Panduan lengkap tentang keamanan dalam lingkungan pengembangan AI

Informatec Digital » Sumber daya » Panduan lengkap tentang keamanan dalam lingkungan pengembangan AI

Organisasi yang mengembangkan atau mengintegrasikan solusi kecerdasan buatan menghadapi lanskap regulasi yang sepenuhnya baru pada tahun 2025. Regulasi Kecerdasan Buatan Eropa (RIA) dan pedoman pendukung yang diterbitkan di Spanyol telah mengubah aturan main bagi mereka yang merancang, melatih, menerapkan, dan memantau sistem AI, terutama ketika sistem tersebut dianggap berisiko tinggi.

Dihadapkan dengan kerangka hukum yang kompleks, teknis, dan masih terus berkembang, banyak perusahaan sangat ingin tahu dari mana harus memulai. 16 panduan dan daftar periksa yang diterbitkan oleh Badan Pengawasan Kecerdasan Buatan Spanyol (AESIA) telah menjadi titik referensi praktis untuk menerapkan RIA (Analisis Riset dan Inovasi) dalam realitas sehari-hari UKM, perusahaan rintisan, dan perusahaan besar yang ingin berinovasi tanpa terjebak dalam komplikasi regulasi.

Kementerian Transformasi Digital dan Administrasi Publik, melalui Sekretariat Negara untuk Digitalisasi dan Kecerdasan Buatan (SEDIA), telah memilih pendekatan yang sangat pragmatis. Sebelum peraturan Eropa sepenuhnya diberlakukan, sebuah AI Sandbox diluncurkan untuk menguji peraturan tersebut dengan dua belas sistem dunia nyata berisiko tinggi dari sektor-sektor yang sensitif seperti layanan penting, biometrik, ketenagakerjaan, infrastruktur kritis, mesin, dan perangkat medis diagnostik in vitro.

Dalam lingkungan pengujian ini, tim Kementerian bekerja sama erat dengan perusahaan-perusahaan terpilih, memberikan pelatihan tingkat tinggi dan konsultasi publik. Tujuannya ada dua: membantu organisasi memahami apa yang akan dibutuhkan RIA dalam praktik dan, pada saat yang sama, mengidentifikasi ambiguitas dan gesekan dalam standar tersebut ketika diterapkan pada algoritma dan proses yang sudah berfungsi di dunia nyata.

Berbagai perusahaan berpartisipasi, mulai dari perusahaan yang mengkhususkan diri dalam biometrik dan analitik canggih hingga penyedia solusi kesehatan digital dan ketenagakerjaan. Otoritas pengawas utama seperti AESIA, Badan Perlindungan Data Spanyol (AEPD), Bank Sentral Spanyol, dan Badan Keselamatan Penerbangan Negara (AESA) juga ikut serta dalam proyek ini , bersama dengan panel ahli regulasi dan teknologi.

Kolaborasi ini menghasilkan kesimpulan yang kini disajikan dalam pedoman ini. Meskipun dokumen-dokumen ini tidak mengikat secara hukum dan tidak menggantikan standar teknis yang terharmonisasi yang akan segera hadir, dokumen-dokumen ini menawarkan interpretasi yang praktis, terorganisir, dan realistis tentang kewajiban RIA untuk sistem AI berisiko tinggi.

Berkat pengalaman ini, Spanyol telah meraih peran internasional terkemuka. AI Sandbox disebut sebagai praktik terbaik dalam Laporan Dekade Digital Eropa dan dipandang oleh negara-negara lain sebagai model untuk mengantisipasi kepatuhan regulasi , mengurangi ketidakpastian dan kesalahan yang mahal di sepanjang jalan.

16 pedoman AESIA: struktur, pendekatan, dan tujuan.

Publikasi AESIA disusun menjadi satu set panduan yang koheren berjumlah 16, ditambah beberapa daftar periksa. Tujuan utamanya adalah untuk membantu organisasi mengidentifikasi, memahami, dan mematuhi kewajiban Peraturan (EU) 2024/1689 , dengan fokus pada sistem yang diklasifikasikan sebagai berisiko tinggi.

Pedoman ini secara khusus ditujukan untuk UKM, perusahaan rintisan, dan perusahaan besar yang mengembangkan atau menerapkan AI di sektor yang diatur. Pedoman ini tidak menggantikan peraturan atau standar yang akan diadopsi, tetapi berfungsi sebagai alat pendukung untuk merancang sistem AI yang inovatif dan andal yang menghormati hak-hak mendasar —yang sangat penting untuk mendorong dan menghambat inovasi.

