دوره آمادگی آزمون گواهینامه AIGP: راهنمای رسمی IAPP 2026 - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مسیر شما برای تبدیل شدن به رهبر حاکمیت هوش مصنوعی Your Path to Becoming an AI Governance Leader

• معرفی گواهینامه AIGP Introduction to the AIGP Certification

• درک بدنه دانش AIGP Understanding the AIGP Body of Knowledge

• تاکسونومی بلوم و سوالات آزمون شما Bloom's Taxonomy and Your Exam Questions

• چهار حوزه آزمون AIGP The Four Domains of the AIGP Exam

• متقاعد کردن هیئت مدیره برای تأمین بودجه گواهینامه AIGP Convincing the Executive Board to Fund AIGP Certification

• کوییز Quiz

ماژول ۱- درک مبانی هوش مصنوعی Module 1 - Understanding Foundation of AI

• هوش مصنوعی چیست What Is Artificial Intelligence

• توضیح AI برای مدیران غیرفنی Explaining AI to a Non-Technical Executive

• ویژگی‌های سیستم‌های هوش مصنوعی Traits of AI Systems

• عیب‌یابی حادثه رانش مدل (Model Drift) Diagnosing a Model Drift Incident

• تأثیر AI بر تصمیم‌گیری AI’s Impact on Decision-Making

• پاسخ به سوگیری الگوریتمی در تصمیم‌گیری Responding to Algorithmic Bias in Decision-Making

• طبقه‌بندی سیستم‌های AI – چارچوب OECD Classifying AI Systems – The OECD Framework

• به‌کارگیری طبقه‌بندی OECD در بررسی تدارکات Applying the OECD Classification in a Procurement Review

• انواع هوش مصنوعی: ANI, AGI, ASI Types of AI - ANI, AGI, ASI

• تعریف مرزهای قابلیت AI برای سیاست‌های شرکتی Defining AI Capability Boundaries for Corporate Policy

• یادگیری نظارت شده، بدون نظارت و تقویتی Supervised, Unsupervised, Reinforcement Learning

• انتخاب رویکرد ML مناسب برای موارد استفاده حساس Selecting the Right ML Approach for a Sensitive Use Case

• توضیح یادگیری عمیق و شبکه‌های عصبی Deep Learning and Neural Networks Explained

• توضیح شبکه‌های عصبی برای کمیته حسابرسی Explaining Neural Networks to the Audit Committee

• یادگیری ماشین در دنیای واقعی: ریسک‌ها و مزایا Machine Learning in the Real World - Risks and Benefits

• ارزیابی ریسک‌های یادگیری ماشین قبل از استقرار Evaluating Machine Learning Risks Before Deployment

• سیستم اجتماعی-فنی چیست What Is a Socio-Technical System

• لایه‌های انسانی، سازمانی و فنی Human, Organizational, and Technical Layers

• رفتارهای نوظهور و غیرقابل پیش‌بینی Emergent Behaviour’s and Unpredictability

• پاسخگویی در سیستم‌های پیچیده AI Accountability in Complex AI Systems

• مقدمه‌ای بر طبقه‌بندی AI سازمان OECD Introduction to the OECD AI Classification

• دسته‌بندی AI بر اساس مورد استفاده Use-Case Based Categorization of AI

• به‌کارگیری مدل OECD در عمل Applying the OECD Model in Practice

• مدل‌های متن‌باز و اکوسیستم‌های ابری Open-Source Models and Cloud Ecosystems

• فشار رقابتی و شتاب‌دهی به AI Competitive Pressure and AI Acceleration

• ژئوپلیتیک نوآوری در هوش مصنوعی The Geopolitics of AI Innovation

• [Bok 2.1] سیاست‌های حاکمیت داده برای سیستم‌های AI [Bok 2.1] Data Governance Policies for AI Systems

