[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:ru":3,"public-menus:all":38,"post:ai-governance-models-data-permissions-risk-and-auditability:ru":205,"related:post:ai-governance-models-data-permissions-risk-and-auditability:ru:1":3748},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","ru","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,181,193],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":176,"title":177,"url":179,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":180},"item-28",{"de":178,"en":178,"es":178,"fr":178,"it":178,"ru":178,"sr":178,"zh":178},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":182,"title":183,"url":191,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":192},"item-27",{"de":184,"en":185,"es":186,"fr":187,"it":188,"ru":189,"sr":190,"zh":185},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":194,"title":195,"url":203,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":204},"item-31",{"de":196,"en":197,"es":198,"fr":199,"it":200,"ru":201,"sr":202,"zh":197},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":206,"message":3747},{"id":207,"title":208,"slug":209,"content":210,"contentJson":211,"excerpt":1718,"featuredImage":1719,"featuredImageAlt":1720,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":1721,"publishedAt":1722,"createdAt":1723,"updatedAt":1724,"seoLocalePaths":1725,"categories":1734,"author":1735,"translations":1740},"491","Управление ИИ: модели, данные, разрешения, риски и аудируемость","ai-governance-models-data-permissions-risk-and-auditability","\u003Cp>Управление ИИ — это система прав принятия решений, обязанностей, средств контроля и доказательств, используемая для определения того, как организация может разрабатывать, приобретать, внедрять, эксплуатировать, изменять и выводить из эксплуатации системы ИИ. Это шире, чем документ с политикой, и уже, чем корпоративная архитектура в целом. Эффективное управление ИИ связывает бизнес-ответственность, выбор моделей и поставщиков, полномочия в отношении данных, разрешения, классификацию рисков, оценку, мониторинг, обработку инцидентов, возможность аудита и решения жизненного цикла, чтобы можно было ответить не только на вопрос «работает ли ИИ?», но и на вопрос «кто это одобрил, на каких условиях, с какими доказательствами и когда это решение должно быть пересмотрено?»\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Прямой ответ\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Управление ИИ превращает ИИ из неформальной технической возможности в подотчетную организационную способность.\u003C\u002Fstrong>\u003Cbr>\u003Cbr>Архитектура определяет, как строится система. Инженерия реализует ее. Управление рисками оценивает неопределенность и вред. Комплаенс учитывает применимые обязательства. Управление связывает эти виды деятельности через ответственность, права принятия решений, требуемые средства контроля, доказательства и контрольные точки жизненного цикла.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Управление — это не комитет и не PDF-файл\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Совет по управлению может быть одним из механизмов, а политики могут документировать ожидания, но управление становится операционным только тогда, когда решения меняют то, что системам разрешено делать: какие модели можно использовать, какие данные могут в них поступать, какие инструменты может выполнять агент, какие оценки требуются, кто может утверждать исключения, что должно регистрироваться в журналах и что запускает приостановку или вывод из эксплуатации.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Примечание об актуальных источниках — 8 октября 2026 года\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">NIST AI RMF 1.0 остается текущей опубликованной структурой, пока NIST пересматривает ее. Ее ядро организовано вокруг \u003Cstrong>GOVERN, MAP, MEASURE и MANAGE\u003C\u002Fstrong>, причем GOVERN является сквозной функцией. ISO\u002FIEC 42001:2023 остается международным стандартом системы менеджмента ИИ для создания, эксплуатации и постоянного улучшения системы менеджмента ИИ. Закон ЕС об ИИ в целом применяется с 2 августа 2026 года, при этом некоторые обязательства имели более ранние даты применения, а некоторые требования для высокорисковых систем имеют более поздние переходные даты. Регуляторные сроки всегда следует перепроверять перед принятием конкретного решения о соответствии.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Содержание\">\u003Cstrong class=\"editorjs-toc__title\">Содержание\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-6\" class=\"editorjs-toc__link\">Что на самом деле означает управление ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">Самый простой пример\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-15\" class=\"editorjs-toc__link\">Где останавливается простой пример\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">Что такое управление ИИ — и чем оно не является\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-21\" class=\"editorjs-toc__link\">Управление шире, чем комплаенс\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-25\" class=\"editorjs-toc__link\">NIST AI RMF и ISO\u002FIEC 42001 решают разные задачи управления\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-28\" class=\"editorjs-toc__link\">Текущие сроки EU AI Act имеют значение\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-32\" class=\"editorjs-toc__link\">Управление ИИ начинается с инвентаризации\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-37\" class=\"editorjs-toc__link\">Управление требует назначенных владельцев\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-41\" class=\"editorjs-toc__link\">Права принятия решений должны быть явными\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-43\" class=\"editorjs-toc__link\">Управление моделью — это больше, чем выбор модели\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-47\" class=\"editorjs-toc__link\">Управление поставщиком — это отдельный слой зависимостей\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-51\" class=\"editorjs-toc__link\">Управление данными остаётся слоем источника истины\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-55\" class=\"editorjs-toc__link\">Разрешения — это управленческие решения с принудительным исполнением во время работы\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-59\" class=\"editorjs-toc__link\">Классификация рисков должна менять набор мер контроля\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-63\" class=\"editorjs-toc__link\">Управление должно сохранять контекст сценария использования\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-67\" class=\"editorjs-toc__link\">Оценка — это доказательство для управления\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-72\" class=\"editorjs-toc__link\">Этапы управления должны существовать на протяжении всего жизненного цикла\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-74\" class=\"editorjs-toc__link\">Управление изменениями — центральный элемент управления ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-78\" class=\"editorjs-toc__link\">Исключения требуют владельцев, срока действия и компенсирующих мер контроля\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-82\" class=\"editorjs-toc__link\">Аудируемость — это способность восстановить решение и исполнение\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-87\" class=\"editorjs-toc__link\">Мониторинг замыкает цикл управления\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-91\" class=\"editorjs-toc__link\">Инциденты ИИ требуют определённого операционного пути\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-95\" class=\"editorjs-toc__link\">Закупки являются частью управления ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-99\" class=\"editorjs-toc__link\">Человеческий надзор должен быть спроектирован, а не просто заявлен\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-103\" class=\"editorjs-toc__link\">Управление платформой и управление вариантами использования различаются\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-106\" class=\"editorjs-toc__link\">Управление ИИ и корпоративная архитектура ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-110\" class=\"editorjs-toc__link\">Доказательства из оригинального проекта\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-111\" class=\"editorjs-toc__link\">Enterprise Aaasaasa 0.1: управление как структура поставки\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-116\" class=\"editorjs-toc__link\">SenseFlow: прослеживаемость требований и решений\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-119\" class=\"editorjs-toc__link\">Aaasaasa AI Client: разрешения и среда выполнения как управляемая конфигурация\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-124\" class=\"editorjs-toc__link\">Распространённые режимы отказа управления ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-126\" class=\"editorjs-toc__link\">Центральное управление не означает централизацию каждого решения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-130\" class=\"editorjs-toc__link\">Управляйте самой системой управления\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-134\" class=\"editorjs-toc__link\">Практическая последовательность внедрения управления ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-136\" class=\"editorjs-toc__link\">Чек-лист управления ИИ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-138\" class=\"editorjs-toc__link\">Распространённые заблуждения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-140\" class=\"editorjs-toc__link\">Краевые случаи и ограничения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-146\" class=\"editorjs-toc__link\">Что могло бы изменить этот ответ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-150\" class=\"editorjs-toc__link\">Связанные канонические знания\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-157\" class=\"editorjs-toc__link\">Часто задаваемые вопросы\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-159\" class=\"editorjs-toc__link\">Глоссарий\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-161\" class=\"editorjs-toc__link\">Заключение\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-165\" class=\"editorjs-toc__link\">Первоисточники и актуальные ссылки\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-6\">Что на самом деле означает управление ИИ\u003C\u002Fh2>\n\u003Cp>Управление ИИ отвечает на организационные вопросы, на которые модель, SDK или схема архитектуры не могут ответить сами по себе. Кто отвечает за бизнес-результат? Кто может одобрить нового поставщика? Какие классы данных запрещено передавать на внешнюю обработку? Какие доказательства требуются перед внедрением? Какие разрешения может получить агент? Кто может принять остаточный риск? Что происходит, когда модель меняет поведение после обновления?\u003C\u002Fp>\n\u003Cp>Цель не в том, чтобы предотвратить изменения. Хорошее управление делает изменения понятными: у решений есть владельцы, доказательства, условия, исключения, даты пересмотра и пути отката или эскалации.\u003C\u002Fp>\n\u003Cp>Именно поэтому NIST помещает GOVERN на протяжении всего жизненного цикла управления рисками ИИ, а не рассматривает управление как один финальный этап утверждения. Управление устанавливает культуру, политики, подотчетность и организационные структуры, которые делают возможными картирование, измерение и управление рисками ИИ.\u003C\u002Fp>\n\u003Ch2 id=\"section-10\">Самый простой пример\u003C\u002Fh2>\n\u003Cp>Продуктовая команда хочет добавить внешнего поставщика генеративного ИИ для суммирования внутренних обращений в службу поддержки клиентов. Технически интеграция может требовать лишь вызова API.\u003C\u002Fp>\n\u003Cp>Управление задает другой набор вопросов: Разрешено ли содержимому обращений покидать среду организации? Какой поставщик и версия модели одобрены? Отключено ли хранение? Какие пользователи могут вызывать эту функцию? Как оценивается вывод? Требуется ли проверка человеком? Что регистрируется в журналах? Кто отвечает за инциденты? Что произойдет, если поставщик изменит свои условия или поведение модели?\u003C\u002Fp>\n\u003Cp>Результатом управления все еще может быть «внедрять». Разница в том, что внедрение теперь является отслеживаемым решением с явными условиями, а не незафиксированным инженерным выбором.\u003C\u002Fp>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Базовое управляемое решение по ИИ\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Зарегистрируйте сценарий использования\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Зафиксируйте цель, владельца, пользователей, данные, модель\u002Fпоставщика и предполагаемый результат.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Классифицируйте риск и обязательства\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Определите бизнес-последствия, чувствительность данных, автономность, регуляторную подверженность и потенциал злоупотребления.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Определите требуемые средства контроля\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Укажите разрешения, обращение с данными, оценки, человеческий надзор, безопасность, ведение журналов и ограничения поставщика.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Соберите доказательства\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Проведите тесты, проверку безопасности\u002Fконфиденциальности, архитектурную проверку и соответствующие юридические\u002Fкомплаенс-проверки.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Примите решение\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Одобрить, одобрить с условиями, запросить изменения, приостановить или отклонить.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Внедряйте в контролируемой конфигурации\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Зафиксируйте одобренную модель\u002Fпоставщика\u002Fсреду выполнения и обеспечьте соблюдение требуемых границ.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Мониторьте и переоценивайте\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Отслеживайте инциденты, качество, дрейф, изменения поставщика, новые риски и измененные regulations.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Изменяйте, приостанавливайте или выводите из эксплуатации\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Используйте доказательства и правила ответственности для определения следующего состояния жизненного цикла.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-15\">Где останавливается простой пример\u003C\u002Fh2>\n\u003Cp>Крупные организации редко управляют одной системой ИИ изолированно. Одна и та же модель может поддерживать десятки продуктов; один поставщик может обрабатывать несколько классов данных; платформа агентов может предоставлять общие инструменты многим командам.\u003C\u002Fp>\n\u003Cp>Поэтому управлению нужны структуры уровня портфеля, а также средства контроля уровня системы: реестр ИИ, одобренные поставщики, каталоги моделей, общие базовые показатели оценки, шаблоны безопасности, пороги риска, реестры исключений и сопоставления ответственности.\u003C\u002Fp>\n\u003Cp>Управление также не может быть одинаковым для каждого случая использования ИИ. Сумматор публичного контента, внутренний помощник по программированию, система поддержки найма и агент, который может инициировать платежи, имеют существенно разные профили последствий и контроля.