AI风险治理“实战”落地：CISO如何将GenAI纳入GRC管控体系
摘要： 随着GenAI和自主AI在企业中的爆炸式增长，“影子AI”的风险正在扩大。本文深入探讨了企业为何必须将AI风险纳入现有的治理、风险与合规（GRC）体系，并结合多位行业CISO的实战经验，提供了一套从战略到战术的AI风险治理落地指南，包括如何调整现有框架、制定治理政策以及利用“红绿灯”系统和“模型卡片”等创新工具，帮助CISO在拥抱AI创新的同时，筑牢企业安全防线。
一、 新挑战：当“颠覆性”的AI遇上传统的GRC
“AI是一种极具颠覆性的技术，它并非可以简单归类并定义为‘这就是AI’的事物。” 国际信息系统审计与控制协会（ISACA）董事会成员杰米·诺顿（Jamie Norton）一语道破了问题的核心。
AI的风险难以量化，但其带来的威胁却日益清晰。根据Check Point的《2025年AI安全报告》，企业设备向GenAI服务发送的提示词中，每80个就有1个（1.25%）存在敏感数据泄露的高风险。
CISO（首席信息安全官）正面临前所未有的两难处境：一方面要满足业务部门对AI创新的渴求，另一方面又要防止“影子AI”（未经批准和监控的AI应用）泛滥成灾，成为企业安全的巨大隐患。
传统的GRC框架，诞生于21世纪初，最初专注于规则和清单式的合规。虽然如今已演变为更广泛的风险管理方法，但面对AI这种概率性、高自主性、快速演变的新物种，现有的GRC计划显然需要重新审视和升级。联想的报告显示，仅有24%的企业全面实施了AI GRC政策，这道巨大的鸿沟亟待填补。
二、 拒绝重造轮子：调整现有框架，拥抱AI风险
好消息是，我们无需从零开始。安全领导者可以将AI风险映射到现有成熟的风险管理框架上，进行调整和扩展。
Check Point的AI技术副总裁丹·卡尔帕蒂（Dan Karpati）建议，应将AI风险视为独立的类别，并融入GRC的四大支柱中：
企业风险管理 (ERM): 明确定义企业的AI风险偏好，并成立专门的AI治理委员会。
模型风险管理 (MRM): 持续监控模型的性能漂移、偏见，并进行对抗性测试。
运营风险管理 (ORM): 制定AI系统故障的应急预案，并对人工监督角色进行培训。
IT风险管理 (ITRM): 实施定期审计、AI系统合规性检查，确保治理框架与业务目标对齐。
实战框架参考：
NIST AI风险管理框架 (AI RMF): 提供了识别、评估和管理AI风险的系统方法。
COSO与COBIT: 可借鉴其治理、控制和风险对齐的核心原则，覆盖AI的特性。
ISO/IEC 42001: 这是一个新兴的AI管理体系标准，为AI生命周期嵌入治理和风险实践提供了结构化框架。
FAIR (信息风险因素分析): 可以用来量化AI相关事件的潜在财务损失，将技术风险转化为业务领导能看懂的语言。
通过调整这些框架，CISO可以将AI风险的讨论提升到战略层面，使其与企业的整体风险承受能力保持一致。
三、 CISO的实战工具箱：从战略到战术的落地方法
理论框架需要具体的战术来执行。以下是来自一线CISO的宝贵建议：
1. 战略与战术并举：分层管理AI工具
ISACA的杰米·诺顿建议，应根据AI工具的影响力，采取不同的管理策略：
战略方法 (适用于“重磅”AI): 对于像微软Copilot、ChatGPT这样可能带来重大变革的大型AI平台，应设立内部的AI监督论坛或委员会，进行集中的、深入的风险评估和治理。
战术方法 (适用于“小型”AI): 对于嵌入在各类SaaS平台或产品中的小型、零散的AI功能，可以通过更轻量级的流程进行管理。例如：
安全设计流程 (Secure by Design): 在采购或开发之初就介入。
IT变更管理流程: 将AI工具的引入纳入变更审批。
影子AI发现计划: 主动扫描和识别网络中未经授权的AI使用。
基于风险的AI库存和分类: 建立AI资产清单，并根据风险级别进行分类。
诺顿强调：“我们的目标不是把流程搞得冗长复杂，让业务部门寸步难行。而是一个相对轻量级的过程，快速应用风险考量，决定是放行还是阻止。”
2. 定义游戏规则：用“红绿灯”系统和“模型卡片”赋能全员
AuditBoard的CISO里奇·马库斯（Rich Marcus）分享了一套非常实用的内部治理工具，核心是协作和透明。
建立“红绿灯”系统：
绿色 (Green): 已经过安全团队审查和批准的AI工具，员工可以放心使用。
黄色 (Yellow): 需要进行额外评估或仅限于特定使用场景的工具。员工使用前需申请。
红色 (Red): 缺乏必要安全保障、明确禁止在企业内部使用的工具。
这个系统为员工提供了清晰的行为准则，也为安全团队提供了检测和执行的依据，更重要的是，它以协作而非对抗的方式促进了创新。
制定AI工具选择标准： 在评估工具之前，CISO应与法务、合规等部门合作，提前定义一套指导原则。例如：
工具是否能保护公司的专有数据？
我们是否保留所有输入和输出数据的所有权？
数据是否会被用于训练供应商的公共模型？
创建“模型卡片” (Model Cards): 对于每个评估的AI使用案例，马库斯和他的团队会创建一个“模型卡片”——一份简明扼要的一页纸文档，概述以下内容：
系统架构： 输入、输出、数据流。
预期用途： 解决什么业务问题。
数据训练： 系统是如何使用数据进行训练的。
第三方依赖： 是否涉及外部服务。
“模型卡片”让风险分析师能快速评估该用例是否违反隐私法规、安全最佳实践或新兴的监管要求。当评估了数十个这样的用例后，就可以识别出共性风险，从而制定出更具战略性的应对计划。
四、 CISO角色的演进：从“守门员”到“风险顾问”
在AI时代，CISO的角色不再是简单地说“行”或“不行”。正如诺顿所说：“我们更多的是提供做某件事所涉及的风险可见性，然后让组织和高级管理人员围绕这些风险做出决策。”
成功的AI风险治理关键在于协作。CISO需要走出去，与业务部门、法务、首席风险官等建立广泛的信任和认同，传达“我们共同面对挑战，而不是来拖后腿的”信息。
结语
AI的浪潮势不可挡。CISO不能因为风险就阻碍创新，但也不能对风险视而不见，导致灾难性的数据泄露。通过将AI融入GRC框架，采用分层管理策略，并利用“红绿灯”系统、“模型卡片”等实用工具，CISO可以为企业的AI之旅提供关键的导航，在加速创新的同时，确保航行安全。这不仅是技术的挑战，更是治理智慧的体现。