AI System Integrator

Kualifikasi Dasar

1. Gelar sarjana di bidang Teknik Elektro, Sistem Informasi, Teknik Komputer, Teknik Telekomunikasi; minimal 3+ tahun pengalaman yang berhubungan langsung dengan tugas dan tanggung jawab yang ditentukan.
2. Sertifikasi dari pelatihan yang telah diselesaikan dari lembaga terakreditasi (misal ISACA atau setara) yang berada di atas persyaratan pendidikan minimum dapat menggantikan pengalaman bekerja 3+ tahun.

Kualifikasi Khusus: Pengetahuan, Keterampilan, dan Kemampuan

1. Pengetahuan tentang perkembangan/tren teknologi saat ini di bidang keahlian dan dapat memilih teknologi yang sesuai dengan kebutuhan customer.
2. Kemampuan COBIT 4.0 (control objective for information technology) dengan sertifikasi ISACA (CISSP, CISM, CISA)
3. Kemampuan untuk menarik kesimpulan dan membuat rekomendasi berdasarkan data dan temuan audit.
4. Kemampuan berkomunikasi secara efektif, baik lisan maupun tulisan.
5. Kemampuan untuk menggunakan penilaian audit yang independen untuk mengembangkan konsep model dan pendekatan untuk penelitian.
6. Kemampuan untuk merancang, mengatur, dan mengoordinasikan detailed engineering design (DED)/ rekayasa disain

Tanggung Jawab

1. Melaksanakan fungsi technology clearinghouse (TCH) dengan mempelajari Al technology stack, algoritma machine learning, framework deep learning, dan state-of-the-art tenologi Al (bias berdasarkan hype cycle) atau roadmap/strategi Al dari customer.
2. Mempersiapkan program audit tahunan dan jadwal audit sistem Al.
3. Menyusun audit checklist Al untuk mengevaluasi model, data, dan performa sistem.
4. Mengumpulkan informasi awal terkait arsitektur, algoritma, dan data Al yang digunakan.
5. Memeriksa infrastruktur Al, model, dan data, mencatat potensi bias dan kerentanan.
6. Memastikan kepatuhan terhadap regulasi Al dan standar etika seperti privasi dan fairness.
7. Mendeteksi kerentanan Al, termasuk manipulasi model dan bias algoritmik.
8. Menginvestigasi keseluruhan adanya kemungkinan kesalahan dalam training, validation, dan deployment model Al, serta menganalisis dampaknya terhadap operasi dan hasil bisnis customer.
9. Menilai efektivitas kontrol internal Al, seperti fairness, explainability, dan governance.
10. Menilai mutu pekerjaan setiap pengelolaan data, pengembangan model, dan integrasi Al ke sistem operasional
11. Membuat rekomendasi perbaikan terkait pengelolaan risiko Al, pemutakhiran algoritma, dan strategi mitigasi bias atau error dalam penggunaan Al.