\u003C\u002Fp>\n\u003Ch2 id=\"section-19\">Что такое управление ИИ — и чем оно не является\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Управление ИИ в сравнении со смежными дисциплинами\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Управление ИИ\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Смежная дисциплина\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Корпоративная \u002F solution-архитектура\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Управление рисками ИИ\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Комплаенс\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Безопасность\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">MLOps \u002F LLMOps\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Принципы этики ИИ\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-21\">Управление шире, чем комплаенс\u003C\u002Fh2>\n\u003Cp>Комплаенс — это один из входов в управление, а не вся система управления. Сценарий использования ИИ может быть юридически допустимым, но при этом нарушать риск-аппетит компании, политику безопасности, договорные обязательства или требования к качеству продукта.\u003C\u002Fp>\n\u003Cp>Верно и обратное: внутреннее одобрение не отменяет закон. Управление должно делать применимые юридические обязательства видимыми внутри того же пути принятия решений, который используется для архитектуры, безопасности и бизнес-рисков.\u003C\u002Fp>\n\u003Cp>ISO\u002FIEC 42001 прямо определяет систему менеджмента ИИ как структурированный способ установления политик, целей и процессов для ответственного ИИ. ISO также указывает, что стандарт не заменяет законы или нормативные акты; он предоставляет управленческую структуру, которая может поддерживать комплаенс.\u003C\u002Fp>\n\u003Ch2 id=\"section-25\">NIST AI RMF и ISO\u002FIEC 42001 решают разные задачи управления\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Фреймворк \u002F стандарт\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Основная роль\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Полезная ценность для управления\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">NIST AI RMF 1.0\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Добровольный фреймворк управления рисками ИИ\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Организует результаты вокруг GOVERN, MAP, MEASURE и MANAGE на протяжении жизненного цикла\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">NIST AI 600-1\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Профиль генеративного ИИ для AI RMF\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Добавляет специфичные для GenAI соображения и действия по рискам\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">ISO\u002FIEC 42001:2023\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Требования к системе менеджмента ИИ\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Создает общеорганизационную систему менеджмента с политикой, ролями, процессами и постоянным улучшением\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">ISO\u002FIEC 23894:2023\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Руководство по управлению рисками ИИ\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Помогает интегрировать управление рисками, специфичными для ИИ, в деятельность организации\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">EU AI Act\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Обязательное регулирование в ЕС\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Создает юридические обязательства в зависимости от роли, категории ИИ и сценария использования\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Эти источники не следует сводить в один чек-лист. NIST AI RMF — это руководство по управлению рисками. ISO\u002FIEC 42001 — стандарт системы менеджмента. EU AI Act — это закон. Организация может использовать их вместе, но их авторитет, охват и цель внедрения различаются.\u003C\u002Fp>\n\u003Ch2 id=\"section-28\">Текущие сроки EU AI Act имеют значение\u003C\u002Fh2>\n\u003Cp>По состоянию на 8 октября 2026 года Европейская комиссия заявляет, что AI Act стал общеприменимым 2 августа 2026 года. Положения о запрещенных практиках и AI-грамотности применялись с 2 февраля 2025 года, а правила управления и обязательства для моделей ИИ общего назначения применялись с 2 августа 2025 года.\u003C\u002Fp>\n\u003Cp>Текущие рекомендации Комиссии также отражают более поздние даты применения для некоторых требований к высокорисковым системам. Точные даты и переходные правила являются изменяющимся входом для комплаенса, и их следует проверять по актуальным материалам Комиссии перед решением о развертывании.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Статья об архитектуре, а не юридическая консультация\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Приведенные здесь регуляторные примеры объясняют, почему управлению нужны версионируемые юридические\u002Fкомплаенс-входы. Они не определяют, классифицируется ли конкретный продукт юридически как запрещенный, высокорисковый, GPAI, деплойер, провайдер или иной регулируемый субъект.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-32\">Управление ИИ начинается с инвентаризации\u003C\u002Fh2>\n\u003Cp>Организация не может управлять системами ИИ, которые она не может идентифицировать. Инвентаризация должна охватывать больше, чем модели, обученные самостоятельно. Она может включать внешние API моделей, встроенные копилоты, локальные модели, SaaS-функции с поддержкой ИИ, среды выполнения агентов, системы поиска и компоненты автоматизированного принятия решений.\u003C\u002Fp>\n\u003Cp>Полезная инвентаризация связывает возможность ИИ с ее бизнес-владельцем, техническим владельцем, сценарием использования, пользователями, классами данных, моделью\u002Fпровайдером, средой развертывания, разрешениями, классификацией риска, статусом оценки, применимыми обязательствами и состоянием жизненного цикла.\u003C\u002Fp>\n\u003Cp>Инвентаризация — это не только таблица для аудиторов. Это индекс, который позволяет организации знать, что должно быть пересмотрено, когда меняется провайдер, появляется уязвимость, становится применимым регулирование или модель выводится из эксплуатации.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Поле инвентаризации\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Зачем это нужно управлению\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Сценарий использования \u002F цель\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет, зачем существует ИИ и что означает успех\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Бизнес-владелец\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Отвечает за результат и бизнес-риск\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Технический владелец\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Отвечает за архитектуру, реализацию и эксплуатацию\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Модель + версия\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Идентифицирует зависимость, производящую поведение\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Провайдер \u002F среда выполнения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Идентифицирует договорную, хостинговую и операционную зависимость\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Классы данных\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет ограничения приватности, конфиденциальности и источника истины\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Пользователи \u002F затронутые стороны\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет контекст подверженности и воздействия на людей\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Инструменты \u002F действия\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет автономность и риск побочных эффектов\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Разрешения \u002F идентичность\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет, кто или что может вызывать возможность\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Классификация риска\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет требуемые контроли и путь одобрения\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Доказательства оценки\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Показывает, было ли протестировано предполагаемое поведение\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Состояние жизненного цикла\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Черновик, на рассмотрении, одобрено, ограничено, приостановлено или выведено из эксплуатации\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Дата пересмотра \u002F триггеры\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Определяет, когда решение управления должно быть пересмотрено\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-37\">Управление требует назначенных владельцев\u003C\u002Fh2>\n\u003Cp>Сбои ИИ часто выходят за организационные границы. Проблема качества модели может превратиться в сбой продукта, проблему безопасности, инцидент с конфиденциальностью или нарушение договора. Управление требует назначенных владельцев до того, как произойдёт инцидент.\u003C\u002Fp>\n\u003Cp>Владение не означает, что один человек отвечает за всё. Сильная модель разделяет права принятия решений: владелец бизнеса, владелец продукта, технический владелец, владелец данных, специалисты по безопасности и конфиденциальности, субъекты права и соответствия требованиям, а также операционная поддержка.\u003C\u002Fp>\n\u003Cp>Критически важное свойство состоит в том, что каждое необходимое решение имеет владельца, и каждый владелец знает, какие доказательства он должен рассмотреть.\u003C\u002Fp>\n\u003Ch2 id=\"section-41\">Права принятия решений должны быть явными\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Решение\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Типичная ответственная функция\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли существовать этот сценарий использования ИИ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец бизнеса\u002Fпродукта с учётом управления и рисков\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли этот класс данных обрабатываться?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец данных + конфиденциальность\u002Fбезопасность в соответствии с политикой\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли этот поставщик\u002Fмодель использоваться?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Архитектура\u002Fплатформа + безопасность\u002Fзакупки + управление\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли этот агент выполнить это действие?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец приложения + владелец авторизации\u002Fбизнес-политики\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Достаточно ли качество для развёртывания?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец продукта\u002Fтехнический владелец в соответствии с определёнными критериями приёмки\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли остаточный риск быть принят?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Назначенный владелец риска на соответствующем уровне полномочий\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли быть предоставлено исключение?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Явные полномочия по исключениям, ограниченные по времени и документированные\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Следует ли приостановить систему?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Операционный\u002Fбизнес-владелец при инциденте или срабатывании триггеров риска\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли обновление модели быть введено в эксплуатацию?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец изменения после доказательств регрессии\u002Fоценки\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-43\">Управление моделью — это больше, чем выбор модели\u003C\u002Fh2>\n\u003Cp>Управление моделью отслеживает, какая модель используется, с какой целью, в какой конфигурации и с какими доказательствами. Это применимо к внешним API, локально размещённым моделям, дообученным моделям и моделям, встроенным в стороннее программное обеспечение.\u003C\u002Fp>\n\u003Cp>Решение о модели должно учитывать возможности, результаты оценки, стоимость, задержку, обработку данных, условия поставщика, поддержку жизненного цикла, географические ограничения\u002Fограничения размещения, безопасность, поведение при отказе и последствия изменения версии.\u003C\u002Fp>\n\u003Cp>Псевдонимы моделей, такие как «latest», могут быть удобны в эксплуатации, но ослабляют воспроизводимость, если поведение меняется без управляемого процесса выпуска. Системы с последствиями выигрывают от явного отслеживания версий и регрессионной оценки.\u003C\u002Fp>\n\u003Ch2 id=\"section-47\">Управление поставщиком — это отдельный слой зависимостей\u003C\u002Fh2>\n\u003Cp>Две системы, использующие одно семейство моделей, могут иметь разный риск управления, если одна работает локально, а другая отправляет данные внешнему поставщику. Управление поставщиком охватывает договорные условия, место обработки, хранение, журналирование, субпроцессоров, доступность, прекращение поддержки и стратегию выхода.\u003C\u002Fp>\n\u003Cp>Абстракция поставщика может уменьшить техническую привязку, но она не устраняет работу по управлению. Смена поставщика может изменить потоки данных, поведение модели, предположения о безопасности, стоимость и обязательства по соответствию.\u003C\u002Fp>\n\u003Cp>Поэтому список одобренных поставщиков не следует интерпретировать как «каждая модель и каждый класс данных от этого поставщика автоматически одобрены». Одобрение требует области применения.\u003C\u002Fp>\n\u003Ch2 id=\"section-51\">Управление данными остаётся слоем источника истины\u003C\u002Fh2>\n\u003Cp>Управление ИИ не делает модель авторитетом для организационных фактов. Управление данными по-прежнему определяет владение, классификацию, хранение, качество и разрешённое использование исходных данных.\u003C\u002Fp>\n\u003Cp>Для RAG и агентов управление должно определять, какие источники являются авторитетными, какие носят рекомендательный характер, как сохраняется происхождение, какие данные могут попадать в контекст модели и какие границы арендатора\u002Fпользователя должны соблюдаться.\u003C\u002Fp>\n\u003Cp>Сгенерированные выходные данные также создают новые вопросы управления данными: сохраняются ли подсказки и ответы, кто может получать доступ к трассировкам, становятся ли сгенерированные сводки записями и как удаляются производные эмбеддинги или индексы при удалении исходных данных.\u003C\u002Fp>\n\u003Ch2 id=\"section-55\">Разрешения — это управленческие решения с принудительным исполнением во время работы\u003C\u002Fh2>\n\u003Cp>Агентный ИИ делает разрешения полноценным объектом управления. Организация должна решить, к каким инструментам, файлам, API, базам данных и побочным эффектам может иметь доступ каждый агент или пользователь.\u003C\u002Fp>\n\u003Cp>Управление определяет политику и логику утверждения; доверенная среда выполнения обеспечивает их соблюдение. Инструкции на естественном языке, такие как «не удаляй файлы», не заменяют авторизацию на уровне файловой системы, API или сервисов.