מהם העקרונות המנחים של Model AI Governance Framework של סינגפור? מדריך מעשי למנהלי Microsoft 365 ו-Power Platform

By Mirko Peters · 2026-10-16

מהם העקרונות המנחים של Singapore's Model AI Governance Framework? מדריך מעשי למובילי Microsoft 365 ו-Power Platform.

Automatically translated with AI from the original post. Read the English original

Titelbild: What Are the Guiding Principles of Singapore's Model AI Governance Framework? A How-To Guide for Microsoft 365 and Power Platform Leaders

אם אתם מובילים צוותי IT ב-Microsoft 365 או ב-Power Platform, הבנת Singapore's Model AI Governance Framework אינה רק מעניינת, אלא מעשית באופן מיידי. למה? כי המסגרת הזו מעצבת את תקן הזהב לשימוש אחראי ב-AI בעולם כולו, וארגונים בכל מקום מנסים לעמוד בקצב גם של הסיכונים וגם של הרגולטורים.

בבסיסה, המסגרת של סינגפור אינה עוסקת רק ברשימות בדיקה טכניות או בניירת. היא מתווה עקרונות מנחים שעוזרים לשמור על מערכות ה-AI שלכם הוגנות, בטוחות וניתנות להסבר. המטרה היא לאפשר לחדשנות עסקית לשגשג, תוך שמירה על כך שלא תמצאו את עצמכם בצד הלא נכון של ביקורת או של כותרת על AI שהשתבש. אם אתם בונים על גבי המערכת האקולוגית של Microsoft, העקרונות האלה מתיישבים מאוד עם אמצעי ההגנה והבקרות שכבר אתם מנסים לחזק (למשל לוחות מחוונים של Responsible AI, DLP ויומני ביקורת).

מה הופך את המודל של סינגפור לכל כך משפיע? הוא מתמקד ביישום בעולם האמיתי: פיקוח מעשי, ניטור מתמשך וקווי אחריות ברורים, והוא אינו נרתע מקווים אדומים אתיים שחלק מהאזורים עדיין מתחמקים מהם. שאר המדריך מפרק מה כל חלק במסגרת משמעו עבורכם, החל מהאסטרטגיה ברמה הגבוהה ועד לכלי הציות הספציפיים ולמקרי שימוש ייעודיים לתעשיות. תראו בדיוק איך להכניס את תקני ממשל ה-AI המוכרים בעולם האלה לארגון שלכם, צעד מעשי אחד בכל פעם.

הבנת מסגרת הממשל של סינגפור ל-AI

לפני שנכנסים לפרטים של פריסת AI באחריות בארגון, כדאי להבין מה מייחד את מודל הממשל של סינגפור. המסגרת הזו נשענת על ההנחה ש-AI זקוק לפיקוח מחושב, לא רק לתיקון טכני, אלא למערכת שתוכננה בקפידה לניהול סיכונים, להבטחת שימוש אתי ולשמירה על אמון הציבור.

הגישה של סינגפור שוזרת יחד עקרונות כמו שקיפות, אחריותיות והתאמה לשינויים, ומתמודדת לא רק עם ציות אלא גם עם ההשפעה הרחבה של AI על החברה. על ידי הגדרה של האופן שבו יש למיין ולנהל סיכונים, המסגרת מציעה מבנה שמנהלים יכולים לפעול לפיו כדי לשמור על יוזמות AI בקו עם ערכי הארגון ועם הציפיות הגלובליות.

עבור מנהלי Microsoft 365 ו-Power Platform, אימוץ חלקים מהמודל הזה פירושו שאתם לא ממציאים את הגלגל מחדש בכל פעם שהרגולציה משתנה. אתם מתיישרים עם תקנים מקובלים בעולם, ומעניקים לבעלי העניין, למשתמשים וללקוחות ביטחון שה-AI שלכם בטוח, אמין והוגן. ראו בסקירה הזו את המפה שלכם לסעיפים הבאים, שמפרטים את התכונות המרכזיות, ההיסטוריה והמסקנות המעשיות שתצטרכו כדי להעמיד את לקחי סינגפור לפועל.

