iso42001-ai-management

ISO 42001 AI 管理体系

ISO/IEC 42001:2023 的工具和指南——首个针对 AI 管理体系（AIMS）的国际标准。

---

目录

• 工具
  • AIMS 准备度检查器
  • AI 影响评估器
• 参考指南
• 工作流
• 标准概述

---

工具

AIMS 准备度检查器

根据 ISO 42001 的所有条款和附录 A 控制措施评估组织的准备情况。按 0-100 分为每个条款评分，并识别认证准备工作中的差距。

# Assess readiness from a JSON profile
python scripts/aims_readiness_checker.py --input org_profile.json

# Generate a blank input template
python scripts/aims_readiness_checker.py --template > org_profile.json

# JSON output for automation
python scripts/aims_readiness_checker.py --input org_profile.json --json

# Export report to file
python scripts/aims_readiness_checker.py --input org_profile.json --output report.json

评估领域：

条款	领域	关键检查项
条款 4	背景	已定义范围、相关方、AIMS 边界
条款 5	领导作用	AI 方针、治理结构、管理层承诺
条款 6	策划	风险评估方法、AI 目标、影响评估
条款 7	支持	资源、能力、意识、文件化信息
条款 8	运行	AI 生命周期、数据管理、风险处置、第三方控制措施
条款 9	绩效评价	监控、内部审核、管理评审
条款 10	改进	纠正措施、持续改进、事件管理
附录 A	控制措施	A.2-A.10 控制措施的实施状态

输出：

• 总体准备度评分（0-100）
• 各条款评分及成熟度等级（初始/发展中/已定义/已管理/已优化）
• 附录 A 控制措施实施状态（已实施/部分实施/未实施/不适用）
• 含优先级建议的差距分析
• 认证准备度评估（已准备就绪/接近就绪/存在重大差距）

---

AI 影响评估器

生成全面的 AI 影响评估，评估公平性、透明度、安全性、隐私和安全等方面。将影响映射到相关方，并提供风险处置建议。

# Assess an AI system from a JSON description
python scripts/ai_impact_assessor.py --input ai_system.json

# Generate a blank input template
python scripts/ai_impact_assessor.py --template > ai_system.json

# Export assessment report
python scripts/ai_impact_assessor.py --input ai_system.json --output assessment.json

# Generate markdown report
python scripts/ai_impact_assessor.py --input ai_system.json --format markdown --output assessment.md

评估维度：

维度	评估内容	关键因素
公平性	偏见、歧视、公平	训练数据多样性、受保护属性、结果均等性
透明度	可解释性、可理解性	模型复杂度、决策文档记录、用户披露
安全性	可靠性、稳健性、危害预防	故障模式、边缘情况、人工监督、备用机制
隐私	数据保护、同意、最小化	PI 处理、同意机制、数据保留、匿名化
安全	对抗韧性、访问控制	攻击向量、模型完整性、访问管理、审计日志
问责制	治理、责任、可审计性	决策责任归属、审计跟踪、升级程序

功能：

• 各维度风险评分（低/中/高/严重）
• 相关方影响映射（用户、受影响个人、社会、监管机构）
• 风险处置选项（规避、缓解、转移、接受）
• 监管映射（EU AI Act 风险等级、ISO 42001 附录 A 控制措施）
• 处置后的剩余风险计算
• Markdown 和 JSON 报告生成

---

参考指南

ISO 42001 条款指南

references/iso42001-clause-guide.md

逐条提供全面的指南：

• 所有条款（4-10）的要求和实施步骤
• 附录 A 控制措施（A.2-A.10）的详细说明及证据要求
• 各条款的审核问题，帮助准备内部审核
• 常见不符合项及避免方法
• 各条款要求的文件化信息
• 与 ISO 27001、ISO 9001 和 EU AI Act 的交叉引用

AI 生命周期管理

references/ai-lifecycle-management.md

AI 系统端到端生命周期指南：

• 生命周期阶段：设计、开发、测试、部署、监控、退役
• 设计和开发控制（需求、架构、编码标准）
• 测试和验证要求（功能、公平性、稳健性、性能）
• 部署流程（预发布、金丝雀发布、回滚、审批关卡）
• 监控和维护（漂移检测、性能下降、重新训练）
• 退役和停用（数据处置、模型归档、通知利益相关方）
• 整个生命周期的数据管理（质量、来源、偏见评估、沿袭）
• 模型版本控制和变更管理（版本控制、变更影响、审批工作流）