\u003C\u002Fp>\n\u003Cp>Тот же принцип применяется к изоляции арендаторов: роль может разрешать операцию, тогда как область арендатора ограничивает, к ресурсам какого клиента эта операция может получить доступ.\u003C\u002Fp>\n\u003Ch2 id=\"section-59\">Классификация рисков должна менять набор мер контроля\u003C\u002Fh2>\n\u003Cp>Не каждой системе ИИ нужна одинаковая глубина проверки. Управление становится масштабируемым, когда классификация рисков меняет требования к доказательствам, утверждению и мониторингу.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Фактор риска\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Пример с меньшим контролем\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Пример с большим контролем\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Бизнес-последствия\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Черновик внутреннего текста\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Утверждение финансового расчёта\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Влияние на людей\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Необязательный помощник в написании\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Поддержка решений о трудоустройстве или праве на участие\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Чувствительность данных\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Публичная документация\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Данные о здоровье, кадрах, финансах или конфиденциальные данные\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Автономность\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Рекомендация только для чтения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Агент с инструментами записи, платежей или развёртывания\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Обратимость\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Легко восстанавливаемое резюме\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Необратимая внешняя транзакция\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Подверженность\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Небольшой внутренний пилот\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Публичная или клиентская система в масштабе\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Авторитетность источника\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Консультативный контент\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Система, на которую полагаются для регулируемого или договорного факта\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Обнаружимость сбоя\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Очевидный дефект форматирования\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Правдоподобная, но существенно неверная рекомендация\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Метод классификации может быть простым или сложным, но он должен приводить к конкретным последствиям: больше тестирования, более узкие разрешения, обязательный человеческий надзор, проверка безопасности, принятие риска руководством или запрет на развёртывание.\u003C\u002Fp>\n\u003Ch2 id=\"section-63\">Управление должно сохранять контекст сценария использования\u003C\u002Fh2>\n\u003Cp>Функция MAP в NIST подчёркивает предполагаемое назначение, пользователей, контекст развёртывания, допущения, воздействия и применимые законы или нормы. Это важно, потому что одна и та же модель может быть низкорисковой в одном сценарии и высокозначимой в другом.\u003C\u002Fp>\n\u003Cp>Поэтому записи управления должны классифицировать приложение, а не только модель. «Мы используем модель X» недостаточно для определения риска.\u003C\u002Fp>\n\u003Cp>Релевантный объект управления — это система или сценарий использования: модель + данные + контекст + инструменты + пользователи + среда развёртывания + бизнес-процесс.\u003C\u002Fp>\n\u003Ch2 id=\"section-67\">Оценка — это доказательство для управления\u003C\u002Fh2>\n\u003Cp>Процесс управления ИИ не должен утверждать развёртывание только на основе вендорских бенчмарков или успешной демонстрации. Системе нужны доказательства, привязанные к её фактическому предполагаемому использованию.\u003C\u002Fp>\n\u003Cp>Полезные доказательства могут включать оценку успешности выполнения задач, качество поиска, фактическую обоснованность, тесты безопасности, тесты разрешений, состязательные сценарии, исследования с участием людей, задержку и стоимость, устойчивость и сравнения регрессий.\u003C\u002Fp>\n\u003Cp>Функция MEASURE в NIST делает это явным: организации должны определять и применять подходящие методы и метрики для рисков, выявленных при картировании, а также документировать риски, которые невозможно или не планируется измерять.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Этап управления должен требовать доказательства, а не уверенность\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">«Команда считает, что модель достаточно хороша» — слабый артефакт утверждения. «Система соответствовала определённым критериям приёмки на репрезентативных тестах, с такими известными ограничениями и остаточными рисками» — это управляемо.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-72\">Этапы управления должны существовать на протяжении всего жизненного цикла\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Пример этапов жизненного цикла\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап идеи \u002F исследования\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Подтвердите бизнес-цель, владельца и то, является ли ИИ подходящим решением.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап архитектуры\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Проверьте модель\u002Fпровайдера, поток данных, идентификацию, разрешения, изоляцию и операционный дизайн.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап рисков\u002Fсоответствия\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Классифицируйте риск и применимые обязательства; определите необходимые меры контроля.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап валидации\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Требуйте доказательства того, что функциональные критерии, критерии безопасности, защищённости и качества соблюдены.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап развёртывания\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Утвердите конкретную конфигурацию, версию, среду и операционного владельца.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап изменений\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Повторно оценивайте изменения модели\u002Fпровайдера\u002Fинструмента\u002Fданных в соответствии со значимостью.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап инцидентов\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Приостановите, ограничьте или откатите при наступлении определённых триггеров риска.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Этап вывода из эксплуатации\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Чисто удалите доступ, производные данные, учётные данные и устаревшие зависимости.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-74\">Управление изменениями — центральный элемент управления ИИ\u003C\u002Fh2>\n\u003Cp>Системы ИИ меняются, даже когда код приложения не меняется. Провайдеры обновляют модели, фильтры безопасности, ограничения контекста, цены, политики и инфраструктуру. Корпуса для поиска меняются. Инструменты агентов получают разрешения. Регулирование и контракты развиваются.\u003C\u002Fp>\n\u003Cp>Поэтому управление должно определять триггеры существенных изменений. Незначительная корректировка формулировки промпта может потребовать обычных регрессионных тестов; замена модели, включение инструментов записи или внедрение конфиденциальных данных может потребовать нового этапа утверждения.\u003C\u002Fp>\n\u003Cp>Запись управления должна сохранять, какая версия была утверждена и какие условия сделали утверждение действительным.\u003C\u002Fp>\n\u003Ch2 id=\"section-78\">Исключения требуют владельцев, срока действия и компенсирующих мер контроля\u003C\u002Fh2>\n\u003Cp>Реальным организациям нужны исключения. Команде может понадобиться неутверждённая модель для ограниченного по времени эксперимента, или устаревшая система может ещё не соответствовать новому требованию к логированию.\u003C\u002Fp>\n\u003Cp>Опасный шаблон — постоянное недокументированное исключение. Управляемые исключения указывают владельца, обоснование, область действия, остаточный риск, компенсирующую меру контроля, дату истечения и условие пересмотра.\u003C\u002Fp>\n\u003Cp>Обработка исключений должна быть частью нормальной системы управления, а не неформальным обходным каналом.\u003C\u002Fp>\n\u003Ch2 id=\"section-82\">Аудируемость — это способность восстановить решение и исполнение\u003C\u002Fh2>\n\u003Cp>Аудируемость ИИ — это не просто хранение промптов модели. Это означает возможность восстановить, какая версия системы использовалась, какие данные и разрешения применялись, кто утвердил конфигурацию, какие оценки обосновали развёртывание и что произошло во время соответствующего исполнения.\u003C\u002Fp>\n\u003Cp>Для агента это может потребовать идентичности принципала, вызовов инструментов, утверждений, целевых ресурсов, изменений состояния и результатов. Для RAG это может потребовать версии корпуса\u002Fиндекса, поискового запроса, выбранных доказательств и происхождения. Для изменения модели это может потребовать предыдущих и новых результатов оценки.\u003C\u002Fp>\n\u003Cp>Доказательства аудита должны быть соразмерными. Логирование каждого возможного токена может само по себе создать риск для конфиденциальности и безопасности. Управление должно определить, какие доказательства необходимы, как долго они хранятся и кто может к ним получить доступ.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Объект аудита\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Полезные доказательства\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Управленческое решение\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Владелец, дата, решение, условия, доказательства, исключения\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Выпуск модели\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Модель\u002Fпровайдер\u002Fверсия, конфигурация, результаты регрессии\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Доступ к данным\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Принципал, тенант\u002Fобласть, класс источника, решение по политике\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Действие агента\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Инструмент, аргументы\u002Fцель, утверждение, результат, изменение состояния\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ответ RAG\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Версия корпуса\u002Fиндекса, набор поиска, выбранные доказательства, ссылки\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Инцидент\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Триггер, затронутые системы, локализация, владелец решения, устранение\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Вывод из эксплуатации\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Отключённые конечные точки, отозванные учётные данные, удалённые производные данные, решение об архивировании\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-87\">Мониторинг замыкает цикл управления\u003C\u002Fh2>\n\u003Cp>Утверждение — это снимок. Производственный мониторинг сообщает управлению, сохраняются ли допущения, лежащие в основе утверждения.\u003C\u002Fp>\n\u003Cp>Полезные сигналы зависят от варианта использования: регрессия качества, небезопасные выходные данные, сбои инструментов, отказы в политике, необычная стоимость, задержка, жалобы пользователей, дрейф, свежесть поиска, инциденты у провайдера, оповещения безопасности или новые регуляторные классификации.\u003C\u002Fp>\n\u003Cp>Управление должно определить пороги, которые вызывают действие: расследовать, ограничить, потребовать проверку человеком, откатить, сменить провайдера, приостановить или вывести из эксплуатации.\u003C\u002Fp>\n\u003Ch2 id=\"section-91\">Инциденты ИИ требуют определённого операционного пути\u003C\u002Fh2>\n\u003Cp>Инциденты, специфичные для ИИ, могут включать вредоносный контент, утечку данных, несанкционированные действия, устойчивые фактические ошибки, сбой модели или провайдера, внедрение подсказок, кросс-тенантное извлечение данных или неожиданное поведение после обновления модели.\u003C\u002Fp>\n\u003Cp>Процесс реагирования на инциденты должен связывать техническое реагирование с управленческой ответственностью. Кто-то должен быть уполномочен отключить модель, удалить инструмент, отозвать учётные данные, ограничить пользователей, уведомить затронутые подразделения и решить, может ли система вернуться к работе.\u003C\u002Fp>\n\u003Cp>Уроки, извлечённые из инцидентов, должны обновлять политики, тесты, классификацию рисков и многоразовые платформенные средства контроля, а не оставаться изолированными в одной команде.\u003C\u002Fp>\n\u003Ch2 id=\"section-95\">Закупки являются частью управления ИИ\u003C\u002Fh2>\n\u003Cp>Организации могут получить значительные возможности ИИ через обычные закупки SaaS. Поэтому управление должно охватывать как приобретённые функции ИИ, так и системы, разработанные внутри компании.\u003C\u002Fp>\n\u003Cp>Проверка поставщика может включать использование данных, хранение, политику обучения моделей, субподрядчиков, безопасность, уведомление об инцидентах, экспорт и удаление, географическую обработку, изменение версий, непрерывность обслуживания и договорный выход.\u003C\u002Fp>\n\u003Cp>Обзор технической архитектуры и обзор закупок должны использовать один и тот же реестр систем, чтобы коммерческое одобрение не расходилось с фактическим потоком данных в развёрнутой системе.\u003C\u002Fp>\n\u003Ch2 id=\"section-99\">Человеческий надзор должен быть спроектирован, а не просто заявлен\u003C\u002Fh2>\n\u003Cp>«Человек в контуре» имеет смысл только тогда, когда у человека есть полномочия, время, информация и работающий механизм вмешательства.\u003C\u002Fp>\n\u003Cp>Проверяющий, который видит только рекомендацию ИИ, но не её обоснование, неопределённость или состояние источника, может просто формально одобрить результат. Управление должно определять, что проверяющий может изучить и какие действия доступны: одобрить, отклонить, отредактировать, эскалировать или остановить.\u003C\u002Fp>\n\u003Cp>Человеческий надзор также должен основываться на риске. Системы с низкими последствиями могут использовать выборочную или последующую проверку, тогда как побочные эффекты с высокими последствиями могут требовать одобрения до выполнения.\u003C\u002Fp>\n\u003Ch2 id=\"section-103\">Управление платформой и управление вариантами использования различаются\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Два уровня управления\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Общая платформа ИИ\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Отдельный вариант использования ИИ\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Основная проблема\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Типичное одобрение\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Доказательства\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Сбой управления\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Cp>Поэтому одобрение платформы должно сокращать повторяющуюся работу, а не устранять ответственность за вариант использования. «Модель одобрена» отличается от «это применение модели одобрено».