点击蓝字
GHL清杉咨询
关注我们
引言：全球AI治理进入“尽职调查”时代
2026年1月，经合组织（OECD）数字政策委员会与投资委员会联合批准并解密了《负责任的人工智能尽职调查指南》（以下简称《指南》）。这份文件并非孤立的倡议，而是OECD在2024年修订《理事会关于人工智能的建议》（即“人工智能原则”）后，由其人工智能治理工作组（AIGO）与投资委员会负责任商业行为工作组（WPRBC）共同监督完成的重要实施性文件。
核心定位上，《指南》旨在为企业落实《OECD跨国企业负责任商业行为准则》（“跨国企业准则”）与《人工智能原则》提供可操作的桥梁。它标志着全球AI治理从“伦理倡导”和“原则宣言”阶段，正式迈向“基于风险的尽职调查”（Risk-based Due Diligence）的硬约束实施阶段。对于参与人工智能系统全价值链的跨国企业而言，这不仅是合规要求的前瞻性映射，更为企业进入全球市场准备“可信AI”通行证提供参考。
标准深度解读：框架定位、责任边界与六步法则
（一）法律渊源与框架定位：自愿性原则下的“软法硬化”
《指南》明确其基础是《跨国企业准则》中确立的负责任商业行为（RBC）尽职调查框架。该框架包含六项核心措施：
1. 将负责任商业行为纳入政策和管理体系
2. 识别并评估实际和潜在负面影响
3. 停止、预防和减轻不利影响
4. 跟踪尽职调查活动的实施情况和结果
5. 沟通如何应对这些影响
6. 在适当情况下，采取或协助采取补救措施
虽然《跨国企业准则》本身属于自愿性原则，但《指南》指出，源自或参照该准则的尽职调查要求正日益被纳入各国法律体系。因此，企业不应将其视为可选项，而应理解为“合规底线的前置标准”和“法律风险的缓冲带”。
（二）三类企业责任边界：全价值链的“非线性”且相互重叠的覆盖
《指南》突破了传统“开发者负责”的单一视角，根据企业在AI价值链中的活动类型，将目标受众划分为三类，并强调这些分类并非互斥，企业可能同时属于多个类别：
第1组：人工智能输入供应商（上游）
包括数据提供与标注、数据集创建、代码与算法开发、指标与评估标准的制定、算力与硬件提供、资本投入等。
第2组：积极参与AI系统设计、开发、部署和运营的企业（中游）
涵盖系统规划与设计、模型构建与调整、测试验证、部署分发、运营监控等全生命周期活动。
第3组：AI系统的用户（下游）
包括在自身产品、服务或运营中使用AI系统的金融机构、制造商、公共部门等与人工智能系统或技术无关的企业。
这种“全价值链”方法体现了OECD对AI系统“非线性”开发特征的认知——企业角色相互重叠，风险在价值链中传导、放大。因此，尽职调查必须是网络化的，而非孤立的。
（三）六步框架的AI化适配：从通用RBC到智能系统治理
《指南》的核心贡献在于，将通用RBC尽职调查六步框架与AI系统的特殊性进行了深度适配：
步骤1：将RBC纳入政策和管理体系
要求企业制定、采纳并发布一系列关于负责任商业行为（RBC）问题的政策，明确企业对《经合组织人工智能原则》和《跨国企业负责任商业行为指南》中所载原则和标准的承诺，包括在AI系统的设计、开发、部署、运营和使用全过程中，落实OECD《人工智能原则》（以人为本、公平、透明、可解释、稳健、安全、可靠和可问责）等；
将负责任商业行为（RBC）议题和可信人工智能融入企业的政策、监督机构、组织架构、系统、流程和团队中，落实为常规流程的一部分，包括明确董事会和高管的监督和责任，建立与现有IT治理、SDLC（软件开发生命周期）、采购流程的融合机制，而非另起炉灶等；
