Сегодня у нас кое-что особенное — тезисы Ксении Лапутько с WB Privacy&Day про то, что такое функция AI Governance и причём тут профессиональное развитие DPO 🦑

Спойлер: очень при многом!

• Главный тезис презентации: AI governance показан не как отдельная новая профессия, которая вытесняет DPO, а как естественное продолжение уже существующей privacy-экспертизы, автор прямо проводит линию от GDPR-эпохи к AI Act, NIST и ISO-подходам, показывая, что рынок движется от классической data protection-компетенции к более широкому управлению ИИ.

• Один из центральных аргументов состоит в том, что regulatory momentum уже сформирован, это описано через Brussels Effect, историческую роль GDPR в создании самой профессии DPO, рост спроса на специалистов по AI governance и приближение новых обязательств 2025–2026 годов. То есть, окно для “спокойного наблюдения со стороны” фактически закрывается.

• Автор предлагает смотреть на эволюцию роли DPO как на расширение фокуса. Если в GDPR-логике в центре были privacy compliance и data protection, то в AI governance добавляются lifecycle management, model risk, stakeholder coordination и technical foundations. Это не отменяет прежнюю роль DPO, а надстраивает над ней новый слой зрелости.

• Отдельно подчеркивается, что AI governance — не “новая планета”, а, по сути, следующий слой профессионального развития для тех, кто уже умеет работать с рисками, accountability, политиками, документацией, обучением и коммуникацией с регулятором.

Очень сильная мысль презентации — в том, что фундамент DPO уже во многом готов, но его нужно расширить под новую технологическую и управленческую реальность.

• Презентация полезна тем, что раскладывает AI governance на четыре измерения компетентности: это AI lifecycle, technical foundations, stakeholder communication и legal.

• Технический блок при этом подан без избыточного техно-романтизма: автор не требует от DPO становиться ML-инженером, но настаивает на базовом понимании того, как работают модели, как устроены training, validation и testing, какие риски дают hallucinations, bias и drift, и как в контур встраивается человек.

• Сильный акцент сделан на lifecycle-подходе: AI governance, по логике Ксении, начинается не на этапе запуска модели, а еще на стадии business case и intended purpose, затем проходит через design, build, testing, deployment, monitoring, update и retire.

При этом каждый этап требует documentation, compliance, risk assessment и human oversight.

• Очень удачно сделано сопоставление “старых сильных” и “новых уровней”, к сильным сторонам DPO отнесены DPIA и data governance, политики и обучение, взаимодействие с регулятором и stakeholder management. К новым уровням — модельные риски и метрики, AI lifecycle, explainability и human oversight.

За счет этого концепция не ломает прежнюю идентичность DPO, а показывает траекторию профессионального "апгрейда".

• Финальный практический блок тоже изложен очень последователен, автор предлагает пять шагов для DPO в эпоху AI: изучить AI-базу, понять lifecycle, выстроить cross-functional связи, развить коммуникацию на языке бизнеса, технологий и регулирования, а затем запустить пилоты governance на одной конкретной AI-системе и документировать результаты. Это выглядит как рабочий план входа в тему без лишнего пафоса.

Вывод в том, что AI Governance не конкурирует с DPO-функцией, а вырастает из нее. Для сильного DPO это не смена профессии, а переход на следующий уровень, где прежние privacy-навыки становятся базой для управления AI-рисками, жизненным циклом систем и межфункциональной координацией.

P. S. Презентация — в комментариях, спасибо Ксюше!