\u003C\u002Fp>\n\u003Ch2 id=\"section-106\">Управление ИИ и корпоративная архитектура ИИ\u003C\u002Fh2>\n\u003Cp>Корпоративная архитектура ИИ описывает, как системы ИИ, платформы, данные, идентификационные данные, поставщики, операции и организационные системы сочетаются друг с другом. Управление ИИ описывает систему принятия решений и контроля, которая определяет, как такие архитектуры могут создаваться и изменяться.\u003C\u002Fp>\n\u003Cp>Эти две области тесно связаны. Управление без архитектуры может стать абстрактной политикой. Архитектура без управления может создать технически элегантные системы с неясной ответственностью, неконтролируемым внедрением поставщиков или непроверенным риском.\u003C\u002Fp>\n\u003Cp>Самая сильная архитектура двунаправлена: требования управления становятся архитектурными контролями, а архитектура выявляет реальные решения, которыми должно владеть управление.\u003C\u002Fp>\n\u003Ch2 id=\"section-110\">Доказательства из оригинального проекта\u003C\u002Fh2>\n\u003Ch3 id=\"section-111\">Enterprise Aaasaasa 0.1: управление как структура поставки\u003C\u002Fh3>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Доказательства проекта \u002F PoC\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Enterprise Aaasaasa 0.1 — это доказательства проекта и обучения\u002FPoC, а не доказательства коммерческого внедрения на предприятии. Это полезно здесь, потому что структура поставки явно связывает архитектуру, вехи, риски, заинтересованные стороны, валидацию и проектные решения.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cp>Enterprise Aaasaasa 0.1 использует определённые вехи для требований, архитектуры, прототипа, валидации и закрытия проекта. Эта структура иллюстрирует ключевой принцип управления: переходы жизненного цикла должны иметь явные результаты и точки принятия решений вместо неформального процесса «сначала строим, потом проверяем».\u003C\u002Fp>\n\u003Cp>Проект также отслеживает такие риски, как разрастание объёма, задержка архитектуры и проблемы AI\u002FGDPR, и определяет группы заинтересованных сторон, включая спонсорство, руководящий комитет, архитектуру, безопасность, маркетинг, внешние API и хостинг.\u003C\u002Fp>\n\u003Cp>Это не является системой менеджмента ISO\u002FIEC 42001. Это более узкие доказательства проекта, показывающие, как ответственность, риск, вехи и валидация могут быть интегрированы в техническую поставку.\u003C\u002Fp>\n\u003Ch3 id=\"section-116\">SenseFlow: прослеживаемость требований и решений\u003C\u002Fh3>\n\u003Cp>SenseFlow использует структурированный путь от цели продукта и потребности пользователя через эпики, пользовательские истории, критерии приёмки, архитектуру, реализацию и валидацию. Записи о решениях сохраняют решение, обоснование, альтернативы, компромиссы, статус и дату\u002Fверсию.\u003C\u002Fp>\n\u003Cp>Этот шаблон прослеживаемости напрямую относится к управлению, потому что контроль ИИ должен быть связан с требованием или риском, которые его обосновали. Система управления становится сильнее, когда цепочка от бизнес-потребности к архитектурному решению и к доказательствам валидации может быть восстановлена.\u003C\u002Fp>\n\u003Ch3 id=\"section-119\">Aaasaasa AI Client: разрешения и среда выполнения как управляемая конфигурация\u003C\u002Fh3>\n\u003Cp>Aaasaasa AI Client разделяет провайдера, модель, расположение среды выполнения и разрешения, а не рассматривает их как одну «настройку ИИ». Центральные профили разрешений рабочего пространства управляют доступом к инструментам, Direct Chat не имеет инструментов файловой системы\u002Fоболочки, а среды выполнения с поддержкой агентов работают под явными профилями разрешений.\u003C\u002Fp>\n\u003Cp>Это разделение демонстрирует важный шаблон управления: выбор модели и полномочия на действия должны быть независимыми объектами конфигурации. Более сильная модель не получает автоматически более широкие разрешения на файловую систему, оболочку или бизнес-операции.\u003C\u002Fp>\n\u003Cp>Доказательства реализации являются архитектурными, а не утверждением, что приложение представляет собой сертифицированную организационную систему управления ИИ.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Наблюдаемый шаблон проекта\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Урок управления\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Вехи-гейты\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Переходы жизненного цикла могут требовать явных доказательств\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Реестр рисков\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Известные неопределённости становятся управляемыми объектами, а не неформальными опасениями\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Картирование заинтересованных сторон\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ответственность за решения может распределяться осознанно\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Критерии приёмки + валидация\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Решения о развёртывании могут зависеть от доказательств\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Записи о решениях\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Архитектурные компромиссы остаются прослеживаемыми\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Раздельные модель\u002Fпровайдер\u002Fсреда выполнения\u002Fразрешения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Возможности и полномочия могут управляться независимо\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Явные метки зрелости проекта\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Доказательства PoC не выдаются за производственное или рыночное подтверждение\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-124\">Распространённые режимы отказа управления ИИ\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Режим отказа\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Что идёт не так\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Управление — это только PDF с политикой\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Команды не могут перевести политику в элементы управления средой выполнения или решения о развёртывании\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Нет инвентаризации ИИ\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Организация не может определить, где используются модели, агенты или встроенный ИИ\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Одобрение модели рассматривается как одобрение сценария использования\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Одобренная модель используется в существенно ином контексте риска\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Нет назначенного бизнес-владельца\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Технические команды по умолчанию наследуют решения о бизнес-рисках\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Классификация рисков не имеет последствий для контроля\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Каждая система получает одинаковую проверку независимо от последствий\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Разрешения живут только в промптах\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Инструкции модели становятся заменой реальной авторизации\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Смена провайдера невидима\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Допущения о поведении\u002Fданных\u002Fсоответствии меняются без переоценки\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Успех демо — это доказательство для одобрения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Производственный риск выводится из небольшого теста по счастливому пути\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Человеческий надзор церемониален\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Проверяющий не может изучить доказательства или остановить действие\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Исключение не имеет срока действия\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Временный обходной путь становится постоянным долгом управления\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Логи существуют, но не позволяют восстановить решения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Аудируемость путают с хранением необработанных данных\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Комплаенс владеет управлением в одиночку\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Продукт, инженерия, безопасность и операции отстраняются от подотчётности\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Каждое решение идёт в центральный совет\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Управление становится узким местом вместо масштабируемой системы контроля\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-126\">Центральное управление не означает централизацию каждого решения\u003C\u002Fh2>\n\u003Cp>Зрелая организация может централизовать политику, контрольные шаблоны и эскалацию, делегируя решения с низким риском продуктовым или платформенным командам.\u003C\u002Fp>\n\u003Cp>Такая федеративная модель масштабируется лучше, чем требование к центральному комитету утверждать каждое изменение промпта. Центральная функция определяет уровни риска, обязательные меры контроля, политику в отношении провайдеров, полномочия по исключениям и требования к аудиту; команды действуют автономно в этих границах.\u003C\u002Fp>\n\u003Cp>Цель проектирования — согласованная подотчётность, а не максимальная централизация.\u003C\u002Fp>\n\u003Ch2 id=\"section-130\">Управляйте самой системой управления\u003C\u002Fh2>\n\u003Cp>Управлению нужна обратная связь. Иначе меры контроля могут превратиться в дорогостоящие ритуалы, не снижающие риск.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Метрика \u002F сигнал\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Что она может выявить\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Покрытие инвентаризацией\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Видно ли управлению внедрение ИИ\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Время до решения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Блокирует ли управление поставку без необходимости\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Количество и возраст исключений\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Реалистичны ли политики или их регулярно обходят\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Доля неудачных оценок\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Улавливают ли предразвёртывающие меры контроля дефекты\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Частота инцидентов после развёртывания\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Предсказывают ли доказательства одобрения поведение в продакшене\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Доля отказов в несанкционированных инструментах\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Активно ли применяются границы разрешений\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Частота смены модели\u002Fпровайдера\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Как часто утверждённые допущения могут устареть\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Выведенные из эксплуатации, но активные системы\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Сбой очистки\u002Fконтроля жизненного цикла\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Повторяющиеся паттерны инцидентов\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Превращаются ли уроки в переиспользуемые платформенные меры контроля\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Метрики управления не должны вознаграждать объём бумажной работы. Полезный показатель — улучшаются ли качество решений, прослеживаемость, выявление рисков и безопасная поставка.\u003C\u002Fp>\n\u003Ch2 id=\"section-134\">Практическая последовательность внедрения управления ИИ\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Стройте управление от видимости к контролю\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Определите охват управления\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Решите, какие внутренние, приобретённые, встроенные и экспериментальные системы ИИ охватываются.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Создайте инвентаризацию ИИ\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Зафиксируйте владельцев, сценарии использования, модели\u002Fпровайдеров, данные, инструменты, пользователей, состояние жизненного цикла и класс риска.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Определите права на решения\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Назовите, кто может утверждать провайдеров, использование данных, принятие риска, исключения, развёртывание и вывод из эксплуатации.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Установите уровни риска\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Сопоставьте последствия и подверженность с различными требованиями к контролю.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Определите переиспользуемые минимальные меры контроля\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Задайте базовые требования к идентичности, разрешениям, данным, безопасности, оценке, логированию и человеческому надзору.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Свяжите управление с архитектурой\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Превратите политику в платформенные\u002Fсредовые меры контроля, которые команды не могут случайно обойти.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Создайте шлюзы на основе доказательств\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Требуйте соответствующие доказательства оценки, безопасности, приватности, архитектуры и соответствия перед переходами жизненного цикла.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Управляйте сменой модели\u002Fпровайдера\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Отслеживайте версии, устаревание и существенные изменения с доказательствами регрессии.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">9\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">9. Добавьте мониторинг и триггеры инцидентов\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Определите, какие сигналы продакшена требуют расследования, ограничения или приостановки.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">10\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">10. Формализуйте исключения\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Требуйте охват, владельца, остаточный риск, компенсирующие меры контроля и срок действия.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">11\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">11. Аудит решений и исполнения\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Храните соразмерные доказательства, связывающие владельцев, конфигурацию, разрешения, оценки и значимые действия.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">12\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">12. Улучшайте систему управления\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Используйте инциденты, задержки и повторяющиеся исключения для пересмотра мер контроля и платформенных шаблонов.