大多数企业现在同时在至少三个 AI 治理框架下运营：EU AI Act（强制）、NIST AI RMF（自愿但事实上被期望）和 ISO 42001（自愿但越来越多地被采购方要求）。这些框架之间的重叠是实质性的。分歧在于执行力、术语和范围。而它们中任何一个所要求的与企业实际实施的之间的差距，就是风险所在。
这不是又一个框架提案。这是对当前框架格局为什么让企业暴露于风险中的分析，以及统一的治理架构在实践中长什么样。
当前格局：三个框架，一个问题
EU 人工智能法案
EU AI Act（法规 2024/1689）在生效时成为全球首个综合性 AI 监管法规。其基于风险的分类体系将 AI 系统分为四个层级：禁止的做法、高风险系统、有限风险系统和最小风险系统。
高风险系统（包括用于招聘、信用评估、执法和关键基础设施的 AI）面临最严格的要求：合规评估、技术文档、人类监督机制和持续监控。高风险系统的完整合规框架于 2026 年 8 月生效。
一个关键细节：该法案适用于任何在欧盟市场投放 AI 系统或以影响欧盟公民的方式部署 AI 的组织。这种域外管辖意味着欧盟以外的公司如果服务欧盟客户也必须合规。2026 年 5 月的简化协议被一些组织解读为监管放松，但正如多位法律分析师指出的，合规截止日期仍然具有约束力，执行机制正在强化。
NIST AI 风险管理框架
NIST AI RMF 于 2023 年 1 月发布，提供了一个围绕四个功能组织的自愿框架：治理（Govern）、映射（Map）、测量（Measure）和管理（Manage）。它旨在帮助组织在整个系统生命周期中识别、评估和管理 AI 风险。
在实践中，NIST 框架已经成为美国企业的事实标准。联邦机构越来越多地要求承包商采用 NIST 对齐的 AI 风险管理。企业采购团队在供应商评估中引用它。即使没有正式采用它的组织也发现他们的 AI 治理工作趋向于其结构。
2024 年的生成式 AI 配置文件（NIST-AI-600-1）将框架扩展到涵盖生成式 AI 特定的风险，2026 年 4 月关键基础设施 AI 信任配置文件的概念说明标志着持续的扩展。
ISO/IEC 42001
ISO 42001 于 2023 年 12 月发布，是首个 AI 管理系统（AIMS）国际标准。它遵循其他 ISO 管理体系标准（如信息安全领域的 ISO 27001）所使用的 Plan-Do-Check-Act 结构。
关键区别：ISO 42001 认证的是组织拥有正确的结构和流程。这是管理系统审计，不是产品审计。EU AI Act 按系统逐个评估合规，要求根据风险分类和组织角色进行校准。NIST 管理组织层面的风险管理。
重叠与分歧
框架之间的重叠实质上大于分歧。这是构建统一合规计划的关键洞察。
三个框架都要求风险评估。三个框架都涉及人类监督。三个框架都要求 AI 系统属性的文档化。这种趋同不是巧合。这些要求反映了每个主要框架已经收敛到的负责任 AI 治理的基础要素。
一个适当文档化的人类监督控制，可以同时满足 EU AI Act 第 14 条和第 22 条、NIST AI RMF MAP-3.5 和 MEASURE-3.2，以及 ISO 42001 附件 B 的 B.3 和 B.4 节。这就是基于控制的合规架构所提供的：一个控制，满足多个框架条款。
分歧主要在范围和义务方面。EU AI Act 是用例和角色特定的。合规按系统逐个评估。NIST 管理组织级风险管理。ISO 认证管理系统。一个组织可能在 EU AI Act 下同时是提供者和部署者，对不同系统承担不同义务。在 NIST 下，组织风险管理流程覆盖所有 AI 系统。在 ISO 下，管理系统认证适用于整个组织。
义务也不同。EU AI Act 合规对范围内的组织是强制性的，有重大罚款。NIST AI RMF 是自愿的但在美国市场事实上被期望。ISO 42001 是自愿的但越来越多地被企业采购团队要求。
治理缺口：为什么框架不够
2026 年最重大的治理挑战是现有框架没有设计来解决的问题：在现实世界中采取行动的自主 AI Agent。
EU AI Act 在 Agent AI 系统爆发之前就谈判完成了。它的风险类别假设的是辅助人类决策的 AI 系统，而不是独立做出和执行决策的系统。NIST 的 AI RMF 同样侧重于 AI 预测和建议的风险管理，而不是自主多步骤行动的风险管理。
这个治理缺口产生了三个紧迫的挑战。
责任归属问题
当一个 AI Agent 自主执行一个造成损害的多步骤工作流时，归责是不清楚的。是模型提供商、Agent 框架开发者、部署组织还是终端用户？现有法律框架假设有一个人在决策环中。Agent 系统越来越多地在没有人的情况下运作。
清单问题
大多数企业严重低估了其 AI 部署的数量。治理分析引用的哈佛商业评论研究表明，平均组织使用的 AI 系统是领导层意识到的 2-3 倍。这个清单缺口意味着治理框架只覆盖了实际 AI 使用的一小部分。
