Курс для роли, которая останавливает внедрение. Служба информационной безопасности, комплаенс и внутренний аудит не строят ИИ-решения — они решают, допускать их к эксплуатации или нет. Курс даёт рабочий документ, по которому это решение принимается воспроизводимо, а не по усмотрению конкретного специалиста.
Содержание построено вокруг того, чем ИИ-система отличается от обычного информационного актива с точки зрения допуска: недетерминированный вывод, внедрение инструкций через обрабатываемый документ, утечка через несогласованные права доступа в системе поиска по документам, отсутствие воспроизводимости при разборе инцидента. Классические контроли эти риски не закрывают.
Правовая рамка разбирается в том объёме, в котором она установлена и проверяема: Закон Республики Казахстан «Об искусственном интеллекте» № 230-VIII, введённый в действие 18 января 2026 года — уровни риска систем, обязательная маркировка синтетического контента в машиночитаемой форме, информирование о взаимодействии с ИИ, ответственность владельца и оператора, запрещённые практики. Отраслевые требования и подзаконные акты в программу не выносятся до заключения юридической службы заказчика — это отмечается на занятии прямо.
43 % учебного времени занимают практикумы. Курс завершается приёмкой тестового ИИ-решения по регламенту, который участник написал сам в первой половине дня.
Цель курса:
По окончании курса слушатель сможет:
классифицировать данные компании по контурам обработки и назначать каждому классу обязательные технические и организационные контроли;
определять уровень риска ИИ-системы и применимые к нему требования по законодательству Республики Казахстан;
выявлять векторы атак, специфичные для систем на языковых моделях: внедрение инструкций через обрабатываемый документ, извлечение данных через вывод, обход прав доступа в системе поиска по документам;
проектировать регламент приёмки ИИ-решения: состав проверок, критерии прохождения, основания мотивированного отказа;
формулировать требования к журналированию и аудиторскому следу, достаточные для разбора инцидента с недетерминированной системой;
проводить приёмку ИИ-решения по собственному регламенту и оформлять мотивированный отказ, выдерживающий обжалование со стороны заказчика внедрения.
Аудитория:
специалисты и руководители служб информационной безопасности — допуск систем, контроль периметра, разбор инцидентов;
комплаенс и юридическое сопровождение — соответствие требованиям законодательства, договорная база обработки данных;
внутренний аудит — проверка обоснованности допуска и достаточности контролей;
ответственные за защиту персональных данных — оценка законности обработки в контуре ИИ-решения;
архитекторы и ИТ-руководители, готовящие решение к согласованию, — курс даёт язык, на котором разговаривает согласующая сторона.
Необходимая подготовка:
Предварительная подготовка в области ИИ не требуется. Необходим профессиональный опыт в информационной безопасности, комплаенсе, внутреннем аудите или защите персональных данных и практическое знакомство с процедурой допуска информационных систем в своей организации.
Входной самотест:
Предварительные требования к курсу отсутствуют: линейка продаётся поштучно, и самотест маршрутизирует, но не блокирует. Если хотя бы на один вопрос ответ отрицательный — курс ваш.
К вам приходят согласовывать ИИ-решение — есть ли у вас документ, по которому вы его проверяете, или решение принимается по усмотрению?
Сможете ли вы обосновать отказ так, чтобы он выдержал обжалование у первого руководителя?
Знаете ли вы, как из корпоративной системы поиска по документам извлекается документ, к которому у пользователя нет доступа?
Практические приёмы, отрабатываемые на курсе:
Слушатель осваивает приёмы, применимые к собственным задачам с первого рабочего дня после обучения. Ниже — приёмы в сценарии, которые отрабатываются на практике.
Классификация данных под контуры обработки. Классы данных организации сопоставляются с тремя контурами — публичный сервис, корпоративный доступ по программному интерфейсу с договором обработки, локальное развёртывание. Каждому сочетанию назначается обязательный контроль. Результат — таблица, по которой инициатива проверяется за несколько минут, а не обсуждается неделю.
Определение уровня риска системы. Отнесение ИИ-системы к уровню риска по установленным критериям и вывод применимых обязанностей: маркировка синтетического контента в машиночитаемой форме, информирование пользователя о взаимодействии с ИИ, назначение ответственных, ведение документации.
Разбор атак, специфичных для языковых моделей. Внедрение инструкций в обрабатываемый документ; извлечение обучающих и контекстных данных через вывод; обход разграничения доступа в системе поиска по документам, когда права проверяются на уровне файла, а индексирование выполнено на уровне фрагмента; подмена источника при генерации ответа со ссылками. Каждый вектор показывается на стенде, а не описывается словами.
Контроль вывода и маркировка. Фильтрация вывода, обязательная точка контроля человека на необратимых операциях, маркировка сгенерированного материала, запрет автоматического исполнения решений модели в определённых классах операций.
Журналирование и аудиторский след. Что должно фиксироваться, чтобы инцидент с недетерминированной системой можно было разобрать: входной запрос, использованные фрагменты источников, версия модели и параметры, вывод, действие человека. Срок хранения и разграничение доступа к самому журналу.
Регламент приёмки и мотивированный отказ. Состав проверок, критерии прохождения, форма решения. Отказ формулируется через несоответствие конкретному требованию регламента, а не через оценку рискованности технологии в целом — только такой отказ выдерживает обжалование.
Сквозное правило курса: допуск предоставляется конфигурации, а не технологии. Решение формулируется через проверяемое требование регламента; общая ссылка на рискованность ИИ решением не является. Правило входит в критерии приёмки практикумов.