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-136\">Чек-лист управления ИИ\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Вопрос\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Ожидаемое доказательство управления\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Зачем существует эта система ИИ?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Назначение, бизнес-владелец и предполагаемый результат\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Кто отвечает за техническую эксплуатацию?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Названный технический\u002Fплатформенный владелец\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какая модель\u002Fпровайдер\u002Fверсия используется?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Зарегистрированная и версионированная зависимость\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какие данные могут попадать в систему?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Классификация, полномочия и решение о разрешённом использовании\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какие идентичности могут её использовать?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Модель аутентификации и авторизации\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какие действия она может выполнять?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Матрица инструментов\u002Fразрешений и граница автономии\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Каков уровень риска?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Документированная классификация с обоснованием\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какие меры контроля обязательны?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Базовый набор мер контроля для уровня риска\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Как она оценивалась?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Репрезентативные тесты и критерии приёмки\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Кто принял остаточный риск?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Названный подотчётный орган\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Что требует человеческого рассмотрения?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Явные правила надзора\u002Fодобрения\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Что логируется?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Политика аудита\u002Fнаблюдаемости, соразмерная последствиям\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Что запускает повторное рассмотрение?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">События изменения модели\u002Fпровайдера\u002Fданных\u002Fинструментов\u002Fрегулирования\u002Fсущественных изменений\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Как её можно приостановить?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Операционный путь отключения\u002Fограничения и владелец\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Как её выводят из эксплуатации?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Очистка учётных данных, данных, производных, конечных точек и записей\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-138\">Распространённые заблуждения\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Заблуждение\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Исправление\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Управление ИИ — это соответствие.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Соответствие — лишь один вход управления; управление также охватывает владение, архитектуру, разрешения, качество, риск и решения жизненного цикла.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Управление означает комитет по рассмотрению.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Комитеты могут одобрять исключения или системы высокого риска, но многие меры контроля должны быть встроены в обычную поставку и платформенную архитектуру.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Утверждённая модель безопасна для любого использования.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Риск принадлежит сценарию использования и контексту системы, а не только модели.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Поставщик управляет всем за нас.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Провайдер контролирует часть стека; организация по-прежнему отвечает за свой сценарий использования, данные, разрешения и бизнес-последствия.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Человек в цикле автоматически решает риск.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Надзор работает только тогда, когда у проверяющих есть полномочия, контекст и возможность вмешательства.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Логирование всего даёт аудируемость.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Аудируемость требует реконструируемых значимых доказательств с контролируемым хранением и доступом.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Управление блокирует инновации.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Плохое управление может блокировать поставку; хорошо спроектированное управление создаёт переиспользуемые безопасные пути и более чёткое владение решениями.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Пилоты с низким риском не нуждаются в управлении.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Они могут использовать облегчённое управление, но инвентаризация, владение и границы данных\u002Fинструментов всё равно важны.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«Локальному ИИ нужно меньше управления.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Локальный хостинг может изменить риск приватности\u002Fпровайдера, но качество модели, разрешения, безопасность и управление жизненным циклом остаются.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">«После одобрения система остаётся одобренной.»\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Модель, провайдер, данные, регулирование и использование могут меняться; решения управления нуждаются в триггерах пересмотра.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-140\">Краевые случаи и ограничения\u003C\u002Fh2>\n\u003Cp>Очень маленьким организациям может не требоваться выделенная функция управления ИИ. Те же принципы можно реализовать через облегчённые архитектурные решения, реестры рисков, сопоставление владельцев и шлюзы выпуска.\u003C\u002Fp>\n\u003Cp>Высокорегулируемым организациям может потребоваться гораздо более формальное управление, независимая гарантия, документированные процессы соответствия и юридическая интерпретация, чем описано в этой статье архитектурного уровня.\u003C\u002Fp>\n\u003Cp>Открытые и самостоятельно размещённые модели снижают некоторые зависимости от провайдеров, но создают другие: патчинг, происхождение модели, оценка, безопасность инфраструктуры, лицензирование и операционное владение.\u003C\u002Fp>\n\u003Cp>Модели ИИ общего назначения могут использоваться во многих контекстах. Управление должно избегать предположения, что меры контроля модели на уровне провайдера полностью определяют риск нижестоящего приложения.\u003C\u002Fp>\n\u003Cp>Ни одна система управления не гарантирует, что система ИИ безопасна или корректна. Управление повышает подотчётность и качество решений; техническая валидация, мониторинг и человеческое суждение остаются необходимыми.\u003C\u002Fp>\n\u003Ch2 id=\"section-146\">Что могло бы изменить этот ответ?\u003C\u002Fh2>\n\u003Cp>Точный набор мер контроля меняется в зависимости от законодательства, отрасли, размера организации, чувствительности данных, автономности, модели развёртывания и бизнес-последствий.\u003C\u002Fp>\n\u003Cp>В настоящее время NIST пересматривает AI RMF 1.0, поэтому будущая терминология или рекомендуемые практики NIST могут измениться. Стандарты ISO также могут быть пересмотрены, а руководство и переходные положения EU AI Act продолжают развиваться.\u003C\u002Fp>\n\u003Cp>Устойчивый архитектурный принцип состоит в том, что решения ИИ требуют явных владельцев, доказательств, разрешений, обработки рисков и проверки на протяжении жизненного цикла, а не скрытия внутри конфигурации модели или приложения.\u003C\u002Fp>\n\u003Ch2 id=\"section-150\">Связанные канонические знания\u003C\u002Fh2>\n\u003Cp>Управление ИИ опирается на концепции, уже выделенные в других частях этого графа знаний: источник истины определяет полномочия, RBAC и изоляция арендаторов ограничивают доступ, контекстная инженерия управляет видимой модели информацией, а агентная архитектура определяет, как инструменты и действия входят в цикл исполнения.\u003C\u002Fp>\n\u003Cp>Корпоративная архитектура ИИ — это родительская концепция организационной архитектуры. Управление — это операционный слой контроля, определяющий, как эти корпоративные компоненты ИИ могут быть внедрены, изменены и выведены из эксплуатации.\u003C\u002Fp>\n\u003Cp>Агентные системы повышают требования к управлению, поскольку решения модели могут приводить к реальным побочным эффектам. Поэтому меры контроля разрешений, одобрения и аудита должны существовать вне самой модели.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fai-agent-reliability-why-the-final-answer-is-not-enough\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Надёжность ИИ-агентов: почему окончательного ответа недостаточно\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Управление агентами требует доказательств о траекториях исполнения, использовании инструментов, изменениях состояния и восстановимости — а не только о качестве итогового вывода.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать статью о надёжности агентов →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Память ИИ-агента — это не RAG: как разделять память, извлечение, состояние и контекст\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Управлению нужны разные политики для долговременной памяти, авторитетного состояния, извлечённой информации и временного контекста модели.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать статью об архитектуре памяти →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Граница допустимости ответа: недостающий слой между релевантностью и надёжными ответами ИИ\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Решения управления должны сохранять условия, при которых доказательства и одобрение остаются действительными, включая версию, область применения, источник и время.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать о границе допустимости ответа →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-157\">Часто задаваемые вопросы\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Часто задаваемые вопросы об управлении ИИ\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Что такое управление ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Управление ИИ — это система владения, прав принятия решений, мер контроля и доказательств, используемая для управления тем, как системы ИИ разрабатываются, приобретаются, развёртываются, эксплуатируются, изменяются и выводятся из эксплуатации.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Управление ИИ — это то же самое, что управление рисками ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. Управление рисками выявляет, оценивает и обрабатывает риски. Управление определяет, кто должен выполнять эту работу, какие решения этого требуют и какие доказательства или полномочия необходимы.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Управление ИИ — это то же самое, что соответствие требованиям?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. Соответствие требованиям касается применимых юридических, регуляторных, договорных или внутренних обязательств. Управление объединяет соответствие требованиям с архитектурой, безопасностью, данными, качеством, разрешениями и бизнес-ответственностью.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">В чём разница между управлением ИИ и корпоративной архитектурой ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Корпоративная архитектура ИИ определяет, как возможности и системы ИИ вписываются в организацию. Управление ИИ определяет систему принятия решений и контроля, регулирующую, как эти компоненты могут быть внедрены, эксплуатироваться и изменяться.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Нужно ли малым компаниям управление ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Да, но не обязательно отдельное подразделение. Лёгкие инвентаризация, владение, разрешения, оценка и контроль изменений могут реализовать те же принципы.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq6\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Что должно содержать описание ИИ-систем?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Как минимум: вариант использования, владельцев, модель\u002Fпоставщика\u002Fверсию, классы данных, пользователей, инструменты\u002Fдействия, разрешения, классификацию риска, статус оценки, состояние жизненного цикла и триггеры проверки.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq7\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Означает ли использование одобренной модели, что вариант использования одобрен?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. Риск зависит от контекста применения: данных, пользователей, инструментов, автономности, последствий и бизнес-процесса.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq8\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Что делает систему ИИ проверяемой?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Организация может восстановить соответствующее владение, одобренную конфигурацию, модель\u002Fпоставщика\u002Fверсию, контекст данных и разрешений, доказательства оценки, значимые действия и решения жизненного цикла.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq9\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Как часто следует пересматривать решения по управлению ИИ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Используйте интервалы проверки на основе риска плюс триггеры событий, такие как изменения модели\u002Fпоставщика, новые данные, новые инструменты, инциденты, существенное изменение производительности или обновления регулирования.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-159\">Глоссарий\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Ключевые термины управления ИИ\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"ai-governance\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Управление ИИ\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Организационная система владения, прав принятия решений, мер контроля и доказательств, регулирующая жизненный цикл ИИ.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"ai-management-system\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Система менеджмента ИИ\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Взаимосвязанные организационные политики, цели и процессы для ответственной разработки, предоставления или использования ИИ; ISO\u002FIEC 42001 устанавливает требования к такой системе.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"ai-inventory\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Реестр ИИ\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Реестр систем ИИ, моделей, поставщиков, вариантов использования, владельцев, данных, классификаций риска и состояния жизненного цикла.