Intertek AI²

Chúng tôi cung cấp chương trình đào tạo ISO 42001 do chuyên gia hướng dẫn nhằm giúp đội ngũ của bạn hiểu và triển khai hệ thống quản lý AI phù hợp với các thông lệ quốc tế. Khóa học giúp cân bằng giữa đổi mới và quản trị thông qua việc giải quyết các rủi ro đặc thù của AI như đạo đức, tính minh bạch và khả năng học hỏi liên tục. Học viên sẽ nắm rõ tầm quan trọng của quản trị AI, cách nhận diện và kiểm soát các rủi ro liên quan đến AI, cũng như cách xây dựng Hệ thống Quản lý AI (AIMS) phù hợp với tiêu chuẩn ISO/IEC 42001. Chương trình cũng chỉ ra cách tích hợp ISO 42001 với các tiêu chuẩn hiện có để tạo ra một phương pháp quản lý AI thống nhất và đáng tin cậy.

Chúng tôi thực hiện đánh giá và cấp chứng nhận hệ thống quản lý AI theo yêu cầu của ISO/IEC 42001.

Chúng tôi củng cố hoạt động phát triển AI thông qua việc đánh giá các kiểm soát nội bộ theo ISO/IEC 42001. Dịch vụ của chúng tôi hỗ trợ xây dựng mục tiêu chất lượng có hệ thống, tài liệu hóa vòng đời phát triển và cải tiến liên tục phù hợp với hệ thống AI.

Chúng tôi áp dụng tiêu chuẩn ISO/IEC 23894 và Khung quản lý rủi ro AI của NIST để hỗ trợ xác định, đánh giá và xử lý các rủi ro đặc thù của AI trong toàn bộ vòng đời hệ thống. Phương pháp của chúng tôi tích hợp tư duy rủi ro vào cả quyết định kỹ thuật và quản lý tổ chức.

Chúng tôi đánh giá hệ thống quản trị phù hợp với ISO/IEC 42001 và các yêu cầu của Đạo luật AI của EU. Từ việc phân công vai trò, trách nhiệm cho đến tài liệu và kiểm toán, dịch vụ của chúng tôi giúp tổ chức vận hành hiệu quả hệ thống kiểm soát AI ở quy mô lớn.

Kết hợp giữa An toàn chức năng (Functional Safety), An ninh mạng (Cybersecurity) và AI, chúng tôi giúp đảm bảo hệ thống AI vận hành đúng như dự định, ngay cả trong các điều kiện bất lợi hoặc khi xảy ra lỗi. Giải pháp của chúng tôi hỗ trợ cả khả năng phục hồi kỹ thuật lẫn khả năng đáp ứng yêu cầu pháp lý.

Chúng tôi xác định các điểm dễ bị tấn công và rủi ro an ninh mạng trong hệ thống AI dựa trên các nguyên tắc từ ISO/IEC 23894, OWASP Top 10 về Bảo mật Machine Learning, và OWASP Top 10 dành cho các ứng dụng sử dụng Mô hình Ngôn ngữ Lớn (LLM). Phân tích bao gồm các rủi ro như: nhiễm độc dữ liệu (data poisoning), tấn công né tránh (evasion attacks), và đánh cắp mô hình (model extraction).

Chúng tôi đánh giá hệ thống AI để phát hiện các rủi ro an ninh mạng liên quan đến hạ tầng hỗ trợ, ứng dụng AI và các mô hình AI. Công việc của chúng tôi tập trung vào việc bảo vệ toàn diện hệ thống AI, bao gồm đánh giá lỗ hổng, kiểm thử xâm nhập và các bài kiểm tra mô phỏng tấn công (AI red teaming).

Chúng tôi hỗ trợ khách hàng xác minh việc sử dụng AI/ML trong ứng dụng mô phỏng song sinh số nhằm đánh giá hành vi của hệ thống. Điều này giúp sớm nhận diện các kịch bản rủi ro và đảm bảo công nghệ song sinh số ứng dụng AI có thể được sử dụng một cách tin cậy để tăng tốc quá trình đánh giá tuân thủ.

