Skip to content

CSlawyer1985/legal-skillhub / skills/ai-governance-initial-questions

ai-governance-initial-questions

Verified

在采购或开工之前,对拟议 AI 应用做一次结构化初始问询,产出「可继续 / 需补齐 / 不可按此形态部署」三种结论与带责任人和期限的行动清单。 方法论移植自波兰个人数据保护局(UODO)2026-08-05《初始问题清单》。覆盖 GDPR 与 AI Act 信号提示,适用于出海与境外 AI 项目; 中国大陆境内 AI 用例的红线与备案判断请走 ai-governance-use-case-triage。

FileKindSize
SKILL.mdexecutableskill md8.9 KB
references/00-来源说明.mdexecutablescript3.9 KB
references/01-版本0-零号清单.mdexecutablescript19.7 KB
references/02-中小企业版.mdexecutablescript11.3 KB
references/03-公共部门版.mdexecutablescript14.8 KB
references/04-扩展版.mdexecutablescript28.3 KB

references/01-版本0-零号清单.md

View on GitHub
# 版本 0:零号清单——功能性进路

> 译自波兰个人数据保护局(UODO)2026-08-05 发布的 *WERSJA 0: CHECKLISTA ZEROWA – PODEJŚCIE FUNKCJONALNE*。
> 中文译本由北京大成(杭州)律师事务所数字业务团队制作,仅供理解与参考;填报与判断以波兰文原件为准。
> 原文为征求意见稿,UODO 意见征集截止 2026-09-30,其后可能更新。

| 项 | 内容 |
|---|---|
| **层级** | 入口层——独立清单,不依赖其他清单 |
| **依据** | GDPR |
| **适用对象** | 不属于中小企业版和公共部门版画像的组织,包括自建或微调自有方案的主体 |
| **目的** | 确定该应用是否涉及个人数据、涉及到什么程度,随之而来有哪些义务,以及还缺哪些信息才能作决定;收集风险分析、数据保护影响评估与证明 GDPR 合规所需的初步事实 |
| **时点** | 构想与选型阶段,采购或开工之前 |
| **何时使用** | 每一次部署或自建 AI 系统时;**按系统将被使用的每个流程分别填写**;已在运行的工具要扩展到新流程时同样适用 |
| **何时本清单不够用** | 出现下列任一情形:组织用自有数据自建或微调模型;系统输出影响个人的法律地位;处理特殊类别数据、儿童数据或与判决相关的数据;数据传出欧洲经济区(EEA);系统可能构成 AI Act 意义上的高风险系统 |
| **产出** | 工作能否继续推进的决定,以及是否需要转入扩展版 |
| **功能性进路** | 项目问题(P)提供关于系统的认知,合规问题(Z)核查 GDPR 要求,P/Z 标记兼具两者 |

## 方法论前提

### 功能性进路

清单结合两类互补的问题。**项目问题(P)** 识别 AI 应用的目的、性质与场景、供应商、数据以及组织准备度——提供合规判断所必需的认知。**合规问题(Z)** 核查具体 GDPR 要求是否满足,特别是法律依据、个人权利、告知义务、数据保护影响评估、设计阶段的数据保护以及委托处理。**P/Z** 标记表示该问题兼具两个方面。

两类问题彼此关联:项目问题「系统处理哪些数据?」是合规问题「处理这些数据是否有法律依据?」的前提。清单的结构反映了这一关系。

### AI 系统生命周期阶段

每个问题都标注了其具有意义的阶段:

| 符号 | 阶段 | 说明 |
|---|---|---|
| [T] | 训练 / 开发 | AI 模型的开发与训练:训练数据、模型构建、测试。 |
| [W] | 部署 / 使用 | 部署成品 AI 系统而不做训练:配置、集成、日常使用。 |
| [T+W] | 两个阶段 | 共通事项:GDPR 角色、处理活动记录、DPO、设计与默认的数据保护、DPIA、安全。 |

### 关于「是否值得做」的前置问题

清单以关于 AI 系统部署正当性的问题开篇。这些问题用于确定构建或部署系统的收益是否超过与之相关的风险,特别涉及:AI 与所解决问题性质的适配度、系统满足组织需求的能力、系统对不同群体影响的公平性、可用数据的质量与代表性、人力与物力资源的充足性,以及系统被超出用途使用的风险。