במבט חטוף: התכונות המרכזיות של מסגרת הממשל של סינגפור ל-AI

מתמקדת באדם ואתית מעיקרה: שמה את הפיקוח האנושי, הערכים והבטיחות במרכז כל פעילות AI, ומבטיחה חדשנות אחראית.
מבני אחריות ברורים: מחייבת תפקידים ותהליכים מוגדרים לקביעה מי אחראי להחלטות ולתוצאות של מערכות AI בארגון שלכם.
ניטור תפעולי מתמשך: מעודדת הערכות סיכונים, ביקורות ודיווח שקוף באופן רציף, כדי לזהות בעיות מתהוות בשלב מוקדם.
מותאמת לשינויים ומתואמת גלובלית: נועדה להתפתח יחד עם טכנולוגיה וסביבות עסקיות שמשתנות במהירות; מתיישבת עם תקנים כמו GDPR ו-EU AI Act.
הנחיות מעשיות ליישום: מספקת תבניות שלב אחר שלב וערכות כלים לציות, כמו AI Verify, שיעזרו לארגונים לפרוס AI בבטחה ובהיקף רחב.

על פיתוח והתפתחות מסגרת הממשל של סינגפור ל-AI

המסגרת של סינגפור, Model AI Governance Framework, השיקה את שלבה הראשון ב-2019 וקבעה עקרונות בסיסיים ל-AI אמין. זמן קצר לאחר מכן, משוב מספקי טכנולוגיה, מרגולטורים פיננסיים ומשתמשים ארגוניים הוביל לחידוד נוסף, כשבשלב השני ב-2020 נוספה הדרכה מפורטת יותר, ספציפית לתעשיות.

עד 2023 ו-2024 נכנסה המסגרת לשלבים השלישי והרביעי שלה, והורחבה כך שתכסה נושאים כמו בינה מלאכותית גנרטיבית, ממשל אדפטיבי למחזורי פריסה מהירים, וקווים אדומים ברורים יותר לגבי שימושים אסורים ב-AI. כל שלב משקף לקחים שנלמדו ככל שמערכות AI הפכו חזקות יותר, וככל שאירועים בעולם האמיתי חשפו פערים. תשומות מבעלי עניין, פיילוטים בתעשייה ושיח מתמשך עם גופים גלובליים הניעו את השיפור המתמיד של המסגרת, והפכו אותה לאחד המודלים המוערכים והמגיבים ביותר הזמינים לאימוץ בארגונים.

ארכיטקטורת עמודי התווך המרכזיים: הבסיס לממשל AI בסингапור

ההתעמקות בממשל ה-AI של סינגפור אינה עניין של שינון תיאוריה, אלא של בניית בסיס איתן לאופן שבו הארגון שלכם מנהל AI, מהאסטרטגיה ועד לפרטים המעשיים של השליטה התפעולית. התכנון הארכיטקטוני של המסגרת נותן לכם מבנה לזיהוי המקומות שבהם עשויים להופיע סיכונים, ולאופן שבו תהיו מוכנים להגיב, לא משנה כמה מהר המצב משתנה.

הסעיף הזה מציג את החשיבה שמאחורי ארבעת עמודי התווך המרכזיים של המסגרת, שמהווים את עמוד השדרה של שיטות עבודה מומלצות לפיקוח ארגוני על AI. עמודים אלה מחברים בין תכנון אסטרטגי לניהול טכני מעשי, כך שאינכם רק "מסמנים וי", אלא משלבים AI אחראי מחדר ההנהלה ועד פריסת היישומים.