• [Bok 2.1] ملاحظات مالکیت معنوی در توسعه AI [Bok 2.1] Intellectual Property Considerations in AI Development

• [Bok 2.1] اسناد و قراردادهای ارزیابی ریسک شخص ثالث [Bok 2.1] Third-Party Risk Assessment Documents and Contracts

• [BOK 2.1] سیاست‌های استفاده قابل قبول برای سیستم‌های AI شخص ثالث [BOK 2.1] Acceptable Use Policies for Third-Party AI Systems

• [BOK 2.1] مدل‌های AI در مقابل سیستم‌های AI: تفاوت‌های حاکمیتی [BOK 2.1] AI Models vs. AI Systems - Governance Distinctions

• کوییز: ماژول ۱ مبانی حاکمیت AI Quiz - Module 1 Foundations of AI Governance

ماژول ۲- اثرات AI بر انسان‌ها و اصول هوش مصنوعی مسئولانه Module 2 - AI impacts on people and responsible AI principles

• چشم‌انداز آسیب‌های ناشی از AI The Landscape of AI-Induced Harms

• تاکسونومی چارچوب‌های شناسایی آسیب Taxonomies of Harm Frameworks for Identification

• آسیب‌های فردی بخش ۱: سوگیری و تبعیض Individual Harms Part 1 - Bias and Discrimination

• آسیب‌های فردی بخش ۲: حقوق مدنی و دغدغه‌های حریم خصوصی Individual Harms Part 2 - Civil Rights and Privacy Concerns

• آسیب‌های گروهی: نظارت و محرومیت سیستماتیک Group Harms Surveillance and Systemic Disadvantage

• آسیب‌های اجتماعی: تهدیدات علیه دموکراسی و امنیت عمومی Societal Harms Threats to Democracy and Public Safety

• آسیب‌های سازمانی و محیط‌زیستی Organizational and Environmental Harms

• ریسک‌های عملیاتی و تجاری Operational and Business Risks

• ریسک‌های حریم خصوصی در چرخه حیات AI Privacy Risks in the AI Lifecycle

• پایه اعتماد: OECD و رویه‌های منصفانه اطلاعات (FIPs) The Bedrock of Trust OECD and Fair Information Practices (FIPs)

• پنج اصل OECD برای هوش مصنوعی قابل اعتماد The Five OECD Principles for Trustworthy AI

• شناسایی مسائل اخلاقی کلیدی برای AI Identifying Key Ethical Issues for AI

• کنترل‌های بنیادی برای کاهش ریسک اخلاقی Foundational Controls to Mitigate Ethical Risk

• ایجاد فرهنگ AI اخلاقی در سازمان Creating a Culture of Ethical AI Within an Organization

• چهار ویژگی هوش مصنوعی قابل اعتماد The Four Characteristics of Trustworthy AI

• نحوه دستیابی به AI قابل اعتماد: یک چارچوب عملیاتی How to Achieve Trustworthy AI An Operational Framework

• عملیاتی کردن رویه‌های AI مسئولانه Operationalizing Responsible AI Practices

• ترویج فرهنگ هوش مصنوعی مسئولانه Fostering a Culture of Responsible AI

• [BOK 2.1] الزامات شفافیت تحت قوانین حریم خصوصی داده‌ها [BOK 2.1] Transparency Requirements Under Data Privacy Laws

• [BOK 2.1] مبنای قانونی پردازش داده‌ها در سیستم‌های AI [BOK 2.1] Lawful Basis for Processing Data in AI Systems

• [BOK 2.1] قوانین تصمیم‌گیری خودکار: ماده ۲۲ GDPR [BOK 2.1] Automated Decision-Making Rules - GDPR Article 22

• [BOK 2.1] توضیح‌پذیری و اعتراض‌پذیری در تصمیمات خودکار [BOK 2.1] Explainability and Contestability in Automated Decisions

