Kertas Putih Herms
Jelajahi Pendekatan HERMS dan Portofolio Solusi kami.
Unduh kertas putih kata yang dapat diedit
Kertas Putih Herms | WP5 | November 2026
AI yang diatur dalam urusan regulasi
Kerangka kerja untuk kecerdasan yang dapat dipertanggungjawabkan manusia
Regulator di Amerika Serikat, Eropa, Arab Saudi, dan Abu Dhabi sekarang sepakat pada satu hal: AI dapat mendukung pekerjaan regulasi, tetapi orang tetap bertanggung jawab atas setiap keputusan. Makalah ini mengubah konsensus itu menjadi kerangka kerja praktis untuk tim urusan regulasi di GCC.
Konsultasi Herms DMCC
Dubai, Uni Emirat Arab | [email protected] | www.hermsglobal.com
Isi
Ringkasan bisnis plan
1. Mengapa Urusan Regulasi Membutuhkan AI yang Diatur
2. Lanskap Peraturan
3. Konsep inti
4. Kerangka Kecerdasan Kecerdasan yang Dapat Ditanggung Manusia Herms
5. Tingkat risiko untuk kasus penggunaan peraturan
6. Hak Keputusan Manusia
7. Bukti, Ketertelusuran dan Audit
8. Model AI dan Bahasa Besar Generasi
9. Peta Jalan Implementasi
10. Daftar Periksa Jebakan dan Kesiapan
11. Bagaimana Herms Membantu
Referensi
Ringkasan bisnis plan
AI sudah menjadi bagian dari pekerjaan regulasi. Pusat Obat FDA melaporkan pengalaman dengan lebih dari 500 kiriman dengan komponen AI dari 2016 hingga 2023.5 Pada Januari 2026, FDA dan EMA menerbitkan sepuluh prinsip bersama untuk praktik AI yang baik di seluruh siklus hidup obat-obatan, yang pertama adalah itu AI harus berpusat pada manusia dengan desain.1
| 10 Prinsip Bersama FDA–EMA untuk Praktik AI yang Baik, Januari 20261 | 7 Langkah dalam Kerangka Kerja Kredibilitas Berbasis Risiko FDA3 | 500+ Pengajuan dengan Komponen AI Ditinjau oleh Pusat Obat FDA, 2016–20235 | Okt 2025 Abu Dhabi Bertanggung Jawab AI Standar berlaku15 |
Arahnya konsisten di seluruh yurisdiksi. Prinsip-prinsip etika AI Arab Saudi memerlukan pengawasan manusia di seluruh siklus hidup AI dan orang-orang yang dapat diidentifikasi dan dapat dipertanggungjawabkan.12 Abu Dhabi membutuhkan pengawasan manusia-dalam-loop atau manusia-on-the-loop, mengesampingkan mekanisme dan jalur audit.15 EMA menyatakan bahwa pemohon atau pemegang otorisasi pemasaran bertanggung jawab untuk memastikan bahwa semua algoritme, model, dan kumpulan data sesuai dengan tujuan.7
Enam Komitmen AI yang Diatur
- Tentukan konteks penggunaan untuk setiap aplikasi AI sebelum digunakan.1,3
- Mengatur pengawasan secara proporsional dengan risiko, berdasarkan seberapa besar output mempengaruhi keputusan dan apa yang terjadi jika itu salah.3,4
- ground setiap output dalam sumber yang dapat diperiksa oleh reviewer.1,15
- Tetapkan pemilik manusia bernama untuk setiap keputusan yang didukung AI.12,15
- log input, output, versi dan intervensi manusia untuk audit.15
- memantau dan mengevaluasi kembali kinerja selama siklus hidup.1,15
| Pandangan Herms Dalam urusan regulasi, pertanyaannya bukanlah apakah AI cukup akurat untuk diputuskan. Apakah organisasi dapat menunjukkan siapa yang memutuskan, pada bukti apa, dan mengapa. |
1. Mengapa Urusan Regulasi Membutuhkan AI yang Diatur
Urusan regulasi adalah dokumen-berat, bergantung pada sumber, dan didorong oleh tenggat waktu, yang membuatnya sangat cocok untuk dukungan AI. Ini juga merupakan fungsi di mana kesalahan dapat mempengaruhi keselamatan pasien, kualitas produk atau kepercayaan regulator pada perusahaan.