לפני שנצלול לתיאור המפורט של ועדות ממשל ולוחות בקרה לניטור, חשוב להבין את הכוונה של סינגפור ליצור מעקות בטיחות מתמשכים. תמצאו כאן קשרים למסגרות הממשל של Microsoft, שמראים כיצד לשכב את המודל של סינגפור על סביבות הענן והפרודוקטיביות הקיימות שלכם. ראו בזה את הבסיס לכל מה שתבנו בהמשך, עם פירוט מלא בהמשך על אופן הקמת פיקוח פנימי ושמירה על סיכונים תפעוליים בשליטה.

מבני ממשל פנימיים ואחריותיות

הקימו ועדת ממשל AI מרכזית: הקימו קבוצה רב-תחומית שמפקחת על כל פרויקטי ה-AI והסיכונים הקשורים אליהם. הוועדה הזו בוחנת את קליטת הסיכונים, מבצעת ביקורות על פריסות AI ומוודאת עמידה הן בתקני הארגון והן ברגולציה החיצונית. בדומה ל-Microsoft 365 ולפלטפורמת Power Platform, התייחסו אליה כקו ההגנה האחרון מפני כאוס תפעולי. לפרטים נוספים ראו מקור זה.
הגדירו תפקידים ואחריות בבירור: הקצו בעלי אחריות מוגדרים לכל פונקציית AI מרכזית, כולל תכנון מודלים, פריסה וניטור. אל תתנו לאחריות להיטשטש בין IT, מדעי הנתונים ומשתמשים עסקיים. תעדו את התפקידים האלה ובדקו אותם מחדש ככל שהבשלות של הארגון בתחום ה-AI מתפתחת.
הטמיעו מנגנוני אחריותיות: התייחסו לכל החלטה שמקבלת מערכת AI כאל החלטה שניתן לייחס לאדם או לצוות מסוים. הגדירו פרוטוקולים להסלמה במקרים חריגים או בעלי סיכון גבוה, תוך שימוש במושגים כמו RBAC ו-PIM של Microsoft לבהירות זהות, כפי שמתואר באסטרטגיות ממשל Azure.
יישמו תיעוד מדיניות ובקרת גרסאות: נהלו תיעוד ברור של כל החלטות הממשל, החריגות ממדיניות והערכות הסיכונים. השתמשו במאגר הזה כדי להניע סקירות תקופתיות ולוודא שסחף מדיניות לא יפגע בתאימות או בשקיפות.
טפחו תרבות של מודעות לסיכונים: אמנו צוותים באופן תדיר בנושא שיטות עבודה אחראיות ב-AI וגבולות אתיים, באמצעות תרחישים שמתיישבים עם השימושים האסורים ב-AI של סינגפור, כמו יישומים מניפולטיביים או מפלים, כדי לחזק את הקווים האדומים.

ניהול תפעול לפיקוח על מערכות AI אחראיות

הערכות סיכונים מקיפות לאורך מחזור החיים: בצעו הערכות סיכונים בעת תכנון המודל, בדיקתו ופריסתו. זהו נזק פוטנציאלי, החל מסחף נתונים ועד להפרות אתיות, בדומה לבדיקות תאימות שאתם מבצעים עם Microsoft Defender for Cloud, כפי שמפורט כאן.
כלי ניטור אוטומטיים ובזמן אמת: השתמשו באוטומציה מתמשכת של תאימות, בזיהוי חריגות בזמן אמת ובמעקב אחר התנהגות כדי לזהות מהר כשלים. הימנעו מהסתמכות על ביקורות תקופתיות בלבד; שאפו לפיקוח יזום מבוסס לוחות בקרה.
פרוטוקולים לתגובה לאירועים ולביקורת מודלים: הגדירו שלבים ברורים לטיפול בסיכונים שסומנו, בכשלי מודלים או בהפרות אתיות. כללו ספרי הנחיות (playbooks) לחזרה ממודלים מוטלי ספק ולהתחלת ביקורות מעמיקות.
שילוב עם בקרות התפעול של Microsoft: חברו את ניטור ה-AI לתהליכי העבודה הקיימים שלכם ב-Microsoft וב-Power Platform. חברו התראות ונתוני ציות ללוחות מחוונים או ל-Power BI כדי לאפשר נראות ההנהלה.
בדיקה ואימות שוטפים: תזמנו בדיקות הטיה מתמשכות, דוחות יכולת הסבר ותרגולי חוסן. חשוב לזכור שמנגנוני הבקרה התפעוליים אינם פעולה חד-פעמית אלא מחזור, שמתחיל בגילוי סיכונים ומסתיים בחזרה לבחינת האסטרטגיה.

