欧盟《人工智能法案》已从制度设计逐步转向实际执行。自2026年8月2日起，欧盟委员会人工智能办公室与成员国主管机关开始执行部分规则；经修订后的时间表显示，涉及生物识别、关键基础设施、教育、就业、信贷、移民等领域的特定高风险系统，相关规则将自2027年12月2日起适用，嵌入机器人、工业机械等受监管产品的高风险系统则自2028年8月2日起适用。企业不应把延期理解为“可以晚点准备”，而应利用窗口期补齐证据链。具体范围可查阅欧盟委员会高风险系统指南。citeturn1search3turn1search6
一、先判断系统是否真的属于高风险
合规工作的第一步不是立即写文件，而是建立完整的AI系统清单。企业应梳理自行开发、外部采购、嵌入业务软件以及由员工自行启用的AI工具，并记录用途、用户、输入数据、输出结果、影响对象和部署地区。
随后按照《人工智能法案》第6条及附件三进行分类。常见高风险场景包括招聘筛选、员工管理、教育录取、信用评估、关键基础设施运行以及部分生物识别应用。即使供应商声称产品“仅提供辅助建议”，企业仍需核实输出是否会实质影响自然人的机会、权利或安全。法案正文可参阅欧盟法规原文。citeturn1search7turn1search8
二、按“可审计”标准补齐技术文档
高风险系统的文档不能只是产品说明书，而要能够让主管机关理解系统如何设计、测试、部署和持续监控。建议至少建立以下材料：
- 系统说明：写明预期用途、禁止用途、目标用户、运行环境、版本号及关键功能。
- 模型与数据记录：说明数据来源、收集依据、清洗方法、代表性、偏差检查、训练与验证范围。
- 性能证据：记录准确性、稳定性、鲁棒性、网络安全测试及适用边界，避免只展示最优指标。
- 风险管理档案：列出可预见风险、受影响群体、风险等级、控制措施、残余风险和责任人。
- 变更记录：保存模型升级、参数调整、数据源更换、提示词修改和第三方组件变更情况。
- 用户说明：明确输入要求、输出解释、人工复核方式、已知限制及异常处理流程。
文档必须与真实系统一致。监管检查中，最危险的情况不是材料不够漂亮，而是文件描述、系统日志和员工实际操作相互矛盾。欧盟要求高风险系统覆盖风险管理、数据治理、技术文档、日志记录、透明度、人工监督、准确性、鲁棒性和网络安全等方面。citeturn1search5turn1search13
三、把合规要求嵌入日常运营
企业应建立贯穿系统生命周期的控制机制，而不是在上线前做一次集中检查。上线前完成分类、影响评估和权限审批；运行中监测性能漂移、异常输出、偏差投诉和安全事件；版本更新后重新判断风险与合规状态。
对于人工监督，不能只在流程图中添加一个“人工确认”节点。企业需要证明监督人员具备相应培训，能够理解系统限制、拒绝错误建议、暂停运行并上报事件。涉及员工、消费者或其他自然人权益的场景，还应评估是否需要开展基本权利影响评估，并与数据保护影响评估协调，减少重复劳动。
四、重新划分供应链责任
采购第三方AI并不意味着责任完全转移。企业要确认自己是提供者、部署者、进口商还是分销商，因为不同角色承担的义务不同。如果企业修改系统预期用途、以自身品牌提供产品，或对模型进行重大变更，原本的部署者可能被视为提供者。
采购合同应加入文档交付、日志访问、漏洞通报、模型更新通知、审计协助、数据使用边界和责任分配条款。对无法提供数据治理说明、性能边界或版本记录的供应商，应设置整改期限与替代方案。尤其要避免出现“供应商不给材料，业务已经上线”的被动局面。
五、正确理解罚款并准备应对机制
根据第99条，违反禁止性AI实践，最高罚款可达3500万欧元，或企业上一财年全球营业额的7%；违反多数其他义务，最高可达1500万欧元或全球营业额的3%；向主管机关或公告机构提供不正确、不完整或误导性信息，最高可达750万欧元或全球营业额的1%。对企业通常适用两者中较高者，中小企业及初创企业适用特别的比例原则。上述数字属于罚款上限，并非每次违规都会自动处以最高金额，具体可查看第99条罚则说明。citeturn1search13turn1search7
企业发现潜在违规后，应立即保全日志和版本信息，暂停高风险操作，评估影响范围，实施纠正措施，并由法务、合规、安全、数据和业务团队统一对外口径。切勿删除记录、倒签文件或用未经验证的材料回复监管询问，否则可能扩大责任。
六、企业当前可执行的检查清单
- 建立覆盖所有部门和供应商的AI资产台账。
- 完成角色判定、高风险分类及适用时间表分析。
- 为每套高风险系统指定业务负责人和合规负责人。
- 按系统版本整理技术文档、测试报告、日志和审批记录。
- 建立风险管理、事件报告、人工监督和上市后监测流程。
- 修订采购合同，确保获得必要文档、审计权和更新通知。
- 开展员工AI素养培训，并保存培训内容和完成记录。
- 通过模拟监管问询，检查材料能否快速检索且相互一致。
总结
高风险AI合规的核心不是堆积文件，而是证明企业知道系统在哪里、如何运行、可能伤害谁、由谁负责，以及发生问题后如何纠正。越早完成资产盘点、文档补全和流程固化，企业越能在监管检查、客户审计或事故调查中提供可信证据。面对执行期，最有效的罚款防线不是临时解释，而是一套长期运行、持续更新并能够接受审计的AI治理体系。⚖️
