人工智能成熟度评估模型 1.0

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。记录的课程：必修课程涵盖人工智能特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导库：精选的操作手册、清单和代码示例集成到日常工具中（例如。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、协会和午餐讲座促进知识共享；鼓励参加外部会议。自动化指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。标准：临时学习：安全和伦理主题在普通技术培训中零散出现，或在事件发生后才涉及。| 覆盖有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关方很少被包含在内。| 非正式材料：存在幻灯片或维基页面，但未经过整理或保持更新。

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。记录的课程：必修课程涵盖人工智能特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导库：精选的操作手册、清单和代码示例集成到日常工具中（例如。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、协会和午餐讲座促进知识共享；鼓励参加外部会议。自动化指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。记录的课程：必修课程涵盖人工智能特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导库：精选的操作手册、清单和代码示例集成到日常工具中（例如。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、协会和午餐讲座促进知识共享；鼓励参加外部会议。自动化指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。标准：有文档的课程：必修课程涵盖 AI 特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。| 角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。| 指南库：精选的操作手册、检查清单和代码示例被整合到日常工具中（例如）。、笔记本、IDE 扩展)。

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。记录的课程：必修课程涵盖人工智能特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导库：精选的操作手册、清单和代码示例集成到日常工具中（例如。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、协会和午餐讲座促进知识共享；鼓励参加外部会议。自动化指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。文档化课程：必修课程涵盖与人工智能相关的威胁、隐私、偏见以及事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导资料库：策划的操作手册、清单和代码示例集成到日常工具中（例如）。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、行会和午餐学习会促进知识分享；鼓励参加外部会议。自动指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。标准：按需微学习：上下文提示和安全设计片段出现在流水线、笔记本和代码审查中。| 社区与指导：内部论坛、公会和午餐学习会促进知识共享；鼓励参与外部会议。| 自动化指导更新：新的威胁情报或政策变更会自动触发内容刷新，并通知受影响的角色。

零散学习：安全和伦理相关主题仅在一般技术培训中零星出现，或在发生事件后出现。 覆盖范围有限：只有核心工程团队会收到任何AI安全指导；业务和风险相关利益方很少被纳入。 非正式材料：存在幻灯片或维基页面，但没有进行整理或保持最新。记录的课程：必修课程涵盖人工智能特定威胁、隐私、偏见和事件响应；选修课程涉及更深入的主题，如对抗性机器学习或模型可解释性。角色定制：为开发人员、数据科学家、产品负责人和高管提供不同的学习路径。指导库：精选的操作手册、清单和代码示例集成到日常工具中（例如。，笔记本，IDE 扩展)。即时微学习：上下文提示和设计安全的代码片段会出现在流水线、笔记本和代码评审中。社区与指导：内部论坛、协会和午餐讲座促进知识共享；鼓励参加外部会议。自动化指南更新：新的威胁情报或政策变更会自动触发内容刷新并通知受影响的角色。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力后才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：根据既定时间表或在发生重大变化时审查政策。持续应用：项目遵循标准；例外情况需有书面批准。集成的政策框架：人工智能政策融入企业治理、风险和道德项目中。主动演进：更新政策以应对新兴威胁和法规，并通过持续的风险扫描和行业反馈指导。自动化执法：CI/CD 门禁、数据使用控制和以策略为代码的工具会自动标记或阻止不合规的制品。标准：最低限度的 AI 专用政策：AI 风险通常仅涵盖在一般 IT/安全政策中（如果有的话）。| 被动更新：政策仅在发生事件或受到监管压力后才会更改。| 指导有限：团队缺乏有关安全或负责任的 AI 开发的明确指导。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力下才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：政策按预定时间表或在重大变更发生时进行审查。 一致的执行：项目遵循标准；例外情况需获得书面批准。 综合政策框架：人工智能政策融入企业治理、风险和伦理项目中。 前瞻性发展：更新以预见新兴威胁和法规，通过持续的风险扫描和行业反馈引导。自动化执法：CI/CD 门禁、数据使用控制和代码即策略工具会自动标记或阻止不合规的工件。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力下才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：政策按预定时间表或在重大变更发生时进行审查。 一致的执行：项目遵循标准；例外情况需获得书面批准。 综合政策框架：人工智能政策融入企业治理、风险和伦理项目中。 前瞻性发展：更新以预见新兴威胁和法规，通过持续的风险扫描和行业反馈指导。自动化执行：CI/CD 门禁、数据使用控制和策略即代码工具会自动标记或阻止不合规的工件。标准：有文档记录的 AI 政策和规范：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等。| 定期审查：政策按既定时间表或在发生重大变更时进行审查。| 一致性应用：项目遵循标准；例外情况需要有书面批准。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力下才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：政策按预定时间表或在重大变更发生时进行审查。 一致的执行：项目遵循标准；例外情况需获得书面批准。 综合政策框架：人工智能政策融入企业治理、风险和伦理项目中。 前瞻性发展：更新以预见新兴威胁和法规，通过持续的风险扫描和行业反馈引导。自动化执法：CI/CD 门禁、数据使用控制和代码即策略工具会自动标记或阻止不合规的工件。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力后才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：根据既定时间表或在发生重大变化时审查政策。持续应用：项目遵循标准；例外情况需有书面批准。集成的政策框架：人工智能政策融入企业治理、风险和道德项目中。主动演进：更新政策以应对新兴威胁和法规，并通过持续的风险扫描和行业反馈指导。自动化执行：CI/CD 门控、数据使用控制和以策略为代码的工具会自动标记或阻止不合规的工件。标准：集成政策框架：AI 政策嵌入企业治理、风险和道德项目。| 主动演进：更新通过持续的风险扫描和行业反馈，预见新出现的威胁和法规。| 自动化执法：CI/CD 门禁、数据使用控制和代码化政策工具会自动标记或阻止不合规的工件。

