Hoe weten we of onze huidige AI-governancestructuur voldoende volwassen is voor een assurance-onderzoek?
Veel organisaties hebben al losse AI-initiatieven, maar geen formeel beleid. Tijdens de voorbereiding kijken we of er een duidelijke structuur bestaat (bijv. AI-board, risk committee) en wie welke verantwoordelijkheden draagt. Dit vormt de basis voor een betrouwbare assurance-scope.
Wat moeten we precies documenteren om te laten zien dat het eigenaarschap van AI-toepassingen goed is geregeld?
De auditor verwacht dat helder is vastgelegd wie verantwoordelijk is voor business-gebruik, IT-beheer en datascience. Dit hoeft niet complex te zijn, zolang rollen, besluitvorming en escalaties maar transparant en herleidbaar zijn.
Hoe beoordelen jullie of onze data geschikt is voor een assurance-opdracht?
We kijken naar herkomst, volledigheid, representativiteit en datakwaliteit. Klanten vragen vaak of ze hiervoor nieuwe tooling moeten implementeren, dat is meestal niet nodig; overzicht, consistentie en basic datakwaliteit zijn de belangrijkste eerste stappen.
Wat als onze modellifecycle nog niet volledig is vastgelegd? Kunnen we dan toch starten?
Ja. De assurancevoorbereiding is juist bedoeld om hiaten zichtbaar te maken. Veel organisaties hebben wel trainingen, tests en monitoring uitgevoerd, maar niet alles formeel gedocumenteerd. Wij helpen bepalen welke onderdelen nodig zijn om tot een toetsbare modellifecycle te komen.
"*" geeft vereiste velden aan
|
Van Nelleweg 2521 3044 BC Rotterdam |
|
| info@coneyminds.nl | |
| +31 (0)10 284 92 88 | |
|
Grote Houtstraat 180 2011 SZ Haarlem |
|
| info@coneyminds.nl | |
| +31 (0)23 221 00 84 | |
|
Dorpsstraat 2a 5051 CK Goirle |
|
| info@coneyminds.nl | |
| +31 (0)10 284 92 88 | |