• [BOK 2.1] قانون اساسی AI کره جنوبی: بررسی کلی [BOK 2.1] South Korean AI Basic Law - Overview

• [BOK 2.1] قانون اساسی AI کره جنوبی: الزامات انطباق [BOK 2.1] South Korean AI Basic Law - Compliance Requirements

• [BOK 2.1] قوانین AI در سطح ایالتی آمریکا: کلرادو و کالیفرنیا [BOK 2.1] U.S. State-Level AI Legislation - Colorado and California

• [BOK 2.1] قوانین AI در سطح ایالتی آمریکا: قوانین خاص هر بخش [BOK 2.1] U.S. State-Level AI Legislation - Sector-Specific Laws

• [BOK 2.1] ISO/IEC 42005: حاکمیت سیستم مدیریت AI [BOK 2.1] ISO/IEC 42005 - AI Management System Governance

• [BOK 2.1] ISO/IEC 42005: اجرا و کنترل‌ها [BOK 2.1] ISO/IEC 42005 - Implementation and Controls

• ماژول ۲: اثرات AI بر انسان‌ها و اصول هوش مصنوعی مسئولانه Module 2: AI impacts on people and responsible AI principles

ماژول ۳- حاکمیت مسئولانه AI و مدیریت ریسک Module 3 - Responsible AI Governance and Risk Management

• متناسب‌سازی حاکمیت AI با سازمان شما Tailoring AI Governance to Your Organization

• تطبیق حاکمیت AI با بافت سازمانی Tailoring AI Governance to Fit Organizational Context

• سه نقش کلیدی: توسعه‌دهندگان، مستقرکنندگان و کاربران The Three Key Roles Developers, Deployers, and Users

• سیاست‌های نظارت و پاسخگویی Policies for Oversight and Accountability

• شناسایی ذینفعان کلیدی در حاکمیت AI Identifying Key Stakeholders in AI Governance

• اهمیت همکاری‌های بین‌رشته‌ای در حاکمیت AI The Importance of Cross-Functional Collaboration in AI Governance

• جلب حمایت مدیریت برای حاکمیت AI Gaining Leadership Support for AI Governance

• ساخت یک ساختار رسمی برای حاکمیت AI Building a Formal AI Governance Structure

• بررسی مدل‌های مختلف حاکمیت AI Exploring Different AI Governance Models

• چارچوبی برای تعامل با ذینفعان A Framework for Engaging Stakeholders

• ایجاد سواد AI: آموزش و آگاهی‌رسانی به ذینفعان Creating AI Literacy_ Training and Awareness for Stakeholders

• همسوسازی ریسک AI با استراتژی‌های گسترده‌تر مدیریت ریسک Aligning AI Risk with Broader Risk Management Strategies

• برقراری فرآیندهای ارزیابی AI Establishing AI Assessment Processes

• ارزیابی ریسک AI متناسب با بافت Context-Specific AI Risk Assessment

• ارزیابی نتایج: آیا AI مطابق انتظار عمل می‌کند Evaluating Outcomes Is the AI Performing as Desired

• چارچوب مدیریت ریسک AI سازمان NIST و برنامه ARIA The NIST AI Risk Management Framework (RMF) and ARIA Program

• اجرای مدیریت ریسک با NIST AI RMF Implementing Risk Management with the NIST AI RMF

• [BOK 2.1] حاکمیت توسعه سیستم AI در مقابل مدل AI [BOK 2.1] AI System vs. AI Model Development Governance

• [BOK 2.1] حاکمیت داده در توسعه AI [BOK 2.1] Data Governance in AI Development

• ماژول ۳: حاکمیت مسئولانه AI و مدیریت ریسک Module 3: Responsible AI Governance and Risk Management

ماژول ۴- حاکمیت توسعه هوش مصنوعی Module 4 - Governing AI Development

• چرخه حیات توسعه سیستم AI The AI System Development Life Cycle

• ایجاد تعادل بین نوآوری و ریسک در توسعه AI Balancing Innovation and Risk in AI Development

