为什么在引入AI之前必须确定数据、审批与恢复标准
探讨公共部门指南与《AI基本法》的适用范围，阐释在实际业务中确定数据、审批与恢复责任的方法。
商业在挑选模型之前，必须先明确要托付的任务
引入AI时，人们往往容易先去对比选用哪款模型。毕竟需要确认回答是否准确、速度如何、成本是多少。然而，即便选好了模型，依然会遗留一些问题：该让它访问哪些数据？哪些结果需要人工确认？一旦执行出错，又该由谁来处理？
我认为，解答这些问题的过程就是制定指引准则的过程。与其长篇累牍地写下抽象原则，不如明确在实际业务中由谁来负责什么。这项工作必须与对比模型性能同步展开，且在将其接入会对客户或公众产生影响的执行环节之前，必须先确立好标准。
在准备这篇文章的过程中，我按发布顺序梳理了公共部门的AI相关文件。其中格外引人注目的，是近期一份超越单纯技术介绍、通盘涵盖了规划、预算、合同、建设与运维的指引。在我看来，这意味着人们看待引入AI的视角，已经远比单纯采购一款产品要宽广得多。
公共部门指南涵盖服务开发全流程
行政安全部于2026年6月10日发布了《公共部门人工智能引入与应用指南》。该资料将公共机构利用跨政府通用基础设施开发服务的过程梳理为规划、预算、签约、建设、运营五个阶段。
技术与运营在此并非彼此割裂。例如，其中包含优先采用RAG的策略。RAG是指让人工智能先检索机构内部文档等资料，并以此为依据作答的方式。这种方式虽然能减少对模型记忆内容的单纯依赖，但如果文档陈旧或检索与回答出现偏差，依然可能产生错误。
通用基础设施的使用，也直接关系到各机构重复构建同类设备与系统的负担。各部门不仅要决定开发何种服务，还必须明确如何利用现有基础设施，以及由谁来负责运营。
行政安全部解释称，制定该指南是为了配合将于8月28日施行的修订法案中关于优先利用通用基础设施的条款。行政安全部指南发布资料。
我在此看到的转变并非体现在文件数量上，而是它开始具体探讨将人工智能切实融入实际行政业务所需的预算、合同与运营责任。不能仅仅因为相关指南多次发布，就断定公共领域的人工智能成果大多只停留在纸面文档上。
公共机构的服务清单中必须明确究竟使用了什么
自 8 月 28 日起，《促进基于数据的行政法》更名为《促进基于人工智能与数据的行政法》并正式施行。其中新增了多项与公共机构应用 AI 相关的条款。
第 27 条规定行政安全部长官与科学技术信息通信部长官应构建并运营通用基础平台，公共机构负责人在引入 AI 时负有优先使用该平台的努力义务。第 30 条要求各机构管理其所提供的 AI 服务的类型、目的、数据等现状，并提交给行政安全部长官。行政安全部长官则需每年将该清单予以公布。
第 31 条规定行政安全部长官应制定并公布适用于公共机构的伦理准则。机构负责人则应努力制定相符的举措并开展相关培训。由此可见，各个条款所规定的义务主体与内容各有不同。
提交清单也绝非唯一的义务。该法还包含了关于教育培训以及确保学习用数据质量的条款。而新设立的公共领域影响评估条款，根据附则规定，施行时间还要更晚一些。切不可认为在法律更名之日，所有新设条款都会同时生效。法律修改文本与附则。
我认为，在这当中服务清单管理可以成为业务实操的切入点。因为只有摸清到底在哪些地方使用了 AI，才能进一步核实负责人、使用的数据以及相关风险。然而，仅仅提交了清单，实际使用现状并不会自动变得准确无误。当服务发生变动时，必须有明确的人员与流程来进行更新。
确认是否属于高影响AI时，同样需要服务说明
在民间领域，有时也需要先行理清服务的用途与运行方式。这就是依据《人工智能基本法》确认是否属于高影响AI的流程。
经营者可以事先审查自身是否属于该范畴，并在必要时向科学技术信息通信部申请确认。这并不意味着所有公司每次测试AI时都必须取得政府的事先许可。
《施行令》第25条规定，申请确认时须提交产品与服务概述、用于开发与训练的数据概述、可确认系统应用流程与结果的资料，以及其他参考文件。法定答复期限为30天，考虑到复杂性等因素，最多可延长一次，最长30天。若对结果有异议，还有自收到答复之日起10天内申请复核的程序。
仅仅提供使用了何种模型的信息，很难填全这些材料。因为即便是同一个模型，向谁提供、出于何种目的提供、托付何种决策，需要审查的内容都会有所不同。在履行确认程序的同时，也可以同步做好服务设计与数据梳理等准备工作。AI基本法支持服务台的法律与施行令指南。
负责人公示与记录保存，须先确认适用对象
《人工智能基本法》第34条对提供高影响AI或利用其提供产品与服务的经营者规定了风险管理、解释方案、用户保护、人工管理与监督，以及制作与保存可确认措施内容的文档等责任。