di mana AI menambahkan nilai
| Aktivitas | Dukungan AI yang khas | peran manusia |
| Intelijen Regulasi | Memantau situs web otoritas, meringkas panduan baru, perubahan penandaan | Konfirmasi relevansi dan dampak; memutuskan tindakan |
| Persiapan berkas | Draf pertama, modul pemeriksaan silang, analisis kesenjangan terhadap persyaratan | Tinjau, perbaiki, dan setujui konten |
| pelabelan | Membandingkan label SMPC, PIL dan referensi; Pelacakan Perbedaan | memutuskan kata-kata; Menyetujui Label Lokal |
| Surat Kueri dan Kekurangan | Menemukan tanggapan sebelumnya dan data sumber | Tulis dan tanda tangani tanggapannya |
| Dukungan farmakovigilans | Triase Asupan Kasus, Penyaringan Sastra | Pengkajian medis dan kausalitas |
| Tender dan harga | Mengekstrak persyaratan, memeriksa kelengkapan dokumen | Keputusan Komersial dan Kepatuhan |
di mana AI menciptakan risiko
- Output yang tidak akurat: EMA mencatat bahwa model bahasa besar dapat menghasilkan hasil yang bervariasi dan respons yang tidak relevan atau tidak akurat.8
- Kebocoran data: Prinsip-prinsip EMA yang sama menyoroti potensi risiko keamanan data dan kebutuhan akan input data yang aman.8
- Akuntabilitas yang tidak jelas: Jika tidak ada orang yang memiliki kesimpulan yang didukung AI, tidak ada yang dapat mempertahankannya kepada regulator.12
- Silent Drift: Kinerja model dapat berubah seiring waktu, itulah sebabnya prinsip-prinsip bersama menyerukan pemantauan terjadwal dan evaluasi ulang.1
2. Lanskap Peraturan
Tidak ada aturan AI tunggal untuk urusan regulasi. Kerangka dalam makalah ini mengacu pada sumber-sumber berikut.
| Sumber | Status | Hubungan |
| FDA–EMA Panduan Prinsip Praktik AI yang Baik1 | Diterbitkan Januari 2026; sukarela | sepuluh prinsip dari desain yang berpusat pada manusia hingga manajemen siklus hidup; dasar untuk panduan masa depan2 |
| FDA Draf Pedoman AI untuk Pengambilan Keputusan Regulasi3 | Draf, Januari 2025 | Tujuh langkah, kerangka kredibilitas berbasis risiko untuk konteks penggunaan yang ditentukan |
| Kertas refleksi EMA tentang AI dalam siklus hidup produk obat6 | Diadopsi September 2024 | Pertimbangan untuk penggunaan AI yang aman dari penemuan hingga pasca-otorisasi |
| Prinsip Panduan EMA/HMA pada Model Bahasa Besar8 | Diterbitkan September 2024; Diperbarui secara berkala | Input yang aman, tinjauan kritis terhadap keluaran, pembelajaran berkelanjutan, eskalasi |
| EU GMP Lampiran 22: Kecerdasan Buatan9 | Draf Konsultasi, Juli 2025 | Draf mengecualikan AI generatif dari penggunaan GMP kritis; Lingkup di bawah tinjauan10 |
| UU AI ACT11 | aplikasi bertahap; Aturan berisiko tinggi dari Desember 2027 dan Agustus 2028 | Aturan Transparansi berlaku mulai Agustus 2026 |
| SDIA AI Prinsip Etika dan Pedoman Genai untuk Pemerintah12,13 | berlaku, Arab Saudi | pengawasan manusia; akuntabilitas; Tidak Ada Genai dalam Keputusan Pemerintah Kritis |
| Kebijakan AI DOH Abu Dhabi dan Standar AI yang Bertanggung Jawab14,15 | Kebijakan 2018; Standar Oktober 2025 | Tingkat risiko, pengawasan manusia, jalur audit dan dokumentasi |
| ISO/IEC 4200116 dan NIST AI RMF17 | Diterbitkan 2023 | Sistem manajemen dan kerangka kerja risiko: mengatur, memetakan, mengukur, mengelola |
| Perusahaan implikasi GCC yang beroperasi di Teluk harus mengharapkan regulator untuk menerapkan etika AI nasional dan standar sektor kesehatan di samping harapan FDA dan EMA. Model tata kelola tunggal yang selaras dengan semuanya lebih efisien daripada kontrol terpisah per pasar. |
3. Konsep inti
Konteks Penggunaan
FDA mendefinisikan konteks penggunaan sebagai peran khusus dan ruang lingkup model AI yang digunakan untuk menjawab pertanyaan yang menarik.3 Prinsip-prinsip bersama juga memerlukan konteks penggunaan yang jelas untuk setiap teknologi AI. menghasilkan, dan bagaimana output akan digunakan.