最小化的人工智能专用政策：人工智能风险如果有覆盖，也只是松散地包含在一般的 IT/安全政策中。 被动更新：政策只有在发生事件或监管压力下才会改变。 指导有限：团队缺乏关于安全或负责任的人工智能开发的明确指导。 有记录的人工智能政策和标准：正式要求涵盖数据使用、模型验证、偏差测试、可解释性等内容。定期审查：政策按预定时间表或在重大变更发生时进行审查。 一致的执行：项目遵循标准；例外情况需获得书面批准。 综合政策框架：人工智能政策融入企业治理、风险和伦理项目中。 前瞻性发展：更新以预见新兴威胁和法规，通过持续的风险扫描和行业反馈引导。自动化执法：CI/CD 门禁、数据使用控制和代码即策略工具会自动标记或阻止不合规的工件。

最小化对齐：AI 安全和可解释人工智能 (RAI) 的工作未能始终与业务或道德目标相联系。责任不明确：没有正式的 AI 安全或道德治理责任归属；职责可能分散。临时流程：AI 安全措施通常是按需进行（例如在事件发生后），缺乏战略规划。有据可查的策略：已制定正式的人工智能安全和可靠人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过明确的角色（AI安全主管、AI伦理官、AI安全委员会）确保问责、公平和决策。计划整合：在项目路线图、预算和组织规划中纳入人工智能安全和伦理监督工作。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有人工智能开发和部署阶段强制实施的人工智能安全控制（模型审计、公平性评估、透明度措施、人类监督协议）。标准：最小对齐：人工智能安全和可信人工智能努力未能与业务或伦理目标保持一致。| 责任不明确：没有人工智能安全或伦理治理的正式负责人；职责可能分散。| 临时流程：人工智能安全操作按需进行（例如，在事件发生后），没有战略路线图。