Koleksi ini dibagi menjadi beberapa blok fungsional. Di satu sisi, koleksi ini mencakup dua panduan pengantar yang bersifat informatif, dan di sisi lain, tiga belas panduan teknis yang berfokus pada persyaratan khusus RIA (manajemen risiko, tata kelola data, transparansi, keamanan siber, kualitas, catatan, pengawasan manusia, dll.).

Selain itu, manual khusus untuk daftar periksa telah diterbitkan, dan contoh daftar periksa disediakan dalam format Excel. File-file ini memungkinkan penilaian mandiri terhadap tingkat kepatuhan sistem berisiko tinggi dan perencanaan peta jalan adaptasi yang teratur , alih-alih melakukan perbaikan mendadak di menit-menit terakhir setelah peraturan sepenuhnya berlaku.

Salah satu fitur penting adalah struktur modular dokumen-dokumen tersebut. Panduan-panduan ini dirancang sedemikian rupa sehingga setiap organisasi dapat mempelajari lebih dalam secara bertahap sesuai dengan ukuran, sektor, dan tingkat kematangan AI mereka ; hal ini mencegah UKM kewalahan oleh tingkat detail yang sama seperti yang dibutuhkan oleh perusahaan multinasional besar dengan puluhan model produksi.

Panduan pengantar: memahami RIA tanpa menjadi gila

Kedua panduan pengantar ini memberikan landasan konseptual untuk menghindari kebingungan dalam jargon peraturan. Yang pertama adalah pengantar umum tentang RIA, yang menjelaskan ruang lingkupnya, kategori risiko, dan berbagai peran yang terlibat (pemasok, manajer penyebaran, distributor, pengguna, dll.).

Dokumen ini mengklarifikasi isu-isu yang sering menimbulkan kebingungan bagi perusahaan, seperti apa yang sebenarnya termasuk dalam sistem AI berisiko tinggi, penggunaan mana yang secara langsung dilarang, dan kewajiban apa yang dimiliki setiap pemangku kepentingan dalam rantai nilai. Dokumen ini juga merinci bagaimana RIA berkaitan dengan peraturan Eropa lainnya yang relevan, seperti perlindungan data, keamanan produk, dan layanan keuangan , yang sangat penting untuk menghindari duplikasi atau celah hukum.

Panduan pengantar kedua mengambil pendekatan yang lebih praktis, menggabungkan penjelasan peraturan dengan studi kasus. Panduan ini menunjukkan cara mengidentifikasi apakah suatu sistem tertentu termasuk dalam kategori berisiko tinggi dan langkah-langkah dasar apa yang perlu diambil untuk mematuhi peraturan , mulai dari fase desain hingga pemantauan setelah sistem tersebut dipasarkan.

Kedua dokumen tersebut menyertakan glosarium terperinci, yang sangat berguna bagi tim non-hukum. Mendefinisikan istilah-istilah seperti "pengawasan manusia," "risiko yang dapat diperkirakan secara wajar," dan "risiko sistemik" secara tepat mencegah banyak kesalahpahaman internal antara departemen teknis, hukum, bisnis, dan keamanan siber.

Panduan kontekstual ini, dalam praktiknya, telah menjadi sumber daya utama bagi para manajer, DPO , CISO, pemimpin inovasi, dan tim TI yang membutuhkan gambaran umum yang jelas sebelum mempelajari aspek-aspek yang lebih teknis. Panduan ini berfungsi sebagai peta umum, mengarahkan pembaca ke panduan khusus yang benar-benar mereka butuhkan dan mencegah mereka membuang waktu untuk meninjau dokumen yang tidak relevan dengan situasi mereka.

Pedoman teknis: mendasarkan persyaratan RIA pada siklus hidup AI.

Bagian terbesar dari koleksi AESIA terdiri dari tiga belas panduan teknis, masing-masing dikhususkan untuk persyaratan RIA utama untuk sistem berisiko tinggi. Panduan-panduan ini membahas secara detail dan menerjemahkan mandat hukum ke dalam proses, kontrol, dan bukti yang dapat diverifikasi yang dapat diimplementasikan oleh organisasi dalam proyek AI mereka.