这些问题与合规问题互为补充——它们确立决策语境,项目层面与监管层面的后果均由此而来。

## 清单的用途与填写方式

本清单用于初步识别与开发或使用人工智能系统相关的个人数据保护议题。这是一件**零号层级**的工具:它让组织确定计划中或已在进行的活动是否涉及个人数据、涉及到什么程度,可能随之而来的 GDPR 义务有哪些,以及还缺哪些信息才能严谨地完成合规判断。填写结果同时决定是否需要转入扩展版。

清单不替代风险分析,也不替代数据保护影响评估(DPIA)。但填写结果构成这两项分析的输入材料。**填完清单不等于确认该应用符合 GDPR。**

## 填写说明

1. **按 AI 系统将被创建或使用的每个流程分别填写。** 同一件工具可能被用在风险画像不同的多个流程中——对工具作总体评价是不够的。
2. 由流程的业务责任人填写,并有 DPO(如已指定)或数据保护负责人参与。技术性问题需要信息系统负责人参与。
3. 当问题需要描述而非是非判断,或答案并不明确时,选择「说明」。简短理由写在「行动」栏或清单附件中。当该问题与本案无关时同样选择「说明」,并写明原因。**只写「说明」而不填写说明内容的,视同未答复。**
4. 答复栏留空表示组织不知道答案。在填写阶段这不是错误,但每一处这样的空缺都要记入「行动」栏,连同责任人与期限。「说明 / 来源」栏指明到哪里去找答案。
5. 部署成品系统而不做训练的组织可以跳过标记 [T] 的问题。[W] 和 [T+W] 的问题对所有人适用。
6. 填好的清单应予留存。它是问责文档的组成部分(GDPR 第 5 条第 2 款),也是日后核查该应用时的参照点。
7. 当每个问题都有答复、且答复揭示出需要行动之处已在「行动」栏写明任务、责任人和期限时,填写即告完成。
8. **任务并不等价。** 涉及处理合法性条件的任务——特别是确定法律依据、特殊类别数据的处理要件、委托处理、数据传出 EEA 的依据、告知义务、对产生法律效果的决定的人工监督,以及在需要时的数据保护影响评估——**须在处理开始之前完成。在这些任务完成之前不作出部署决定。**
9. 涉及组织性措施的任务,例如培训、AI 政策、事件响应程序、数据管理程序、技术文档,可以与部署并行推进,按「行动」栏写明的期限完成,前提是这段时间内风险仍处于受控状态。
10. **另有一类独立情形:按既定形态部署是不被允许的**,例如完全自动作出、产生法律效果且没有人工干预机制的决定,法律规定保留给人来做的行为,被禁止的 AI 做法。此处不安排带期限的任务——**必须改变流程的构造,或者放弃部署。**

---

## 清单正文

**列说明**:答复栏填「是 / 否 / 说明」;行动栏填「任务、责任人、期限」。以下表格省略这两栏空格,填写时自行补列。

### 1. AI 部署的目的与正当性(WHY?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 1 | P [T+W] | AI 要解决哪个具体的问题,或哪项组织内 / 公共的需求? | 界定目的是判断数据处理目的正当性的前提(GDPR 第 5 条第 1 款 b 项)。来源:项目文档、商业计划。 |
| 2 | P [T+W] | 这个目的能否不用 AI、或用现有技术实现?如果能,请说明用 AI 实现相比其他 / 传统手段好在哪里。 | 应当评估现有技术与流程在多大程度上能更好地解决问题,同时考虑 AI 的风险画像和潜在负面后果。这对相称性检验和处理最小化具有重要意义。 |
| 3 | P [T+W] | 预期有哪些可量化的收益(时间、成本、利润、服务质量)? | 明确预期收益有助于判断部署的相称性和个人数据处理的适当性。 |
| 4 | P [T+W] | 可能出现哪些声誉、法律、社会风险,或对人及其权利与自由的风险? | 风险的初步识别有助于确定是否需要做 DPIA(GDPR 第 35 条)。来源:初步分析、与 DPO 的咨询。 |
| 5 | P [W] | 基于目前的设想,是否有迹象表明系统将满足组织的需求与预期? | 应当评估计划中的系统在多大程度上能满足部署主体的需求与预期。系统不匹配会加大处理冗余数据的风险。 |
| 6 | P [W] | 系统是否对自然人作出自主决定? | 对 GDPR 第 22 条(自动化决策)至关重要。它决定所需保障措施和人工监督的范围。 |