---

请先澄清

开始评估前，请先确定以下输入。如果某项缺失或含糊不清，且会影响结果，请询问；如果不会影响结果，则采用合理的默认值，并说明所用默认值。

• AIMS 范围： 纳入范围的 AI 系统和组织边界（影响就绪度评估和各系统的影响评估）。
• 任务： AIMS 就绪度评估，还是单系统 AI 影响评估（决定所选工具和工作流）。
• 认证目标： 初次认证、监督审核，还是仅供内部使用（决定分数阈值和证据深度）。

针对当前请求，询问最重要的两三项输入，而不是询问整个列表。如果用户希望立即获得结果，则直接生成结果，并在开头说明假设。

工作流

工作流 1：ISO 42001 就绪度评估

Step 1: Define AIMS scope
        → Identify AI systems in scope
        → Determine organizational boundaries
        → Document interested parties and requirements

Step 2: Generate assessment template
        → python scripts/aims_readiness_checker.py --template > org_profile.json
        → Fill in organizational details and current state

Step 3: Run readiness assessment
        → python scripts/aims_readiness_checker.py --input org_profile.json

Step 4: Review results
        → Address critical gaps (Clauses 5, 6, 8 typically weakest)
        → Prioritize Annex A controls by risk
        → Develop remediation roadmap

Step 5: Conduct AI impact assessments
        → python scripts/ai_impact_assessor.py --template > ai_system.json
        → Assess each in-scope AI system
        → python scripts/ai_impact_assessor.py --input ai_system.json

Step 6: Plan implementation
        → See references/iso42001-clause-guide.md for requirements
        → See references/ai-lifecycle-management.md for operational controls

工作流 2：AI 系统影响评估

Step 1: Identify AI system for assessment
        → Document system purpose, inputs, outputs, and decisions
        → Identify affected individuals and groups

Step 2: Generate assessment template
        → python scripts/ai_impact_assessor.py --template > ai_system.json
        → Complete all sections (model details, data sources, deployment context)

Step 3: Conduct assessment
        → python scripts/ai_impact_assessor.py --input ai_system.json --format markdown --output report.md

Step 4: Review dimension scores
        → Fairness: check for bias in training data and outcomes
        → Transparency: verify explainability mechanisms
        → Safety: validate failure modes and human oversight
        → Privacy: confirm data protection measures
        → Security: assess adversarial resilience

Step 5: Implement risk treatments
        → Apply recommended mitigations per dimension
        → Document residual risk acceptance decisions
        → Assign treatment owners and timelines

Step 6: Monitor and review
        → Schedule periodic reassessment (quarterly minimum)
        → Track treatment implementation progress
        → Update assessment when system changes materially

工作流 3：AIMS 认证准备

Step 1: Gap analysis
        → python scripts/aims_readiness_checker.py --input org_profile.json
        → Target overall score of 80+ for certification readiness

Step 2: Document AIMS
        → AI policy (Clause 5.2)
        → AIMS scope (Clause 4.3)
        → Risk assessment methodology (Clause 6.1)
        → Statement of Applicability for Annex A controls
        → AI objectives (Clause 6.2)

Step 3: Implement operational controls
        → AI lifecycle procedures (Clause 8)
        → Data management processes (Annex A.7)
        → Third-party management (Annex A.10)
        → Impact assessments for all AI systems (Annex A.5)

Step 4: Conduct internal audit
        → Use references/iso42001-clause-guide.md audit questions
        → Document findings and corrective actions
        → Verify closure of nonconformities

Step 5: Management review
        → Present AIMS performance to top management
        → Review AI objectives achievement
        → Obtain commitment for continual improvement

Step 6: Stage 1 and Stage 2 audits
        → Stage 1: Documentation review (readiness check)
        → Stage 2: Implementation effectiveness audit
        → Address any nonconformities from audit