• تعریف مسئله تجاری و مورد استفاده (Use Case) Defining the Business Problem and Use Case

• انجام ارزیابی‌های اثرگذاری (Impact Assessments) برای AI Conducting Impact Assessments for AI

• نظارت انسانی و کنترل‌های عملیاتی در توسعه AI Human Oversight and Operational Controls in AI Development

• به‌کارگیری استراتژی‌های ارزیابی ریسک در توسعه Applying Risk Assessment Strategies in Development

• طراحی معماری سیستم و ارزیابی عملکرد Designing the System Architecture and Evaluating Performance

• اهمیت آموزش، تست و اعتبارسنجی The Importance of Training, Testing, and Validation

• مستندسازی فرآیند توسعه Documenting the Development Process

• سوالات کلیدی برای الزامات داده‌ای و قضایی Key Questions for Data and Jurisdictional Requirements

• مدیریت الزامات قضایی و داده‌ای Managing Jurisdictional and Data Requirements

• برقراری تبارنامه و منشأ داده‌ها (Data Lineage) Establishing Data Lineage and Provenance

• تضمین کیفیت داده‌ها و فرمت‌بندی صحیح Ensuring Data Quality and Proper Formatting

• پنج V در آماده‌سازی و سازماندهی داده‌ها The Five V's of Data Wrangling and Preparation

• ملاحظات کلیدی در آماده‌سازی داده‌ها Key Considerations in Data Preparation

• انتخاب و مهندسی ویژگی‌های مدل Selecting and Engineering Model Features

• ماژول ۴: حاکمیت توسعه هوش مصنوعی Module 4: Governing AI Development

ماژول ۵- حاکمیت استقرار هوش مصنوعی Module 5 - Governing AI Deployment

• گام نهایی: استقرار AI The Final Step Deploying the AI

• به‌روزرسانی سیاست‌های حریم خصوصی و امنیت برای AI Updating Privacy and Security Policies for AI

• آماده‌سازی سیاست‌های حریم خصوصی و امنیت برای بهره‌برداری Preparing Privacy and Security Policies for AI Go-Live

• درک الزامات استقرار AI Understanding AI Deployment Requirements

• چالش‌های منحصر‌به‌فرد استقرار مدل‌های AI اختصاصی Unique Challenges of Deploying Proprietary AI Models

• مدیریت ریسک AI شخص ثالث Managing Third-Party AI Risk

• ارزیابی قراردادهای تامین‌کننده و مدل‌های متن‌باز Evaluating Vendor and Open Source Agreements

• سنجش آمادگی برای محیط عملیاتی (Production) Assessing Readiness for Production

• ارزیابی دوره‌ای مدل AI مستقر شده Periodic Assessment of the Deployed AI Model

• نظارت بر سیستم‌های AI برای شناسایی ریسک‌ها و کاهش آن‌ها Monitoring AI Systems for Risks and Mitigations

• مدیریت رانش مدل (Model Drift) و تکرار (Iteration) Managing Model Drift and Iteration

• پاسخ به حوادث در سیستم‌های AI مستقر شده Incident Response for Deployed AI Systems

• افشا، شفافیت و پاسخگویی Disclosures, Transparency, and Accountability

• مدیریت پاسخ به حوادث و افشای AI Handling AI Incident Response and Disclosure

• [BOK 2.1] معماری‌های عامل‌محور (Agentic) و سیستم‌های AI خودمختار: بررسی کلی [BOK 2.1] Agentic Architectures and Autonomous AI Systems - Overview

• [BOK 2.1] سیستم‌های عامل‌محور: چالش‌های حاکمیتی و نظارت [BOK 2.1] Agentic Systems - Governance Challenges and Oversight

• [BOK 2.1] کاربردهای واقعی و حاکمیت AI عامل‌محور [BOK 2.1] Real-World Applications and Governance of Agentic AI