Chúng tôi thực hiện các đánh giá sơ bộ nhằm xác định những khoảng trống trong việc tuân thủ các quy định và tiêu chuẩn AI hiện hành và sắp được ban hành, bao gồm Đạo luật AI của EU và các tiêu chuẩn ISO/IEC. Bạn sẽ nhận được một kế hoạch hành động rõ ràng để đẩy nhanh tiến độ tuân thủ và giảm thiểu những bất ngờ tốn kém trong quá trình đánh giá chính thức.

Phù hợp với ISO/IEC 42001 và các yêu cầu của Đạo luật AI EU, chúng tôi xem xét cách thức giám sát của con người được xác định và triển khai. Nội dung đánh giá bao gồm các điểm can thiệp, quy trình xử lý sự cố và trách nhiệm ra quyết định đối với các hệ thống AI có rủi ro cao.

Chúng tôi đánh giá chất lượng bộ dữ liệu được sử dụng trong hệ thống AI dựa trên loạt tiêu chuẩn ISO/IEC 5259, xác định các yếu tố chính như độ chính xác, tính đầy đủ, tính kịp thời và tính đại diện. Các đánh giá tập trung vào ảnh hưởng của chất lượng dữ liệu đối với hiệu suất mô hình, độ an toàn và tính tuân thủ, đặc biệt trong các ứng dụng rủi ro cao. Chúng tôi hỗ trợ xây dựng quy trình quản lý và cải tiến dữ liệu có cấu trúc và có thể kiểm chứng xuyên suốt vòng đời AI.

Chúng tôi xác định và đánh giá các thành kiến trong hệ thống AI dựa trên các nguyên tắc của ISO/IEC TR 24027 và ISO/IEC TS 12791. Việc đánh giá này giúp đảm bảo tính công bằng trong tập dữ liệu và hành vi của mô hình, đồng thời đưa ra các hướng dẫn giảm thiểu phù hợp khi phát hiện sự sai lệch.

Chúng tôi rà soát tài liệu để đánh giá các kỹ thuật giải thích mô hình, bao gồm quản lý dữ liệu và cơ chế giám sát của con người, nhằm đảm bảo mô hình vận hành minh bạch và dễ hiểu. Điều này giúp hệ thống AI đạt được tính rõ ràng, khả năng truy xuất nguồn gốc và đáp ứng các yêu cầu pháp lý về minh bạch trong tương lai.

Chúng tôi đánh giá hiệu suất của mô hình với trọng tâm là các tuyên bố về hiệu suất, tính ổn định, khả năng khái quát hóa, hiện tượng trôi (drift) và khả năng phục hồi. Mục tiêu là đảm bảo mô hình hoạt động đáng tin cậy trong các điều kiện triển khai thực tế, không chỉ trong môi trường phòng kiểm nghiệm.

Dựa trên hướng dẫn ISO/IEC 24029-1:2021, chúng tôi thử nghiệm hệ thống AI về khả năng chịu áp lực, dữ liệu nhiễu và các tình huống biên (edge cases). Các đánh giá này giúp xác định mức độ ổn định và độ tin cậy của mô hình khi đối mặt với điều kiện thực tế, không chắc chắn hoặc thù địch.

Chúng tôi đánh giá cách các thành phần điều khiển bởi AI tương tác với các chức năng an toàn trong các hệ thống như robot và máy móc, tuân theo các tiêu chuẩn an toàn chức năng như IEC 61508, ISO 13849 và ISO 26262. Mục tiêu là chứng minh hành vi AI có thể dự đoán, kiểm soát và đảm bảo an toàn, đặc biệt trong các hệ thống có ra quyết định linh hoạt, tương tác với con người hoặc chuyển động tự động.

Chúng tôi đánh giá mức độ dễ hiểu và minh bạch của hệ thống AI, từ kết quả đầu ra của mô hình đến toàn bộ tài liệu trong vòng đời phát triển, nhằm đảm bảo các hệ thống dạng “hộp đen” có thể được giải thích rõ ràng đối với người dùng, kiểm toán viên và cơ quan quản lý.

Chúng tôi hỗ trợ khách hàng xây dựng và thực hiện các chiến lược kiểm tra toàn diện cho AI nhằm xác minh, xác nhận hành vi mô hình, kết quả đầu ra, đồng thời đảm bảo khả năng truy xuất từ quá trình huấn luyện đến triển khai.