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"risk-owner\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Владелец риска\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Назначенный полномочный орган, ответственный за решение о том, как обрабатывается определённый риск или принимается ли остаточный риск.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"control\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Мера контроля\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Техническая, организационная или процедурная мера, предназначенная для предотвращения, обнаружения, снижения или реагирования на риск.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"governance-gate\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Контрольная точка управления\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Точка принятия решения жизненного цикла, в которой требуются определённые доказательства и полномочия для продолжения.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"residual-risk\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Остаточный риск\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Риск, остающийся после применения мер контроля или снижения риска.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"exception\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Исключение\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Явное, ограниченное по области и обычно ограниченное по времени разрешение отклониться от обычного требования управления.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"auditability\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Проверяемость\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Способность восстановить соответствующие решения, конфигурации, доказательства, идентичности и события исполнения.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"model-governance\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Управление моделями\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Меры контроля и решения, охватывающие выбор модели, версионирование, оценку, разрешённое использование, изменение и вывод из эксплуатации.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"provider-governance\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Управление поставщиками\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Меры контроля, охватывающие зависимости от внешних или внутренних поставщиков ИИ, обработку данных, безопасность, контракты, жизненный цикл и выход.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"human-oversight\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Человеческий надзор\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Спроектированная возможность человеческой проверки или вмешательства в решения или действия ИИ в определённых точках.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-161\">Заключение\u003C\u002Fh2>\n\u003Cp>Управление ИИ — это организационная плоскость управления вокруг ИИ. Оно даёт имена и доказательства решениям, которые иначе остаются скрытыми внутри кода, настроек поставщика, подсказок или неформального суждения команды.\u003C\u002Fp>\n\u003Cp>Сильное управление связывает всю систему: бизнес-цель, модели, поставщиков, полномочия над данными, идентичность, разрешения, оценку, риск, соответствие требованиям, мониторинг, инциденты, изменения и вывод из эксплуатации.\u003C\u002Fp>\n\u003Cp>Практическая цель — не максимальный процесс. Это минимальная структура управления, которая делает важные решения по ИИ подотчётными, основанными на доказательствах, обеспеченными принудительным исполнением, проверяемыми и поддающимися аудиту на протяжении всего жизненного цикла.\u003C\u002Fp>\n\u003Ch2 id=\"section-165\">Первоисточники и актуальные ссылки\u003C\u002Fh2>\n\u003Cp>Приведённые ниже источники обеспечивают актуальную внешнюю основу для управления ИИ, рисками и регулирования. Разделы проекта являются оригинальными доказательствами внедрения\u002Fпроекта и явно отличаются от формальных стандартов или сертифицированных систем управления.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST — AI Risk Management Framework\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Актуальный центр NIST по AI RMF 1.0, текущей редакции, профилю GenAI и связанным ресурсам по управлению рисками.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fairmf\u002F5-sec-core\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AIRC — AI RMF Core\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Официальное ядро AI RMF, описывающее GOVERN, MAP, MEASURE и MANAGE, где GOVERN является сквозной функцией жизненного цикла.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\u002Fnist-ai-rmf-playbook\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST — AI RMF Playbook\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Предлагаемые действия для операционализации надёжности и управления рисками на протяжении жизненного цикла ИИ.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI 600-1 — Generative AI Profile\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Сопутствующий профиль NIST, применяющий концепции AI RMF к рискам генеративного ИИ и управлению жизненным циклом.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F42001\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">ISO\u002FIEC 42001:2023 — AI management systems\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Международный стандарт, устанавливающий требования к созданию, внедрению, поддержанию и постоянному улучшению системы управления ИИ.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F77304.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">ISO\u002FIEC 23894:2023 — AI risk management\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Международное руководство по интеграции управления рисками, специфичными для ИИ, в деятельность и функции организации.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Fpolicies\u002Fregulatory-framework-ai\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">European Commission — AI Act\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Актуальный обзор Комиссии по Закону ЕС об ИИ, графику применения и структуре внедрения.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffaqs\u002Fnavigating-ai-act\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">European Commission — Navigating the AI Act\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Актуальный FAQ, охватывающий управление, правоприменение, внедрение и развивающийся график применения.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffactpages\u002Fgeneral-purpose-ai-obligations-under-ai-act\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">European Commission — General-purpose AI obligations\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Актуальный обзор обязательств по документации, авторским правам, обучающему контенту и системным рискам для поставщиков GPAI.\u003C\u002Fp>\u003C\u002Fa>",{"time":212,"blocks":213,"version":1717},1791486361876,[214,220,228,235,242,250,255,260,265,270,275,280,285,290,322,327,332,337,342,347,387,392,397,402,407,412,441,446,451,456,461,467,472,477,482,487,534,539,544,549,554,559,594,599,604,609,614,619,624,629,634,639,644,649,654,659,664,669,674,679,684,725,730,735,740,745,750,755,760,765,770,777,782,812,817,822,827,832,837,842,847,852,857,862,867,872,901,906,911,916,921,926,931,936,941,946,951,956,961,966,971,976,981,986,1015,1020,1025,1030,1035,1040,1045,1050,1056,1061,1066,1071,1076,1081,1086,1091,1096,1101,1106,1135,1140,1187,1192,1197,1202,1207,1212,1217,1252,1257,1262,1304,1309,1362,1367,1405,1410,1415,1420,1425,1430,1435,1440,1445,1450,1455,1460,1465,1470,1475,1484,1492,1500,1505,1547,1552,1605,1610,1615,1620,1625,1630,1635,1645,1654,1663,1672,1681,1690,1699,1708],{"id":215,"data":216,"type":218,"tunes":219},"intro",{"text":217},"Управление ИИ — это система прав принятия решений, обязанностей, средств контроля и доказательств, используемая для определения того, как организация может разрабатывать, приобретать, внедрять, эксплуатировать, изменять и выводить из эксплуатации системы ИИ. Это шире, чем документ с политикой, и уже, чем корпоративная архитектура в целом. Эффективное управление ИИ связывает бизнес-ответственность, выбор моделей и поставщиков, полномочия в отношении данных, разрешения, классификацию рисков, оценку, мониторинг, обработку инцидентов, возможность аудита и решения жизненного цикла, чтобы можно было ответить не только на вопрос «работает ли ИИ?», но и на вопрос «кто это одобрил, на каких условиях, с какими доказательствами и когда это решение должно быть пересмотрено?»","paragraph",{},{"id":221,"data":222,"type":226,"tunes":227},"direct",{"body":223,"title":224,"variant":225},"\u003Cstrong>Управление ИИ превращает ИИ из неформальной технической возможности в подотчетную организационную способность.\u003C\u002Fstrong>\u003Cbr>\u003Cbr>Архитектура определяет, как строится система. Инженерия реализует ее. Управление рисками оценивает неопределенность и вред. Комплаенс учитывает применимые обязательства. Управление связывает эти виды деятельности через ответственность, права принятия решений, требуемые средства контроля, доказательства и контрольные точки жизненного цикла.","Прямой ответ","info","callout",{},{"id":229,"data":230,"type":226,"tunes":234},"boundary",{"body":231,"title":232,"variant":233},"Совет по управлению может быть одним из механизмов, а политики могут документировать ожидания, но управление становится операционным только тогда, когда решения меняют то, что системам разрешено делать: какие модели можно использовать, какие данные могут в них поступать, какие инструменты может выполнять агент, какие оценки требуются, кто может утверждать исключения, что должно регистрироваться в журналах и что запускает приостановку или вывод из эксплуатации.","Управление — это не комитет и не PDF-файл","warning",{},{"id":236,"data":237,"type":226,"tunes":241},"current",{"body":238,"title":239,"variant":240},"NIST AI RMF 1.0 остается текущей опубликованной структурой, пока NIST пересматривает ее. Ее ядро организовано вокруг \u003Cstrong>GOVERN, MAP, MEASURE и MANAGE\u003C\u002Fstrong>, причем GOVERN является сквозной функцией. ISO\u002FIEC 42001:2023 остается международным стандартом системы менеджмента ИИ для создания, эксплуатации и постоянного улучшения системы менеджмента ИИ. Закон ЕС об ИИ в целом применяется с 2 августа 2026 года, при этом некоторые обязательства имели более ранние даты применения, а некоторые требования для высокорисковых систем имеют более поздние переходные даты. Регуляторные сроки всегда следует перепроверять перед принятием конкретного решения о соответствии.","Примечание об актуальных источниках — 8 октября 2026 года","note",{},{"id":243,"data":244,"type":248,"tunes":249},"toc",{"title":245,"maxLevel":246,"minLevel":247},"Содержание",3,2,"tableOfContents",{},{"id":251,"data":252,"type":42,"tunes":254},"h-meaning",{"text":253,"level":247},"Что на самом деле означает управление ИИ",{},{"id":256,"data":257,"type":218,"tunes":259},"p-meaning-1",{"text":258},"Управление ИИ отвечает на организационные вопросы, на которые модель, SDK или схема архитектуры не могут ответить сами по себе. Кто отвечает за бизнес-результат? Кто может одобрить нового поставщика? Какие классы данных запрещено передавать на внешнюю обработку? Какие доказательства требуются перед внедрением? Какие разрешения может получить агент? Кто может принять остаточный риск? Что происходит, когда модель меняет поведение после обновления?",{},{"id":261,"data":262,"type":218,"tunes":264},"p-meaning-2",{"text":263},"Цель не в том, чтобы предотвратить изменения. Хорошее управление делает изменения понятными: у решений есть владельцы, доказательства, условия, исключения, даты пересмотра и пути отката или эскалации.",{},{"id":266,"data":267,"type":218,"tunes":269},"p-meaning-3",{"text":268},"Именно поэтому NIST помещает GOVERN на протяжении всего жизненного цикла управления рисками ИИ, а не рассматривает управление как один финальный этап утверждения. Управление устанавливает культуру, политики, подотчетность и организационные структуры, которые делают возможными картирование, измерение и управление рисками ИИ.",{},{"id":271,"data":272,"type":42,"tunes":274},"h-simple",{"text":273,"level":247},"Самый простой пример",{},{"id":276,"data":277,"type":218,"tunes":279},"p-simple-1",{"text":278},"Продуктовая команда хочет добавить внешнего поставщика генеративного ИИ для суммирования внутренних обращений в службу поддержки клиентов. Технически интеграция может требовать лишь вызова API.",{},{"id":281,"data":282,"type":218,"tunes":284},"p-simple-2",{"text":283},"Управление задает другой набор вопросов: Разрешено ли содержимому обращений покидать среду организации? Какой поставщик и версия модели одобрены? Отключено ли хранение? Какие пользователи могут вызывать эту функцию? Как оценивается вывод? Требуется ли проверка человеком? Что регистрируется в журналах? Кто отвечает за инциденты? Что произойдет, если поставщик изменит свои условия или поведение модели?",{},{"id":286,"data":287,"type":218,"tunes":289},"p-simple-3",{"text":288},"Результатом управления все еще может быть «внедрять». Разница в том, что внедрение теперь является отслеживаемым решением с явными условиями, а не незафиксированным инженерным выбором.",{},{"id":291,"data":292,"type":320,"tunes":321},"simple-flow",{"steps":293,"title":318,"orientation":319},[294,297,300,303,306,309,312,315],{"label":295,"description":296},"1. Зарегистрируйте сценарий использования","Зафиксируйте цель, владельца, пользователей, данные, модель\u002Fпоставщика и предполагаемый результат.",{"label":298,"description":299},"2. Классифицируйте риск и обязательства","Определите бизнес-последствия, чувствительность данных, автономность, регуляторную подверженность и потенциал злоупотребления.",{"label":301,"description":302},"3. Определите требуемые средства контроля","Укажите разрешения, обращение с данными, оценки, человеческий надзор, безопасность, ведение журналов и ограничения поставщика.",{"label":304,"description":305},"4. Соберите доказательства","Проведите тесты, проверку безопасности\u002Fконфиденциальности, архитектурную проверку и соответствующие юридические\u002Fкомплаенс-проверки.",{"label":307,"description":308},"5. Примите решение","Одобрить, одобрить с условиями, запросить изменения, приостановить или отклонить.",{"label":310,"description":311},"6. Внедряйте в контролируемой конфигурации","Зафиксируйте одобренную модель\u002Fпоставщика\u002Fсреду выполнения и обеспечьте соблюдение требуемых границ.",{"label":313,"description":314},"7. Мониторьте и переоценивайте","Отслеживайте инциденты, качество, дрейф, изменения поставщика, новые риски и измененные regulations.",{"label":316,"description":317},"8. Изменяйте, приостанавливайте или выводите из эксплуатации","Используйте доказательства и правила ответственности для определения следующего состояния жизненного цикла.","Базовое управляемое решение по ИИ","auto","processFlow",{},{"id":323,"data":324,"type":42,"tunes":326},"h-stops",{"text":325,"level":247},"Где останавливается простой пример",{},{"id":328,"data":329,"type":218,"tunes":331},"p-stops-1",{"text":330},"Крупные организации редко управляют одной системой ИИ изолированно. Одна и та же модель может поддерживать десятки