将RBC的期望和政策纳入商业关系中的互动中，包括主动向供应商、销售伙伴及AI用户传达RBC政策核心内容；建立贯穿销售渠道的沟通机制，针对供应商和客户制定含RBC考量的预审流程等。
步骤2：识别并评估实际和潜在的不利影响
强调“基于风险的方法”（Risk-based Approach）。企业无需对所有系统进行全面评估，而应识别“最显著”（Most Salient）风险，确定其优先处理的风险领域，进行迭代且日益深入的评估。同时应考虑到某些风险与其他风险密切相关，或可能助长其他风险的发生。
评估企业与已识别的实际或潜在不利影响之间的关联，包括评估该组织或相关业务关系是否导致、促成（或将导致）了不利影响，或者该不利影响是否（或将）通过业务关系与其运营、产品或服务直接相关。
依据实际和潜在的不利影响的严重程度和发生可能性，对最显著（即最突出）的风险和不利影响进行优先级排序，以便采取行动。
《指南》中还针对第1组、第2组和第3组的企业分别提供了具体的实践指南，并建议引入“双重用途”（Dual-use）考量：即使设计初衷无害，AI系统也可能被改作有害用途。
步骤3：停止、预防和减轻不利影响
根据企业对其与该影响相关性的评估，停止导致不利影响的活动，包括负责任地获取和使用数据以训练AI模型，确保在人工智能系统整个生命周期中实现透明度、可解释性、可追溯性、安全性和稳健性等。
根据风险优先级排序，制定并实施计划，以预防或减轻因业务关系而直接与企业相关的实际或潜在负面影响（例如，暂时中止业务关系、在风险缓解措施实施期间维持业务关系，或终止合作）。对“造成”的影响，应停止或预防；对“促成”的，应减轻贡献；对“直接关联”的，应利用影响力促使业务伙伴整改。
一些投资者和金融机构通过尽职调查往往能够发挥影响力，如将负面影响的风险纳入投资组合风险评估或投资分析中，与利益相关方开展对话，协助识别被投企业相关的风险，必要时提交股东决议以应对产生不利影响的风险。
步骤4：跟踪尽职调查活动的实施情况和结果
即识别、预防、减轻并在适当情况下支持补救负面影响所采取的措施。包括是否存在先前未被发现的风险，或先前评估过的风险已不再可接受等。
监督和跟踪组织自身在尽职调查方面的内部承诺、活动和目标的实施情况及有效性，包括定期对已取得的成果进行内部或第三方审查或审计，并在组织内部相关层级通报结果等。
步骤5：通报应对影响的措施
在充分考虑商业机密、竞争法及其他竞争或安全问题的前提下，以用户友好、定期、及时、可靠、清晰、完整、准确且足够详细的方式公开披露尽职调查流程的所有相关信息。
根据目标受众的不同，沟通可以采取多种形式（例如，通过企业年度报告、可持续发展报告或企业责任报告进行利益相关方咨询和公众沟通，或采取法律法规或自愿倡议要求的其他适当披露形式）。
步骤6：在适当情况下采取补救措施或予以配合
当企业造成或促成了实际的不利影响时，应设法使受影响的个人或者集体恢复到如果未发生不利影响的状况，并采取与不利影响的严重程度和规模相称的补救措施。当不利影响已发生时，企业应提供或配合补救措施，包括恢复原状、赔偿等。
对企业实操的影响与建议：从原则到落地的六步闭环
（一）对人工智能输入供应商（第1组）的实操建议
1. 将RBC嵌入政策与管理体系：从“被动合规”到“主动治理”
1)政策层面：除承诺遵守RBC原则外，应明确将《OECD人工智能原则》（以人为本、公平、透明、可解释、稳健、安全、可靠、可问责）纳入供应商行为准则，特别需要注意的是，基于风险评估结果动态更新政策，而非一次性制定后束之高阁。
2)治理架构：将AI尽职调查监督责任分配给高级管理人员，并将更广泛的人工智能风险管理责任上升至董事会层级。同时，建立信息与记录保存系统，对AI系统进行盘点，记录设计、开发、部署、评估和使用中的风险。