---

标准概述

ISO 42001:2023 概述

ISO/IEC 42001:2023 是全球首个针对 AI 管理体系（AIMS） 的国际标准。该标准于 2023 年 12 月发布，为组织负责任地开发、提供和使用 AI 系统提供了框架。该标准遵循管理体系标准的 ISO 协调结构（Annex SL），便于与 ISO 27001、ISO 9001 和 ISO 14001 集成。

主要特征：

• 可认证的管理体系标准
• 不受技术限制（适用于任何 AI 方法）
• 基于风险的 AI 治理方法
• PDCA（计划-执行-检查-改进）循环
• 适用于任何规模和行业的组织

AIMS 框架（计划-执行-检查-改进）

组织环境（第 4 条款）

要求	条款	说明
组织环境	4.1	与 AI 目标相关的内部/外部问题
利益相关方	4.2	利益相关方及其要求和期望
AIMS 范围	4.3	AIMS 的边界和适用性
建立 AIMS	4.4	建立、实施、维护和改进 AIMS

领导作用（第 5 条款）

要求	条款	说明
领导作用与承诺	5.1	最高管理层展现对 AIMS 的承诺
AI 方针	5.2	负责任 AI 原则、道德准则、组织价值观
角色和职责	5.3	明确分配 AIMS 角色、权限和问责职责

AI 方针必须包括：

• 承诺负责任地开发和使用 AI
• 指导 AI 决策的道德原则
• 符合适用的法律和监管要求
• 持续改进 AIMS 的承诺
• 制定 AI 目标的框架

AI 治理结构：

• AI 治理委员会或专门小组
• 明确承担问责责任的 AI 系统所有者
• 负责 AI 数据管理的数据管理员
• 伦理审查职能
• 事件响应角色

策划（第 6 章）

要求	章节	描述
风险和机遇	6.1	应对 AI 特定风险和机遇的措施
AI 风险评估	6.1.2	识别和评估 AI 风险的方法
AI 目标	6.2	负责任 AI 的可衡量目标
影响评估	6.1.4	评估 AI 系统对个人和社会的影响

AI 风险评估必须涵盖：

• 公平性和非歧视风险
• 透明度和可解释性方面的不足
• 安全性和可靠性问题
• 隐私和数据保护风险
• 安全漏洞
• 问责方面的不足
• 社会和环境影响

支持（第 7 章）

要求	章节	描述
资源	7.1	计算能力、数据、专业知识和基础设施
能力	7.2	AI 相关岗位所需技能、培训计划
意识	7.3	组织内的 AI 素养
沟通	7.4	AI 相关事项的内部／外部沟通
成文信息	7.5	文件的创建、控制和保留

运行（第 8 章）

要求	章节	描述
运行策划	8.1	策划和控制 AI 流程
AI 风险评估	8.2	按照方法执行风险评估
AI 风险处置	8.3	实施风险处置计划
AI 系统生命周期	8.4	管理 AI 系统的所有生命周期阶段

AI 系统生命周期阶段：

1. 设计：需求、架构、伦理审查
2. 开发：数据准备、模型训练、编码标准
3. 测试：功能、偏差、稳健性和性能验证
4. 部署：暂存、审批、监控设置
5. 运行：性能监控、漂移检测、事件响应
6. 退役：停用、数据处置、利益相关方通知

AI 数据管理：

• 数据质量评估和改进
• 数据来源和谱系跟踪
• 评估训练数据和评估数据中的偏差
• 数据治理和访问控制
• 个人数据保护措施
• 数据保留和处置流程

第三方和供应商管理：

• AI 组件供应商评估
• 第三方 AI 服务协议
• 供应链风险评估
• 持续监控供应商

绩效评估（第 9 章）

要求	章节	描述
监控和测量	9.1	AI 系统性能指标和 KPI
内部审核	9.2	对 AIMS 开展计划性审核
管理评审	9.3	最高管理层评审 AIMS 的有效性

AI 性能指标：

• 模型准确率、精确率、召回率
• 公平性指标（人口统计均等、均等化赔率）
• 延迟和可用性
• 漂移指标（数据漂移、概念漂移）
• 事件频率和严重程度
• 消费者投诉率

