DG-005AltoFornitoreInvestigativo
Verifica di pertinenza e completezza dei dati
I fornitori devono verificare che i set di dati utilizzati per i sistemi di IA ad alto rischio siano pertinenti e completi rispetto alla finalità prevista del sistema, documentando eventuali lacune note e il loro potenziale impatto sulle prestazioni.
Articoli:Article 10(3)Article 10(2)(d)
Esempi di prove
- Data completeness checklist
- Relevance assessment report
- Coverage gap register
Norme
ISO 42001:2023 §8.2ISO/IEC 5259
Controlli correlati
- DG-001Training Data Quality RequirementsArticle 10(3) requires that training, validation, and testing data sets are subject to data governance practices that ensure relevance,…
- DG-002Bias Detection and CheckingProviders must examine training, validation, and testing datasets for possible biases that could affect health, safety, or fundamental rights, and…
- DG-003Data Documentation and ProvenanceProviders must document the origin, collection methodology, labelling process, and relevant characteristics of all data sets used in training, validation,…
- DG-004Data Representativeness AssessmentArticle 10(3) requires that training data sets are sufficiently representative of the intended population and use-case context, and providers must…
- DG-006Data Annotation Quality AssuranceWhere data labelling or annotation is performed, providers must implement quality assurance procedures to ensure consistency, accuracy, and…
- DG-007Privacy-Preserving Data TechniquesWhen processing personal data for AI training, providers must implement appropriate privacy-preserving techniques such as pseudonymisation, anonymisation,…
Termini correlati del Regolamento IA
Passa alla versione completa quando la conformità deve essere
Il questionario gratuito fornisce segnali preliminari. La Valutazione Completa trasforma i dati reali di sistema in un fascicolo decisionale governato: estrazione, separazione componenti, prove, sovrapposizioni nazionali e dossier pronto per audit.
Avvia anteprima gratuita del rischio