3)跨部门协同：制定机制收集开发/部署团队以外的部门（采购、销售、合规、出口管制、市场营销、人力资源）关于潜在风险的反馈，建立跨职能小组或委员会，共享风险信息并决策。
4)商业关系传导：向供应商、销售合作伙伴及AI系统用户主动传达RBC政策关键内容；对依赖销售合作伙伴的企业，建立贯穿销售渠道的沟通渠道；针对供应商或客户制定含RBC考量的预审流程，并根据具体风险调整流程。
2. 识别并评估实际和潜在的不利影响：建立“上游风险雷达”
1)识别高风险关系：识别积极参与AI系统开发的业务关系（即第2组企业），初步了解其正在开发的AI系统类型，收集其尽职调查信息，包括：
是否承诺遵守负责任AI的国家/国际标准；
已识别、优先排序并评估的重大风险清单；
风险优先级排序标准；
已采取或计划采取的预防/缓解行动及改进时间表；
跟踪实施情况和结果的措施；
提供或配合补救措施的计划。
2)信息缺口应对：若业务伙伴无法提供足够细节，可参考行业主导或利益相关方合作倡议共享的评估、学术研究、AI安全评级服务、NGO报告等第三方信息，同时持续沟通以获取信息。
3. 停止、预防和减轻不利影响：从“切断风险”到“施加影响力”
1)终止与退出：指定高级管理人员负责确保停止造成或助长不利影响的活动。对于因运营、合同或法律问题难以终止的复杂活动（如政府服务、长期合同），应制定退出路线图，并可考虑公开说明逐步停止的努力。
2)利益相关方磋商：与受影响和可能受影响的利益相关方及其代表磋商，制定适当的行动计划。
3)影响力工具箱：在符合反垄断法前提下，通过以下方式促使业务关系方预防或减轻风险：
合同条款：将RBC及尽职调查预期纳入商业合同；
商业激励：将长期合同和未来订单承诺与RBC绩效挂钩；
高层沟通：与运营层、高级管理层、董事会层面直接沟通RBC问题；
监管对话：就RBC问题与监管机构和政策制定者对话，促使改变不当做法；
合作终止声明：公开或私下表明，若不遵守期望可能终止合作。
4)联合行动：若自身影响力不足，考虑与其他企业或利益相关方合作，通过行业协会或政府沟通建立集体影响力。
4. 跟踪与披露：让尽职调查“可见可验”
1)持续跟踪：识别过去尽职调查中可能被忽视的风险；评估是否存在先前未发现的风险或先前评估的风险已不再可接受；将经验教训反馈纳入未来流程。
2)公开披露：在充分考虑商业机密、竞争法及安全前提下，公开披露RBC政策、重大事件追踪/响应/恢复流程、已识别的重大风险、风险优先级标准、预防/减轻行动计划及时间表、跟踪及补救措施、AI系统能力/局限性/适用领域、利益相关方参与方式等信息。
3)确保披露用户友好、定期、及时、可靠、清晰、完整、准确且足够详细，并适配不同受众（特别向弱势利益相关方如工人提供信息）。
5. 补救机制：从“事后补救”到“制度嵌入”
1)在企业造成或促成不利影响时，提供或配合合法补救机制，使受影响利益相关方能够提出投诉并寻求解决。
2)对于与商业关系直接相关的不利影响，运用商业关系中的影响力，建立或配合补救机制。
（二）对参与AI系统设计、开发、部署和运营的企业（第2组）的实操建议
第2组是AI价值链的核心环节，也是风险最集中、尽职调查要求最严苛的群体。其特殊性在于：不仅要管理自身运营风险，还要对系统全生命周期的技术可靠性负责。
1. 将RBC纳入政策和管理体系：构建“技术+治理”双轮驱动
1)政策承诺：承诺在AI系统的设计、开发、部署、运营和使用全过程中落实《OECD人工智能原则》；设定风险容忍阈值，帮助确定风险的严重程度（低、中、高）并指导应对措施或触发更深入的尽职调查。