改进（第 10 章）

要求	章节	描述
不符合项	10.1	针对不符合项采取纠正措施
持续改进	10.2	持续改进 AIMS
AI 事件管理	10.3	处理 AI 系统事件和未遂事件

附录 A 控制措施

控制措施	标题	描述
A.2	AI 政策	制定与组织目标一致的负责任 AI 政策
A.3	内部组织	AI 相关角色、职责和职责分离
A.4	AI 系统资源	计算资源、数据、工具和专业知识管理
A.5	AI 系统影响评估	AI 系统影响评估流程
A.6	AI 系统生命周期	涵盖设计、开发、部署和退役的控制措施
A.7	AI 系统数据	数据质量、来源、偏差、治理和保护
A.8	面向相关方的信息	透明度、披露和沟通
A.9	AI 系统的使用	可接受使用政策、人工监督和用户指引
A.10	第三方关系	供应商管理、外包 AI 和组件评估

附录 B — 实施指南

附录 B 为实施附录 A 中的控制措施提供非规范性指导：

• 各项控制目标的实际示例
• 适用于不同规模组织的可扩展性指导
• 特定行业的注意事项
• 与现有管理体系的集成点

附录 C — AI 风险来源和目标

按类别整理的 AI 特定风险来源：

• 技术风险：模型故障、数据质量、对抗性攻击、漂移
• 伦理风险：偏差、歧视、缺乏透明度、自主性受损
• 法律风险：不符合法规要求、责任、知识产权
• 社会风险：岗位流失、虚假信息、环境影响
• 组织风险：技能差距、依赖、声誉受损

AI 特定控制目标：

• 确保公平且不歧视
• 保持透明度和可解释性
• 确保安全性和可靠性
• 保护隐私和数据
• 保护 AI 系统免受威胁
• 实现问责和治理

附录 D — AIMS 在不同领域的应用

特定行业的注意事项：

• 医疗保健：患者安全、临床验证、监管批准（FDA、MDR）
• 金融：算法交易、信用评分、反洗钱
• 自主系统：安全关键决策、人工接管、安全失效设计
• 人力资源：招聘偏差、员工监控、公平性
• 公共部门：对公民的影响、民主价值观、公众信任

与其他标准的关系

标准	关系	集成点
ISO 27001	信息安全	风险评估、访问控制、事件管理
ISO 9001	质量管理	过程方法、文件控制、持续改进
ISO 14001	环境管理	影响评估、生命周期思维
ISO 31000	风险管理	风险框架、评估方法
ISO 22989	AI 概念/术语	基础定义
ISO 23894	AI 风险管理	风险管理指南

与 EU AI Act 的关系

EU AI Act 要求	ISO 42001 对应内容
风险管理体系（第 9 条）	条款 6.1、8.2、8.3、附录 A.5
数据治理（第 10 条）	条款 8.4、附录 A.7
技术文档（第 11 条）	条款 7.5、附录 A.6
透明度（第 13 条）	附录 A.8
人工监督（第 14 条）	附录 A.9
准确性、稳健性、安全性（第 15 条）	条款 9.1、附录 A.6
质量管理体系（第 17 条）	完整的 AIMS（条款 4–10）
合格评定	认证流程

认证流程

阶段	活动	时长
准备	差距分析、实施、内部审核	6-12 个月
第一阶段审核	文档审查、就绪度评估	1-2 天
差距整改	处理第一阶段审核发现的问题	1-3 个月
第二阶段审核	实施有效性评估	2-5 天
认证	颁发证书（有效期 3 年）	通过后
监督	年度监督审核	1-2 天/年
重新认证	每 3 年进行一次全面重新评估	2-4 天

实施路线图

阶段 1 — 奠基（第 1-3 个月）：

• 确定 AIMS 范围和边界
• 建立 AI 治理架构
• 制定 AI 政策
• 开展初步 AI 系统清点
• 确定风险评估方法

阶段 2 — 核心实施（第 4-6 个月）：

• 对范围内的所有系统开展 AI 风险评估
• 开展影响评估（附录 A.5）
• 实施 AI 生命周期控制（附录 A.6）
• 建立数据管理流程（附录 A.7）
• 制定第三方管理程序（附录 A.10）