risiko model
Rancangan pedoman FDA menilai risiko model dengan menggunakan dua faktor: pengaruh model, yang berarti seberapa besar output mendorong keputusan, dan konsekuensi keputusan, yang berarti dampak dari keputusan yang salah.4 Semakin tinggi risikonya, semakin banyak validasi, pengawasan dan dokumentasi yang diperlukan.3
Kredibilitas
Kredibilitas adalah kepercayaan, dibangun melalui bukti, dalam kinerja model AI untuk konteks penggunaan tertentu. memadai.3
manusia dalam lingkaran dan di lingkaran
Standar AI yang bertanggung jawab di Abu Dhabi mensyaratkan mekanisme manusia-dalam-loop atau manusia-on-the-loop, protokol eskalasi yang jelas berdasarkan tingkat risiko, dan menimpa mekanisme.15 Manusia dalam lingkaran berarti seseorang menyetujui setiap keluaran sebelum digunakan; Manusia pada lingkaran berarti seseorang mengawasi dan dapat campur tangan.
4. Kerangka Kecerdasan Kecerdasan yang Dapat Ditanggung Manusia Herms
Kerangka kerja di bawah ini adalah sintesis herms dari sumber-sumber di bagian 2. Ini mengatur tata kelola AI dalam urusan regulasi menjadi enam pilar.
| Pilar | apa yang dibutuhkannya | berlabuh di |
| 1. Tujuan | Konteks penggunaan dan pertanyaan yang menarik untuk setiap aplikasi AI | Panduan Draft FDA3; Prinsip Bersama 41 |
| 2. Proporsi | Tingkat risiko berdasarkan pengaruh model dan konsekuensi keputusan; Skala kontrol dengan tingkat | Panduan Draft FDA4; Kelas Risiko DOH15; Prinsip Bersama 21 |
| 3. Asal usul | Setiap output yang terkait dengan sumber saat ini yang dapat diidentifikasi; Garis keturunan data didokumentasikan | Prinsip Bersama 61; Aturan Dokumentasi DOH15 |
| 4. Orang | Nama pemilik untuk setiap sistem AI dan setiap keputusan; hak keputusan yang ditentukan; pengguna terlatih | Akuntabilitas SDAIA12; Peran DOH15; Prinsip Bersama 51 |
| 5. Bukti | log input, output, versi, ulasan, dan penggantian; Catatan Audit-Siap | Ketertelusuran DOH15; ISO/IEC 4200116 |
| 6. Kinerja | Validasi pra-penggunaan, pemantauan, pemeriksaan drift dan evaluasi ulang berkala | Prinsip Bersama 8 dan 91; NIST AI RMF17 |
| Tes akuntabilitas untuk setiap keluaran peraturan yang didukung AI, organisasi harus dapat menjawab dalam hitungan menit: Apa yang diminta AI, sumber apa yang digunakannya, siapa yang meninjaunya, apa yang mereka ubah, dan siapa yang menyetujuinya. |
5. Tingkat risiko untuk kasus penggunaan peraturan
Tingkatan di bawah ini adalah model perencanaan HERMS. Mereka menerapkan logika FDA tentang pengaruh model dan konsekuensi keputusan4 dan prinsip Abu Dhabi yang mengendalikan naik dengan risiko.15
| Tingkat | Contoh | Kontrol minimum |
| Tingkat 1: Rendah | Pencarian internal, catatan rapat, terjemahan pertama untuk membaca internal | daftar alat yang disetujui; tidak ada data rahasia dalam alat yang tidak disetujui; Pengguna yang bertanggung jawab untuk memeriksa |