施行令第27条要求将与之相关的主要内容公示于事务所、营业场所或官方网站等处。其中不仅包含风险管理方案、解释方案、用户保护方案，还包括对该高影响AI进行管理与监督的人员姓名及联系方式。对于商业秘密也设有例外规定。
看到“负责人的姓名与联系方式”这一项时，我停顿了一下。这给我的感觉是，比起使用了何种模型，用户更需要能够确认在运营过程中究竟由谁来进行管理与监督。不过，这并不是要求所有使用AI的民营企业都必须在官网上公开负责人的姓名。首先需要确认该责任是否适用于相应的经营者与服务。
同款法条还要求将履行措施的依据以文档形式保存5年。这同样不应被扩大理解为必须无条件保存所有输入与输出、乃至包含个人信息的全部对话5年。需要一并明确的是：证明哪些措施需要何种记录，以及如何管理个人信息和商业秘密。
另外，第31条第1款要求，拟提供利用高影响AI或生成式AI的产品与服务的人工智能经营者，须事先告知用户其基于AI运行的事实。高影响AI的管理责任与生成式AI的告知义务，二者的适用范围并不相同。第31条的事先告知义务。
即便在辅导期，也最好留存运营记录
《人工智能基本法》及其实施令已于2026年1月施行，政府宣布为了帮助初期适应，将设立至少1年以上的罚款辅导期。其中还包括通过咨询辅导和费用支持等方式帮助履行法定义务的方针。政府2026年制度变更说明，《人工智能基本法》条目。
不能把辅导期等同于各项具体义务的施行日。必须把义务本身的适用与处罚制裁的执行方针区分开来确认。同时还需要单独确认法律法规中是否存在另设施行宽限期的条款。
从业务实操来看，与其仅关注是否会被罚款，不如记录下当前做出了何种判断、采取了哪些措施，这样更为有利。因为几个月后一旦服务发生调整或负责人换人，仅凭记忆很难还原当时的决策依据。
好的指引会回答实际业务中的问题
我在指引中会核查的内容包括：允许范围、决定权限、评估标准以及事故处理。例如，可以设定以下内容：
| 问题 | 需要明确的内容 |
|---|---|
| 委托什么工作？ | 仅到起草为止，还是包含客户答复或实际执行？ |
| 使用什么数据？ | 可访问的资料，以及向外传输与留存的条件 |
| 由谁审核确认？ | 负责批准的人员，以及无需审核即可执行的范围 |
| 如何判断完成质量？ | 成功标准、错误与异常标准、检查方式 |
| 记录什么内容？ | 用于核实决定与执行的记录、访问权限、保存期限 |
| 出错时如何应对？ | 中止方式、人工接管、恢复流程与对接联系人 |
此表是我建议的运营标准。并非填满了每个格子就等同于履行了所有法律义务。反之，即便法律法规未直接要求特定方式，也可以根据业务风险增设必要的控制措施。
NIST 的人工智能风险管理框架同样统筹涵盖了组织的责任体系、使用语境识别、衡量与风险管理。由于这是一个自愿采用的框架，与其将其生搬硬套、当作韩国法律已将相同内容法制化来逐一对应，不如将其作为审视我们自身组织运营的参考资料更为妥当。NIST AI RMF 介绍。
小规模测试与标准修正同步推进
公共机构的采购与审计流程没必要生搬硬套到民间组织。用公开资料制作内部草案的测试，与直接改动客户账户或支付的服务，其准备程度理应有所不同。
在低风险业务中，可以先按临时标准从小做起，在观察实际错误的过程中加以修正。即便如此，最好也能明确数据的范围、结果的用途，以及出现问题时负责叫停的人选。如果一开始就试图写出一份预测所有风险的厚重文档，可能会错失从测试中学习的机会。
标准中必须包含切实可执行的行动内容。与其仅仅写上一句“负责任地使用”，不如明确在何种情况下终止自动运行、向谁汇报。若使用了量化标准，还需一同说明为何定在这一水平，以及是基于怎样的周期与件数计算得出的。
选择模型的经验与评估资料也是留在组织内的宝贵资产。我之所以强调指南，并非因为模型选择毫无意义，而是因为必须连同所选模型在实际业务中该如何使用一并决定。一旦更换模型，权限与验证方式也必须重新审视。
在本周的引入讨论中，不妨先写下行动、数据、审批、恢复这四项内容。尽管这四项算不上完善的规章，却能帮我们找出接下来该由谁来做决定。我认为，唯有达到这种具体程度的文件，指南才能对实际落地真正有所助益。
💬 在您所在组织的 AI 引入过程中，是否还有尚未明确的事情？无论是托付的业务、数据范围，还是审批与恢复责任，都欢迎分享您的经验。
参考资料与延伸阅读
- 韩国行政安全部发布公共部门 AI 引入与应用指南，2026年6月10日
- 关于促进人工智能及数据驱动行政的法律修订文本及附则
- AI 基本法支持台法律及施行令资料
- 《人工智能基本法》第 31 条事前告知义务
- NIST AI 风险管理框架介绍
推荐阅读往期内容