продуктов; один поставщик может обрабатывать несколько классов данных; платформа агентов может предоставлять общие инструменты многим командам.",{},{"id":333,"data":334,"type":218,"tunes":336},"p-stops-2",{"text":335},"Поэтому управлению нужны структуры уровня портфеля, а также средства контроля уровня системы: реестр ИИ, одобренные поставщики, каталоги моделей, общие базовые показатели оценки, шаблоны безопасности, пороги риска, реестры исключений и сопоставления ответственности.",{},{"id":338,"data":339,"type":218,"tunes":341},"p-stops-3",{"text":340},"Управление также не может быть одинаковым для каждого случая использования ИИ. Сумматор публичного контента, внутренний помощник по программированию, система поддержки найма и агент, который может инициировать платежи, имеют существенно разные профили последствий и контроля.",{},{"id":343,"data":344,"type":42,"tunes":346},"h-not",{"text":345,"level":247},"Что такое управление ИИ — и чем оно не является",{},{"id":348,"data":349,"type":385,"tunes":386},"not-comparison",{"rows":350,"title":376,"layout":377,"columns":378},[351,356,360,364,368,372],{"id":352,"label":353,"values":354},"architecture","Корпоративная \u002F solution-архитектура",[355,355],"",{"id":357,"label":358,"values":359},"risk","Управление рисками ИИ",[355,355],{"id":361,"label":362,"values":363},"compliance","Комплаенс",[355,355],{"id":365,"label":366,"values":367},"security","Безопасность",[355,355],{"id":369,"label":370,"values":371},"mlops","MLOps \u002F LLMOps",[355,355],{"id":373,"label":374,"values":375},"ethics","Принципы этики ИИ",[355,355],"Управление ИИ в сравнении со смежными дисциплинами","table",[379,382],{"id":380,"label":381},"governance","Управление ИИ",{"id":383,"label":384},"adjacent","Смежная дисциплина","comparison",{},{"id":388,"data":389,"type":42,"tunes":391},"h-governance-compliance",{"text":390,"level":247},"Управление шире, чем комплаенс",{},{"id":393,"data":394,"type":218,"tunes":396},"p-compliance-1",{"text":395},"Комплаенс — это один из входов в управление, а не вся система управления. Сценарий использования ИИ может быть юридически допустимым, но при этом нарушать риск-аппетит компании, политику безопасности, договорные обязательства или требования к качеству продукта.",{},{"id":398,"data":399,"type":218,"tunes":401},"p-compliance-2",{"text":400},"Верно и обратное: внутреннее одобрение не отменяет закон. Управление должно делать применимые юридические обязательства видимыми внутри того же пути принятия решений, который используется для архитектуры, безопасности и бизнес-рисков.",{},{"id":403,"data":404,"type":218,"tunes":406},"p-compliance-3",{"text":405},"ISO\u002FIEC 42001 прямо определяет систему менеджмента ИИ как структурированный способ установления политик, целей и процессов для ответственного ИИ. ISO также указывает, что стандарт не заменяет законы или нормативные акты; он предоставляет управленческую структуру, которая может поддерживать комплаенс.",{},{"id":408,"data":409,"type":42,"tunes":411},"h-frameworks",{"text":410,"level":247},"NIST AI RMF и ISO\u002FIEC 42001 решают разные задачи управления",{},{"id":413,"data":414,"type":377,"tunes":440},"framework-table",{"content":415,"stretched":43,"withHeadings":14},[416,420,424,428,432,436],[417,418,419],"Фреймворк \u002F стандарт","Основная роль","Полезная ценность для управления",[421,422,423],"NIST AI RMF 1.0","Добровольный фреймворк управления рисками ИИ","Организует результаты вокруг GOVERN, MAP, MEASURE и MANAGE на протяжении жизненного цикла",[425,426,427],"NIST AI 600-1","Профиль генеративного ИИ для AI RMF","Добавляет специфичные для GenAI соображения и действия по рискам",[429,430,431],"ISO\u002FIEC 42001:2023","Требования к системе менеджмента ИИ","Создает общеорганизационную систему менеджмента с политикой, ролями, процессами и постоянным улучшением",[433,434,435],"ISO\u002FIEC 23894:2023","Руководство по управлению рисками ИИ","Помогает интегрировать управление рисками, специфичными для ИИ, в деятельность организации",[437,438,439],"EU AI Act","Обязательное регулирование в ЕС","Создает юридические обязательства в зависимости от роли, категории ИИ и сценария использования",{},{"id":442,"data":443,"type":218,"tunes":445},"p-framework-1",{"text":444},"Эти источники не следует сводить в один чек-лист. NIST AI RMF — это руководство по управлению рисками. ISO\u002FIEC 42001 — стандарт системы менеджмента. EU AI Act — это закон. Организация может использовать их вместе, но их авторитет, охват и цель внедрения различаются.",{},{"id":447,"data":448,"type":42,"tunes":450},"h-current-eu",{"text":449,"level":247},"Текущие сроки EU AI Act имеют значение",{},{"id":452,"data":453,"type":218,"tunes":455},"p-eu-1",{"text":454},"По состоянию на 8 октября 2026 года Европейская комиссия заявляет, что AI Act стал общеприменимым 2 августа 2026 года. Положения о запрещенных практиках и AI-грамотности применялись с 2 февраля 2025 года, а правила управления и обязательства для моделей ИИ общего назначения применялись с 2 августа 2025 года.",{},{"id":457,"data":458,"type":218,"tunes":460},"p-eu-2",{"text":459},"Текущие рекомендации Комиссии также отражают более поздние даты применения для некоторых требований к высокорисковым системам. Точные даты и переходные правила являются изменяющимся входом для комплаенса, и их следует проверять по актуальным материалам Комиссии перед решением о развертывании.",{},{"id":462,"data":463,"type":226,"tunes":466},"eu-boundary",{"body":464,"title":465,"variant":233},"Приведенные здесь регуляторные примеры объясняют, почему управлению нужны версионируемые юридические\u002Fкомплаенс-входы. Они не определяют, классифицируется ли конкретный продукт юридически как запрещенный, высокорисковый, GPAI, деплойер, провайдер или иной регулируемый субъект.","Статья об архитектуре, а не юридическая консультация",{},{"id":468,"data":469,"type":42,"tunes":471},"h-inventory",{"text":470,"level":247},"Управление ИИ начинается с инвентаризации",{},{"id":473,"data":474,"type":218,"tunes":476},"p-inventory-1",{"text":475},"Организация не может управлять системами ИИ, которые она не может идентифицировать. Инвентаризация должна охватывать больше, чем модели, обученные самостоятельно. Она может включать внешние API моделей, встроенные копилоты, локальные модели, SaaS-функции с поддержкой ИИ, среды выполнения агентов, системы поиска и компоненты автоматизированного принятия решений.",{},{"id":478,"data":479,"type":218,"tunes":481},"p-inventory-2",{"text":480},"Полезная инвентаризация связывает возможность ИИ с ее бизнес-владельцем, техническим владельцем, сценарием использования, пользователями, классами данных, моделью\u002Fпровайдером, средой развертывания, разрешениями, классификацией риска, статусом оценки, применимыми обязательствами и состоянием жизненного цикла.",{},{"id":483,"data":484,"type":218,"tunes":486},"p-inventory-3",{"text":485},"Инвентаризация — это не только таблица для аудиторов. Это индекс, который позволяет организации знать, что должно быть пересмотрено, когда меняется провайдер, появляется уязвимость, становится применимым регулирование или модель выводится из эксплуатации.",{},{"id":488,"data":489,"type":377,"tunes":533},"inventory-table",{"content":490,"stretched":43,"withHeadings":14},[491,494,497,500,503,506,509,512,515,518,521,524,527,530],[492,493],"Поле инвентаризации","Зачем это нужно управлению",[495,496],"Сценарий использования \u002F цель","Определяет, зачем существует ИИ и что означает успех",[498,499],"Бизнес-владелец","Отвечает за результат и бизнес-риск",[501,502],"Технический владелец","Отвечает за архитектуру, реализацию и эксплуатацию",[504,505],"Модель + версия","Идентифицирует зависимость, производящую поведение",[507,508],"Провайдер \u002F среда выполнения","Идентифицирует договорную, хостинговую и операционную зависимость",[510,511],"Классы данных","Определяет ограничения приватности, конфиденциальности и источника истины",[513,514],"Пользователи \u002F затронутые стороны","Определяет контекст подверженности и воздействия на людей",[516,517],"Инструменты \u002F действия","Определяет автономность и риск побочных эффектов",[519,520],"Разрешения \u002F идентичность","Определяет, кто или что может вызывать возможность",[522,523],"Классификация риска","Определяет требуемые контроли и путь одобрения",[525,526],"Доказательства оценки","Показывает, было ли протестировано предполагаемое поведение",[528,529],"Состояние жизненного цикла","Черновик, на рассмотрении, одобрено, ограничено, приостановлено или выведено из эксплуатации",[531,532],"Дата пересмотра \u002F триггеры","Определяет, когда решение управления должно быть пересмотрено",{},{"id":535,"data":536,"type":42,"tunes":538},"h-ownership",{"text":537,"level":247},"Управление требует назначенных владельцев",{},{"id":540,"data":541,"type":218,"tunes":543},"p-own-1",{"text":542},"Сбои ИИ часто выходят за организационные границы. Проблема качества модели может превратиться в сбой продукта, проблему безопасности, инцидент с конфиденциальностью или нарушение договора. Управление требует назначенных владельцев до того, как произойдёт инцидент.",{},{"id":545,"data":546,"type":218,"tunes":548},"p-own-2",{"text":547},"Владение не означает, что один человек отвечает за всё. Сильная модель разделяет права принятия решений: владелец бизнеса, владелец продукта, технический владелец, владелец данных, специалисты по безопасности и конфиденциальности, субъекты права и соответствия требованиям, а также операционная поддержка.",{},{"id":550,"data":551,"type":218,"tunes":553},"p-own-3",{"text":552},"Критически важное свойство состоит в том, что каждое необходимое решение имеет владельца, и каждый владелец знает, какие доказательства он должен рассмотреть.",{},{"id":555,"data":556,"type":42,"tunes":558},"h-decision-rights",{"text":557,"level":247},"Права принятия решений должны быть явными",{},{"id":560,"data":561,"type":377,"tunes":593},"decision-table",{"content":562,"stretched":43,"withHeadings":14},[563,566,569,572,575,578,581,584,587,590],[564,565],"Решение","Типичная ответственная функция",[567,568],"Может ли существовать этот сценарий использования ИИ?","Владелец бизнеса\u002Fпродукта с учётом управления и рисков",[570,571],"Может ли этот класс данных обрабатываться?","Владелец данных + конфиденциальность\u002Fбезопасность в соответствии с политикой",[573,574],"Может ли этот поставщик\u002Fмодель использоваться?","Архитектура\u002Fплатформа + безопасность\u002Fзакупки + управление",[576,577],"Может ли этот агент выполнить это действие?","Владелец приложения + владелец авторизации\u002Fбизнес-политики",[579,580],"Достаточно ли качество для развёртывания?","Владелец продукта\u002Fтехнический владелец в соответствии с определёнными критериями приёмки",[582,583],"Может ли остаточный риск быть принят?","Назначенный владелец риска на соответствующем уровне полномочий",[585,586],"Может ли быть предоставлено исключение?","Явные полномочия по исключениям, ограниченные по времени и документированные",[588,589],"Следует ли приостановить систему?","Операционный\u002Fбизнес-владелец при инциденте или срабатывании триггеров риска",[591,592],"Может ли обновление модели быть введено в эксплуатацию?","Владелец изменения после доказательств регрессии\u002Fоценки",{},{"id":595,"data":596,"type":42,"tunes":598},"h-model",{"text":597,"level":247},"Управление моделью — это больше, чем выбор модели",{},{"id":600,"data":601,"type":218,"tunes":603},"p-model-1",{"text":602},"Управление моделью отслеживает, какая модель используется, с какой целью, в какой конфигурации и с какими доказательствами. Это применимо к внешним API, локально размещённым моделям, дообученным моделям и моделям, встроенным в стороннее программное обеспечение.",{},{"id":605,"data":606,"type":218,"tunes":608},"p-model-2",{"text":607},"Решение о модели должно учитывать возможности, результаты оценки, стоимость, задержку, обработку данных, условия поставщика, поддержку жизненного цикла, географические ограничения\u002Fограничения размещения, безопасность, поведение при отказе и последствия изменения версии.",{},{"id":610,"data":611,"type":218,"tunes":613},"p-model-3",{"text":612},"Псевдонимы моделей, такие как «latest», могут быть удобны в эксплуатации, но ослабляют воспроизводимость, если поведение меняется без управляемого процесса выпуска. Системы с последствиями выигрывают от явного отслеживания версий и регрессионной оценки.",{},{"id":615,"data":616,"type":42,"tunes":618},"h-provider",{"text":617,"level":247},"Управление поставщиком — это отдельный слой зависимостей",{},{"id":620,"data":621,"type":218,"tunes":623},"p-provider-1",{"text":622},"Две системы, использующие одно семейство моделей, могут иметь разный риск управления, если одна работает локально, а другая отправляет данные внешнему поставщику. Управление поставщиком охватывает договорные условия, место обработки, хранение, журналирование, субпроцессоров, доступность, прекращение поддержки и стратегию выхода.",{},{"id":625,"data":626,"type":218,"tunes":628},"p-provider-2",{"text":627},"Абстракция поставщика может уменьшить техническую привязку, но она не устраняет работу по управлению. Смена поставщика может изменить потоки данных, поведение модели, предположения о безопасности, стоимость и обязательства по соответствию.",{},{"id":630,"data":631,"type":218,"tunes":633},"p-provider-3",{"text":632},"Поэтому список одобренных поставщиков не следует интерпретировать как «каждая модель и каждый класс данных от этого поставщика автоматически одобрены». Одобрение требует области применения.",{},{"id":635,"data":636,"type":42,"tunes":638},"h-data",{"text":637,"level":247},"Управление данными остаётся слоем источника истины",{},{"id":640,"data":641,"type":218,"tunes":643},"p-data-1",{"text":642},"Управление ИИ не делает модель авторитетом для организационных фактов. Управление данными по-прежнему определяет владение, классификацию, хранение, качество и разрешённое использование исходных данных.",{},{"id":645,"data":646,"type":218,"tunes":648},"p-data-2",{"text":647},"Для RAG и агентов управление должно определять, какие источники являются авторитетными, какие носят рекомендательный характер, как сохраняется происхождение, какие данные могут попадать в контекст модели и какие границы арендатора\u002Fпользователя должны соблюдаться.",{},{"id":650,"data":651,"type":218,"tunes":653},"p-data-3",{"text":652},"Сгенерированные выходные данные также создают новые вопросы управления данными: сохраняются ли подсказки и ответы, кто может получать доступ к трассировкам, становятся ли сгенерированные сводки записями и как удаляются производные эмбеддинги или индексы при удалении исходных данных.",{},{"id":655,"data":656,"type":42,"tunes":658},"h-permissions",{"text":657,"level":247},"Разрешения — это управленческие решения с принудительным исполнением во время работы",{},{"id":660,"data":661,"type":218,"tunes":663},"p-perm-1",{"text":662},"Агентный ИИ делает разрешения полноценным объектом управления. Организация должна решить, к каким инструментам, файлам, API, базам данных и побочным эффектам может иметь доступ каждый агент или пользователь.",{},{"id":665,"data":666,"type":218,"tunes":668},"p-perm-2",{"text":667},"Управление определяет политику и логику утверждения; доверенная среда выполнения обеспечивает их соблюдение. Инструкции на естественном языке, такие как «не удаляй файлы», не заменяют авторизацию на уровне файловой системы, API или