| Tingkat 2: Sedang | Ringkasan intelijen peraturan, draf pertama bagian non-kritis, pemeriksaan kelengkapan dokumen | sumber kutipan diperlukan; Peninjau yang memenuhi syarat menyetujui sebelum digunakan; Audit sampel |
| Tingkat 3: Tinggi | konten yang mendukung klaim keamanan, kemanjuran, atau kualitas; teks pelabelan; tanggapan atas pertanyaan otoritas; Triase Kasus PV | alur kerja yang divalidasi; persetujuan manusia dari setiap keluaran; logging penuh; bukti kredibilitas yang terdokumentasi; Evaluasi ulang secara berkala |
| Tingkat 4: Tidak Diizinkan | AI sebagai satu-satunya pengambil keputusan tentang pengajuan, persetujuan pelabelan, kausalitas keselamatan, atau keputusan terkait batch | dilarang; AI mungkin mendukung tetapi tidak pernah mengganti orang yang bertanggung jawab |
Tingkat 4 mencerminkan posisi regulasi yang lebih luas. Pedoman Genai Pemerintah Arab Saudi melarang AI generatif dari keputusan penting yang mempengaruhi individu dan memerlukan peninjauan hasil pada manusia.13 Rancangan GMP EU Annex 22 menyatakan bahwa AI generatif dan model bahasa besar tidak boleh digunakan dalam aplikasi GMP penting.9
6. Hak Keputusan Manusia
Tata kelola gagal ketika tidak jelas siapa yang memutuskan. Setiap proses yang didukung AI harus menentukan empat peran.
| Peran | Tanggung jawab |
| pemilik sistem | bertanggung jawab atas sistem AI, konteks penggunaan, tingkat risiko, validasi, dan pemantauannya |
| Peninjau yang memenuhi syarat | Memeriksa setiap keluaran terhadap sumber; mengoreksi atau menolaknya; Mencatat ulasan |
| pemilik keputusan | menyetujui hasil peraturan, seperti pengajuan, label atau tanggapan, dan menandatanganinya |
| badan pemerintahan | Menyetujui kasus penggunaan baru dan perubahan tingkat; Meninjau insiden, penggantian dan kinerja |
- Orang bernama: SDIA mengharuskan desainer, pengembang, dan pelaksana untuk dapat diidentifikasi dan bertanggung jawab.12
- Tugas pemantauan yang ditentukan: Abu Dhabi mengharuskan individu atau tim yang disebutkan untuk memantau keluaran, meninjau kasus dan penggantian yang ditandai, dan melaporkan masalah.15
- Otoritas akhir tetap manusiawi: Standar Abu Dhabi menyatakan bahwa dokter harus mempertahankan otoritas pengambilan keputusan akhir dalam skenario perawatan kesehatan yang dibantu AI.15 Logika yang sama berlaku untuk penandatanganan peraturan.
- Tanggung jawab perusahaan: EMA menempatkan tanggung jawab atas kesesuaian model dan data pada pemohon atau pemegang otorisasi pemasaran.7
7. Bukti, Ketertelusuran dan Audit
Regulator atau auditor mungkin bertanya bagaimana kesimpulan yang didukung AI dicapai. Catatan harus menjawab pertanyaan itu tanpa bergantung pada ingatan.