שיתוף פעולה בין אדם ל-AI ופיקוח משמעותי במודל הממשל של סינגפור

למרות שרוב ממשל ה-AI עוסק בבקרות טכניות וביומני סיכונים, המסגרת של סינגפור מבהירה שבני אדם חייבים תמיד להחזיק בהגה. חלק זה עוסק בשמירה על אנשים אמיתיים בשליטה על ההחלטות, ולא על טייס אוטומטי או על אלגוריתמים, במיוחד ככל שה-AI הארגוני הופך לאוטונומי יותר או מתחיל להמליץ ישירות בתוך הכלים שלכם.

אם אתם מובילי IT שמטמיעים דברים כמו Microsoft Copilot או אוטומציות ב-Power Platform, אתם יודעים שהמשתמשים רוצים יעילות, אבל הרגולטורים והציבור דורשים שקיפות והגינות. המודל של סינגפור עוזר לאזן בין השניים, ומבטיח שפרוטוקולי הפיקוח האנושי יחרגו מ"אדם בתוך הלולאה" שטחי ויעניקו למשתמשים את היכולת להתערב או לעקוף מערכות כשצריך.

לא פחות חשוב להתייחס לכל מי שמושפע מה-AI, ולא רק לטכנאים הפנימיים. יישור קו של משתמשי העסק, אנשי פרטיות הנתונים ואף הלקוחות לגבי אופן פעולת ה-AI מניח את היסוד לאמון ולאימוץ בר-קיימא. החלק הבא מעמיק בטקטיקות של מעורבות בעלי עניין ומסביר מדוע תקשורת פתוחה מונעת התנגדות, הפתעות וסיכון תדמיתי. לתובנות נוספות על חשיבותם של מישורי בקרה חזקים וממשל בטוח לסוכני AI ב-Microsoft, ראו המקור הזה.

אינטראקציה עם בעלי עניין ואסטרטגיות תקשורת

מעורבות יזומה של משתמשי העסק: שלבו את בעלי העניין העסקיים מוקדם, ולא רק כבודקים או כמשתמשי פיילוט. קיימו סדנאות קבועות ולולאות משוב, בדומה לבניית תוכניות ממשל של Microsoft 365, כדי לוודא שהציפיות, הצרכים והחששות נשמעים מההתחלה.
שקיפות בקבלת החלטות ב-AI: עבור כל פריסת AI משמעותית, פרסמו סיכומים ברורים של תפקיד המערכת, התוצאות המיועדות שלה והמגבלות הידועות שלה. הפכו מסמכים אלה לזמינים הן לצוותים הפנימיים והן למשתמשים, בהדהוד לאחריות השכבתית שרואים במודל של Teams Admin Center של Microsoft (מידע נוסף כאן).
חינוך מתמשך וניהול שינוי: הציעו הדרכה והכשרה לעובדים, במיוחד למשתמשים עסקיים ומשתמשי ציות, כך שירגישו בטוחים גם בשימוש בתכונות מבוססות AI וגם בהטלת ספק בהן.
תקשורת חיצונית מובנית: צרו פרוטוקולים לתגובה לחששות ציבוריים או רגולטוריים, כולל נקודת קשר מוגדרת לשקיפות ולתקשורת במשברים.
סקירות מדיניות כוללות: בחנו באופן שגרתי את אסטרטגיות הממשל יחד עם מעגל רחב יותר של בעלי עניין ויועצים חיצוניים, כדי לוודא שהמדיניות נשארת רלוונטיתככל שהטכנולוגיה והדעה הציבורית משתנות.

