•    Granice między danymi osobowymi a danymi zanonimizowanymi.
•    Ryzyko ujawnienia danych wrażliwych poprzez analizę danych zwykłych.

•    Zgodność z prawem, ograniczenie celu, minimalizacja danych – jak stosować je w praktyce.
•    Dobór odpowiedniej podstawy prawnej przetwarzania danych.
•    Zarządzanie danymi: przechowywanie, usuwanie, ograniczanie przetwarzania.
•    Międzynarodowe transfery danych: wykorzystanie chmur obliczeniowych lub platform AI zlokalizowanych poza UE.
•    Realizacja prawa osoby której dane dotyczą (art. 13–15 RODO) w systemach AI.

•    Rola i odpowiedzialność w procesie trenowania modeli AI.
•    Relacje umowne i zasady współpracy w środowisku nowych technologii.

•    Rola administratora i procesora w świetle RODO, AI Act, Data Act i DSA.
•    Jak łączyć wymagania wynikające z różnych regulacji?

•    Praktyczne zastosowanie art. 22 RODO
•    Identyfikacja procesów profilowania w systemach AI
•    Aspekty etyczne automatycznych decyzji

•    Przykłady praktycznych rozwiązań i dobrych praktyk.
•    Checklisty do weryfikacji zgodności z RODO na etapie developmentu i wdrożenia (np. śledzenie pochodzenia danych treningowych).

•    Kiedy i jak przeprowadzić DPIA w projektach opartych na AI.
•    Mapowanie ryzyk i wdrażanie odpowiednich zabezpieczeń.

•    Jak skutecznie zarządzać zmianą i zapewnić ciągłość zgodności.

•    Tworzenie i aktualizacja dokumentacji wewnętrznej.
•    Mechanizmy audytu, monitorowania i doskonalenia procesów.