• [BOK 2.1] نظارت بر مدل AI و مدیریت عملکرد [BOK 2.1] AI Model Monitoring and Performance Management

• [BOK 2.1] مدیریت پیشرفته ریسک AI شخص ثالث [BOK 2.1] Enhanced Third-Party AI Risk Management

• [BOK 2.1] APIهای هوش مصنوعی و ابزارهای SaaS: الزامات حاکمیتی [BOK 2.1] AI APIs and SaaS Tools - Governance Requirements

• ماژول ۵: حاکمیت استقرار هوش مصنوعی Module 5: Governing AI Deployment

ماژول ۶- قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) Module 6 - The EU AI Act

• قانون هوش مصنوعی اتحادیه اروپا چیست و چرا اهمیت دارد What is the EU AI Act and Why is it Important

• ارزیابی دسته‌های ریسک تحت قانون EU AI Act Assessing Risk Categories Under the EU AI Act

• تأثیر جهانی و قابلیت اجرای قانون EU AI Act The Global Impact and Applicability of the EU AI Act

• استثنائات قانون EU AI Act Exemptions to the EU AI Act

• نقش‌های کلیدی تعریف شده در قانون: تامین‌کننده، مستقرکننده و واردکننده Key Roles Defined in the Act Provider, Deployer, Importer, and Deployer,Importer

• الزام سواد هوش مصنوعی The AI Literacy Requirement

• چهار سطح ریسک تحت قانون EU AI Act The Four Risk Levels Under the EU AI Act

• سیستم‌های AI ممنوعه Prohibited AI Systems

• سیستم‌های AI با ریسک بالا: تعریف و الزامات High-Risk AI Systems Definition and Requirements

• تعهدات تامین‌کنندگان AI با ریسک بالا Obligations for Providers of High-Risk AI

• تعهدات مستقرکنندگان AI با ریسک بالا Obligations for Deployers of High-Risk AI

• سیستم‌های AI با ریسک محدود و حداقلی Limited-Risk and Minimal-Risk AI Systems

• حاکمیت مدل‌های AI با هدف عمومی (GPAI) Governing General-Purpose AI (GPAI) Models

• ساختار حاکمیتی و اجرایی قانون The Governance and Enforcement Structure of the Act

• جریمه‌ها و بازه زمانی اجرا Penalties and the Enforcement Timeframe

• آماده‌سازی برای جدول زمانی اجرای EU AI Act Preparing for EU AI Act Enforcement Timelines

• ماژول ۶: قانون هوش مصنوعی اتحادیه اروپا Module 6: The EU AI ActModule 6: The EU AI Act

ماژول ۷- سایر قوانین و استانداردهای مرتبط با هوش مصنوعی Module 7- Other Laws and Standards Related to AI

• چشم‌انداز جهانی مقررات AI The Global Landscape of AI Regulation

• هماهنگ‌سازی ریسک و حقوق: گزارش ورود به بازار برای آمریکای لاتین و آسیا-اقیانوسیه Harmonizing Risk and Rights — Market Entry Brief for LATAM & APAC

• مقررات AI در ایالات متحده: راهنمای فدرال و ایالتی AI Regulation in the United States Federal and State Guidance

• از FTC تا قوانین ایالتی: نقشه راه انطباق برای استارتاپ‌ها From FTC to State Law — Start-up Compliance Roadmap

• مقررات AI در سراسر جهان: چین، کانادا و فراتر از آن AI Regulation Around the World China, Canada, and Beyond

• راه‌اندازی در چین و کانادا: ثبت‌نام، AIDA و کنترل‌های محلی Launching in China & Canada — Registration, AIDA, and Local Controls

• ساخت یک چارچوب حاکمیتی منعطف برای AI Building a Flexible AI Governance Framework