### 2. AI 系统的性质与自主程度(WHAT?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 7 | P [T+W] | AI 系统做什么:生成内容、对个人 / 数据分类、预测行为、推荐行动、辅助决策? | 明确系统功能对以下判断不可或缺:画像(GDPR 第 4 条第 4 项)、自动化决策(第 22 条)、DPIA 的范围。 |
| 8 | P [W] | AI 的输出是有约束力的、建议性的,还是仅供参考的? | 决定是否适用 GDPR 第 22 条(自动化决策)。若有约束力或产生重大影响,则需要第 22 条第 3 款的保障措施。 |
| 9 | P [W] | 系统是否会被用于自然人(如客户、公民、员工、儿童)? | 对识别数据主体和告知义务范围(GDPR 第 13–14 条)至关重要。 |
| 10 | P [W] | 组织是采购 / 部署成品 AI 系统,还是自建?(build vs. deploy) | 这一区分决定 GDPR 责任范围:自建方对训练数据负责,部署方对输入数据和使用方式负责。 |
| 11 | P [W] | 组织是否掌握系统架构与供应商说明的相关知识? | 了解架构与配置决定设计阶段数据保护(第 25 条)的有效性以及风险评估的质量。 |
| 12 | P [W] | 请说明贵组织将在多大程度上影响该 AI 系统的开发? | 本题的答复用于验证第 10 题定性的正确性。 |
| 13 | P [T+W] | 是否存在系统被超出其用途使用的风险? | 应当识别系统潜在的使用场景与滥用风险,包括超出最初用途的部署。与设计阶段数据保护(第 25 条)相关。 |

### 3. 数据——识别与来源(DATA?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 14 | P/Z [T+W] | AI 系统是否处理个人数据(直接处理、假名化处理,或生成关于个人的推断)? | GDPR 第 4 条第 1 项。**这是根本性问题——41–58.5% 的组织识别不出这一关联**(战略报告)。来源:系统文档。 |
| 15 | P [T+W] | AI 处理哪些类别的数据:一般数据、特殊类别数据(第 9 条)、儿童数据(第 8 条)、与判决相关的数据(第 10 条)? | 数据类别决定法律依据、DPIA 范围与保护级别。来源:技术文档、供应商说明。 |
| 16 | P [T] | 训练、测试、验证数据来自何处:自有资源、公开数据、供应商提供、其他第三方、合成数据,或其他? | 数据来源影响:目的相容性(第 6 条第 4 款)、法律依据、告知义务。来源:供应商文档、模型卡。 |
| 17 | P [T+W] | 训练阶段的数据、输入数据和输出数据的范围各是什么? | 区分各阶段的数据范围,是正确判断法律依据、留存期限与最小化的必要条件。 |
| 18 | P [T+W] | 数据的质量与代表性是否足以使系统有效且安全? | 应当评估数据的质量与代表性在多大程度上足以合理避免潜在的有害偏见。与数据准确性(第 5 条第 1 款 d 项)和非歧视相关。 |
| 19 | P/Z [T+W] | 组织是否已落实数据治理程序:数据分类、质量控制、访问管理与数据集版本管理? | **指定数据负责角色(第 29 题)不等于落实了程序。** 没有程序,组织就没有对喂给 AI 系统的数据的实际控制,从而无法证明符合准确性(GDPR 第 5 条第 1 款 d 项)、最小化(c 项)与问责(第 5 条第 2 款)原则。来源:数据管理政策、内部程序。 |
| 20 | Z [T+W] | 组织是否清楚在 AI 中处理数据的法律依据(GDPR 第 6 条第 1 款)? | 第 6 条第 1 款六项要件之一。特殊类别数据另需第 9 条第 2 款的独立要件。应当涵盖:训练、验证与测试数据;输入数据;输出数据(系统生成);一切构成上下文的数据。来源:法律分析、DPO 意见。 |
| 21 | Z [T] | 在 AI 系统中处理数据的目的,是否与最初收集数据的目的相容(GDPR 第 5 条第 1 款 b 项、第 6 条第 4 款)? | 在利用既有数据集训练或喂养 AI 系统时至关重要。若 AI 中的处理目的不同于最初收集目的,则需要进行目的相容性评估(相容性检验——第 6 条第 4 款),或者取得新的、独立的处理法律依据。 |
| 22 | Z [T+W] | 是否确定了训练数据、输入数据和系统输出(含交互历史与日志)的保存期限(GDPR 第 5 条第 1 款 e 项)? | 存储限制原则要求为每一类数据确定期限,并在目的消灭后删除。在 AI 系统中这也包括提问历史、上下文记忆中的数据和日志。来源:留存政策、与供应商的合同、系统设置。 |

