你好,欢迎您来到福建信息主管(CIO)网! 设为首页|加入收藏|会员中心
您现在的位置:>> 新闻资讯 >>
AI去监管的幻象:为何CIO面临的规则不减反增
作者:福建CIO网 来源:CIOCDO 发布时间:2026年11月19日 点击数:

导语 :华盛顿在松绑,各州在收紧,布鲁塞尔在执法——当联邦层面的“去监管”遭遇一年280部州级新法,AI的监管版图正裂成一块块拼图。CIO们等来的不是减负,而是一张越来越密的合规之网。

华盛顿或许正在放宽AI监管,但对负责在大型企业中部署AI的CIO而言,各州与各国碎片化拼凑的监管体系正持续扩张。

图源:Volodymyr TVERDOKHLIB / Shutterstock

如果你只看华盛顿放出的新闻标题,可能会以为AI监管正在走向终结。本届政府已将削减监管壁垒列为优先事项,主张轻量化监管监督对美国创新与竞争力至关重要。但对负责在大型企业中部署AI的CIO来说,现实恰恰相反。

就在华盛顿力推放宽管制的同时,各州正陆续通过新的AI立法,国际监管机构正在执行日益复杂的要求,而立法者也开始把目光转向企业究竟如何使用AI。本质上,AI在联邦层面或许正在去监管,但在实际操作层面,它正变得越来越受监管。

对于跨州、跨国运营的组织而言,这构成了一个愈发棘手的挑战。一套在某个司法辖区合规的AI应用,换到另一个辖区可能触发额外的义务。而随着AI嵌入越来越多业务关键流程,治理不足的后果也在不断放大。

一、华盛顿退后一步,各州向前一步

就在去年,白宫发布了一项行政命令,试图化解各州AI 法规之间的冲突,并建立一套更协调统一的全国性监管实施思路。但行政命令并不会自动废止州法律,各州依然在继续立法。

不妨看看过去一年通过的一系列AI立法:

加州的Transparency in Frontier Artificial Intelligence Act(《前沿人工智能透明度法案》,简称SB 53)已于今年1月生效,要求受监管的前沿AI开发商公布安全框架并报告重大安全事件。纽约州随后推出了RAISE Act(《负责任人工智能安全与教育法案》),自2027年1月起确立类似义务。仅在9月一个月内,加州州长Gavin Newsom(加文·纽森)就签署了另外11项AI安全法案,为2026立法年画上句号——这一年共有近30项AI相关法案获得通过。

伊利诺伊州在2026年7月更进一步,通过了Artificial Intelligence Safety Measures Act(《人工智能安全措施法案》,简称SB 315)。该法案自2027年1月生效,要求受监管的前沿模型开发商实施安全框架、报告严重事件,最大型的开发商还须接受独立合规审计。

而其中最引人注目的,或许是Texas Responsible Artificial Intelligence Governance Act(《德克萨斯州负责任人工智能治理法案》,简称TRAIGA)——这部于今年生效的州法律,对该州AI系统的开发与部署作出监管,确立了一种Intent-based Liability(以意图为判定依据的归责模型),而非宽泛的部署前风险评估要求。

还有部分立法条款直接对企业内部运营作出约束:

2026年5月,科罗拉多州通过了SB 26-189,以一套新框架取代了该州早前的AI法律,规范在就业、信贷、住房等重大决策中使用的Automated Decision-making Technologies(自动化决策技术)。自2027年1月起,受监管企业将面临信息披露等多项义务,消费者则获得涉及不准确个人数据的相应权利。

科罗拉多州还在5月通过了Conversational Artificial Intelligence Service Operator Requirements Act(《对话式人工智能服务运营商要求法案》,简称HB 26-1263),对对话式AI服务提出要求,包括信息披露与未成年人保护。

对全球化企业而言,复杂性更是成倍增加:

欧盟的AI Act(《人工智能法案》)正进入实质执法阶段。2026年7月,欧盟通过了AI Omnibus(《AI综合修订法案》)修正案,简化了部分要求,并将高风险系统的实施截止期限延长至2027年和2028年。但底层框架依然完整——涵盖透明度、禁止性AI实践、通用模型与高风险应用等各项义务。

设想一家跨国公司,利用AI筛选求职者、评估客户的金融产品准入资格,实现服务交互的自动化。同一套应用,可能因其运营地点、影响人群、以及输出如何左右决策的不同,而面临完全不同的合规要求。

即便在同一家组织内部,同一个底层模型可能既支撑着低风险的生产力助手,又支撑着影响重大的就业类应用。模型相同,风险与监管义务却截然不同。这使得AI 治理与传统软件合规相比,属于完全不同性质的工作。

教训何在?组织不能只给模型做一次性认证,就假设基于它构建的每个应用在所有地方都合规。它们必须了解AI如何被使用、访问哪些信息、影响哪些决策,以及适用哪些司法辖区的要求。

二、治理你看不见的AI

监管的碎片化,正暴露出一个更深层的难题:随着AI越来越深入运营,许多企业对自己的AI系统缺乏全面的可视能力。

组织或许已经审批了几套企业级AI平台,但各个部门却在自行将模型集成到客户服务、分析、软件开发与决策工作流中。与此同时,第三方供应商持续把AI嵌入现有产品,往往在缺乏相应治理流程的情况下,悄悄扩大了组织的AI 资产覆盖范围。

Agentic AI(AI自主智能体)让这一切更加严峻。如今的系统越来越能够访问敏感信息、与企业应用交互,并直接采取行动,而不只是生成回复。一旦出了问题,组织必须能够查清:涉及的是哪套系统、访问了什么数据、行为如何、当时部署了哪些管控措施。

Shadow AI(影子AI)同样如此。我们都知道它客观存在,但随着可用方案不断增多、各类规避管控的变通手段层出不穷,治理难度只会持续加大。

三、为AI合规打造统一根基

面对碎片化监管,人们很容易想到的应对方式,是为每个司法辖区分别建立合规流程。但仅今年一年就有280部法律获得通过(且立法年度尚未结束),这种做法根本不可持续。

正确的路径是:CIO应在企业层面为负责任AI建立一套共同根基,在特定法规或使用场景有要求时,再叠加额外的管控措施。这首先要求维护一份准确的资产台账——涵盖AI应用、模型、智能体与第三方集成。

其次,这要求持续评估。在部署前测试AI应用是必要的,但并不充分。提示词、数据、集成或底层模型的变化,都可能在部署之后引入新的风险。组织需要对准确性、可靠性、安全性、隐私、偏见以及业务政策遵循情况进行持续监控,并留存测试及修复处置的归档记录。

治理还必须延伸到模型之外。一个可靠的模型,一旦在没有恰当访问控制的情况下连接敏感数据库、外部工具或自动化工作流,依然可能酿成严重问题。而最重要的是,负责任AI不能被定义为一堆政策文件的集合。围绕公平、透明与问责的原则,必须转化为可衡量的技术管控与运营流程。

四、风险日益升高,且日趋复杂

联邦立法者最终或许会建立一套全国性AI框架,取代部分州级要求。法院也可能重塑监管格局。尽管如此,CIO不能假设更简明、更顺畅的规则即将到来。即便联邦路径实现统一,跨国组织仍将面对截然不同的国际义务。

对此准备最充分的企业,将是那些清楚AI在哪里运行、了解其风险、持续评估其行为、并能证明具备恰当监督的组织。CIO的启示很简单:联邦去监管不等于企业去监管。它的真正含义是——为AI的规模化推广创造负责任的条件。

#法律法规 #政府   #市场   #行业   #人工智能

作者:David Talby(大卫·塔尔比)

译者:宝蓝