管理层摘要
企业人工智能清单不是简单的应用列表。它把发现信号转化为可视化，把可视化转化为可问责的清单记录，再把记录连接到治理决策和审计证据。
- Visibility across AI systems and workflows
- Accountability through ownership and controls
- Regulatory readiness through AI Evidence
为什么 AI 清单重要
组织无法治理尚未盘点的 AI。清单明确系统、负责人、用途、风险和证据。
企业 AI 清单模型
完整清单覆盖 AI 系统、智能体、工作流、资产、供应商、负责人、部门、生命周期、用途、风险、控制、审批和证据。
清单生命周期
生命周期从发现和验证开始，补充风险与控制信息，进入治理审查，持续监控变化，并保留长期记录。
与 AI Discovery 的关系
AI Discovery 识别 AI 使用信号，AI Inventory 将信号转化为结构化记录：发现、可视化、清单、治理、记录。
与 AI Governance 的关系
治理依赖清单质量，用于分配责任、排序风险审查、执行政策并记录决策。
收益
AI 清单提升运营可视化、责任清晰度、审计准备、风险排序、合规准备、供应商监督、生命周期管理和管理层报告。
常见挑战
挑战包括 Shadow AI、责任不完整、元数据不一致、重复记录、供应商透明度不足、未管理工作流和分散证据。
法规与标准
AI 清单支持企业面向 EU AI Act、ISO 42001、NIST AI RMF、OECD AI 原则和行业监管要求做好准备。
常见问题
什么是 AI 清单？
AI 清单是企业记录已知 AI 系统、智能体、工作流和资产的结构化记录，包含负责人、目的、部门、生命周期、风险和证据。
它与应用列表有何不同？
应用列表只列出工具。AI 清单记录责任、业务目的、工作流、风险、状态、治理审查和证据。
为什么 AI 治理需要 AI 清单？
治理需要知道 AI 是否存在、谁负责、风险是什么、适用哪些控制，以及哪些证据证明治理决策。
知识图谱
概念关系将人工智能治理与上级、下级和相关的企业 AI 管理领域连接起来。
行业指南
外部参考
仅保留权威参考，不包含竞争对手或 Wikipedia 链接。
继续学习
已发布概念将持续扩展企业 AI 知识图谱。
建立可信的企业人工智能治理
了解 Alterlayer 如何帮助企业识别 AI 活动，建立可信清单，并形成持续运行的 AI 治理能力。