### 4. 角色、责任与供应商(WHO? / FROM WHOM?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 23 | P/Z [T+W] | 就使用 AI 的该流程而言,组织在 GDPR 语境下是谁:控制者、共同控制者,还是受托处理者? | 角色定性决定义务范围。**GDPR 的术语是「受托处理者」,不是「AI 系统用户」。** 来源:与供应商的合同。 |
| 24 | P [W] | AI 是作为服务采购、内部开发,还是基于外部模型? | 获取方式影响:数据转移、GDPR 角色、委托处理协议的范围、对数据的控制。来源:采购 / 部署文档。 |
| 25 | Z [W] | 是否与 AI 供应商签订了委托处理协议(GDPR 第 28 条)? | 供应商代表组织处理数据时为强制要求。协议须规定:标的、期限、性质、目的、数据与个人的类别。**须核查供应商是否为自己保留将数据用于自身目的的权利,并注意 GDPR 第 28 条第 10 款的后果。** |
| 26 | P [W] | 供应商是否披露训练数据来源并提供模型文档? | 该信息来源对 DPIA、偏见风险评估和目的相容性判断至关重要。AI Act 要求提供者提供模型卡和使用说明。 |
| 27 | P [W] | AI 模型基于开源方案还是闭源方案? | 模型类型影响对处理的控制范围、可审计性、透明度和风险评估。 |
| 28 | P/Z [T+W] | 是否指定了:AI 业务责任人、合规负责人、数据保护官? | GDPR 第 35 条第 2 款、第 38–39 条。**DPO 应当在最早阶段就被纳入。** 角色清晰 = 问责(第 5 条第 2 款)。 |
| 29 | P [T+W] | 是否指定了负责数据治理的角色? | 数据治理保障 AI 系统整个生命周期中数据的质量、一致性与可用性。 |
| 30 | P [T+W] | 是否具备管理 AI 风险的充足资源(人力与物力)? | 应当评估是否具备执行技术与管理措施、以降低已识别风险的充足资源。**75.2% 的组织没有 AI / GDPR 专家**(报告)。 |

### 5. 数据转移与安全

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 31 | P/Z [T+W] | AI 处理的数据是否传出欧洲经济区(云、API、供应商服务器)? | GDPR 第 44–49 条。需要转移依据:充分性决定、SCC、BCR。来源:供应商 DPA、服务器所在地。 |
| 32 | Z [T+W] | 是否考虑了设计阶段与默认的数据保护要求(GDPR 第 25 条)?如已考虑,请说明如何落实。 | 设计阶段的数据保护:在选择和配置 AI 时做到最小化、假名化、访问控制。默认保护:只处理必需的数据。 |
| 33 | Z [T+W] | 是否落实了与风险相称的安全措施:访问控制、加密、环境隔离、防止数据在系统输出中泄露(GDPR 第 32 条)? | 第 32 条要求措施与风险相称,并考虑技术发展水平。AI 系统中有其特有风险:模型回答中泄露数据、提示注入(prompt injection)、未经授权访问提问历史。来源:风险分析、技术文档。 |
| 34 | Z [T+W] | 数据泄露处置程序是否涵盖与 AI 系统相关的事件?是否明确由谁、在什么期限内报告(GDPR 第 33–34 条)? | 泄露可能表现为:模型运行结果中泄露数据、把数据录入组织未批准的工具,或未经授权访问提问历史。向监管机关报告须不无故迟延,最迟 72 小时。来源:泄露处置程序。 |

