评估方法论
评估方法论：风险维度、证据要求与人工复核边界
本页说明海问的参考评估框架：企业画像、市场义务、行业风险、证据完整度与人工复核边界如何共同影响判断。所列权重与行业分值为参考值，并非工作台合规诊断的计算参数；任何结论都不应被包装成不可验证的专业意见。
建立企业画像
录入产品形态、模型能力、客户类型、部署模式、数据处理和ESG状态。
匹配目标市场规则
按企业画像对照目标市场的AI监管、隐私、数据出境、出口管制、ESG披露与客户准入要求。
生成风险诊断
输出合规评分、整改缺口清单与建议责任角色和优先级，并提示需人工复核的事项。
沉淀报告与任务
形成董事会摘要、客户尽调应答包、ESG披露草稿和项目任务看板。
风险维度（参考权重）
6 个维度刻画市场进入风险
AI监管适用性
22%判断产品是否触发高风险AI、通用模型、行业准入、透明度或人工监督义务。
数据保护与跨境传输
20%评估个人数据、企业日志、训练样本、DPIA、SCC、数据本地化和处理者角色。
出口管制与制裁
14%识别模型能力、芯片、加密、行业客户、地缘政治和供应链限制。
ESG与AI治理披露
18%覆盖算力碳排、算法公平、隐私治理、供应商责任和客户披露证据。
客户尽调与合同材料
16%准备DPA、安全白皮书、AI治理说明、模型限制、SLA和事件响应流程。
本地化交付能力
10%评估本地云、语言、支持、合作伙伴、认证和行业销售周期。
行业风险画像（参考）
行业风险画像与建议的整改起点
生成式AI SaaS
通用模型、客户数据输入、内容安全、训练数据版权和企业采购安全审查叠加。
先做模型风险分类、训练数据摘要、DPA/SCC和客户尽调应答包。
智能硬件与机器人
产品认证、传感器数据、边缘部署、供应链ESG和本地售后责任并行。
建立产品认证路线、数据采集边界、供应商尽调和安全事件响应机制。
医疗、金融与教育AI
高影响场景、敏感数据、行业监管、人工监督和可解释性要求更高。
必须完成高风险AI评估、DPIA、模型验证、人工监督和专家复核。
政企与智慧城市AI
政府采购、本地托管、公共安全、数据主权和政治/制裁风险敏感。
先做制裁筛查、本地部署说明、政府客户问卷和数据主权证据。
报告质量检查（样例）
对外报告前建议核对的证据与复核边界示例
报告质量检查（样例）：以下检查项说明报告复核的口径，所示状态为样例，不代表对任何一份具体报告执行过的检查结果。
来源引用完整
关键结论绑定政策、案例或监管动态来源，便于客户与复核人核对。
责任人和时限明确
每个整改项都有责任角色、优先级、截止日期和证据要求。
高风险事项已标注复核
法律、税务、认证和监管申报相关结论不作为最终专业意见。
ESG数据口径确认
算力碳排和算法公平指标仍需财务、IT安全和ESG负责人确认。