一、ISO/IEC 42001:2023 9.2 标准原文

二、条款解读说明

2.1 AI管理体系内部审核为什么不能照搬普通文件检查

内部审核在所有管理体系里都是自我校准的重要机制，但在人工智能管理体系中，它的难度更高。原因在于，AIMS不仅涉及制度文件，还涉及模型、数据、供应商、运行监控、人工监督、用户告知、影响评估和事件处理等多个维度。也就是说，审核员如果只按常规文控思路检查“有没有制度、有没有记录”，很容易得出表面合格、实质失真的结论。真正有效的AI内审，应当既检查文件是否齐全，也检查控制是否在实际场景中被执行，风险判断是否贴近现实，相关方信息是否真实传达，运行证据是否支持管理结论。

因此，9.2条中的“符合”和“有效实施和保持”应分开理解。符合，更多是检查AIMS是否满足组织自身规则和标准要求；有效实施和保持，则要求审核能够判断制度是不是落在了系统、流程和岗位上。很多组织的弱点恰恰出现在后者：文件齐全，但人工监督流于形式；风险评估完成，但后续处置无证据；用户告知文案存在，但前线人员不知道怎么使用。内部审核必须能够把这些问题找出来。

2.2 9.2条要求审核方案具备哪些核心要素

2.3 AI内审要重点审什么

一套成熟的AIMS内部审核，通常会重点审查以下几个方面：范围和职责是否清楚；风险评估和影响评估是否按要求执行并更新；控制措施是否真正落地；变更是否按程序进行；运行监控是否能发现问题；用户和相关方沟通是否真实发生；外部依赖是否受到控制；不符合和纠正措施是否闭环。除此之外，审核还应特别关注高影响AI系统，因为这些场景最容易出现“制度有、证据有、但真实风险更高”的情况。

在方法上，AI内审不宜只看文档。审核员往往需要看系统界面、工单流转、日志片段、抽样记录、模型变更证据、供应商文档、培训效果甚至访谈一线使用者，才能判断控制是否真的发挥作用。对AIMS来说，真实证据比漂亮文件更重要，这也是9.2条能否体现价值的关键。

三、实施要点

3.1 以风险和过程重要性制定审核方案

• 标准要求考虑相关过程的重要性和以往审核结果，因此高影响系统、问题多发过程和发生重大变化的领域应优先审核。
• 不建议简单按章节平均分配审核资源。
• 风险导向的审核方案更符合42001的治理逻辑。

3.2 审核范围和准则要写得具体

• 每次审核都应明确审核对象、系统范围、涉及过程、审核准则和重点问题。
• 例如，是审核整个AIMS，还是审核某一高影响AI系统的开发和运行控制，这些都应写清楚。
• 范围清晰，审核才能有效取证和形成结论。

3.3 结合文件、访谈和运行证据开展审核

• AI内审不能只看制度文件，应结合访谈、系统观察、记录抽样和实际运行证据。
• 特别是风险处置、人工监督、用户告知和供应商管理这类事项，更需要看真实执行痕迹。
• 多证据交叉验证能显著提升审核质量。

3.4 确保审核独立性和必要能力

• 审核员不应审核自己直接负责的过程或系统，以维护客观性和公正性。
• 必要时可采用跨部门审核、联合审核或引入外部支持，但组织仍应保有审核主导权。
• 独立性是审核可信度的底线。

3.5 审核结果要进入整改和管理层视野

• 发现的问题应有清晰分级、责任人、整改要求和跟踪机制，并及时报告给相关管理人员。
• 高风险发现应进入管理评审或专项改进机制，而不应停留在审核报告归档。
• 发现后不闭环，审核价值会迅速归零。

四、常用工具与实施方法

五、典型案例

案例一：审核只看文件，遗漏实际运行偏差

1. 背景：某组织内审时确认制度、表单和记录基本齐全。
2. 问题：后来才发现一线团队长期绕过人工复核流程，审核并未发现。
3. 改进：内审增加现场访谈和运行抽样检查。
4. 结果：审核不再停留在文件层面。

案例二：审核频率平均分配，结果抓不住重点

1. 背景：组织对所有过程按同样频率审核。
2. 问题：高风险AI场景和低风险后台流程投入相同审核资源，导致高风险区域关注不足。
3. 改进：调整为风险导向审核方案，对高影响系统增加审核频率和深度。
4. 结果：审核资源与风险程度更匹配。

案例三：审核发现形成报告，但整改始终拖延

1. 背景：组织每次都能按时出具审核报告。
2. 问题：整改责任不清，多个问题在不同审核周期重复出现。
3. 改进：建立发现分级、责任追踪和管理层复核机制。
4. 结果：内审开始真正推动改进，而不仅是完成检查。

六、成文信息管理要求

9.2明确要求保留文件化信息作为审核方案实施和审核结果的证据。因此组织不仅要有审核报告，还要保留审核方案、抽样记录、发现和整改跟踪等完整证据链。

七、常见误区及踩坑提醒