1. AI产品边界评估总体流程概览

本章从全流程视角建立AI产品边界评估的通用框架，明确各环节的输入条件、关键操作、输出物以及角色职责。理解总体流程是后续章节逐项深入评审Checklist的基础。

适用场景

• 新产品立项评估：在AI产品正式投入研发前，判断其是否在法律法规、伦理安全及业务合规边界内。
• 现有产品变更评审：当功能/数据/算法发生重大变更时，重新确认边界是否偏移。
• 监管合规审计：应监管部门要求或内部合规审计时，系统性检查产品边界。
• 第三方合作接入：评估外部AI能力（API、模型、数据集）接入后对原产品边界的影响。

流程总览（SVG图）

下图展示AI产品边界评估的六个核心阶段及其先后关系。每个阶段对应本课程后续章节的详细Checklist。

前置条件

启动边界评估前必须满足以下条件，否则评估结果可能失真或无法落地。

序号	前置条件	验收标准
1	产品需求文档已经过内部评审并定稿	文档版本号明确，变更记录完整
2	涉及的外部法律法规清单已初步收集（如《生成式AI服务管理办法》《数据安全法》《个人信息保护法》等）	法规列表覆盖产品目标市场的主要监管要求
3	相关方（产品经理、法务、安全、业务）已确认参与评估	获得各方书面确认或会议纪要
4	基线数据：产品当前版本的功能清单、数据流图、算法模型卡片	资料在评估前3个工作日完成归档

输入物

边界评估直接依赖的输入文档与数据，按类型分类如下：

输入类别	具体材料	提供方
产品定义	需求规格说明书、用户故事地图、交互原型	产品经理
数据资产	数据字典、数据血缘图、训练/测试数据集样本	数据工程师
算法模型	模型架构说明、训练日志、评估报告、可解释性材料	算法工程师
合规环境	监管要求清单、行业标准、企业内部合规红线	法务/合规
历史评审	既往同类产品边界评估报告、风险台账	QA/安全

操作步骤（核心步骤）

核心步骤共分为三个子阶段，每个子阶段包含若干Checklist检查项，本课程后续章节将逐项展开。

1. 边界扫描：识别产品功能边界、数据边界、算法边界、用户交互边界。形成《AI产品边界地图》。
2. 风险评估：对照法律法规和内部红线，对每个边界点进行风险等级评定（高/中/低）。输出《风险登记册》。
3. 合规确认：针对中高风险项制定缓解措施，并验证其可行性。生成《合规缺口分析报告》。

产出物

• AI产品边界地图（PDF/A3格式，包含边界点编号、类型、描述、所属模块）
• 风险登记册（表格形式：风险项、等级、影响描述、缓解措施、责任人、状态）
• 合规缺口分析报告（包含缺口项、对应法规条款、整改建议、整改优先级）
• 边界评估结论与决策建议（是否通过、有条件通过、需重新设计）

责任边界（责任矩阵）

以下矩阵明确规定各角色在总体流程中的活动参与情况（R-负责，A-审批，C-咨询，I-知情）。

活动	产品经理	算法工程师	法务/合规	安全/数据隐私	QA
提供前置条件材料	R	C	A	C	I
边界扫描	A	R	C	R	C
风险评估	C	R	A	R	I
合规确认	C	C	R	A	I
输出物编制	A	R	R	C	R
验收评审	R	I	A	A	R

记录材料

• 各阶段Checklist完成记录：包含检查项Id、检查结果（通过/不通过/不适用）、检查人、检查时间、备注。模板格式见附录A。
• 会议纪要：边界扫描评审会、风险评估评审会、最终验收评审会，每场会议记录需有参会人签字或数字签名。
• 变更日志：任何边界点的增删改均需记录变更原因、变更人、审批人。

异常处理

验收标准

边界评估流程完成的标志为以下所有验收项均为“通过”：

验收项	验收指标	结果（通过/不通过）
3项核心产出物已归档至指定位置	文件名符合命名规范，版本号为v1.0及以上
风险登记册中高风险项均已列出缓解措施	每项高风险至少有1条具体措施，且责任人已确认
合规缺口分析报告已获得法务与安全双签审批	审批人姓名、日期完备
异常处理记录（如有）已全部关闭	异常状态为“已解决”或“已升级至项目决策层”
责任矩阵中所有标记为“A”的角色均已完成审批	审批系统记录齐全