2)治理架构：将AI尽职调查监督责任分配给相关高级管理人员，将更广泛的人工智能风险管理责任分配给董事会；将实施责任分配给开发团队、数据收集/标注/内容审核人员、系统设计及服务/产品采购等关键部门；将角色、职责及沟通渠道记录在案并传达。
3)信息记录系统：开发或调整现有系统，收集AI风险管理流程信息，包括：
制定政策整合企业内部其他部门关于潜在风险的反馈；建立机制使开发/部署团队能够定期将内部和外部风险反馈纳入系统设计和实施；
制定透明度政策，清晰地梳理并向内外部传达AI系统在所有业务关系中带来的风险。
员工培训与沟通：在员工入职培训、设计审查、客户关系管理培训、董事会固定议程等场景传达政策；制定培训计划确保员工熟悉风险管理职责及实践。
商业关系传导：与第1组类似，向供应商、销售合作伙伴及用户传达RBC政策；建立贯穿销售渠道的沟通渠道；对供应商/客户实施含RBC考量的预审流程；针对中小企业提供资源帮助其理解和应用RBC政策。
2. 识别并评估实际和潜在的不利影响：建立“全生命周期风险地图”
1)系统登记与范围界定：维护一份与企业相关的AI系统最新登记册；了解企业在AI系统生命周期中的角色；通过案头研究和咨询确定AI系统可能涉及的风险。
2)风险信息来源：
内部：事件监测机制、监督机构、沟通渠道；
外部：国家人权机构、国家AI观察站、监管机构、行业主管部门、国际/区域人权问责机制、民间社会组织、劳动者/代表/工会、公共事件数据库、法院案例、申诉机制、受影响社区互动。
3)风险维度（需全面覆盖）：
AI系统交互的叠加效应；
系统性质及应用场景（人脸识别、情绪识别、预测性警务、监控技术、营销技术）；
用户类型/使用方式及商业目标（媒体、医疗、司法、执法、情报、个人）；
数据输入、软件、物理扩展及“人机协同”来源（数据标注劳动风险、私有数据/IP获取）；
部署地区的地理/社会经济/政治背景（腐败严重、人权/劳工权利侵犯地区、冲突地区）；
AI系统能力及科学有效性（执行重要任务时能力不足或表现欠佳）；
按预期用途使用或在合理可预见的不当使用/滥用条件下可能引发不利影响的情况。
4)风险评估机制：若对所有系统深入评估不可行，建立上报机制（如针对所有新AI系统设计问卷评估基准风险，出现高风险指标则上报深入调查）；定期审查范围界定结果，在重大变化时（新国家/新业务/新产品/重组/法律重大变化）重新评估。
5)自身运营风险评估：
梳理适用于被评估AI系统或AI行为者的具体法律要求及国家/国际/行业标准；
审查TEVV信息（测试与评估、验证与确认），包括实验设计、数据收集和选择（可用性、准确性、代表性、适用性）、系统可信度、构念验证；确保测量/测试/缓解风险的工具本身经过测试，具有经证实的可量化实用性，且所有指标经过质量保证测试；
审查涉及人类受试者的AI系统评估；审查系统输出结果预计如何被人类利用和监督；咨询开发/部署团队以外的领域专家、用户及企业；
与利益相关方（工人、工会、受影响/可能受影响社区、独立专家、民间社会团体）磋商收集重大风险信息；若无法直接磋商，咨询独立专家资源（工会、民间社会团体等）；在可能影响利益相关方的项目/活动开始前及进行中均进行磋商；在适当顾及商业机密和知识产权前提下，允许部分利益相关方参与或审查AI系统测试；
在部署前和开发阶段识别风险（模型被盗、内部滥用）；通过数学保证或对抗性鲁棒性测试等方式识别AI系统的鲁棒性和安全性风险；
识别数据和模型层面的隐私和数据治理风险；识别AI系统助长或倡导导致对人权产生不利影响、对社会和公共利益造成损害的结果的风险。
6)业务关系风险管控：