最小化对齐：AI 安全和 RAI 工作未能持续与业务或伦理目标挂钩。责任不明确：没有 AI 安全或伦理治理的正式负责人，职责可能分散。临时流程：AI 安全措施是按需进行的（例如，在事件发生后），缺乏战略规划。有文档记录的策略：存在正式的人工智能安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过定义角色（人工智能安全主管、人工智能伦理官、人工智能安全委员会）确保问责、公平和决策。计划中的整合：将人工智能安全和伦理监督工作纳入项目路线图、预算和组织规划中。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有 AI 开发和部署阶段实施强制性 AI 安全控制（模型审计、公平性评估、透明度措施、人工监督协议）。

最小化对齐：AI 安全和 RAI 工作未能持续与业务或伦理目标挂钩。责任不明确：没有正式的 AI 安全或伦理治理负责人，职责可能分散。临时流程：AI 安全措施是按需进行的（例如，在事件发生后），缺乏战略规划。有文档记录的策略：存在正式的人工智能安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过明确的角色（AI安全主管、AI伦理官、AI安全委员会）确保问责、公平和决策。计划整合：在项目路线图、预算和组织规划中纳入人工智能安全和伦理监督工作。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有人工智能开发和部署阶段实施强制性的AI安全控制（模型审计、公平性评估、透明度措施、人类监督协议）。标准：有文件化的策略：存在正式的AI安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性及伦理需求。| 明确的治理：定义的角色（AI安全负责人、AI伦理官、AI安全委员会）确保问责、公平和决策。| 计划中的整合：AI安全和伦理监督工作纳入项目路线图、预算和组织规划中。

最小化对齐：AI 安全和 RAI 工作未能持续与业务或伦理目标挂钩。责任不明确：没有 AI 安全或伦理治理的正式负责人，职责可能分散。临时流程：AI 安全措施是按需进行的（例如，在事件发生后），缺乏战略规划。有文档记录的策略：存在正式的人工智能安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过定义角色（人工智能安全主管、人工智能伦理官、人工智能安全委员会）确保问责、公平和决策。计划中的整合：将人工智能安全和伦理监督工作纳入项目路线图、预算和组织规划中。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有 AI 开发和部署阶段实施强制性 AI 安全控制（模型审计、公平性评估、透明度措施、人工监督协议）。

最小化对齐：AI 安全和 RAI 工作未能持续与业务或伦理目标挂钩。责任不明确：没有 AI 安全或伦理治理的正式负责人，职责可能分散。临时流程：AI 安全措施是按需进行的（例如，在事件发生后），缺乏战略规划。有文档记录的策略：存在正式的人工智能安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过明确的角色（AI安全主管、AI伦理官、AI安全委员会）确保问责、公平和决策。计划整合：在项目路线图、预算和组织规划中纳入人工智能安全和伦理监督工作。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有AI开发和部署阶段实施强制性的AI安全控制（模型审计、公平性评估、透明度措施、人类监督协议）。标准：完全嵌入：AI安全和负责任AI（RAI）策略整合到更广泛的公司治理和伦理框架中，并持续更新。| 高管支持：高级领导层积极支持将 AI 安全和负责任的 AI 作为战略性投资。| 生命周期整合：在所有 AI 开发和部署阶段实施强制性的 AI 安全控制（模型审计、公平性评估、透明度措施、人工监督协议）。

最小化对齐：AI 安全和 RAI 工作未能持续与业务或伦理目标挂钩。责任不明确：没有 AI 安全或伦理治理的正式负责人，职责可能分散。临时流程：AI 安全措施是按需进行的（例如，在事件发生后），缺乏战略规划。有文档记录的策略：存在正式的人工智能安全和负责任人工智能（RAI）策略，参考相关的企业风险、合规性和伦理需求。明确的治理：通过定义角色（人工智能安全主管、人工智能伦理官、人工智能安全委员会）确保问责、公平和决策。计划中的整合：将人工智能安全和伦理监督工作纳入项目路线图、预算和组织规划中。完全嵌入：AI安全和负责AI策略整合到更广泛的公司治理和道德框架中，并持续更新。执行支持：高层领导积极支持AI安全和负责AI，作为战略性投资。生命周期整合：在所有 AI 开发和部署阶段实施强制性 AI 安全控制（模型审计、公平性评估、透明度措施、人工监督协议）。