• ساخت چارچوب حاکمیتی پویا: ورکشاپ اجرایی Building a Living Governance Framework — Executive Workshop

• استانداردهای کلیدی بین‌المللی: ISO 22989 و ISO 42001 Key International Standards ISO 22989 and ISO 42001

• جذب برای پذیرش ISO: چرا ISO 22989 و ISO 42001 مهم هستند ISO Adoption Pitch — Why ISO 22989 and ISO 42001 Matter

• چارچوب HUDERIA: رویکرد مبتنی بر حقوق بشر The HUDERIA Framework A Human Rights-Based Approach

• چارچوب HUDERIA: ارزیابی اثرات بر حقوق بشر The HUDERIA Framework — Human Rights Impact Assessment

• به‌کارگیری اصول کلیدی حریم خصوصی داده‌ها در AI Applying Core Data Privacy Principles to AI

• به‌کارگیری اصول حریم خصوصی در AI: بررسی راه‌اندازی چت‌بات Applying Core Data Privacy Principles to AI — Chatbot Launch Review

• تلاقی GDPR و هوش مصنوعی The Intersection of the GDPR and AI

• GDPR، ماده ۲۲ و تصمیمات خودکار: اصلاح ابزار اعتبارسنجی The GDPR, Article 22, and Automated Decisions — Credit Tool Remediation

• استفاده از داده‌های بی‌نام (Anonymized) و مستعار (Pseudonymized) در AI Using Anonymized and Pseudonymized Data in AI

• استفاده از داده‌های بی‌نام و مستعار: بررسی واقع‌بینانه برای آموزش مدل Using Anonymized and Pseudonymized Data — Reality Check for Model Training

• نقش DPIAها و ارزیابی‌های انطباق در حاکمیت AI The Role of DPIAs and Conformity Assessments in AI Governance

• DPIA در مقابل ارزیابی انطباق: انتخاب ابزارهای پاسخگویی مناسب DPIA vs Conformity Assessment — Choosing the Right Accountability Tools

• مدیریت دسته‌های حساس و ویژه داده‌ها در AI Handling Sensitive and Special Categories of Data in AI

• مدیریت داده‌های حساس: تست سوگیری در مقابل حریم خصوصی Handling Sensitive Data — Bias Testing vs Privacy

• تعهدات کنترل‌کنندگان داده هنگام استفاده از AI Obligations on Data Controllers When Using AI

• تعهدات کنترل‌کنندگان داده هنگام استفاده از AI: اصلاحات پس از حسابرسی Obligations on Data Controllers When Using AI — Remediation After Audit

• نحوه اعمال قوانین فعلی بر سیستم‌های AI How Current Laws Apply to AI Systems

• نحوه اعمال قوانین فعلی بر سیستم‌های AI: مورد خدمات مالی How Current Laws Apply to AI Systems — Financial Services Case

• قوانین مالکیت معنوی (IP) و هوش مصنوعی Intellectual Property (IP) Legislation and AI

• مالکیت معنوی، داده‌های آموزشی و مالکیت خروجی‌ها Intellectual Property, Training Data & Output Ownership

• قوانین عدم تبعیض و هوش مصنوعی Non-Discrimination Laws and AI

• عدم تبعیض و استخدام با AI: پاسخ به حسابرسی Non-Discrimination & AI Hiring — Audit Response

• قوانین حمایت از مصرف‌کننده و مسئولیت محصول در عصر AI Consumer Protection and Product Liability Laws in the Age of AI

• حمایت از مصرف‌کننده و مسئولیت محصول: پاسخ به هشدار FTC Consumer Protection and Product Liability — Responding to FTC Warning

شبیه‌ساز آزمون تمرینی IAPP AIGP IAPP AIGP Practice Test Simulation

• آزمون تمرینی ۱ IAPP AIGP IAPP AIGP Practice Test 1

• آزمون تمرینی ۲ IAPP AIGP IAPP AIGP Practice Test 2