מפת דרכים ליישום: מעקרונות לפרקטיקה לממשל AI

המעבר מעקרונות מנחים לבקרות ממשיות הוא המקום שבו רוב תוכניות הממשל מצליחות או נכשלות. הגישה של סינגפור בנויה לפעולה: היא מעניקה לכם שיטה שלבית ומדורגת להטמעת שיטות עבודה מומלצות ישירות לשגרת היום-יום שלכם, בין אם אתם מפעילים Microsoft 365, את Power Platform או פתרונות AI ארגוניים מותאמים אישית.

חלק זה מציג סקירה של מסלול היישום, ונותן תמונה רחבה של הדרך להפוך את "עלינו להיות אתיים" ל"ה-AI שלנו אחראי באופן גלוי". הוא עוסק בחשיבות הרצף: קודם ממפים את יעדי העסק, אחר כך מגדירים קטגוריות סיכון ברורות, ורק לאחר מכן מטמיעים בקרות וכלי מדידה בגלים, כך שדבר לא יתפספס ככל שהאימוץ מתרחב.

בהמשך תמצאו תוכנית אב ארגונית ברורה, לצד רשימות בדיקה וטיפים לאוטומציה לציות שוטף. יחד הם יעזרו לכם להימנע מסחיפה של הממשל, לזהות פערים מוקדם, ולקבל את רמות השליטה הניתנות למדידה ולביקורת שאתם מצפים להן מסביבות Microsoft מודרניות (ראו עד כמה ציות מדויק יכול להיות עם תכונות כמו מדיניות שמירה בניתוח המעמיק הזה).

מפת דרכים אסטרטגית ליישום בארגונים

השגת מחויבות הנהלה בכירה וקביעת סדרי עדיפויות: התחילו בקבלת מחויבות של ההנהלה הבכירה לבינה מלאכותית אחראית. הגדירו בבירור מטרות עסקיות וקטגוריות סיכון בעלות השפעה גבוהה ברמת הארגון, כדי לעגן את התוכנית.
פיתוח תבניות מדיניות וחומרי ממשל: השתמשו במודל של סינגפור כדי ליצור תבניות מדיניות לשימוש חוזר, רשימות בדיקה ונהלי הסלמה. אלה מקבילים לתבניות הממשל של Microsoft עבור M365 ו-Power Platform. תעדו ניהול גרסאות וביקורות סדירות.
הקמת תהליכי ביקורת פנימית וסקירה: בנו יכולות ביקורת פנימית, כגון הערכות הטיה סדירות וניתוחי השפעה. תזמנו את נקודות הבקרה הללו באבני דרך מרכזיות, למשל במהלך פריסות גדולות של Microsoft Copilot או של תהליכי עבודה, כדי לצמצם הפתעות בציות.
הטמעת בקרות בהתאם לאימוץ: הימנעו מהשקות של "מכה אחת גדולה". במקום זאת, הוסיפו בקרות בשכבות ככל שאתם מרחיבים את אימוץ הבינה המלאכותית לצוותים או לאזורים חדשים, והתאימו את הקצב למוכנות העסקית ולרמת הסיכון שהארגון מוכן לשאת.
שמירה על גמישות ושיפור מתמיד: ככל שההקשר הרגולטורי והטכנולוגי משתנה, בחנו את רשומות הסיכונים ואת דרישות הציות מדי רבעון. שמרו על לולאות משוב פתוחות עם משתמשי הקצה, מומחי תחום עסקיים והצוותים הטכניים. אם אתם נתקלים בחסר באוטומציה (כמו בדוגמה להפניה מחדש הזו), ראו בכך תמריץ לבחון מחדש את הבקרות הידניות מול האוטומטיות.

