1. 课程导入与风险地图

人工智能供应商法律风险评估，不是采购合规审查的附属动作，而是一项贯穿供应商全生命周期的独立风控工作。它的核心目标可以概括为一句话：在采购、部署、运营、退出四个阶段，持续识别并量化由供应商引入的法律风险，使企业能够在合同签署前、系统上线前、事故爆发前做出有依据的决策。

很多团队第一次接触这项工作时，会把它等同于“审一份AI采购合同”。这远远不够。AI供应商带来的风险具有三个特殊属性：其一，技术黑箱性——模型训练数据、推理逻辑、输出稳定性往往不透明，供应商自己也未必完全掌握；其二，责任链断裂——基础模型提供方、微调方、集成方、云服务方可能分属不同主体，出问题时责任难以归位；其三，监管快速迭代——生成式AI服务管理办法、算法备案、数据出境、深度合成标识等要求持续更新，合同签完不等于风险锁定。因此，评估的边界必须从“合同条款”扩展到“供应商能力+系统行为+持续合规”。

一、评估目标、边界与交付物

本课程将评估目标拆为三层。第一层是合规底线：供应商是否具备在中国境内提供相应AI服务的法定资质，例如算法备案编号、生成式AI服务上线备案、网络安全等级保护定级情况。第二层是责任可追：当模型输出造成侵权、歧视、虚假信息传播时，合同是否约定了可执行的数据提供义务、日志留存义务、配合调查义务和赔偿机制。第三层是退出可控：企业能否在终止合作后取回数据、迁移模型、删除供应商侧副本，而不被“模型锁定”或“数据扣留”要挟。

评估边界需要明确排除三类事项：不替代供应商自身的安全测评报告，不替代企业内部的算法伦理审查，也不对模型技术性能（如准确率、响应延迟）做工程验收。本课程聚焦的是法律风险，技术指标只作为判断风险等级的证据输入。

交付物方面，一次完整的评估应产出四份可执行文件：《供应商风险分类清单》（按风险域标注高/中/低）、《全生命周期风险节点表》（含触发条件与责任部门）、《合同风险条款对照表》（现有条款与建议条款的差距）、《退出与数据处置预案》（含数据取回格式、迁移窗口期、销毁证明要求）。这四份文件不是一次性报告，而是随供应商状态变化持续更新的活文档。

二、全生命周期风险节点

把AI供应商合作想象成一条从“选型”到“分手”的链路，每个阶段都有专属风险节点。采购阶段最容易被忽视的是供应商主体穿透：一家注册在开曼的AI公司，其境内服务可能由一家注册资本仅100万的子公司提供，而模型权重和训练数据留在境外。此时合同相对方的履约能力、数据出境路径、监管管辖都需要重新评估。部署阶段的核心风险是数据接口与权限：供应商是否要求回传用户输入用于“模型优化”？是否在推理链路中嵌入了第三方SDK？这些都会改变数据控制者与处理者的边界。运营阶段的风险最具动态性，包括模型漂移导致的输出合规性下降、供应商单方面更新服务条款、以及监管新规发布后的整改责任分配。退出阶段则集中爆发数据删除与模型迁移问题：供应商是否提供结构化导出？是否承诺在30日内销毁副本并出具审计报告？

三、风险分类框架的落地用法

上图给出的五域分级不是理论分类，而是可以直接用于供应商准入打分和合同谈判的框架。具体操作时，建议对每个风险域设置三个判断维度：发生概率（供应商所在司法辖区、业务模式、历史处罚记录）、影响程度（涉及个人信息数量、是否涉及重要数据、是否面向公众提供生成式服务）、可控性（合同是否已约定审计权、数据删除义务、赔偿机制）。三个维度各按1-3分打分，乘积即为该风险域的优先级分值。例如某境外基础模型供应商，合规资质域因“未在境内备案”得3分，数据与隐私域因“训练数据来源不透明”得3分，责任与赔偿域因“合同约定赔偿上限为年费1倍”得2分，则合规资质与数据隐私应列为最高优先级，在合同签署前必须解决。

四、从风险地图到行动清单

完成风险地图绘制后，下一步是把高优先级风险节点转化为可执行动作。以“数据出境未评估”为例，行动清单应包含：确认供应商数据回传服务器所在地；若涉及境外，判断是否触发《数据出境安全评估办法》中的申报门槛；若触发，要求供应商提供其已完成安全评估的证明或配合企业完成申报；在合同中增加数据出境合规承诺条款及违约救济。每个动作都要指定责任人和完成时限，否则风险地图只是一张好看的图。