secondo i requisiti della ISO/IEC 42001.

Rafforziamo le pratiche di sviluppo dell’AI valutando i controlli organizzativi con la ISO/IEC 42001. Supportiamo obiettivi di qualità strutturati, documentazione del ciclo di vita e processi di miglioramento continuo per i sistemi AI.

Applichiamo la ISO/IEC 23894 e il NIST AI Risk Management Framework per aiutarti a identificare, valutare e trattare i rischi specifici dell’AI lungo tutto il ciclo di vita del sistema.

Valutiamo la conformità dell strutture di governance alla ISO/IEC 42001 e al Regolamento Europeo sull’AI. Dai ruoli e responsabilità alla documentazione e agli audit, i nostri servizi aiutano le organizzazioni a esercitare un controllo operativo su vasta scala.

Combinando sicurezza funzionale, cybersecurity e AI, per assicurare che l’AI si comporti come previsto, anche in condizioni avverse o di guasto. Il nostro lavoro supporta sia la resilienza tecnica che la solidità normativa. 

Identifichiamo vulnerabilità e rischi informatici nei sistemi AI utilizzando i principi di ISO/IEC 23894, OWASP Machine Learning Security Top Ten e OWASP Top 10 per applicazioni basate su modelli linguistici di grandi dimensioni. Questo include l’analisi di rischi come l’avvelenamento dei dati, attacchi di evasione e l’estrazione di modelli.  

Valutiamo i sistemi di Intelligenza Artificiale per individuare rischi di cybersecurity, compresi quelli legati all’infrastruttura di supporto, ai sistemi, alle applicazioni AI e ai modelli AI. Il nostro lavoro si concentra sulla sicurezza dell’intero ecosistema dell’Intelligenza Artificiale, includendo analisi delle vulnerabilità, test di penetrazione e attività di red teaming specifiche per l’AI.  

Supportiamo i clienti nella validazione dell’uso di AI/ML nell’applicazione di simulazioni con digital twin per valutare il comportamento del sistema. Questo consente di identificare precocemente gli scenari di rischio e assicura che le tecnologie digital twin che integrano l’AI possano essere utilizzate in modo affidabile per accelerare la conformità.  

Le nostre pre-valutazioni identificano le lacune rispetto alle normative e agli standard AI attuali ed emergenti, inclusi l'AI Act dell'UE e gli standard ISO/IEC. Otterrai un piano d’azione chiaro per accelerare la conformità ed evitare costose sorprese durante le valutazioni formali.  

In linea con la ISO/IEC 42001 e i requisiti dell’AI Act dell’UE, esaminiamo come è definita e implementata la supervisione umana. Questo include la valutazione dei punti di intervento, dei percorsi di escalation e della responsabilità decisionale per i sistemi AI ad alto rischio.  

Valutiamo la qualità dei dataset utilizzati nei sistemi di Intelligenza Artificiale sulla base della serie ISO/IEC 5259, che definisce dimensioni chiave come accuratezza, completezza, tempestività e rappresentatività. Le nostre revisioni si concentrano su come la qualità dei dati influisca sulle prestazioni del modello, sulla sicurezza e sulla conformità, in particolare nelle applicazioni ad alto rischio. Supportiamo processi strutturati e verificabili per la gestione e il miglioramento dei dati lungo tutto il ciclo di vita dell’AI.  

Individuiamo e valutiamo i bias utilizzando i principi delle norme ISO/IEC TR 24027 e ISO/IEC TS 12791. Attraverso le nostre analisi supportiamo l’equità nei dataset e nel comportamento dei modelli, e guidiamo le azioni di mitigazione quando sono rilevate disparità.  

Valutiamo la documentazione per esaminare le tecniche di spiegabilità, includendo la governance dei dati e la supervisione umana affinchè ci sia chiarezza nella spiegazione del modello. In questo modo i tuoi sistemi AI saranno trasparenti, tracciabili e allineati ai futuri requisiti normativi in materia di trasparenza.  

Valutiamo le prestazioni focalizzandoci su  performance dichiarate, stabilità, generalizzazione, deriva e resilienza. Con il nostro lavoro assicuriamo che i modelli funzionino in modo affidabile in condizioni operative reali, non solo in ambiente di laboratorio.  

 Seguendo le linee guida dello standard ISO/IEC 24029-1:2021, testiamo i sistemi AI per verificarne la resilienza sotto stress, rumore nei dati e casi limite. Queste valutazioni analizzano quanto efficacemente i modelli si comportino in condizioni reali, incerte o ostili, affinché siano stabili e affidabili.  

Valutiamo come i componenti guidati dall’AI interagiscano con le funzioni di sicurezza in sistemi come la robotica e i macchinari, in conformità con gli standard di sicurezza funzionale rilevanti, come IEC 61508, ISO 13849 e ISO 26262. Il nostro obiettivo è dimostrare che il comportamento dell’AI sia prevedibile, controllabile e sicuro. Supportiamo le aziende nell'individuare che l’AI non comprometta la sicurezza funzionale, in particolare nei sistemi che coinvolgono decisioni dinamiche, interazione umana o movimento autonomo.  

Valutiamo quanto sia comprensibile e trasparente il tuo sistema AI, dagli output del modello alla documentazione del ciclo di vita, contribuendo a rendere i sistemi opachi (“black box”) comprensibili ad utenti, auditor e regolatori.  

Supportiamo i clienti nello sviluppo e nell’esecuzione di solide strategie di test per l’AI che permettano di verificare e validare il comportamento e i risultati del modello, assicurando la tracciabilità dal training all’implementazione.