רשימת בדיקה לציות וכלי ניטור אוטומטיים

פלטפורמת AI Verify: השתמשו בערכת הכלים AI Verify של סינגפור כדי להעריך, להשוות לבנצ'מרק ולהוכיח ציות מתמשך לדרישות של Model AI Governance Framework.
ניטור אוטומטי של Microsoft: נצלו את Microsoft Purview Audit ואת Defender for Cloud למעקב בזמן אמת אחר תהליכי עבודה של בינה מלאכותית, התנהגות משתמשים ואירועי סיכון.
סקירות קבועות של מדיניות ותפקידים: תזמנו ביקורות אוטומטיות שבודקות סחיפה במדיניות, הרשאות תפקיד מיושנות או סטייה ממסגרות הממשל שאושרו.
ניתוח מתמשך של פעילות משתמשים: שדרגו את פתרונות הביקורת לאותות פרימיום כאשר מטפלים במידע רגיש או בתרחישים בסיכון גבוה, כדי להבטיח שיומני הפעילות ברמה פורנזית מתיישרים עם הצרכים הרגולטוריים והעסקיים.

מה מייחד את מסגרת הממשל לבינה מלאכותית של סינגפור?

התאמה לתעשיות ספציפיות: המודל של סינגפור מתאים את ההנחיות למגוון תעשיות, ולכן הוא מעשי עבור הפיננסים, שירותי הבריאות, הייצור ואף הארגונים בסקטור הציבורי שמנהלים נופים מורכבים של בינה מלאכותית.
שיתוף פעולה בין המגזר הציבורי לפרטי: המסגרת פותחה על בסיס משוב נרחב מהעולם האמיתי, ומשלבת את נקודות המבט של הממשל, של הארגונים הפרטיים ושל האקדמיה להנחיות מעשיות וגמישות.
גמישות במחזורי טכנולוגיה מהירים: היא נועדה לעמוד בקצב החדשנות המסחרר של הבינה המלאכותית, ומשלבת ממשל דינמי עבור צינורות עבודה של בינה מלאכותית, בינה מלאכותית סוכנתית, קוד פתוח ותרחישי בינה גנרטיבית.
קווים אדומים אתיים ברורים: המסגרת מגדירה במפורש פרקטיקות לא מקובלות, ומעניקה להנהגה בהירות במקומות שבהם מסגרות אחרות מהססות, וכך מאפשרת קבלת החלטות חדה ובטוחה יותר.

שאלות נפוצות על מסגרת הממשל של סינגפור

איך אני מוכיח ציות למסגרת הבינה המלאכותית של סינגפור?
השתמשו בכלי השוואה לבנצ'מרק כמו AI Verify, ושמרו על מסמכי מדיניות מפורטים, מסלולי ביקורת ורשומות הסלמה. שלבו פלטפורמות ניטור מתמשך כמו Microsoft Purview (ראו פרקטיקות ביקורת) כדי להיערך לאיסוף ראיות.
האם מודל הממשל של סינגפור דומה ל-EU AI Act או ל-NIST RMF של ארה"ב?
זה נשען על עקרונות חופפים (כמו דירוג סיכונים ופיקוח אנושי), אבל מדגיש זריזות והתאמה למציאות בפועל. סינגפור שמה דגש חזק על מעורבות הסקטורים ועל קווים אדומים אתיים מפורשים להתנהגויות אסורות של בינה מלאכותית.
מה לגבי סוכני AI (agentic AI) – האם הם מכוסים?
כן. ההנחיות העדכניות ביותר של סינגפור עוסקות בהרחבה ובשליטה ב-agentic AI, כולל מסגרות זהות ואחריות לסוכני AI (פרטים כאן). זה רלוונטי במיוחד ככל ש-Microsoft Copilot ותהליכי עבודה אוטונומיים מרחיבים את היקפם.
איך כדאי לנהל גישה לנתונים ובעלות עליהם תוך עמידה בדרישות הציות?
הפרידו בין הרשאות (גישה) לבין בעלות (אחריות). השתמשו בבקרות מבוססות תפקידים, בתוויות רגישות נתונים ובסקירות גישה קבועות (משאב מועיל) כדי לאזן בין שיתוף פעולה לשליטה.
אילו סקטורים דורשים ציות מחמיר יותר או מחויבויות מותאמות אישית?
סקטורי הפיננסים, הבריאות והשירות הציבורי כפופים לסטנדרטים גבוהים יותר, הן במסגרת ה-Model AI Framework הבסיסי של סינגפור והן לפי רגולציה סקטוריאלית. ראו את FEAT לפיננסים ואת PDPA לפרטיות להלן.