阶段 3 — 投入运营（第 7-9 个月）：

• 部署监控和测量机制（第 9.1 条）
• 培训人员，使其了解 AIMS 角色和职责
• 实施事件管理程序
• 开展 AI 素养意识培训
• 建立沟通流程

阶段 4 — 验证与认证（第 10-12 个月）：

• 开展内部审核（第 9.2 条）
• 进行管理评审（第 9.3 条）
• 处理不符合项
• 为第一阶段认证审核做好准备
• 按条款汇编证据材料

---

故障排除

问题	可能原因	解决方案
尽管有高管支持，第 5 条款（领导力）的准备度评分仍然较低	AI 政策未包含道德原则、负责任 AI 承诺或 AI 目标设定框架	更新 AI 政策，明确涵盖所有必需内容：道德原则、负责任 AI、法律合规、持续改进承诺和 AI 目标框架；取得管理层正式签字批准
AI 影响评估在所有维度上的风险评级均为高/严重	AI 系统在缺乏防护措施的情况下处理敏感个人数据、做出自主决策并影响大量人群	针对各个维度实施相应的缓解措施：通过人在环路中保障安全性、通过偏见测试保障公平性、通过可解释机制保障透明度、通过数据保护保障隐私；实施缓解措施后重新进行评估
尽管已有实际操作，附录 A 的控制项仍被评为“未实施”	相关实践虽以非正式方式开展，但未按照 ISO 42001 要求记录	将所有现有 AI 实践记录为正式规程；创建证明材料（政策文件、会议纪要、风险登记册、培训记录）；将其映射到具体的附录 A 控制目标
认证机构审核员质疑 AI 风险评估方法	风险评估未涵盖所有七类必需风险（公平性、透明度、安全性、隐私、安全、问责制、社会影响）	更新风险评估方法，明确涵盖所有 ISO 42001 风险类别；使用 ai_impact_assessor.py 模板确保覆盖全面；记录风险标准和容忍度
第三方 AI 组件缺乏治理控制	组织在未进行正式评估或供应商管理的情况下使用第三方 AI 模型或 API	实施附录 A.10（第三方关系）控制项；评估所有第三方 AI 组件；为 AI 服务提供商制定合同要求；监控供应商的 AI 实践
AI 生命周期的数据管理规程不完整	未对训练和评估数据系统化地开展数据质量、来源和偏见评估	实施附录 A.7（AI 系统的数据）控制项；制定数据质量评估规程；记录数据来源及沿袭关系；针对每个数据集开展偏见评估；定义保留和处置规程
第 1 阶段审核发现 AIMS 文档不足	文档遵循通用 QMS 结构，但缺少 AI 专属内容	重构文档，以涵盖所有 ISO 42001 条款（4-10）和附录 A 控制项（A.2-A.10）；纳入 AI 专属政策、风险评估、影响评估和生命周期规程

---

成功标准

• 总体就绪度评分达到 80 分以上，满足认证就绪要求——由 aims_readiness_checker.py 衡量，所有条款均达到“已定义”成熟度级别或更高
• 制定并传达 AI 政策——包括伦理原则、负责任的 AI 承诺、与法律法规要求保持一致、持续改进，以及 AI 目标框架，并获得管理层正式批准
• 完成所有范围内 AI 系统的 AI 影响评估——涵盖六个维度（公平性、透明度、安全性、隐私、安全、问责制），记录风险处理措施，并由管理层接受剩余风险
• AI 风险评估方法涵盖所有必需类别——公平性、透明度、安全性、隐私、安全、问责制，以及社会和环境影响，并明确风险标准和容忍度
• 实施附录 A 控制措施并提供证据——涵盖 A.2（政策）至 A.10（第三方），具备适用于认证审核的书面程序、记录和证据材料
• 针对所有 AIMS 条款开展内部审核——记录审核发现，跟踪纠正措施直至关闭，并完成管理评审且记录改进决策
• AI 生命周期程序投入运行——涵盖设计、开发、测试、部署、监控和退役阶段，并在各个关口落实有据可查的控制措施

