Bridging AI Risk Frameworks: Reconciling ISO/IEC 42001, the NIST AI Risk Management Framework, and the EU AI Act into a Uni ed Governance Taxonomy

伟大的 AI 规则书纠缠

想象一下，你正试图制造一个能够帮助医生诊断疾病或决定谁能获得贷款的机器人。你希望确保这个机器人是安全、公平且不会意外伤害到任何人的。但问题在于：这个世界并没有只有一本用于制造机器人的规则书。相反，它有三位来自不同角落、声音响亮的图书管理员在向你喊话。一位是来自欧洲的严厉法官，他说：“如果你的机器人从事这项特定工作，你必须遵守这 100 页规则，否则你就会惹麻烦。”另一位是来自美国的乐于助人的教练，他说：“这里有一份灵活的剧本，可以帮助你思考风险，但除非你想让自己看起来很出色，否则你并不一定要使用它。”第三位是全球认证机构，它说：“如果你想获得一颗闪亮的金星来证明你的公司组织有序，你需要遵循这个特定的清单。”

这篇文章存在于 人工智能（AI）治理 的领域。简单来说，这是研究如何确保 AI 系统被负责任地构建和使用的学科。文中将三个关键概念交织在一起：ISO/IEC 42001（一种用于获得证明公司组织良好的证书的标准）、NIST AI 风险管理框架（一份旨在帮助团队管理风险的自愿性指南）以及 欧盟 AI 法案（一项禁止危险 AI 并对高风险 AI 设定严格规则的真实法律）。每个人都对此感到关心，因为 AI 现在无处不在。如果公司试图同时遵循这三本规则书，他们最终会重复编写相同的规则，导致混乱并浪费大量资金。核心问题是：我们能否让这三本不同的规则书协同工作，而不丢失法律的严谨性或指南的灵活性？

论文的核心思想：一张地图，三个目的地

由 Vinod Dhiman 撰写的这篇论文认为，试图将这三本规则书合并成一个巨大的扁平列表是一个坏主意。这就像试图把一张城市地图、一份交通法规和一本驾驶手册合并成一张纸。如果你这样做，你可能会忽略其中一条规则是必须遵守的法律，而另一条仅仅是一个建议。作者建议，与其将它们扁平化，不如构建一个 统一 AI 治理分类法（UAGT）。将其想象为一个“超级组织者”或一个拥有五个不同层级的 乐高说明书。

以下是论文的分解方式：

1. “超级组织者”的五个层级
论文指出，我们需要通过五个不同的维度，将 AI 治理层层叠加来看：

• “为什么”层（规范目的）： 目标是什么？（例如，“不要歧视”、“要安全”）。
• “谁”层（治理主体）： 谁负责？（例如，整个公司、特定的机器人，或使用机器人的那个人）。
• “风险”层（风险逻辑）： 我们如何衡量危险？（例如，是因为它在“黑名单”上而危险，还是因为它在特定情况下确实造成了伤害？）。
• “如何”层（控制架构）： 我们遵循哪些具体规则？
• “证明”层（证据）： 我们展示什么样的文书来证明我们做到了？

论文发现，这三本规则书在“为什么”和“如何”层面上基本达成一致，但在“谁”和“风险”层面上存在分歧。例如，欧盟法律规定，仅仅因为机器人用于招聘人员，它就是“高风险”的（基于清单的规则）。但美国的指南可能会说：“好吧，让我们测量一下这个特定机器人实际造成了多少伤害。”论文认为我们不应该强迫它们变得一样。相反，UAGT 将这两个答案并列放置。这就像一个有两个口袋的背包：一个口袋装着“法律上的高风险”标签，另一个口袋装着“测量的低风险”标签。你同时携带两者，这样你既不会违反法律，也能了解真实的状况。

2. 八个“稳定”的抽屉
为了在现实世界中实现这一点，论文将所有规则组织成了 八个稳定的抽屉（称为治理领域）。这些就像文件柜中的八个不同抽屉，即使法律更新，它们也不会改变。这些抽屉是：

1. 问责制： 谁在负责？
2. 风险评估： 检查危险。
3. 数据治理： 确保数据干净且公平。
4. 透明度： 对 AI 如何运作保持公开。
5. 人类监督： 确保有人在观察 AI。
6. 鲁棒性与安全性： 确保 AI 不会崩溃或被黑客攻击。
7. 监控： 在 AI 发布后进行观察。
8. 第三方与 AI 模型： 管理外部工具和大型 AI 模型。

论文建议，公司可以将他们的规则放入这八个抽屉中。在每个抽屉内部，他们可以拥有一个同时满足三本规则书的“控制库”。例如，在“人类监督”抽屉中，公司写下一条规则：“必须由人类检查决策。”这条单一的规则可以展示给 ISO 审计员（以获得证书）、展示给 NIST 团队（以表明他们在管理风险），以及展示给欧盟监管机构（以证明他们在遵守法律）。

3. 现实世界的案例
论文通过两个案例测试了这个想法：一个帮助医生阅读 X 光片的 医疗 AI，以及一个决定谁能获得贷款的 信用评分 AI。

• 在 医疗案例 中，根据欧盟法律，该 AI 是“高风险”的，因为它是一种医疗设备。论文展示了公司如何利用 UAGT 创建一套文档，证明该 AI 对医生是安全的（NIST）、对医院的管理系统是安全的（ISO），并且符合欧盟法律。
• 在 信用案例 中，该 AI 因为出现在欧盟针对金融决策的“黑名单”上而属于“高风险”。论文展示了即使公司的内部测试显示该 AI 非常安全，他们仍必须遵循严格的欧盟规则。UAGT 帮助他们在同一个文件夹中将“严格法律”版本和“内部测试”版本分开并整理好。

4. 论文明确表示“不可能”做到的事
论文非常谨慎地说明了这个系统不能做什么。它明确排除了“获得 ISO 证书就自动意味着你正在遵守欧盟法律”的想法。这就像拥有驾照（ISO）并不意味着你可以不需要特殊许可就能驾驶卡车（欧盟法律）。论文指出，你不能通过“映射”来消除差异。如果欧盟说一个系统是高风险，那么它就是高风险，即使你的内部测试显示它是低风险。论文还指出，这个系统是一个“蓝图”或“地图”，而不是一个完成的、经过验证的产品。它尚未在巨大的现实世界实验中得到测试；它是一个基于分析文档所提出的结构。

5. “布鲁塞尔效应”与未来变化
论文提到，由于欧盟法律非常严格，世界各地的公司通常为了保险起见，往往直接遵循欧盟规则（这被称为“布鲁塞尔效应”）。UGT 有助于公司高效地做到这一点。然而，论文警告说，规则仍在变化。欧盟刚刚在 2026 年通过了一项“数字综合（Digital Omnibus）”更新，调整了一些期限，美国也在更新其指南。论文建议，虽然八个抽屉会保持不变，但其中的具体规则可能需要随着法律的变化而更新。

总结
论文的结论是，我们不应该试图强迫这三本规则书变得完全一致。相反，我们应该使用这个“统一分类法”来建立一个智能的归档系统。这个系统让公司能够使用一套规则和一套证据，同时满足严格的欧盟法律、灵活的美国指南以及全球性的认证标准。这节省了时间和金钱，同时也保护了严格的法律规则，使其与公司内部规则保持独立。这是一种在不假装三本规则书完全相同的前提下，停止因三本不同规则书而导致的混乱的方法。