Panduan penilaian kesesuaian menjelaskan bagaimana sistem AI berisiko tinggi harus dipersiapkan untuk melewati prosedur penilaian yang ditetapkan dalam peraturan. Panduan ini menjelaskan dokumentasi yang dibutuhkan, bagaimana audit internal dan eksternal diorganisir , dan peran badan yang berwenang dalam mensertifikasi bahwa suatu model memenuhi persyaratan penting.

Panduan lain berfokus pada sistem manajemen mutu. Tujuannya adalah untuk memastikan bahwa metrik dan sasaran yang didefinisikan selama perancangan sistem tetap stabil selama pengembangan, validasi, dan pengoperasian , dan bahwa setiap penyimpangan dicatat dengan benar. Panduan ini menekankan pentingnya menyimpan bukti semua validasi dan pengujian yang dilakukan, tidak hanya untuk kepatuhan tetapi juga untuk dapat mempertahankan ketahanan sistem kepada pihak ketiga.

Panduan manajemen risiko menerjemahkan pendekatan berbasis risiko RIA ke dalam metodologi operasional. Panduan ini mencakup arahan untuk mengidentifikasi, menganalisis, menilai, dan mengurangi risiko yang berkaitan dengan kesehatan, keselamatan, dan hak-hak mendasar , baik dalam penggunaan sistem yang dimaksudkan maupun dalam penggunaan yang dapat diperkirakan secara wajar. Panduan ini juga membahas perlunya tinjauan berkala seiring perubahan data, konteks, atau teknologi itu sendiri. Untuk merencanakan langkah-langkah praktis, disarankan untuk menggunakan alat penilaian mandiri yang memberikan panduan tentang prioritas mitigasi.

Pengawasan manusia dibahas dalam panduan komprehensif terpisah. Panduan ini merinci desain, antarmuka, dan proses organisasi yang diperlukan bagi mereka yang memantau sistem untuk mendeteksi anomali, melakukan intervensi dengan cepat, dan menghindari ketergantungan buta pada otomatisasi . Sebagai contoh, panduan ini mengusulkan mekanisme pengesampingan oleh manusia, peringatan yang jelas, dan prosedur eskalasi yang terdefinisi dengan baik ketika ada sesuatu yang tampak tidak beres.

Panduan tentang data dan tata kelola sangat relevan untuk model yang kompleks. Panduan ini menjelaskan persyaratan yang harus dipenuhi oleh kumpulan data yang digunakan untuk melatih, memvalidasi, dan menguji sistem AI : relevansi, keterwakilan, tidak adanya bias yang tidak beralasan, kualitas, integritas, dan ketertelusuran. Lebih lanjut, panduan ini membahas kebutuhan akan kebijakan tata kelola yang mengontrol siapa yang dapat memodifikasi data, bagaimana sumber data didokumentasikan, dan bagaimana kesalahan yang terdeteksi kemudian ditangani.

Dokumen teknis lainnya berfokus pada transparansi. Dokumen ini mengusulkan langkah-langkah untuk memungkinkan penyedia dan pengguna sistem AI mematuhi kewajiban pelaporan mereka : mulai dari membuat dokumentasi teknis dapat diakses oleh integrator hingga memastikan komunikasi yang jelas dengan orang-orang yang terkena dampak keputusan otomatis atau semi-otomatis.

Panduan akurasi memberikan arahan tentang cara memilih, mengukur, dan memantau metrik kinerja model. Panduan ini tidak terbatas pada akurasi statistik; panduan ini juga membahas isu-isu seperti stabilitas temporal, kinerja subkelompok, dan perilaku di bawah kondisi batas , untuk menghindari hasil yang menyesatkan yang dapat berdampak negatif pada kelompok tertentu.

Ketahanan sistem juga dibahas dalam dokumen tersendiri. Panduan ini menguraikan langkah-langkah yang harus diambil untuk memastikan toleransi kesalahan, ketahanan terhadap masukan yang merugikan atau perubahan lingkungan , dan kemampuan untuk terus beroperasi dalam parameter yang aman bahkan jika beberapa komponen gagal atau data mengalami degradasi.

Keamanan siber dibahas dalam panduan khusus yang menguraikan langkah-langkah teknis dan organisasi yang diperlukan untuk melindungi sistem AI dari serangan atau manipulasi berbahaya. Panduan ini mencakup aspek-aspek seperti keamanan alur data, perlindungan terhadap kebocoran model, kontrol akses, dan respons insiden , menyelaraskan persyaratan ini dengan visi keamanan informasi organisasi yang lebih luas. Untuk informasi lebih mendalam tentang ancaman spesifik, lihat Ancaman Keamanan Siber dan Dampaknya pada AI.