---

范围与限制

范围内：

• 根据 ISO 42001:2023 对所有条款（4-10）及附录 A 控制措施（A.2-A.10）开展就绪度评估
• 从六个维度（公平性、透明度、安全性、隐私、安全、问责制）开展 AI 影响评估
• AIMS 认证准备工作，包括差距分析、实施路线图和审核准备
• AI 生命周期管理指导（从设计到退役）
• AI 系统的数据管理（质量、来源、偏见、治理）
• 第三方 AI 供应商管理与评估
• 对照 EU AI Act 要求进行法规映射
• 与 ISO 27001、ISO 9001 和 ISO 14001 集成的指导

范围外：

• 实际 AI 模型的开发、训练、测试或部署——此技能提供治理框架，而非 ML 工程
• 认证机构选择、审核排期或认证费用协商
• 建立伦理审查委员会，或超出程序指导范围的伦理决策
• 具体 AI 公平性算法的实施（例如，对抗式去偏、校准均等赔率）——技术测试请使用 eu-ai-act-specialist 偏见检测器
• 衡量环境影响或计算 AI 训练的碳足迹

重要说明：

• ISO 42001 认证周期为 3 年，每 12 个月进行一次年度监督审核
• 截至 2025-2026 年，主要认证机构（BSI、DNV、TUV、LRQA）已将 ISO 42001 审核服务投入运营
• 许多组织同时追求双重对齐：通过 ISO 42001 认证落实治理控制，并遵循 EU AI Code of Practice 满足监管预期
• 该标准的 Annex SL 结构支持与 ISO 27001 直接集成，从而减少重复文档和审核工作

---

集成点

技能	集成方式	适用场景
eu-ai-act-specialist	ISO 42001 AIMS 与 EU AI Act 要求直接对应；认证可证明符合第 17 条的 QMS 要求	构建同时满足 ISO 42001 和 EU AI Act 义务的 AI 治理体系时
information-security-manager-iso27001	ISO 27001 安全控制通过共享的 Annex SL 结构与 AIMS 集成；风险评估方法相互契合	实施联合 ISMS + AIMS，同时涵盖信息安全和 AI 治理时
gdpr-dsgvo-expert	AIMS 数据管理（Annex A.7）与 GDPR 数据保护要求相符；AI 处理需要进行 DPIA	AI 系统处理个人数据且需要同时符合 AIMS 和 GDPR 时
isms-audit-expert	ISO 27001 和 ISO 42001 共用内部审计方法和发现项管理流程	开展同时涵盖 ISMS 和 AIMS 的内部审计时

---

工具参考

aims_readiness_checker.py

依据 ISO 42001:2023 的所有条款和 Annex A 控制措施评估组织的准备情况。

标志	必填	描述
--input <file>	是（除非使用 --template）	用于评估的组织概况 JSON 文件路径
--template	否	将空白输入模板生成到标准输出
--json	否	以 JSON 格式输出结果，供自动化使用
--output <file>	否	将报告导出到指定文件路径

**评估范围：**第 4 条款（背景）、第 5 条款（领导作用）、第 6 条款（策划）、第 7 条款（支持）、第 8 条款（运行）、第 9 条款（绩效）、第 10 条款（改进）以及 Annex A 控制措施（A.2-A.10）。

**输出：**总体准备度评分（0-100）、各条款评分及成熟度级别（初始/发展中/已定义/已管理/已优化）、Annex A 控制措施实施状态、包含优先级建议的差距分析，以及认证准备度评估（已就绪/接近就绪/存在重大差距）。

ai_impact_assessor.py

从六个风险维度生成全面的 AI 影响评估，并映射相关法规。

标志	必填	描述
--input <file>	是（除非使用 --template）	用于评估的 AI 系统描述 JSON 文件路径
--template	否	将空白 AI 系统模板生成到标准输出
--format <fmt>	否	输出格式：json（默认）或 markdown
--output <file>	否	将评估报告导出到指定文件路径

**评估维度：**公平性（偏见、歧视、公平）、透明度（可解释性、可理解性）、安全性（可靠性、稳健性、危害预防）、隐私（数据保护、同意、最小化）、安全（对抗韧性、访问控制）、问责（治理、责任、可审计性）。

**输出：**各维度风险评分（低/中/高/严重）、利益相关方影响映射、风险处置选项（规避/缓解/转移/接受）、法规映射（EU AI Act 风险等级、ISO 42001 Annex A 控制措施）、剩余风险计算，以及 Markdown 或 JSON 报告。