梳理与优先级风险相关的组织运营或业务关系；审查高风险业务关系是否已制定尽职调查政策并建立内部管理体系；
评估业务关系（尤其是数据增强服务）时，利用影响评估、法律审查、合规管理体系、财务审计、职业健康与安全检查、工人组织/工会/民间社会报告、“了解你的客户”（KYC）流程等信息；
建立销售上报机制以标记潜在高风险销售，避免不必要阻碍低风险销售（可与现有出口管制和制裁合规流程整合）：
🔹制定标准以标记高风险销售，批准前进行进一步尽职调查；对相关员工进行最终用途风险及客户尽职调查培训；
🔹将RBC政策纳入销售团队和销售合作伙伴的绩效激励机制；将RBC要求纳入与销售合作伙伴签订的合同；
🔹为销售合作伙伴提供RBC尽职调查培训和指导；为销售合作伙伴建立风险信息报告机制。
3. 停止、预防和减轻不利影响：技术治理的“四梁八柱”
针对第2组，风险缓解行动可归纳为四大方向，具体措施依AI系统与应用场景而定：
1)负责任地获取和使用数据以训练AI模型
开展数据质量审查，识别并解决标签错误和代表性不足等问题；实施保护隐私且负责任的数据治理方法（数据清洗、设备端处理、联邦学习）；
作为AI系统常规监控和维护的一部分，对用于开发的预训练模型进行监控；若对按最初计划规模训练出安全模型缺乏信心，考虑渐进式扩展（训练规模较小或性能较弱的模型）；
应用最先进的对齐与安全技术（如逆强化学习）；
预防或减轻与数据收集和处理相关的风险；关注数据丰富服务相关的数据质量和来源风险。
2)透明度、可解释性和可追溯性
在从分包商处获取数据、数据集、流程及系统开发决策方面（包括对重大决策的人工审查及申诉流程），致力于实现透明度、可解释性和可追溯性；
设法实现对AI系统输出结果进行解读和解释，模型解释应包含：模型输入数据的类型和来源、高层次的数据转换过程、决策标准和依据、关于使用AI的披露；
建立机制，对自动化决策过程提供清晰、易懂且有意义的解释，特别是可能对个人产生重大影响的决策；解释应包括算法过程的逻辑、主要参数和潜在结果，并根据普通用户理解水平调整；
在技术可行情况下，开发并部署可靠的内容认证和来源追溯机制。
3)安全性
包括物理安全、网络安全及AI系统整个生命周期内的稳健性；
确保AI系统能够抵御攻击，并具备可靠性、可重复性、可再现性和可预测性。
4)负责任的部署
包括负责任的运行和监控，以及在适当情况下从生产环境中退役；
评估模型是否安全部署并实施适当的防护措施。
5)通用影响力措施（与第1组类似，但第2组更强调技术层面的影响力）：
明确负责制定、实施和监测计划的职责，以预防或减轻因业务关系而直接与企业相关的实际或潜在负面影响；
支持业务关系方或与其合作，制定切合其实际需求的纠正行动计划，使用定性与定量指标界定和衡量改进；在符合反垄断法前提下利用影响力促使业务关系方整改（沟通、合同条款、商业激励、监管对话、终止合作声明）；
若影响力不足，考虑通过与高级管理层沟通、提供支持和激励措施建立额外影响力；其他企业或利益相关方合作，通过行业协会或政府沟通建立集体影响力；在新建立和现有业务关系中建立影响力（政策/行为准则、合同/书面协议）。
4. 跟踪与披露：技术性能与治理成效的双重验证
识别过去尽职调查过程中可能被忽视的不利影响或风险；评估是否存在先前未被发现的风险，或先前评估过的风险是否已不再可接受；
评估利益相关方参与工作的有效性（参与是否及时、便捷、适当且安全）；将经验教训反馈纳入企业尽职调查以改进未来流程和结果；
针对与部署环境类似的条件，定性或定量监测和追踪AI系统的性能或保证标准：记录测试集、指标及TEVV过程中所用工具的详细信息；
