24 กรกฎาคม 2569 ถึง 18 พฤศจิกายน 2569

Responsible AI Safety & Governance Bootcamp

จุฬาลงกรณ์มหาวิทยาลัย

1. อุตสาหกรรมดิจิทัล

1. Data Science
2. Artificial Intelligence
3. Security Architecture
4. Security Assessment
5. Security Configuration
6. Project Management and Development

1. Introduction to AI Governance & NIST AI RMF
2. AI & The Law (Special Session for Specialists)
3. NIST "MAP" — Context & Risk Identification
4. Data Governance for AI
5. AI Security & Threat Landscape
6. Measuring Trustworthiness
7. AI Red Teaming Workshop
8. NIST "MANAGE" — Risk Treatment & Mitigation
9. Organizational Policy & Documentation
10. Auditing & Continuous Monitoring
11. Capstone Workshop — NIST AI RMF Implementation

Bootcamp

จุฬาลงกรณ์มหาวิทยาลัย

ภาคทฤษฎี 9 ชั่วโมง | ภาคปฏิบัติ 13 ชั่วโมง

วัตถุประสงค์:
ออกแบบเพื่อสร้างบุคลากรที่สามารถกำกับดูแลระบบ AI ตามมาตรฐานสากล โดยผู้เรียนจะ “เข้าใจ–ปฏิบัติได้จริง–และนำกลับไปใช้ในองค์กรทันที” ผ่านกรอบงานความเสี่ยงระดับโลกและเครื่องมือด้านความปลอดภัยที่จำเป็นต่อการทำงานในยุค AI จึงเป็นจุดเริ่มต้นสำคัญสำหรับองค์กรที่ต้องการก้าวสู่ มาตรฐานความปลอดภัย AI และสร้างบุคลากรที่สามารถดูแลระบบ AI ให้เชื่อถือได้ในทุกมิติ ตั้งแต่การออกแบบ การใช้งาน ไปจนถึงการกำกับดูแลอย่างยั่งยืน.

กลุ่มอุตสาหกรรม: อุตสาหกรรมดิจิทัล

ผลลัพธ์การเรียนรู้ (Learning Outcomes)
1). ด้านทักษะเทคนิค (Technical Skills)
สามารถ เข้าใจและประยุกต์ใช้กรอบงาน NIST AI RMF (Govern, Map, Measure, Manage) เพื่อประเมินความเสี่ยง การควบคุม และความน่าเชื่อถือของระบบ AI
สามารถทำ AI Red Teaming ระดับเบื้องต้น เพื่อทดสอบช่องโหว่ ความเสี่ยงด้านพฤติกรรมของโมเดล ตรวจหาความเอนเอียง (bias), jailbreak และ failure modes อื่น ๆ
สามารถจัดทำ AI Governance Policy, SOP, และ Accountability Document ตามมาตรฐานสากล


สามารถเชื่อมโยงกฎหมายที่เกี่ยวข้อง เช่น PDPA, Digital Governance, Liability, Corporate Data & IT Policy กับการออกแบบระบบ AI ภายในองค์กร
สามารถใช้เครื่องมือวิเคราะห์ความเสี่ยง เช่น AI Impact Assessment, Model Card, Risk Register และ Responsible AI Checklist
2). ด้านทักษะการคิดขั้นสูง (Cognitive Skills)
สามารถ วิเคราะห์ผลกระทบ ความเสี่ยง และความเชื่อถือได้ของ AI ตามหลักการ Fairness–Accountability–Transparency–Safety–Security
สามารถพิจารณา ข้อจำกัดเชิงเทคนิค–เชิงนโยบาย–เชิงกฎหมาย เพื่อออกแบบแนวทางกำกับดูแลที่เหมาะสมกับบริบทขององค์กร
สามารถคิดเชิงระบบเพื่อนำ NIST AI RMF ไปใช้กับกระบวนการจริง เช่น procurement, model evaluation, deployment, monitoring
สามารถตีความและจัดลำดับความสำคัญของ risk control เพื่อลดผลกระทบสูงสุดด้วยทรัพยากรที่จำกัด
สามารถออกแบบโครงสร้างกำกับดูแล (governance structure) ที่เชื่อมโยง data governance, security, compliance และทีมพัฒนา AI
3). ด้านทักษะวิชาชีพ (Professional Skills)
สามารถ เขียนเอกสารกำกับดูแลอย่างเป็นทางการ เช่น AI Policy, Risk Assessment Report, Audit Checklist, Model Governance Documentation
สามารถทำงานร่วมกับทีม Data Science, Cybersecurity, Legal, Compliance และผู้บริหาร เพื่อนำ AI Governance ไปใช้จริงในองค์กร
สามารถสื่อสารความเสี่ยง AI และผลลัพธ์จากการทดสอบ Red Teaming ให้กับผู้บริหารและทีมเทคนิคได้อย่างมืออาชีพ
สามารถจัดทำ AI Governance Implementation Plan และ Roadmap สำหรับองค์กร

รูปแบบการประเมินผล
การประเมินที่เน้นการตัดสินใจ (Decision-based Assessment)
Pre/Post-test
Legal Risk Checklist
Data Governance Checklist
Risk Treatment Plan
Capstone Implementation Plan and Board Presentation

Future Skills Set:
Artificial Intelligence สมรรถนะในการควบคุม สั่งการ และวางบทบาทของ AI ในการประยุกต์ใช้ในงานที่สามารถทำแทนมนุษย์ได้ เพื่อลดการใช้ทรัพยากร เวลา และบุคลากร
Project Management and Development สมรรถนะในการกำหนดทีมทำงาน วางแผนจัดการด้านการเงิน กำหนดตารางการทำงาน
Data Science สมรรถนะในการค้นหา จัดเก็บ วิเคราะห์ และใช้ข้อมูลขนาดใหญ่ (Big Data) ทั้งข้อมูลที่มีโครงสร้าง (Structured Data) และข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) เพื่อหารูปแบบความสัมพันธ์หรือแบบแผนความเชื่อมโยง โดยใช้เครื่องมือหรือแบบจำลองทางคณิตศาสตร์ เพื่อออกแบบโปรแกรมในการทำงาน
Security Configuration สมรรถนะในการจัดการโครงสร้างด้านความปลอดภัย
Security Assessment สมรรถนะในการประเมินและตรวจสอบระบบความปลอดภัย
Security Architecture สมรรถนะด้านสถาปัตยกรรมด้านความปลอดภัย