人工智能审计的中国方案研究

摘要

人工智能在金融风控、医疗诊断、教育评价、就业筛选、自动驾驶和公共服务中的应用不断扩展，算法运行过程的可核验性、数据使用的合规性、模型输出的可解释性和责任承担的可追溯性，已经成为数字治理中的核心议题。美国、欧盟、英国围绕人工智能风险控制形成了三种不同路径。美国以联邦指引、技术框架和地方立法并行推进，纽约市在自动化雇佣决策工具领域引入偏差审计、结果公开和事前告知义务。欧盟以统一立法为中心，将风险分类、合规评定、市场准入、执法协调和持续监管纳入同一制度结构。英国坚持在既有监管体系内推进人工智能治理，由各行业监管机构围绕安全、透明、可解释、公平、问责、救济等原则实施分类监管。三种路径的制度形态并不一致，审计的功能定位已经趋于清晰，重点都落在高风险场景的前端控制、过程留痕和责任核验上。我国已经通过算法推荐、深度合成、生成式人工智能管理等规范建立起基础制度框架，下一阶段的关键任务，是把备案、安全评估、测评认证、过程记录、监督检查等分散规则进一步整合为具有场景针对性的人工智能审计体系。