基于与AI参与者及其他利益相关方（包括受影响社区）的磋商，以及情境相关风险和可信度特征的实地数据，识别并记录可量化的性能提升或下降；记录并向利益相关方（受影响社区、政府、劳动者、工会、民间社会、学术界）分享事件信息，提升先进AI系统的安全、保障和可信度。
5. 补救机制：技术纠错与制度救济并重
在企业造成或促成不利影响时，提供或配合合法补救机制；
对于与商业关系直接相关的不利影响，运用商业关系中的影响力建立或配合补救机制。
（三）对AI系统用户（第3组）的实操建议
第3组企业是AI价值链的下游，核心特征是“使用但不开发”——在自身产品、服务或运营中嵌入AI系统。其尽职调查重点在于：确保所用AI系统的合规性，同时保护内部员工和终端消费者的权益。
1. 将RBC纳入政策和管理体系：建立“使用者责任”框架
政策与治理：与第1、2组相同的基础要求——承诺落实OECD AI原则，制定/更新RBC政策，设定风险容忍阈值，公开政策；将AI尽职调查监督责任分配给高级管理人员，将更广泛责任分配给董事会；建立信息记录保存系统；跨部门协同；员工培训与沟通；跨职能小组决策。
商业关系传导：向供应商、销售合作伙伴及AI系统用户传达RBC政策；建立贯穿销售渠道的沟通渠道；对供应商/客户实施含RBC考量的预审流程；针对中小企业提供资源帮助其理解和应用RBC政策；努力了解并解决因企业经营方式产生的障碍（如采购算法、数据集、软件或硬件时的采购惯例可能阻碍供应商/用户落实RBC）。
2. 识别并评估实际和潜在的不利影响：聚焦“使用场景风险”
与高风险合作伙伴对接：在与从事第2组活动且经尽职调查标记为高风险的企业合作时，直接与业务伙伴沟通，收集其尽职调查信息（与第1组要求一致：合规承诺、风险清单、优先级标准、行动计划、跟踪措施、补救计划）。
信息缺口应对：若无法获取信息，参考行业评估、学术研究、AI安全评级、NGO报告等第三方信息，同时持续沟通。
3. 停止、预防和减轻不利影响：员工权益与系统测试双管齐下
1)员工权益保护
在利用AI系统进行运营决策的背景下，企业需与员工、员工代表和工会开展沟通，以减轻风险：
披露AI系统信息：包括其设计和预期用途；
建立治理机制：使员工能够获取与自身相关的数据，并对数据收集和分析拥有相应权力；
建立或维护申诉机制：为受AI影响的员工提供投诉渠道；
制定技能再培训和AI素养培训计划：帮助员工适应AI带来的工作变化。
2)产品与服务中的AI测试
在技术上可行的情况下，开展独立测试（如“红队”演练或其他测试活动），验证输出结果质量并检测漏洞；
考虑在何种情况下披露输出结果是由AI系统生成或参考其结果产生的，以及披露的范围。
3)业务关系影响力
与第1、2组相同：明确职责、制定纠正行动计划、利用影响力（沟通、合同、商业激励、监管对话、终止合作）、联合行动、在业务关系中建立影响力。
4. 跟踪与披露：使用者的“持续监督”义务
与第1、2组相同：识别遗漏风险、评估风险变化、评估利益相关方参与有效性、反馈经验教训、监测AI系统性能（记录测试集、指标、TEVV工具；基于磋商和实地数据识别性能变化；向利益相关方分享事件信息）。
5. 补救机制：员工救济与消费救济并重
在企业造成或促成不利影响时，提供或配合合法补救机制；
对于与商业关系直接相关的不利影响，运用商业关系中的影响力建立或配合补救机制；
员工场景：保障员工数据权利、申诉途径、技能转型支持；
产品场景：辅以独立测试排查系统漏洞，并规范AI生成内容披露。
（四）跨类型通用建议：治理、利益相关方与中小企业
1. 治理架构的顶层设计
