|
|
人工智能技术的广泛应用正在重新定义“可持续发展”的内涵。一方面，AI被视为解决气候变化、优化资源配置及提升社会福祉的关键工具；另一方面，其自身带来的高能耗（环境成本）、算法歧视（社会成本）及黑箱决策（治理成本）构成了新的风险源。因此，如何通过有效的风险管理实现AI技术的可持续发展，已成为全球监管层面的核心议题。
在此背景下，本文深入剖析了两份具有里程碑意义的监管文件：
欧盟数据保护监管局（EDPS）发布的《人工智能系统风险管理指南》（以下简称“EDPS指南”）
新加坡金融管理局（MAS）发布的《人工智能模型风险管理信息文件》（以下简称“MAS文件”）。
AI
ESG维度在AI治理中的映射
-
环境（Environmental）：从算力效率、数据冗余控制、模型复杂度管理等技术指标中，透视其对能源消耗与碳足迹的潜在影响。
-
社会（Social）：聚焦于算法公平性、非歧视原则、劳动力增强与替代、以及人类在自动化决策中的主体地位。
-
治理（Governance）：考察问责机制的设计、风险管理、供应链/第三方管理及透明度披露要求。
Environmental
资源优化
在主流的AI风险管理体系中，环境议题往往被技术性能或合规要求所掩盖。然而，深入剖析EDPS与MAS的文件可以发现，通过对数据处理流程的精细化管控与模型开发的约束，两者实际上构建了一套有助于减少数字废弃物与能源消耗的绿色标准。这种通过提升效率来实现环境友好的路径，构成了AI可持续发展的底层架构。
欧盟模式：权利保护驱动的资源节约
EDPS指南的核心逻辑在于通过限制数据处理活动来保护隐私权利，这一过程客观上产生了节能减排的外部效应。
-
数据管理策略：该指南严格执行数据最小化原则，要求在数据采集、存储和处理的环节只保留与目的直接相关且必要的数据。直接削减了无效算力的投入。
-
模型开发策略：指南强调防止模型过度拟合，提倡模型简化与参数精简。这不仅为了提高模型的泛化能力，更在技术上降低了计算复杂度。此外，指南鼓励使用合成数据作为隐私增强技术，从而减少了对大规模真实数据采集和清洗的能源依赖。
2. 新加坡模式：经济理性驱动的能耗控制
MAS文件则更多基于金融行业的成本收益分析，通过提升运营效率与管控成本来间接实现资源优化。
-
模型选择论证： MAS强调模型适用性，明确要求机构证明使用复杂模型的必要性。在同等效果下优先选择简单模型，从而抑制了盲目追求大参数模型造成的算力浪费。
-
基础设施策略：文件提倡技术模块的复用，建议建立公共技术栈。这种策略旨在避免基础设施的重复建设与资源闲置，从投资回报率的角度筛选并淘汰高能耗低产出的项目。
Social
从防御到信任
AI技术的引入打破了原有的社会结构、权力关系与就业形态。EDPS指南站在人权的高度，试图通过技术手段捍卫公民的基本权利；而MAS文件则站在社会稳定的角度，试图通过伦理原则维护金融服务的公平性与可信度。两者共同勾勒出一个以人为本的AI社会图景。
1. 算法公平与偏见治理两者在处理算法偏见时采取了不同的切入点。
-
EDPS指南（技术归因）：
将偏见风险细分为五类具体技术风险，深入探讨算法内部逻辑与人类认知偏差的交互机制，试图从源头阻断歧视的产生。
-
MAS文件（结果导向）：
更关注模型输出对特定受保护群体的实际影响差异，强调建立可以量化的公平性度量指标，以结果正义维护金融服务的普惠性。
2. 透明度与人机关系在透明度与人类主体地位的界定上，两者的目标导向存在显著差异。
-
EDPS指南（赋权与防御）：
其透明度要求旨在向数据主体赋权，使其具备对抗算法黑箱的能力。在人机关系上，指南倾向于防御。
-
MAS文件（信任与协作）：
其透明度主要服务于解释性，例如向客户说明信贷拒绝的理由，旨在维护金融机构的声誉与社会信任。在人机关系上，文件提倡协作，强调AI作为增强人类能力的助手，并通过培训提升员工驾驭AI的能力。值得注意的是，MAS文件特别提及了生成式AI（GenAI）特有的幻觉与毒性风险，关注错误信息对社会规范的潜在冲击。
Governance
合规与风险管理
在治理架构的设计上，EDPS依托国际标准构建了严密的合规闭环，而MAS则依托金融行业经验构建了分层级的风险生态。
1. 治理方法论与层级
-
EDPS指南（ISO标准化）：
明确引用ISO 31000:2018标准，建立了一套包含识别、分析、评价、处理在内的通用风险管理流程。其治理重心更多下沉至执行层，重点规范数据保护人员与IT工程师的操作行为。
-
MAS文件（全生命周期管理）：
基于模型风险管理的最佳实践，强调模型全生命周期的验证与监控，并引入“三道防线”机制。其治理重心上移至管理层，强调董事会与高管层在风险偏好设定与决策机制中的核心作用。
2. 供应链与第三方管理针对日益复杂的AI供应链，两者提出了不同的管控路径。
-
EDPS指南（事前准入）：
采取严格的准入机制，要求提供详细的采购清单并确保供应商透明化。若供应商无法满足透明度要求，则直接将其视为高风险并可能否决采购，强调数据控制者的最终责任。
-
MAS文件（事后补偿）：
考虑到商业现实，当供应商由于知识产权保护无法完全透明时，允许通过补偿性测试和强化合同条款来兜底风险。
Conclusion
结论
通过对EDPS指南与MAS文件的深度剖析，AI风险管理已不再是单纯的技术修补或法律应对，而是实现环境、社会和治理（ESG）目标的关键路径。
-
环境层面： 数据最小化原则与模型效率要求共同构成了数字时代的减排抓手。
-
社会层面： 监管框架正致力于在权利保护与技术红利之间寻找平衡，防止算法加剧社会裂痕。
-
治理层面： 从标准化的合规文档到跨职能的治理架构，多层次、全周期的制度体系正在形成。
END
关于谦楹
谦楹科技是一家ESG与可持续发展、社会责任服务领域的生态服务商。
以“为企业创造价值，实现可持续、高质量发展”为出发点，致力于为企业ESG与可持续发展战略管理规划、升级、优化等提供专业服务，从ESG报告（信息披露）、供应链ESG与绿色体系搭建、ESG治理体系搭建与管理提升、评级管理以及碳中和盘查、管理等方面打造集人工智能与咨询双级服务，打造企业长期可持续发展格局，助力企业全球化发展与合作。
ESG分析团队均持有CFA协会ESG Investing、国内ESG注册分析师资质，碳中和管理团队持有注册会计师、内审师，碳监测管理师以及CCER等项目开发交易资质。业务团队来自于知名ESG投资机构、四大等知名ESG咨询部门的国内及欧洲团队，具备成熟的战略管理及专业项目能力。
业务联系
俞广霄 Richard Yu
谦楹科技合伙人，商务副总裁
电话：13564680947
邮箱：richardyu@chamwion.com
陈亚罡 Adam Chan
谦楹科技可持续发展商务总监
电话：18918557257
邮箱：adamchan@chamwion.com
往期推荐:
携手交大ESG研究院、国远绿能共同打造国航远洋航运ESG数据中心 | 谦楹助力