Что участник получает:
матрица «класс данных × контур × контроль», заполненная на классификации своей организации;
проект регламента приёмки ИИ-решения: состав проверок, критерии прохождения, основания отказа, форма решения;
каталог векторов атак на системы с языковыми моделями с описанием проверки и контрмеры по каждому;
требования к журналированию и аудиторскому следу ИИ-системы — редактируемый документ;
чек-лист проверки договора с поставщиком ИИ-сервиса: обработка данных, обучение на данных заказчика, хранение, локация, порядок расторжения;
оформленный образец мотивированного отказа и образец допуска с ограничениями.
Материалы передаются в редактируемых форматах на электронном носителе для информационного наполнения корпоративной базы знаний.
Что в курс НЕ входит:
Раздел приведён намеренно. При поштучном выборе курса главная причина неудовлетворённости — не слабая программа, а неверно выбранная.
техническая реализация ИИ-решений: построение систем поиска по документам, автоматизаций, развёртывание моделей — AI-220, AI-300, AI-310;
экономическое обоснование и расчёт стоимости владения — AI-100;
отраслевые требования регуляторов и подзаконные акты Республики Казахстан. В программу не выносятся до заключения юридической службы заказчика; на занятии это оговаривается прямо, а не обходится молчанием;
тестирование на проникновение и инструментальный аудит ИИ-систем.
Как проверяется результат:
Входное и итоговое тестирование. Входной тест — за 3 рабочих дня до старта (15 вопросов), итоговый — в конце учебного дня (20 вопросов). Целевой прирост — не менее 25 процентных пунктов, проходной порог — 70 %.
Приёмка практикумов по формальным критериям. Итоговый критерий курса: участник проводит приёмку тестового ИИ-решения по собственному регламенту, выявляет заложенные несоответствия и оформляет мотивированный отказ со ссылкой на конкретное требование.
Перенос навыка в работу. Индивидуальный «План 30 дней»: вынесение регламента приёмки на утверждение, проведение приёмки одного действующего или планируемого решения. Отложенный опрос через 30 дней.
Измеряемый эффект. Доля ИИ-инициатив, прошедших формальную приёмку; среднее время согласования ИИ-решения до и после введения регламента; доля решений с настроенным аудиторским следом. Методика замера передаётся заказчику.
Модуль 0. Границы модели и контуры данных. Единый вводный модуль всех курсов линейки. Что языковая модель делает надёжно, а что выдаёт правдоподобно и неверно — с демонстрацией на отраслевом корпусе группы. Классы данных и разрешённые контуры: что физически покидает периметр при обращении к внешнему программному интерфейсу. Базовая техника проверки вывода — три вопроса к любому результату модели. Перечень данных, не загружаемых ни при каких условиях, с привязкой к отрасли участников. Модуль повторяется во всех курсах намеренно: линейка продаётся поштучно, и ни один курс не вправе предполагать, что слушатель прошёл соседний. 60 минут.
Классификация данных под контуры и правовая рамка. Три контура обработки и что именно различает их с точки зрения допуска. Классы данных организации и назначение допустимого контура каждому. Закон Республики Казахстан «Об искусственном интеллекте» № 230-VIII, введённый в действие 18 января 2026 года: уровни риска систем, обязательная маркировка синтетического контента в машиночитаемой форме, информирование о взаимодействии с ИИ, ответственность владельца и оператора, запрещённые практики. Граница проверенного: что установлено законом, а что остаётся непроверенной гипотезой до заключения юридической службы. Практикум: классификация 12 задач и назначение контура. 60 минут.
Политика допустимого использования и реестр допущенных задач. Почему политика в форме декларации не исполняется и не проверяется. Закрытый перечень разрешённых задач против открытого перечня запретов. Роли: владелец системы, оператор, пользователь, согласующий. Порядок внесения новой задачи в реестр и порядок разбора нарушения. Требование маркировки и его техническая реализуемость. Практикум: сборка реестра допущенных задач для одного подразделения. 55 минут.
Векторы атак на системы с языковыми моделями. Внедрение инструкций в обрабатываемый документ — демонстрация на стенде: присланный контрагентом файл меняет поведение обработчика. Извлечение контекстных и служебных данных через вывод модели. Обход разграничения доступа в системе поиска по документам: права проверяются на уровне файла, индекс построен на уровне фрагмента — пользователь получает содержимое закрытого документа в тексте ответа. Подмена источника при генерации ответа со ссылками. Контрмеры и их стоимость. Практикум: поиск уязвимостей в предложенной конфигурации. 60 минут.
Контроль вывода, журналирование, аудиторский след. Фильтрация вывода и её пределы. Обязательная точка контроля человека: какие операции не исполняются без подтверждения и как это закрепляется технически, а не регламентом. Состав журнала, достаточный для разбора инцидента с недетерминированной системой: запрос, использованные фрагменты, версия модели и параметры, вывод, действие человека. Сроки хранения и разграничение доступа к журналу. Практикум: составление требований к журналированию для тестового решения. 50 минут.
Регламент приёмки и приёмка тестового решения. Состав проверок, критерии прохождения, форма решения, основания мотивированного отказа и допуска с ограничениями. Разбор типовой ошибки: отказ, сформулированный через общую оценку рискованности технологии, отменяется первым же руководителем. Практикум: приёмка тестового ИИ-решения по собственному регламенту с оформлением решения. Итоговое тестирование и «План 30 дней». 30 минут.