问题因嵌入式 AI 的扩散而加剧。当 AI 能力内置到 SaaS 产品、企业工具和开发环境中时，员工在没有任何正式部署决策的情况下使用 AI。这些"影子 AI"系统完全落在治理框架之外。
速度问题
AI 能力演进的速度快于治理流程适应的速度。一次模型更新可能以使先前风险评估失效的方式改变系统行为。一个新的 Agent 能力可能创造出已有政策未覆盖的用例。为相对静态的软件系统设计的治理框架难以跟上 AI 变化的速度。
缺失的架构：基于控制的合规
对框架碎片化的实际响应不是另一个框架。而是一种基于控制的合规架构，将组织控制同时映射到多个框架要求。
该方法的工作方式如下：
控制清单。识别适用于 AI 系统的组织控制集（技术的、程序的和治理的）。这些包括访问控制、监控系统、文档模板、审批工作流、测试程序和升级协议。
框架映射。对每个控制，文档化它满足哪些框架要求。一个数据血缘追踪控制可能解决 EU AI Act 第 10 条（数据治理）、NIST MAP-2.1（映射数据源）和 ISO 42001 第 8.2 节（运营规划）。
差距分析。识别现有控制未覆盖的框架要求。这些差距代表合规风险。
统一文档。构建满足每个控制领域所有适用框架中最严格要求的文档。
这种方法将框架视为对同一治理问题的重叠视角，而不是独立的合规练习。它减少了重复，同时确保没有框架的独特要求被遗漏。
Agent AI 治理前沿
新加坡提出了迄今为止最先进的 Agent AI 治理框架。它包括：
Agent 身份卡：为每个 AI Agent 指定能力、限制、授权行动域和升级协议的标准化披露格式。
分级自主性层级：从"工具辅助"（0 级）到"完全自主"（4 级）的五层分类法，治理要求逐级提高。
运营方-部署方责任框架：在构建 AI Agent 平台的实体和在特定上下文中部署它的实体之间明确分配责任。
这个框架解决了 EU AI Act 和 NIST AI RMF 都没有充分覆盖的治理缺口：当 AI 系统不只是做出预测或建议，而是自主在现实世界中采取行动时会发生什么。
企业实践步骤
对于现在正在建设 AI 治理计划的组织，穿越框架格局的路径遵循一个结构化的顺序。
步骤一：进行 AI 系统清单盘点。识别组织中的每一个 AI 系统。按 EU AI Act 风险类别分类。文档化预期用途、数据源和决策范围。假设实际数量是领导层目前追踪的 2-3 倍。
步骤二：建立治理结构。指定 AI 治理负责人或委员会。定义角色和职责。按照 NIST AI RMF 治理功能将 AI 风险管理集成到现有企业风险框架中。
步骤三：构建基于控制的合规。将组织控制映射到框架要求。识别差距。优先考虑能同时满足多个框架的控制。
步骤四：填补 Agent 治理缺口。对于任何具有自主行动能力的 AI 系统，在当前框架要求之外应用额外的治理控制。考虑新加坡的分级自主性模型作为参考。
步骤五：为 2026 年 8 月做好准备。EU AI Act 高风险系统的完整合规框架届时生效。在招聘、信贷、执法或关键基础设施中部署 AI 的组织需要在截止日期前就位合规评估、技术文档和人类监督机制。
参考
- EU AI Act (法规 2024/1689): https://artificialintelligenceact.eu/
- NIST AI 风险管理框架: https://www.nist.gov/itl/ai-risk-management-framework
- NIST AI RMF Playbook: https://airc.nist.gov/airmf-resources/playbook/
- NIST 生成式 AI 配置文件: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
- ISO/IEC 42001:2023: https://www.iso.org/standard/81230.html
- AI 治理与监管 2026 (Hung-Yi Chen): https://www.hungyichen.com/en/insights/ai-governance-regulatory-landscape-2026
- NIST、EU AI Act、ISO 42001 对比 (Trustible): https://trustible.ai/post/ai-governance-frameworks-compared/
- EU AI Act 合规检查器: https://artificialintelligenceact.eu/assessment/eu-ai-act-compliance-checker/
- NIST 关键基础设施 AI 信任配置文件: https://www.nist.gov/programs-projects/concept-note-ai-rmf-profile-trustworthy-ai-critical-infrastructure