Panduan pencatatan (logging guide) mendefinisikan log dan bukti mana yang harus disimpan dalam sistem AI berisiko tinggi. Panduan ini mencakup petunjuk tentang peristiwa apa yang harus dicatat, berapa lama harus disimpan, dan bagaimana memastikan integritas dan ketersediaannya sehingga dapat digunakan untuk audit, investigasi insiden, atau klaim dari individu yang terdampak. Penggunaan mekanisme enkripsi yang tepat direkomendasikan untuk melindungi integritas log.

Panduan lain berfokus pada pengawasan pasca-pemasaran. Dokumen ini menjelaskan proses yang diperlukan untuk memantau kinerja sistem setelah penerapan , mengumpulkan umpan balik pengguna, mendeteksi insiden, menyesuaikan model jika muncul risiko baru, dan melaporkan kepada pihak berwenang bila perlu.

Bagian teknis dilengkapi dengan panduan manajemen insiden, yang menjelaskan cara melaporkan insiden serius terkait sistem AI berisiko tinggi, dan panduan dokumentasi teknis. Panduan terakhir ini menguraikan persyaratan konten dan struktur untuk berkas teknis yang akan menunjukkan kepatuhan sebelum sistem dipasarkan atau dioperasikan.

Daftar Periksa: Dari Kertas Menuju Tindakan dalam Bisnis

Bersamaan dengan pedoman tersebut, AESIA telah menerbitkan manual daftar periksa dan contoh daftar periksa terstruktur dalam format Excel. Tujuannya bukan teoretis, melainkan untuk berfungsi sebagai alat operasional sehingga organisasi dapat menilai sendiri tingkat kepatuhan sistem AI berisiko tinggi mereka.

Daftar ini mengikuti logika yang sama dengan panduan persyaratan. Untuk masing-masing dari dua belas persyaratan RIA utama, disertakan serangkaian pertanyaan, bukti, dan kolom yang perlu diisi , yang membantu melakukan penilaian mandiri yang terstruktur dan konsisten. File tersebut mencakup tab informasi dengan instruksi penggunaan dan konteks, serta lembar kerja untuk memasukkan informasi spesifik tentang setiap sistem.

Ide dasarnya adalah perusahaan tidak hanya sekadar "mencentang kotak", tetapi menggunakan alat tersebut untuk membangun rencana adaptasi yang nyata. Penilaian mandiri tersebut harus menghasilkan peta jalan realistis yang memprioritaskan risiko dan langkah-langkah berdasarkan dampak dan upaya —sesuatu yang sangat penting bagi organisasi dengan sumber daya terbatas.

Pendekatan ini sangat berguna terutama saat tenggat waktu terasa panjang tetapi pekerjaan sangat intensif. Kewajiban paling ketat dari regulasi AI akan mulai berlaku pada Agustus 2026, tetapi meninjau proses internal, model data, dan tata kelola tidak terjadi dalam semalam , sehingga mereka yang lebih dulu siap akan memiliki lebih banyak ruang gerak dan lebih sedikit improvisasi.

Selain itu, penggunaan daftar periksa secara sistematis memudahkan tim yang sangat berbeda (hukum, keamanan siber, TI, produk, data) untuk berbicara dalam bahasa yang sama. Ketika semua orang bekerja dengan kriteria dan tingkat bukti yang sama, kebisingan internal, penundaan, dan desain ulang yang tidak perlu berkurang , yang dalam proyek AI biasanya langsung berdampak pada penghematan biaya dan mengurangi masalah.

Kode praktik terbaik untuk model AI tujuan umum.

Sementara Spanyol membuat kemajuan dengan Sandbox dan pedoman AESIA, instrumen kunci lainnya sedang dikembangkan di tingkat Eropa: Kode Praktik Baik untuk AI Tujuan Umum (GPAI). Kantor AI Eropa mengoordinasikan proses partisipatif dengan hampir seribu pemangku kepentingan untuk mengembangkan kode ini, yang melengkapi kewajiban Undang-Undang AI bagi penyedia model tujuan umum.

Model AI serbaguna adalah model yang mampu melakukan banyak tugas berbeda dan menjadi dasar bagi berbagai sistem dan aplikasi. Beberapa model ini dapat menimbulkan risiko sistemik jika sangat kuat atau tersebar luas di pasaran , itulah sebabnya para pembuat undang-undang Eropa telah menetapkan persyaratan khusus untuk transparansi, hak cipta, dan keamanan.

