生成式AI进入企业流程前，如何建立一张可执行的风险分级表

很多企业在试用生成式 AI 时，先讨论“能不能用”，却没有先回答“这项任务出错后会造成什么影响”。更可执行的做法，是把每一项 AI 任务放进一张风险分级表，再根据数据敏感度、输出影响、自动执行程度和错误可逆性，决定谁来审批、记录什么，以及人工必须介入到哪一步。

先定义“任务”，不要只给 AI 工具贴标签

风险分级的对象不应只是某个模型、平台或应用，而应是“谁用 AI、处理什么数据、生成什么结果、结果是否会自动产生后果”的完整任务。例如，同一个生成式 AI 工具，用来整理公开资料，和用来生成面向客户的处理意见，风险并不相同。

因此，企业建立清单时，至少应把以下信息写在同一条记录中：任务名称、使用部门、输入数据、输出对象、是否进入正式业务流程、是否触发后续动作，以及最终由谁负责确认。这样做可以避免把“工具风险”误认为“任务风险”，也方便后续审批和复盘。

用四个维度给任务打分

不必一开始就设计复杂的模型。每个维度可以先按低、中、高三级判断，再根据最高风险维度确定任务等级。风险分级的目的不是算出一个看似精确的总分，而是避免某个严重因素被其他低风险因素抵消。

这里的“高”并不等于任务一定不能使用 AI，而是意味着不能按普通办公工具的方式放行。尤其要注意两种情况：一是输入数据不敏感，但输出会直接影响他人；二是输出内容看起来只是建议，却会被自动流程直接采用。这两类任务都不能仅凭“AI 不做最终决定”来降低等级。

建议采用四级任务表

企业可以先用四个等级建立最小可用版本。等级名称是内部管理标识，不应直接当作某项法律分类或合规结论。

表中的关键不是等级数量，而是每一级都要绑定具体控制措施。如果审批人、日志内容和人工复核方式没有写清楚，分级表就只是风险名词清单，无法真正进入流程。

一套可以落地的判断步骤

第一步：把任务拆成输入、生成和执行

先不要问“这个 AI 项目风险高不高”，而要沿着流程逐段看：输入了什么，AI 生成了什么，生成结果接下来会做什么。

例如，AI 生成一封内部会议纪要，风险主要集中在数据是否包含敏感内容、纪要是否会被当成正式记录。若同一系统还能自动把纪要发送给外部人员，风险就从“内容生成”延伸到了“自动执行”。任务边界一旦变化，等级也应重新判断。

第二步：四个维度逐项判断，并记录依据

每项判断都要写一句理由，而不是只勾选“低、中、高”。“内部资料”不能自动等同于中风险，“客户可见”也不能自动说明全部内容都是高风险。真正有用的记录应接近这样的表述：

输入包含内部经营资料，输出供客户沟通使用，发送前由业务负责人确认，错误可以在发送前撤回，因此数据敏感度为中，输出影响为高，自动执行程度为低，错误可逆性为中。

这种记录能让审批人知道风险来自哪里，也能在任务改造后快速更新分级。

第三步：用最高维度触发升级

四个维度不建议简单取平均值。只要有一个维度达到高风险，就至少进入三级评估；如果高风险同时出现在输出影响、自动执行程度或错误可逆性上，通常应按四级任务处理，直到企业证明已有足够的隔离、审批和回滚措施。

这是为了防止“多数维度很低”掩盖关键风险。比如，输入只是内部文字，输出却能直接改变业务记录，而且执行后难以撤回，这项任务仍然需要严格控制。

第四步：把等级转换成系统和流程限制

分级表最终要落到操作权限上，而不是停在文档里。不同等级至少应对应不同的使用边界：哪些数据可以输入，哪些输出必须脱敏，谁可以批准，是否允许连接业务系统，是否允许自动发送，以及出现异常时由谁暂停任务。

对于三级和四级任务，还应明确“人工复核完成”的定义。人工复核不是点击确认按钮，而是由负责人员检查关键事实、对象、金额、结论和执行范围，并留下可以追溯的确认记录。

留痕不只是保存聊天记录

企业常见的误区，是把保存 AI 对话当成全部审计记录。对风险管理来说，更重要的是能够还原一次任务是如何被发起、判断和执行的。

至少应记录任务负责人、使用目的、数据类别、审批人、人工复核人、输出去向和最终执行结果。对于可能影响外部对象或正式业务记录的任务，还应保留修改前后的内容，并记录是否发生异常、是否暂停以及采取了什么补救措施。

如果出于数据安全原因不能保存完整输入，也可以保存数据分类、脱敏状态、摘要指纹或其他能够证明检查已发生的信息。重点是让后续复盘能够回答三个问题：当时用了什么数据，谁看过结果，最终发生了什么。

哪些变化会触发重新分级

风险等级不应一次确定、长期不变。下面几类变化出现时，应重新评估：

• 输入数据从公开或内部普通资料，变成更敏感的数据；




• 输出对象从内部员工变成客户、合作方或其他外部人员；




• AI 从“生成草稿”变成“自动写入、发送或调用系统”；




• 原本可以人工撤回的操作，变成错误后难以恢复的操作；




• 任务从试点扩大到更多部门、更多人员或更大数据范围；




• 业务流程、使用权限或模型服务发生变化。

重新分级不一定意味着增加审批层级。有时，把自动执行改为人工确认，或者缩小输入范围，就能降低任务风险。治理的重点不是让所有任务都走最复杂的流程，而是让控制措施与实际后果相匹配。

让分级表真正进入日常管理

落地时，可以先从企业已经在使用的 AI 任务开始，而不是等待所有场景设计完毕。数字化负责人负责维护任务目录和流程，业务部门负责判断输出影响，信息安全团队关注数据和系统连接，合规团队负责审查高影响场景，最终由明确的业务责任人承担使用责任。

分级表还应设置复核周期和异常升级路径。对于一级、二级任务，可以通过抽查和培训维持管理；三级、四级任务则需要在流程变化、异常事件或使用范围扩大时及时复审。新任务如果无法判断，先按更高一级控制，等数据范围、执行边界和人工责任明确后再降级。

一张好用的风险分级表，不是把所有 AI 风险都写进去，而是让团队在接入流程前迅速做出四个判断：数据是否敏感，结果会影响谁，AI 能否直接行动，错误是否容易挽回。只要这四个问题都有记录，并且每个等级都对应审批、留痕和复核动作，企业就有了一个可以持续更新、而不是只用于汇报的 AI 使用控制入口。