2025-02-09-国际清算银行-中央银行人工智能采用的治理（英）_49页_1mb

AI在央行业务中的治理：风险、管理与适配框架

摘要
报告系统梳理了人工智能技术在央行应用场景下的优势、风险及其治理策略，强调了央行业务的高敏感性数据特性及其系统性风险。报告建议央行构建完整的AI治理机制，将现有风险管理框架扩展至AI技术全生命周期，并提出十条实际可行的治理实施路径。

关键结构概览

风险识别与分类

• 战略风险：缺乏AI策略，导致声誉受损或目标偏离。
• 运营风险：受技术依赖增强、数据治理难度增加、黑盒风险等多重问题影响。
• 信息与网络安全风险：GAI引入数据泄露、训练违规等漏洞。
• 第三方依赖风险：密钥技术依赖仅被赋予控制力，难以防御新型攻击。

风险管理框架

• 三道防线模型适配AI：明确不同角色的职责区分以实现具体控制。
• AI专用原则：提出“可信赖AI（Trustworthy AI）”的八大标准，包括可持续性、多样性、透明性、有效可靠性、人类主导、Privacy、责任性和技术稳健性。

治理行动建议

• 构建最高管理层监督委员会，协调跨职能AI审核。
• 建立合规性原则与框架，使其贯穿央行AI项目。
• 引入三项关键机制：
  • 第一道防线：项目识别与评估流程
  • 第二道防线：定期审计和风险监控合规机制
  • 第三道防线：独立评估机构确保安全合规。

GAI专用风险缓解措施

• 法定监督：建立AI使用许可与披露制度。
• 技术控制：实施沙箱系统、数据分类与安全模型防护。
• 人力资源培训：定期审查AI结果并开展熟练人员培养。

政策适配路径（例）

• 动态二元框架构建：既要内部合规，也要考虑欧盟《AI法案》（欧洲背景）或ISO/IEC 30037等国际标准的融合执行。

示例图（AI风险管理动态适应框架）

graph LR
A[规划] --> B{风险识别}
B --> C[治理策略制定]
C --> D[持续监测]
D -->E[高级调控]
E -->F[合规审核]

总结要点

• AI优势：增强数据分析效率、提升决策能力、改善客户服务是央行系统AI应用的主要驱动力。
• 风险挑战：模型“黑盒”、偏见、数据隐私泄露及依赖他方技术带来重大不确定性。
• 治理内核：采用自适应框架结合伦理原则，推动透明度与问责机制落地，以构建AI可持续治理基础。

央行应优先在非核心业务领域部署AI试点，并逐步将其扩展至金融稳定维护、银行业监管等高风险领域，同时加强与全球性监管框架协调（如欧盟AI Act与中国版《生成式AI服务管理办法》），以提升整体风险识别与治理能力。