组织架构：建议设立跨职能的AI治理委员会（或指定首席AI伦理官/风险官），将RBC责任明确分配给董事会、高级管理层和业务部门。避免将AI风险管理仅视为IT部门或法务部门的孤立职责。
关键原则：将RBC议题和可信AI融入企业的政策、监督机构、组织架构、系统、流程和团队，落实为常规流程的一部分，与现有IT治理、SDLC（软件开发生命周期）、采购流程融合，而非另起炉灶。
2. 有意义的利益相关方参与
《指南》反复强调，利益相关方参与不是“一次性咨询”，而是贯穿AI生命周期的持续过程。
建议建立多通道参与机制：产品设计阶段的用户代表参与、数据整理阶段的受影响群体咨询、部署后的独立审计与反馈收集。
特别要重视劳动者代表和工会的参与，尤其在AI用于员工监控、绩效评估或自动化替代的场景。
3. 中小企业的“比例性原则”实施
《指南》承认中小企业（SMEs）资源有限，鼓励其采用协作方式（如行业联盟、共享尽职调查工具）降低成本。
中小企业应优先关注与自身业务最相关的少数重大风险，而非追求全面覆盖。
针对与中小企业的业务关系，企业应考虑提供充足资源，帮助其理解并应用RBC政策，落实尽职调查（如共同参与有针对性的意识提升、培训或能力建设活动）。
4. 竞争法与RBC的协同
企业在与竞争对手或合作伙伴开展RBC协作（如共享安全标准、联合抵制有害应用）时，需注意反垄断风险。
建议：寻求竞争主管部门建议、保持透明度、将RBC举措与现有合规计划结合。
在符合竞争法前提下，尽可能与其他企业或利益相关方合作，建立并施加影响力，鼓励预防和减轻不利影响。
结语：从合规成本到战略投资
OECD《指南》的深层逻辑在于：负责任的人工智能不是创新的阻碍，而是可信度和市场竞争力的来源。 随着全球主要经济体将AI风险管理纳入采购流程、出口管制和资本市场披露要求，“可信AI”已从伦理考量转变为商业准入条件。
对中国企业而言，无论是出海参与全球竞争，还是应对国内日益完善的AI监管体系（如《生成式人工智能服务管理暂行办法》及后续立法）建议企业可以以六步框架为参考，将AI尽职调查从“被动应对”转向“主动治理”，将合规成本转化为进入全球市场的战略投资。
如想了解更多内容，请点击阅读原文。
关于我们
GHL清杉咨询（上海清杉为路科技有限公司）是一家深耕可持续发展领域的专业机构，服务央国企、上市公司和拟上市公司逾百家，公司致力于为客户量身定制精准、全面且切实可行的服务方案，赋能客户实现可持续发展。
我们的服务：
🔹ESG信披辅导：A股、H股及其他地区上市及拟上市企业ESG报告编制及辅导；
🔹ESG管理提升：ESG管理体系搭建、战略规划、数据资产识别、评级提升等；
🔹ESG报告审验（鉴证）：针对ESG报告数据及流程，开展独立的ESG报告审验；
🔹绿色金融研究咨询：出具SPO报告，基金影响力报告及环境信息披露报告，提供ESG尽责管理等服务；
🔹ESG合规与风控：企业ESG合规咨询（如欧盟碳关税、零毁林法案等）、EcoVadis评级咨询等；
🔹ESG营销：从环境友好、社会及员工关怀和治理透明等维度为企业出具定制化的ESG营销方案，提升企业社会影响力；
🔹ESG风险管理：搭建跨部门ESG风险管理体系；
🔹碳咨询：碳盘查、碳足迹测算、碳标签认证及碳资产开发等。
专业资质保障： 公司已通过ISO 9001质量管理体系认证、ISO 27001信息安全管理体系认证，并持有AA1000可持续发展（ESG）审验（鉴证）资质，为服务品质和信息安全提供坚实保障。
优己丫（Yojiya）是一家专为追求品质生活而打造的高标准食品电商平台，通过严选有机、绿色、地理标志等获得国家食品认证的农产品，为大众提供放心安全的农产品。