Kode Etik yang diajukan kepada Komisi Eropa pada tanggal 10 Juli 2025 ini merupakan alat sukarela, tetapi memiliki keunggulan yang jelas. Pemasok yang mematuhi Kode Etik ini dapat menggunakannya untuk menunjukkan kepatuhan terhadap kewajiban Pasal 53 dan 55 RIA , sehingga mengurangi beban administratif dan meningkatkan kepastian hukum mereka dibandingkan dengan solusi ad hoc.

Dokumen ini terstruktur menjadi tiga bagian utama: transparansi, hak cipta, dan keamanan/perlindungan. Mengenai transparansi, Kode Etik menyediakan formulir dokumentasi model standar, yang mengumpulkan informasi penting tentang kemampuan, keterbatasan, data pelatihan, pengujian, dan validasi . Informasi ini harus selalu diperbarui dan tersedia bagi pihak berwenang dan penyedia hilir jika diminta.

Terkait hak cipta, Kode Etik ini menerjemahkan undang-undang kekayaan intelektual Eropa ke dalam konteks AI. Kode Etik ini merekomendasikan langkah-langkah spesifik seperti membatasi penelusuran web hanya pada konten yang dapat diakses secara legal, menghormati ketentuan hak cipta melalui robots.txt atau metadata, mengecualikan domain yang melanggar, dan menetapkan kebijakan hak cipta internal yang jelas , menunjuk pihak yang bertanggung jawab, dan saluran pengaduan.

Bagian ketiga membahas model AI tujuan umum dengan risiko sistemik, artinya model-model yang kemampuan dampaknya tinggi dapat memiliki pengaruh signifikan terhadap pasar Uni Eropa. Bagian ini mengusulkan prinsip-prinsip manajemen siklus hidup yang komprehensif, proporsionalitas terhadap tingkat risiko, inovasi dalam keamanan, dan penerapan prinsip kehati-hatian , terutama ketika masih terdapat data ilmiah yang tidak cukup untuk sepenuhnya menilai bahaya tertentu.

Kode Etik ini juga berfokus pada UKM yang mengembangkan model-model canggih. Kode ini menganjurkan jalur kepatuhan yang disederhanakan untuk pemasok kecil, asalkan tingkat perlindungan yang diharapkan tetap terjaga , dan merinci kewajiban seperti pemberitahuan insiden serius atau dokumentasi tindakan pencegahan sebelum insiden tersebut terjadi.

Instrumen ini tidak statis. Teks itu sendiri предусматриkan peninjauan setidaknya setiap dua tahun, sehingga dapat diperbarui berdasarkan perkembangan teknologi, munculnya risiko baru, atau pengalaman yang diperoleh dari penerapan RIA di lapangan.

Templat untuk meringkas data pelatihan

Sejalan dengan Kode Praktik Baik, Kantor AI Eropa telah mengembangkan templat khusus untuk meringkas data pelatihan yang harus dipublikasikan oleh penyedia model AI tujuan umum. Kewajiban ini, yang diatur dalam Pasal 53.1(d) RIA, bertujuan untuk memperkuat transparansi dan penghormatan terhadap hak cipta dalam pelatihan model.

Untuk mengembangkan templat ini, Kantor tersebut mengumpulkan masukan melalui konsultasi multilateral, menerima lebih dari 430 tanggapan dari berbagai pemangku kepentingan. Gagasan awal juga ditinjau dalam kerangka proses Kode Praktik Baik, dengan masukan dari pemasok, pakar, perwakilan Negara Anggota, dan Parlemen Eropa , sebelum diadopsi secara resmi pada Juli 2025.

Templat ini terkait erat dengan bab transparansi Kode Etik dan berupaya mencapai keseimbangan yang cermat. Di satu sisi, templat ini mensyaratkan ringkasan yang cukup rinci agar pihak ketiga dapat memahami jenis data apa yang telah digunakan ; di sisi lain, templat ini menghormati kerahasiaan informasi bisnis yang sensitif dan tidak mensyaratkan pengungkapan setiap elemen spesifik dari kumpulan data.