עקרונות MAS FEAT וממשל בינה מלאכותית בסקטור הפיננסי

עקרונות MAS FEAT (Fairness, Ethics, Accountability, and Transparency) הם ההנחיות המיוחדות של סינגפור לפריסת בינה מלאכותית בבנקאות ובשירותים פיננסיים. העקרונות הללו מתיישבים היטב עם ה-Model AI Framework הבסיסי, ומחייבים מוסדות פיננסיים לבדוק בקפדנות את תוצאות ה-AI, למנוע אפליה ולתעד כל החלטה משמעותית שמקבלות מערכות בינה מלאכותית. למנהלי IT שאחראים על עומסי עבודה פיננסיים ב-Microsoft 365 או ב-Power Platform, אימוץ FEAT משמעו שגרות ביקורת חזקות יותר, בקרות גישה איתנות וסקירות סיכונים תכופות, כדי לוודא שניתן תמיד להסביר ולהצדיק החלטות אוטומטיות בפני הרגולטורים ובפני הלקוחות.

PDPA: הגנת מידע אישי ומערכות בינה מלאכותית בסינגפור

חוק הגנת המידע האישי (PDPA) של סינגפור קובע כללים מחמירים לאופן שבו ארגונים מטפלים במידע אישי, וכללים אלה מתחזקים עוד יותר בהקשר של בינה מלאכותית. כל תהליך AI שמשתמש במידע אישי חייב לעמוד בדרישות הסכמה, הגבלת מטרה וכללי העברת מידע. מובילי IT נדרשים לאמץ בקרות פרטיות איתנות ואסטרטגיות להפחתת סיכונים, הן בסביבות מותאמות אישית והן בסביבות Microsoft 365. שימוש בתכונות כמו Data Loss Prevention (DLP) ובמדיניות מחברים (ראו הדוגמה הזו ל-Power Platform) יכול להפחית סיכונים באופן משמעותי. במיוחד בזרימות נתונים חוצות גבולות, המסגרת מבטיחה התאמה לתקנים בינלאומיים ומתייחסת לאי-ודאויות משפטיות בפריסות של בינה מלאכותית יוצרת (generative AI) או של קוד פתוח.

National AI Council ו-AI Missions: פיקוח וכיוון אסטרטגי

ה-National AI Council של סינגפור משמש כרשות הבכירה של המדינה לממשל בינה מלאכותית, ליישור מדיניות ולציות. המועצה מפתחת משימות לאומיות בתחום ה-AI, קובעת עדיפויות סקטוריאליות ומתאמת בין המגזר הציבורי, המגזר הפרטי והמחקר. ההנהגה שלה מבטיחה שאכיפה, הנחיות אתיות וסקירות תוכניות יישארו עקביות. לארגונים אפשר להתאים את המודל הזה שהושפע מהמועצה: להקים ועדות ממשל פנימיות שקובעות, מפקחות ומעדכנות תקני AI ברחבי הארגון. זה חשוב במיוחד בפריסות מהירות של Microsoft 365 או Power Platform, שבהן יישור ופיקוח הם תנאי הכרחי להרחבה בטוחה ותואמת.