Kurset giver en grundig introduktion til de juridiske rammer for udvikling og anvendelse af kunstig intelligens i både offentlig og privat sektor. Deltagerne får et praksisnært overblik over, hvordan AI-teknologier fungerer, hvor de anvendes, og hvilke regulatoriske krav der gælder, når løsningerne baseres på omfattende datamængder og behandling af personoplysninger.
Undervisningen gennemgår centrale AI-koncepter som data mining, deep learning, neurale netværk og prediktive modeller, så deltagerne kan identificere relevante risici og krav allerede i design- og indkøbsfasen. Der arbejdes med eksempler fra tilsyn, svigbekæmpelse, sagsforberedelse, afgørelser, rekruttering og analyseprocesser.
Juridiske rammer for AI
Kernen er databeskyttelsesretten: behandlingsgrundlag, formålsbegrænsning, dataminimering, gennemsigtighed og dokumentationspligt. Kurset forklarer krav til behandling af særlige kategorier af oplysninger, oplysningspligter, rettigheder for registrerede samt håndtering af sikkerhedsbrud. Særligt fokus er på automatiserede afgørelser og profilering efter GDPR art. 22, herunder mulighedsbetingelser, undtagelser og nødvendige garantier.
For offentlige myndigheder behandles forvaltningsretlige hensyn som hjemmelsprincip, saglighed, ensartethed og sagsbehandlingskrav efter forvaltningsloven, herunder dokumentation, partshøring og begrundelse. Deltagerne får indsigt i, hvordan disse krav omsættes til styring, transparens og efterprøvbarhed i algoritmiske beslutningsprocesser.
Metoder og værktøjer
Kurset viser, hvordan privacy by design omsættes til praksis via klare datagovernance-strukturer, datakortlægning, rolle- og ansvarsfordeling, adgangsstyring, logning, systemdokumentation og interne kontrolmekanismer. Der gives anvisninger til kontraktuel regulering, herunder databehandleraftaler og krav til leverandører om dokumentation, test og løbende vedligehold.
Deltagerne lærer at gennemføre konsekvensanalyser (DPIA) målrettet AI: afgrænsning af formål, beskrivelse af behandlingsaktiviteter, risikoscenarier, vurdering af sandsynlighed og alvor, afbødende foranstaltninger, residualrisiko og beslutningsgrundlag for eventuel forudgående høring hos Datatilsynet. Metoder til kontrol af bias, validering af modeller, forklarbarhed, audit-trails og opfølgende tilsyn gennemgås.
Praktisk udbytte
Efter kurset kan deltagerne strukturere kravspecifikationer til AI-projekter, vælge passende behandlingsgrundlag, indarbejde nødvendige garantier ved profilering og automatiserede afgørelser, samt sikre gennemsigtighed over for registrerede og beslutningstagere. De kan planlægge og dokumentere privacy by design, udføre og dokumentere DPIA’er, opstille test- og tilsynsprogrammer for algoritmer og etablere styringsmodeller, der understøtter compliance og bæredygtig drift af AI-løsninger.
Kurset er særligt relevant for indkøbere, udviklere, jurister, databeskyttelsesrådgivere og beslutningstagere, der vil forene innovation med robuste databeskyttelses- og forvaltningsretlige standarder.