Dalam praktiknya, alat ini mendorong budaya dokumentasi yang lebih matang di antara penyedia model tujuan umum. Mereka yang melatih model besar dengan volume data yang sangat besar perlu memahami dengan jelas sumber data, lisensi yang mengatur penggunaannya, dan bagaimana semua ini akan tercermin secara eksternal , baik untuk mengelola risiko hukum maupun untuk membangun kepercayaan dalam ekosistem yang dibangun di atas model-model tersebut.

Sekali lagi, penekanannya bukan hanya formalistik. Transparansi dalam data pelatihan bukan hanya tentang kepatuhan; ini juga memungkinkan diskusi jujur ​​tentang potensi bias, batasan penggunaan yang wajar, dan ekspektasi kinerja yang realistis ketika model-model ini diintegrasikan ke dalam solusi untuk industri kritis atau pengguna akhir skala besar.

Audit alat AI dan visi strategis untuk para eksekutif

Di luar kewajiban regulasi semata, banyak organisasi mempertimbangkan bagaimana mengevaluasi pengembalian investasi sebenarnya dari inisiatif AI mereka pada tahun 2025. Tidak cukup hanya dengan menerapkan model dan agen cerdas; perlu diaudit apakah mereka menghasilkan nilai nyata, apakah mereka aman, dan apakah total biaya kepemilikan mereka masuk akal dibandingkan dengan alternatif teknologi lainnya.

Audit alat AI yang dirancang dengan baik memungkinkan CEO, CIO, dan eksekutif lainnya untuk memisahkan gembar-gembor pemasaran dari hasil nyata. Analisis jenis ini meninjau seberapa baik setiap kasus penggunaan selaras dengan tujuan bisnis, mengukur manfaat yang diharapkan dalam produktivitas, pengurangan kesalahan, atau peningkatan pendapatan, dan menganalisis risiko teknis dan peraturan seperti bias, kerentanan keamanan siber, atau ketidakpatuhan RIA.

Dalam konteks ini, metrik yang sangat spesifik menjadi relevan: penghematan waktu siklus, pengurangan biaya operasional, peningkatan konversi, akurasi model dalam produksi, biaya per transaksi, dan penghematan yang disebabkan oleh otomatisasi. Indikator risiko juga dinilai, seperti kerentanan yang terdeteksi dalam pengujian keamanan, tingkat kepatuhan terhadap peraturan, dan kemungkinan ketergantungan berlebihan pada satu vendor (vendor lock-in).

Perusahaan yang melengkapi AI dengan solusi kecerdasan bisnis dan visualisasi, seperti dasbor menggunakan alat Power BI, akan mendapatkan gambaran yang jauh lebih jelas tentang dampaknya. Memusatkan data kinerja, biaya, dan risiko dalam dasbor yang mudah dipahami oleh manajemen memfasilitasi pengambilan keputusan berbasis bukti , daripada mengandalkan intuisi atau tren teknologi yang cepat berubah.

Secara paralel, integrasi dengan infrastruktur cloud (AWS, Azure, atau lainnya) dan estimasi akurat dari total biaya kepemilikan merupakan komponen kunci dari analisis ini. Pemahaman menyeluruh tentang biaya pelatihan, inferensi, penyimpanan, dan pemeliharaan di cloud, serta mekanisme keamanan terkait, sangat penting agar AI benar-benar mendukung strategi dan tidak menjadi pengeluaran mahal yang sulit dibenarkan. Untuk keputusan mengenai pencadangan dan perlindungan data cloud, konsultasikan perbandingan antara pencadangan cloud dan on-premises.

Singkatnya, audit AI bukan lagi kemewahan tetapi kebutuhan strategis. Mereka yang menggabungkan pendekatan ketat terhadap kepatuhan RIA dengan pengukuran ROI teknologi yang jujur ​​akan berada pada posisi yang lebih baik untuk memanfaatkan kecerdasan buatan secara berkelanjutan , baik dari segi ekonomi maupun reputasi dan kepercayaan sosial.

Seluruh ekosistem pedoman, kode sukarela, templat transparansi, dan praktik audit ini akan membentuk kerangka kerja baru untuk keamanan dalam lingkungan pengembangan AI pada tahun 2025. Organisasi yang mulai sekarang menginternalisasi alat-alat ini, menggunakannya secara sistematis, dan mengintegrasikannya ke dalam tata kelola teknologi mereka akan memiliki peluang lebih besar untuk mengubah regulasi menjadi keunggulan kompetitif , menunjukkan bahwa inovasi dalam AI dapat dilakukan secara bertanggung jawab, aman, dan selaras dengan hak asasi manusia.