Apa yang harus direkam
- Sumber: dokumen, versi dan tanggal yang digunakan untuk menghasilkan output.1
- input dan output: prompt atau query, output dan model atau versi sistem.15
- Tindakan manusia: peninjauan, pengeditan, penggantian dan persetujuan, masing-masing ditautkan ke orang yang bertanggung jawab.15
- Validasi: hasil pengujian, kriteria penerimaan dan hasil pemantauan.15
- Garis keturunan data: asal data, langkah-langkah pemrosesan dan keputusan analitis, didokumentasikan dengan cara yang dapat dilacak sejalan dengan GXP.1
Retensi dan Akses
Standar Abu Dhabi memerlukan dokumentasi yang dikontrol versi yang tersedia untuk audit internal dan eksternal, dan pencatatan semua akses ke sistem AI.15 Tim pengatur harus menyelaraskan catatan AI dengan penyimpanan dokumen yang ada dan aturan sistem kualitas.
| Sumber-didasarkan oleh desain Output AI peraturan tanpa kutipan adalah pendapat. Keluaran yang dikutip adalah bukti yang dapat diverifikasi oleh pengulas. Sistem yang diatur harus membuat kutipan wajib untuk penggunaan Tier 2 dan Tier 3. |
8. Model AI dan Bahasa Besar Generasi
AI generatif adalah kategori yang tumbuh paling cepat dalam pekerjaan regulasi dan regulator memperlakukan paling hati-hati.
Apa yang dikatakan regulator
- EMA dan HMA: Empat prinsip untuk staf: memastikan masukan data yang aman, menerapkan pemikiran kritis dan hasil pemeriksaan silang, terus belajar, dan mengetahui siapa yang harus dikonsultasikan ketika masalah muncul. Organisasi harus menentukan tata kelola, kasus penggunaan yang diizinkan, pelatihan dan pemantauan risiko.8
- EU GMP Annex 22 Draft: AI dan LLM generatif tidak boleh digunakan dalam aplikasi GMP kritis; Dalam penggunaan non-kritis, orang yang memenuhi syarat harus memastikan keluaran yang sesuai.9 EMA sedang meninjau batas ini setelah umpan balik industri.10
- SDIA: Entitas pemerintah tidak boleh menggunakan AI generatif dalam keputusan penting yang mempengaruhi individu, dan semua hasil harus ditinjau oleh manusia.13
- Panduan Uni Eropa Mendatang: Rencana Kerja Jaringan UE meramalkan panduan tentang AI dalam pengembangan klinis dan farmakovigilans.18
Kontrol praktis
- Hanya gunakan alat yang disetujui dan dikendalikan perusahaan untuk data rahasia atau produk.
- Batasi pembuatan ke pustaka sumber yang disetujui jika memungkinkan, dengan kutipan.
- Mengharuskan peninjau yang memenuhi syarat untuk mengonfirmasi setiap pernyataan yang digunakan secara eksternal.
- Melarang teks AI yang belum ditinjau dalam pengiriman, label, dan korespondensi otoritas.
- Uji keluaran secara teratur terhadap jawaban yang diketahui dan catat hasilnya.
9. Peta Jalan Implementasi
Roadmap adalah model perencanaan HERMS untuk fungsi urusan regulasi yang mengadopsi AI yang diatur.
| Tahap | Pemilihan waktu | Tingkah laku |
| Dasar | hari 0–90 | inventaris penggunaan AI saat ini; Menulis kebijakan AI untuk urusan regulasi; menyetujui alat; menetapkan pemilik sistem; Latih pengguna tentang masukan dan peninjauan yang aman |
| Kontrol | hari 90-180 | menulis pernyataan konteks penggunaan; menetapkan tingkat risiko; Tetapkan aturan peninjauan dan penebangan; Tentukan peran peninjau dan pemilik keputusan |
| Jaminan | Hari 180–365 | memvalidasi alur kerja Tingkat 3; menetapkan kriteria penerimaan; Mulai pemantauan dan audit sampel; Melaporkan ke Badan Tata Kelola |
| Dewasa | Tahun 2 dan seterusnya | Sejajarkan dengan ISO/IEC 42001; evaluasi ulang berkala; Pembaruan untuk panduan FDA, EMA, dan GCC baru |
ukuran keberhasilan
- Pangsa keluaran yang didukung AI dengan kutipan sumber lengkap.
