-
企业AI供应商退出预案怎么写:模型迁移、数据导出与NIST风险治理
企业采购AI服务经常只评估接入速度,却忽略合同终止、价格上涨、模型下线或数据出口受限后的迁移成本。本文依据NIST AI RMF与官方安全治理资料建立可验证的退出预案。
-
企业AI审计日志保留多久才合理:NIST与OWASP安全风险的六层账本
企业部署AI助手后,日志过少无法追溯事故,日志过多又可能泄露员工、客户与商业秘密。本文结合NIST日志管理指南和OWASP大模型风险框架,给出分层、可计算、可执行的保留策略。
-
企业AI智能体最小权限怎样验收:从NIST治理到OWASP工具调用六步检查
企业采购AI智能体应验证真实系统权限,而不是只看模型演示。基于NIST与OWASP整理工具最小权限、人工审批、提示注入和审计日志六步验收。
-
AI服务SLA写着99.9%就够了吗:企业采购应测可用任务率与错误预算
大模型供应商的SLA经常以API可用率表达,但企业客户购买的是能完成工作的AI服务。HTTP返回200、模型实际回答正确、引用可追溯以及用户最终完成任务,是四个不同层级。Google SRE的SLO实践强调以用户任务定义服务指标,NIST AI RM
-
企业采购通用大模型如何分清欧盟AI法案责任:模型提供者与应用部署者对照
企业选购大模型API时容易误以为“供应商负责全部AI合规”,而模型提供者、系统提供者、部署者的职责往往不同。欧盟委员会2025年7月公布通用目的AI模型指导文件,相关义务自2025年8月开始分阶段适用,部分既有模型还涉及过渡安排。本文只梳理采购中应当
-
AI数据中心用电增长会推高企业推理成本吗:从IEA预测到采购敏感性模型
AI算力价格的讨论经常集中在GPU数量与Token单价,却跳过供电、冷却、机房容量和地区能源约束。国际能源署IEA在2025年4月《Energy and AI》报告中估计,2024年全球数据中心用电约415 TWh,并在基准情景中预测2030年约94
-
企业安装AI浏览器插件如何控制风险:权限白名单与采购验收六步法
越来越多企业希望员工通过浏览器插件完成网页摘要、邮件辅助、CRM资料提取和跨站操作。插件是否能读取页面、修改网页内容或访问多个域名,首先取决于扩展权限与浏览器策略,而不只是大语言模型本身是否安全。OWASP浏览器扩展安全清单提醒,过度申请权限可能使插件访问浏览历史、标签页甚至敏感数据。Ch
-
企业AI技能培训如何算投入回报:从WEF 2025与OECD研究到任务级验收
世界经济论坛2025年未来就业报告的劳动力战略章节提出,受访雇主中有很高比例预计AI与信息处理技术将在2030年前改变业务,并有百分之七十七计划通过再培训或技能提升应对变化。这是对雇主计划的调查,不是企业AI培训必然成功的预测。OECD在2023年就业展望中也指出,AI能力不仅需要技术专家
-
企业使用AI筛选简历,怎样同时验证公平性、可申诉性与真实成本
企业购买AI简历筛选工具,最容易犯的错误是把节省人工阅读时间等同于招聘质量提升。简历解析只是一项技术任务,候选人是否适合岗位还涉及工作样本、实际能力、合理便利措施和面试沟通。采购方应明确哪些结果是机器提供的参考,哪些决定必须由具备授权的招聘人员作出。美国EEOC和司法部2022年发布的技术
-
企业采购AI代码助手怎么验收安全:密钥、许可证与人工复核六道关
针对企业AI编程助手采购,用六道可操作的验收关卡区分生成效率、秘密保护、许可证审查和生产风险。