### 6. 个人权利与透明度(HOW?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 35 | P/Z [W] | 将如何告知个人使用了 AI?他们会得到哪些信息(GDPR 第 13–14 条)? | 第 13 条第 2 款 f 项 / 第 14 条第 2 款 g 项:关于 AI 运作规则、意义与后果的信息。来源:现行告知条款。 |
| 36 | Z [W] | 是否保障了个人在 AI 语境下的权利实现:查阅、更正、删除、反对、不受自动化决策约束(第 15–22 条)? | 系统必须在技术上支持权利的实现。第 22 条第 3 款:获得人工干预的权利。来源:系统配置、内部程序。 |
| 37 | P [W] | 组织能否以数据主体可理解的方式解释 AI 的运作? | 透明原则(第 5 条第 1 款 a 项)。可解释性是设计阶段数据保护的组成部分。来源:供应商文档、测试。 |
| 38 | P [T+W] | 系统的影响对不同群体是否公平? | 应当评估其后果对系统所涉各类群体在多大程度上是公平的。与非歧视和 DPIA 中的影响评估相关。 |

### 7. 影响评估、文档与准备度(RISK? / ARE WE READY?)

| 序号 | 类型 | 问题 | 说明 / 来源 |
|---|---|---|---|
| 39 | Z [T+W] | 是否已进行或已计划 DPIA(GDPR 第 35 条)? | 以下情形需要:对个人的系统性评估、大规模处理特殊类别数据、创新技术等。参见 UODO 清单、EDPB 指引。 |
| 40 | Z [T+W] | 是否识别了将创建或使用 AI 工具的流程,并相应更新了处理活动记录以纳入 AI 范围内的处理(第 30 条)? | 既是形式义务,也是问责工具。记录应涵盖:目的、数据类别、接收方、留存、安全措施,且均在 AI 工具的语境下作出评估。 |
| 41 | P [T+W] | 风险评估是否考虑了 AI 模型类型、其组件与资源的特殊性? | 风险评估应当贴合具体系统:模型类型、数据来源、接口、对供应商的依赖;应当考虑处理的性质、场景、目的、数据范围以及技术发展水平和落地成本。评估应当从对数据主体权利与自由的影响出发,并评估风险发生的可能性与严重程度。 |
| 42 | P [T+W] | 组织是否具备:AI 政策、AI 事件响应程序、人力与财力资源? | 组织准备度决定合规的有效性。**95.9% 的组织自认没有准备好**(报告)。来源:内部文档。 |
| 43 | P [T+W] | 是否计划就安全使用 AI 对员工进行培训? | 对使用者的培训是设计阶段数据保护的组成部分,可降低系统误用风险。 |
| 44 | P [T+W] | 是否确定了 AI 系统数据质量相关事件的响应程序? | 程序应涵盖:数据错误的发现、上报、纠正与数据质量事件的记录。 |
| 45 | P/Z [T+W] | 是否安排了部署后的定期复查:输出质量监测、效能退化(模型漂移)的发现,以及在系统、数据或使用方式发生重大变化时的重新评估? | 填好的清单反映的是评估当日的状态。供应商更新模型、数据范围扩大或系统有了新用途,都需要重新评估;没有周期性复查,问责(GDPR 第 5 条第 2 款)就无法在时间维度上维持。来源:复查计划、监测报告。 |
| 46 | P/Z [T+W] | 是否识别了该 AI 系统是否可能受 AI Act 规制(风险分级)? | 信号性问题:系统是否可能被归类为高风险(AI Act 第 6 条、附件 I、III)?**如果是,转入扩展版。** |
| 47 | P/Z [W] | 该 AI 系统的使用是否不构成 AI Act 第 5 条意义上的被禁止的做法? | AI Act 第 5 条列举了被禁止的 AI 做法。 |
| 48 | Z [W] | 是否满足 AI Act 的透明度要求(第 50 条——通用目的 AI 系统、聊天机器人、深度伪造)? | AI Act 第 50 条确立透明度要求:标识 AI 生成内容、告知用户正在与聊天机器人交互、标识深度伪造。 |

---

**类型图例**:P = 项目问题(提供认知);Z = GDPR 合规问题(核查要求);P/Z = 兼具两者的问题。部署成品系统(不做训练)的组织可跳过标记 [T] 的问题。
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 196kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 196kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 196kUpdated Claude CodeCodexVerifiedInstall