- Pangsa keluaran Tier 3 dengan review dan persetujuan manusia yang tercatat.
- Tingkat koreksi peninjau dan waktu yang disimpan per tugas.
- Jumlah temuan audit terkait penggunaan AI.
10. Daftar Periksa Jebakan dan Kesiapan
Sepuluh jebakan
- menggunakan AI tanpa konteks penggunaan tertulis.3
- Menerapkan kontrol yang sama untuk setiap kasus penggunaan terlepas dari risikonya.3
- memasukkan berkas rahasia atau data pasien ke dalam alat yang tidak disetujui.8
- menerima keluaran tanpa memeriksa sumber.8
- tidak ada pemilik bernama untuk sistem AI atau keputusan.12
- tidak ada log tentang siapa yang meninjau, mengedit, atau menyetujui output.15
- Menggunakan AI generatif untuk keputusan penting.9,13
- memvalidasi sekali dan tidak pernah memantau lagi.1
- melatih pengguna pada alat tetapi tidak pada batasannya.8
- memperlakukan jaminan vendor sebagai pengganti tanggung jawab perusahaan.7
Daftar periksa kesiapan
| Daerah | Siap kapan |
| Kebijakan | Kebijakan AI untuk urusan regulasi disetujui; Penggunaan yang Diizinkan dan Dilarang Terdaftar |
| Inventaris | Setiap kasus penggunaan AI yang direkam dengan pemilik, konteks penggunaan dan tingkat risiko |
| Masyarakat | Peninjau dan pemilik keputusan yang disebutkan dan dilatih |
| Bukti | Kutipan, log, dan persetujuan yang ditangkap untuk output Tier 2 dan Tier 3 |
| Jaminan | Jadwal validasi, pemantauan dan evaluasi ulang di tempat |
| Penjajaran | Pengendalian yang dipetakan ke FDA, EMA, SDIA dan Doh Abu Dhabi Harapan |
11. Bagaimana Herms Membantu
Konsultasi HERMS DMCC membantu perusahaan ilmu kehidupan dan organisasi perawatan kesehatan mengadopsi AI dalam pekerjaan regulasi dengan akuntabilitas manusia yang jelas.
- Desain Tata Kelola: Kebijakan AI, Tingkat Risiko, Hak Keputusan dan Badan Tata Kelola untuk Urusan Regulasi.
- Penilaian kasus penggunaan: Pernyataan konteks penggunaan, penilaian risiko, dan desain kontrol untuk setiap aplikasi.
- Jaminan: Rencana validasi, kriteria penerimaan, pemantauan dan kesiapan audit.
- Kecerdasan peraturan yang didasarkan pada sumber: Konten peraturan yang dikutip terstruktur untuk pasar GCC dengan tinjauan manusia.
- Pelatihan: Penggunaan yang aman, tinjauan kritis, dan akuntabilitas untuk tim pengatur.
