Κωδικός Μαθήματος

ΠΔ-320

Εξάμηνο Μαθήματος

1ου Εξαμήνου

Πιστωτικές Μονάδες

7,5

Ηλεκτρονικό Υλικό

Κατηγορία Μαθήματος

Υποχρεωτικό

Στόχος

Το μάθημα παρέχει ολοκληρωμένη κατανόηση της διακυβέρνησης πληροφοριακών συστημάτων και της διακυβέρνησης τεχνητής νοημοσύνης. Οι φοιτητές μαθαίνουν να σχεδιάζουν αποτελεσματικές υπηρεσίες διακυβέρνησης με μετρήσιμους στόχους, να επιλέγουν και να εφαρμόζουν διεθνή πρότυπα (COBIT, ITIL, ISO/IEC), και να αντιμετωπίζουν τα νέα ζητήματα που εγείρει η ΤΝ: αλγοριθμική διαφάνεια, λογοδοσία, επεξηγησιμότητα και συμμόρφωση με κανονιστικά πλαίσια όπως ο EU AI Act.

Μαθησιακά Αποτελέσματα

Με την ολοκλήρωση του μαθήματος οι φοιτητές θα μπορούν:

  • να επιλέγουν και να εφαρμόζουν καθιερωμένα πρότυπα διακυβέρνησης ΠΣ (COBIT 2019, ITIL
    4, ISO/IEC 38500) για τον σχεδιασμό αποτελεσματικών υπηρεσιών διακυβέρνησης με
    μετρήσιμους στόχους
  • να αξιολογούν στρατηγικές διακυβέρνησης μέσω δεικτών και μετρικών απόδοσης, και να σχεδιάζουν δράσεις διάδοσης και ευαισθητοποίησης σε θέματα διακυβέρνησης
  • να αναγνωρίζουν και να αντιμετωπίζουν ζητήματα AI Governance: διαφάνεια, επεξηγησιμότητα (explainability), λογοδοσία (accountability) και δικαιοσύνη (fairness)
  • να σχεδιάζουν πλαίσια αλγοριθμικών ελέγχων (algorithmic auditing) και AI impact assessment, και να οργανώνουν επιτροπές δεοντολογίας AI σε οργανισμούς
  • να κατανοούν και να εφαρμόζουν το κανονιστικό πλαίσιο για την ΤΝ (EU AI Act, NIST AI RMF) και τα σχετικά πρότυπα ISO/IEC (42001, 22989, 23894)

Περιεχόμενα Μαθήματος

  • Θεμελιώδεις αρχές διακυβέρνησης ΠΣ

    Η αποτυχία πληροφοριακών συστημάτων και η αναγκαιότητα διακυβέρνησης ψηφιακών υποδομών, ορισμός, αρχές και συστατικά διακυβέρνησης ΠΣ, παραδείγματα και ασκήσεις.

  • Πλαίσια διακυβέρνησης

    COBIT 2019, ITIL 4, ISO/IEC 38500 – δομή, λειτουργία, διαδικασίες, ενσωμάτωση ζητημάτων τεχνητής νοημοσύνης, συγκριτική αξιολόγηση και κριτήρια επιλογής.

  • AI Governance – Αρχές και Πλαίσια

    Διαφάνεια, επεξηγησιμότητα, λογοδοσία, δικαιοσύνη EU AI Act και κατηγοριοποίηση κινδύνου (unacceptable, high-risk, limited, minimal risk) NIST AI Risk Management Framework.

  • AI Governance – Πρότυπα και Εφαρμογή

    ISO/IEC 42001 (AI Management System), ISO/IEC 22989 (AI terminology/concepts), ISO/IEC 23894 (AI risk management) πρακτική εφαρμογή AI Governance σε οργανισμούς, επιτροπές δεοντολογίας AI, διακυβέρνηση κύκλου ζωής συστημάτων τεχνητής νοημοσύνης (AI Lifecycle Governance), ανθρώπινη εποπτεία και παρέμβαση (Human Oversight), πολιτικές χρήσης και διακυβέρνησης ΤΝ (AI Policies), ρόλοι και αρμοδιότητες στη διακυβέρνηση ΤΝ (AI Roles & Responsibilities), διακυβέρνηση χρήσης υπηρεσιών ΤΝ τρίτων παρόχων (Third-party AI Governance).

  • Αλγοριθμικοί έλεγχοι και AI impact assessment

    Μεθοδολογίες algorithmic auditing, εργαλεία αξιολόγησης επιπτώσεων AI, διασφάλιση συμμόρφωσης, ανίχνευση και αντιμετώπιση αλγοριθμικής μεροληψίας.

  • Διακυβέρνηση δεδομένων και AI

    Ποιότητα δεδομένων, data lineage και provenance, ανίχνευση μεροληψίας (bias detection), data governance frameworks και η σχέση τους με την αξιόπιστη ΤΝ.

  • Ευρωπαϊκό Πλαίσιο Διαλειτουργικότητας και Ψηφιακή Δεκαετία 2030

    EIF, EIS, EIRA, Connecting Europe Facility (CEF), ευρωπαϊκή στρατηγική για τα δεδομένα και την ΤΝ, PEPPOL, e-SENS.

  • Πρότυπα ηλεκτρονικής διακυβέρνησης και ανοιχτά δεδομένα

    Πλαίσιο Ηλεκτρονικής Διακυβέρνησης (ΠΗΔ), πρότυπα διαλειτουργικότητας, ψηφιακή αυθεντικοποίηση, EU Open Data Portal, Open Government Partnership, ανοιχτό λογισμικό.

  • Μελέτη εφικτότητας και αξιολόγηση επενδύσεων ΠΣ

    Πλαίσιο PIECES, διαστάσεις επιχειρηματικής εφικτότητας (τεχνική, οικονομική, λειτουργική, νομική), δομή εγγράφου μελέτης εφικτότητας, ανάλυση κόστους-οφέλους.

  • Μελέτες περίπτωσης

    TAxisnet, gov.gr και Διαδικτυακή Πύλη ΕΡΜΗΣ AI governance use cases σε τραπεζικό τομέα, δημόσια διοίκηση και υγεία – μέθοδοι και δείκτες μέτρησης και αξιολόγησης υπηρεσιών ψηφιακής διακυβέρνησης.

Βιβλιογραφία