本章进度 13 / 19
68%
正文已完成
L070回答错了以后会发生什么，决定你该多信它
用影响范围、可逆性和可检测性给 AI 任务分级。
先用本课建立“高风险场景”的基本直觉，后面的判断和练习才不会只靠记结论。
建议按完整课程顺序先看上一课；如果术语陌生，可以随时回补。
- 无需安装新工具
- 直接阅读并完成本页理解检查
写一段内部草稿和计算付款金额都可能语言简单，但错误后果完全不同。风险分级应从失败影响和恢复成本出发。
能根据错误后果而非内容难度判断任务风险。
核心概念
先把关键判断说清楚
影响范围
只影响本人草稿、影响团队决定、影响客户或公众，控制强度逐级增加。
可逆性
可删除草稿与已发送邮件、已转账资金的恢复难度不同。
可检测性
错误是否能在执行前被规则或人发现，决定自动化边界。
案例拆解
三个相似写作任务的风险差异
AI 分别写个人笔记、客户邮件草稿和自动发布公告。
- 01
个人笔记低影响且易改，可宽松使用。
- 02
客户邮件需核对事实、收件人并人工发送。
- 03
公开公告影响广且难完全撤回，要求来源核验和多级批准。
案例结果
风险由动作后果而非是否“只是写字”决定。
提交前练习
现在轮到你
为五项 AI 任务做后果分级。
选做练习：本节练习可用于加速你巩固，但不影响继续学习。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
内部改写=低；客户邮件草稿=中，人工发送；自动退款=高，金额校验、权限和逐笔批准。
评分标准
- 从后续动作判断
- 考虑可逆和检测
- 控制与等级匹配
本课收口 · 理解检查
用 30 秒确认你理解了
用 30 秒理解检查确认你抓住了重点；阅读标记、练习和总结都不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23