| Meminta Tinjauan Kesiapan AI yang diatur HERMS akan memetakan penggunaan AI Anda saat ini terhadap kerangka kerja dalam makalah ini dan memberikan rencana pengendalian yang diprioritaskan. [email protected] | +971 55 600 8944 | www.hermsglobal.com |
Referensi
1. FDA dan EMA. Prinsip Panduan Praktik AI yang Baik dalam Pengembangan Obat, Januari 2026. https://www.fda.gov/media/189581/Download
2. EMA. EMA dan FDA menetapkan prinsip-prinsip umum untuk AI dalam pengembangan kedokteran, 14 Januari 2026. https://www.ema.europa.eu/en/news/ema-fda-set-common-principles-ai-medicine-development-0
3. FDA. Pertimbangan untuk penggunaan kecerdasan buatan untuk mendukung pengambilan keputusan peraturan untuk obat dan produk biologi (Draft Guidance), Januari 2025. https://www.fda.gov/regulatory-information/search-fda-guidan…
4. DLA Piper. Takeaways utama dari draf panduan FDA tentang penggunaan AI dalam siklus hidup obat dan biologis, Januari 2025. https://www.dlapper.com/en-at/insights/publications/2025/01/fda-releases-draft-guidance-on-use-of-ai
5. FDA Cder. kecerdasan buatan untuk pengembangan obat. https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development
6. EMA. Makalah refleksi tentang penggunaan kecerdasan buatan dalam siklus hidup produk obat (EMA/CHMP/CVMP/83833/2023), September 2024. https://www.ema.europa.eu/en/scientific-guidelines/use-artificial-intelligence-ai-medicinal-product-lifecycle
7. Ema. Menyampaikan persyaratan pemangku kepentingan untuk AI (presentasi). https://www.ema.europa.eu/en/documents/presentation/presentation-delivering-stakeholders-requirements-ai-l-pinheiro-ema_en.pdf
8. EMA. Memanfaatkan AI dalam Peraturan Obat-obatan: Penggunaan Model Bahasa Besar, September 2024. https://www.ema.europa.eu/en/news/harnessing-ai-medicines-regulasi-use-large-language-models-llms
9. Komisi Eropa. Eudralex Volume 4, Annex 22: Artificial Intelligence (Draft Konsultasi), Juli 2025. https://health.ec.europa.eu/document/download/5F38A92D-BB8E-…
10. EMA. Lokakarya GMP Multistakeholder tentang Pengembangan Bimbingan AI (Lampiran 22), 2026. https://www.ema.europa.eu/en/events/good-manufacturing-pract…
11. Meja Layanan Undang-Undang Komisi Eropa. Garis waktu untuk pelaksanaan UU AI UE. https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act
12. sDia. prinsip etika AI. https://sdaia.gov.sa/en/sdaia/about/documents/ai-principles.pdf
13. sDia. Pedoman Kecerdasan Buatan Generative untuk Pemerintah. https://sdaia.gov.sa/en/sdaia/about/files/genaiguidelinesforgovernmentencompressed.pdf
14. Departemen Kesehatan Abu Dhabi. DOH menjadi entitas pertama di kawasan yang mengembangkan kebijakan AI di sektor perawatan kesehatan, Mei 2018. https://www.doh.gov.ae/en/news/the-department-of-health-becomes-region
15. Departemen Kesehatan Abu Dhabi. Standar Kecerdasan Buatan (AI) yang Bertanggung Jawab, DOH/ST/DDGO/RAI/V1/2025, Oktober 2025. https://www.doh.gov.ae/-/media/B84FF5DD027846699C51F36C439A580F.ASHX
16. ISO. ISO/IEC 42001:2023 Kecerdasan Buatan: Sistem Manajemen. https://www.iso.org/standard/42001
17. NIST. Kerangka Kerja Manajemen Risiko Kecerdasan Buatan (AI RMF 1.0), Januari 2023. https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
18. Osborne Clarke. Regulator Farmasi UE menerbitkan Laporan Observatorium AI Tahunan, 2026. https://www.osborneclarke.com/insights/eu-pharma-regulators-publish-annual-ai-observatory-report
Penafian: Buku putih ini hanya untuk informasi dan bukan merupakan nasihat hukum, peraturan atau teknis. Ini mencerminkan sumber publik yang tersedia pada 5 November 2026. Beberapa sumber adalah draf atau prinsip sukarela yang dapat berubah. Kerangka kerja, tingkat risiko, dan peta jalan adalah model perencanaan HERMS, bukan persyaratan peraturan. © 2026 Konsultasi Herms DMCC.
Solusi Herms yang relevan
Jelajahi solusi Herms yang relevan dengan artikel ini dan nilai kesesuaiannya untuk alur kerja, bukti, dan persyaratan persetujuan Anda.