сервисов.",{},{"id":670,"data":671,"type":218,"tunes":673},"p-perm-3",{"text":672},"Тот же принцип применяется к изоляции арендаторов: роль может разрешать операцию, тогда как область арендатора ограничивает, к ресурсам какого клиента эта операция может получить доступ.",{},{"id":675,"data":676,"type":42,"tunes":678},"h-risk",{"text":677,"level":247},"Классификация рисков должна менять набор мер контроля",{},{"id":680,"data":681,"type":218,"tunes":683},"p-risk-1",{"text":682},"Не каждой системе ИИ нужна одинаковая глубина проверки. Управление становится масштабируемым, когда классификация рисков меняет требования к доказательствам, утверждению и мониторингу.",{},{"id":685,"data":686,"type":377,"tunes":724},"risk-table",{"content":687,"stretched":43,"withHeadings":14},[688,692,696,700,704,708,712,716,720],[689,690,691],"Фактор риска","Пример с меньшим контролем","Пример с большим контролем",[693,694,695],"Бизнес-последствия","Черновик внутреннего текста","Утверждение финансового расчёта",[697,698,699],"Влияние на людей","Необязательный помощник в написании","Поддержка решений о трудоустройстве или праве на участие",[701,702,703],"Чувствительность данных","Публичная документация","Данные о здоровье, кадрах, финансах или конфиденциальные данные",[705,706,707],"Автономность","Рекомендация только для чтения","Агент с инструментами записи, платежей или развёртывания",[709,710,711],"Обратимость","Легко восстанавливаемое резюме","Необратимая внешняя транзакция",[713,714,715],"Подверженность","Небольшой внутренний пилот","Публичная или клиентская система в масштабе",[717,718,719],"Авторитетность источника","Консультативный контент","Система, на которую полагаются для регулируемого или договорного факта",[721,722,723],"Обнаружимость сбоя","Очевидный дефект форматирования","Правдоподобная, но существенно неверная рекомендация",{},{"id":726,"data":727,"type":218,"tunes":729},"p-risk-2",{"text":728},"Метод классификации может быть простым или сложным, но он должен приводить к конкретным последствиям: больше тестирования, более узкие разрешения, обязательный человеческий надзор, проверка безопасности, принятие риска руководством или запрет на развёртывание.",{},{"id":731,"data":732,"type":42,"tunes":734},"h-map",{"text":733,"level":247},"Управление должно сохранять контекст сценария использования",{},{"id":736,"data":737,"type":218,"tunes":739},"p-map-1",{"text":738},"Функция MAP в NIST подчёркивает предполагаемое назначение, пользователей, контекст развёртывания, допущения, воздействия и применимые законы или нормы. Это важно, потому что одна и та же модель может быть низкорисковой в одном сценарии и высокозначимой в другом.",{},{"id":741,"data":742,"type":218,"tunes":744},"p-map-2",{"text":743},"Поэтому записи управления должны классифицировать приложение, а не только модель. «Мы используем модель X» недостаточно для определения риска.",{},{"id":746,"data":747,"type":218,"tunes":749},"p-map-3",{"text":748},"Релевантный объект управления — это система или сценарий использования: модель + данные + контекст + инструменты + пользователи + среда развёртывания + бизнес-процесс.",{},{"id":751,"data":752,"type":42,"tunes":754},"h-evaluation",{"text":753,"level":247},"Оценка — это доказательство для управления",{},{"id":756,"data":757,"type":218,"tunes":759},"p-eval-1",{"text":758},"Процесс управления ИИ не должен утверждать развёртывание только на основе вендорских бенчмарков или успешной демонстрации. Системе нужны доказательства, привязанные к её фактическому предполагаемому использованию.",{},{"id":761,"data":762,"type":218,"tunes":764},"p-eval-2",{"text":763},"Полезные доказательства могут включать оценку успешности выполнения задач, качество поиска, фактическую обоснованность, тесты безопасности, тесты разрешений, состязательные сценарии, исследования с участием людей, задержку и стоимость, устойчивость и сравнения регрессий.",{},{"id":766,"data":767,"type":218,"tunes":769},"p-eval-3",{"text":768},"Функция MEASURE в NIST делает это явным: организации должны определять и применять подходящие методы и метрики для рисков, выявленных при картировании, а также документировать риски, которые невозможно или не планируется измерять.",{},{"id":771,"data":772,"type":226,"tunes":776},"eval-boundary",{"body":773,"title":774,"variant":775},"«Команда считает, что модель достаточно хороша» — слабый артефакт утверждения. «Система соответствовала определённым критериям приёмки на репрезентативных тестах, с такими известными ограничениями и остаточными рисками» — это управляемо.","Этап управления должен требовать доказательства, а не уверенность","success",{},{"id":778,"data":779,"type":42,"tunes":781},"h-gates",{"text":780,"level":247},"Этапы управления должны существовать на протяжении всего жизненного цикла",{},{"id":783,"data":784,"type":320,"tunes":811},"gate-flow",{"steps":785,"title":810,"orientation":319},[786,789,792,795,798,801,804,807],{"label":787,"description":788},"Этап идеи \u002F исследования","Подтвердите бизнес-цель, владельца и то, является ли ИИ подходящим решением.",{"label":790,"description":791},"Этап архитектуры","Проверьте модель\u002Fпровайдера, поток данных, идентификацию, разрешения, изоляцию и операционный дизайн.",{"label":793,"description":794},"Этап рисков\u002Fсоответствия","Классифицируйте риск и применимые обязательства; определите необходимые меры контроля.",{"label":796,"description":797},"Этап валидации","Требуйте доказательства того, что функциональные критерии, критерии безопасности, защищённости и качества соблюдены.",{"label":799,"description":800},"Этап развёртывания","Утвердите конкретную конфигурацию, версию, среду и операционного владельца.",{"label":802,"description":803},"Этап изменений","Повторно оценивайте изменения модели\u002Fпровайдера\u002Fинструмента\u002Fданных в соответствии со значимостью.",{"label":805,"description":806},"Этап инцидентов","Приостановите, ограничьте или откатите при наступлении определённых триггеров риска.",{"label":808,"description":809},"Этап вывода из эксплуатации","Чисто удалите доступ, производные данные, учётные данные и устаревшие зависимости.","Пример этапов жизненного цикла",{},{"id":813,"data":814,"type":42,"tunes":816},"h-change",{"text":815,"level":247},"Управление изменениями — центральный элемент управления ИИ",{},{"id":818,"data":819,"type":218,"tunes":821},"p-change-1",{"text":820},"Системы ИИ меняются, даже когда код приложения не меняется. Провайдеры обновляют модели, фильтры безопасности, ограничения контекста, цены, политики и инфраструктуру. Корпуса для поиска меняются. Инструменты агентов получают разрешения. Регулирование и контракты развиваются.",{},{"id":823,"data":824,"type":218,"tunes":826},"p-change-2",{"text":825},"Поэтому управление должно определять триггеры существенных изменений. Незначительная корректировка формулировки промпта может потребовать обычных регрессионных тестов; замена модели, включение инструментов записи или внедрение конфиденциальных данных может потребовать нового этапа утверждения.",{},{"id":828,"data":829,"type":218,"tunes":831},"p-change-3",{"text":830},"Запись управления должна сохранять, какая версия была утверждена и какие условия сделали утверждение действительным.",{},{"id":833,"data":834,"type":42,"tunes":836},"h-exceptions",{"text":835,"level":247},"Исключения требуют владельцев, срока действия и компенсирующих мер контроля",{},{"id":838,"data":839,"type":218,"tunes":841},"p-exc-1",{"text":840},"Реальным организациям нужны исключения. Команде может понадобиться неутверждённая модель для ограниченного по времени эксперимента, или устаревшая система может ещё не соответствовать новому требованию к логированию.",{},{"id":843,"data":844,"type":218,"tunes":846},"p-exc-2",{"text":845},"Опасный шаблон — постоянное недокументированное исключение. Управляемые исключения указывают владельца, обоснование, область действия, остаточный риск, компенсирующую меру контроля, дату истечения и условие пересмотра.",{},{"id":848,"data":849,"type":218,"tunes":851},"p-exc-3",{"text":850},"Обработка исключений должна быть частью нормальной системы управления, а не неформальным обходным каналом.",{},{"id":853,"data":854,"type":42,"tunes":856},"h-audit",{"text":855,"level":247},"Аудируемость — это способность восстановить решение и исполнение",{},{"id":858,"data":859,"type":218,"tunes":861},"p-audit-1",{"text":860},"Аудируемость ИИ — это не просто хранение промптов модели. Это означает возможность восстановить, какая версия системы использовалась, какие данные и разрешения применялись, кто утвердил конфигурацию, какие оценки обосновали развёртывание и что произошло во время соответствующего исполнения.",{},{"id":863,"data":864,"type":218,"tunes":866},"p-audit-2",{"text":865},"Для агента это может потребовать идентичности принципала, вызовов инструментов, утверждений, целевых ресурсов, изменений состояния и результатов. Для RAG это может потребовать версии корпуса\u002Fиндекса, поискового запроса, выбранных доказательств и происхождения. Для изменения модели это может потребовать предыдущих и новых результатов оценки.",{},{"id":868,"data":869,"type":218,"tunes":871},"p-audit-3",{"text":870},"Доказательства аудита должны быть соразмерными. Логирование каждого возможного токена может само по себе создать риск для конфиденциальности и безопасности. Управление должно определить, какие доказательства необходимы, как долго они хранятся и кто может к ним получить доступ.",{},{"id":873,"data":874,"type":377,"tunes":900},"audit-table",{"content":875,"stretched":43,"withHeadings":14},[876,879,882,885,888,891,894,897],[877,878],"Объект аудита","Полезные доказательства",[880,881],"Управленческое решение","Владелец, дата, решение, условия, доказательства, исключения",[883,884],"Выпуск модели","Модель\u002Fпровайдер\u002Fверсия, конфигурация, результаты регрессии",[886,887],"Доступ к данным","Принципал, тенант\u002Fобласть, класс источника, решение по политике",[889,890],"Действие агента","Инструмент, аргументы\u002Fцель, утверждение, результат, изменение состояния",[892,893],"Ответ RAG","Версия корпуса\u002Fиндекса, набор поиска, выбранные доказательства, ссылки",[895,896],"Инцидент","Триггер, затронутые системы, локализация, владелец решения, устранение",[898,899],"Вывод из эксплуатации","Отключённые конечные точки, отозванные учётные данные, удалённые производные данные, решение об архивировании",{},{"id":902,"data":903,"type":42,"tunes":905},"h-observability",{"text":904,"level":247},"Мониторинг замыкает цикл управления",{},{"id":907,"data":908,"type":218,"tunes":910},"p-monitor-1",{"text":909},"Утверждение — это снимок. Производственный мониторинг сообщает управлению, сохраняются ли допущения, лежащие в основе утверждения.",{},{"id":912,"data":913,"type":218,"tunes":915},"p-monitor-2",{"text":914},"Полезные сигналы зависят от варианта использования: регрессия качества, небезопасные выходные данные, сбои инструментов, отказы в политике, необычная стоимость, задержка, жалобы пользователей, дрейф, свежесть поиска, инциденты у провайдера, оповещения безопасности или новые регуляторные классификации.",{},{"id":917,"data":918,"type":218,"tunes":920},"p-monitor-3",{"text":919},"Управление должно определить пороги, которые вызывают действие: расследовать, ограничить, потребовать проверку человеком, откатить, сменить провайдера, приостановить или вывести из эксплуатации.",{},{"id":922,"data":923,"type":42,"tunes":925},"h-incidents",{"text":924,"level":247},"Инциденты ИИ требуют определённого операционного пути",{},{"id":927,"data":928,"type":218,"tunes":930},"p-inc-1",{"text":929},"Инциденты, специфичные для ИИ, могут включать вредоносный контент, утечку данных, несанкционированные действия, устойчивые фактические ошибки, сбой модели или провайдера, внедрение подсказок, кросс-тенантное извлечение данных или неожиданное поведение после обновления модели.",{},{"id":932,"data":933,"type":218,"tunes":935},"p-inc-2",{"text":934},"Процесс реагирования на инциденты должен связывать техническое реагирование с управленческой ответственностью. Кто-то должен быть уполномочен отключить модель, удалить инструмент, отозвать учётные данные, ограничить пользователей, уведомить затронутые подразделения и решить, может ли система вернуться к работе.",{},{"id":937,"data":938,"type":218,"tunes":940},"p-inc-3",{"text":939},"Уроки, извлечённые из инцидентов, должны обновлять политики, тесты, классификацию рисков и многоразовые платформенные средства контроля, а не оставаться изолированными в одной команде.",{},{"id":942,"data":943,"type":42,"tunes":945},"h-procurement",{"text":944,"level":247},"Закупки являются частью управления ИИ",{},{"id":947,"data":948,"type":218,"tunes":950},"p-proc-1",{"text":949},"Организации могут получить значительные возможности ИИ через обычные закупки SaaS. Поэтому управление должно охватывать как приобретённые функции ИИ, так и системы, разработанные внутри компании.",{},{"id":952,"data":953,"type":218,"tunes":955},"p-proc-2",{"text":954},"Проверка поставщика может включать использование данных, хранение, политику обучения моделей, субподрядчиков, безопасность, уведомление об инцидентах, экспорт и удаление, географическую обработку, изменение версий, непрерывность обслуживания и договорный выход.",{},{"id":957,"data":958,"type":218,"tunes":960},"p-proc-3",{"text":959},"Обзор технической архитектуры и обзор закупок должны использовать один и тот же реестр систем, чтобы коммерческое одобрение не расходилось с фактическим потоком данных в развёрнутой системе.",{},{"id":962,"data":963,"type":42,"tunes":965},"h-human",{"text":964,"level":247},"Человеческий надзор должен быть спроектирован, а не просто заявлен",{},{"id":967,"data":968,"type":218,"tunes":970},"p-human-1",{"text":969},"«Человек в контуре» имеет смысл только тогда, когда у человека есть полномочия, время, информация и работающий механизм вмешательства.",{},{"id":972,"data":973,"type":218,"tunes":975},"p-human-2",{"text":974},"Проверяющий, который видит только рекомендацию ИИ, но не её обоснование, неопределённость или состояние источника, может просто формально одобрить результат. Управление должно определять, что проверяющий может изучить и какие действия доступны: одобрить, отклонить, отредактировать, эскалировать или остановить.",{},{"id":977,"data":978,"type":218,"tunes":980},"p-human-3",{"text":979},"Человеческий надзор также должен основываться на риске. Системы с низкими последствиями могут использовать выборочную или последующую проверку, тогда как побочные эффекты с высокими последствиями могут требовать одобрения до выполнения.",{},{"id":982,"data":983,"type":42,"tunes":985},"h-platform",{"text":984,"level":247},"Управление платформой и управление вариантами использования различаются",{},{"id":987,"data":988,"type":385,"tunes":1014},"platform-comparison",{"rows":989,"title":1006,"layout":377,"columns":1007},[990,994,998,1002],{"id":991,"label":992,"values":993},"owner","Основная проблема",[355,355],{"id":995,"label":996,"values":997},"approval","Типичное одобрение",[355,355],{"id":999,"label":1000,"values":1001},"evidence","Доказательства",[355,355],{"id":1003,"label":1004,"values":1005},"failure","Сбой управления",[355,355],"Два уровня управления",[1008,1011],{"id":1009,"label":1010},"platform","Общая платформа ИИ",{"id":1012,"label":1013},"usecase","Отдельный вариант использования ИИ",{},{"id":1016,"data":1017,"type":218,"tunes":1019},"p-platform-1",{"text":1018},"Поэтому одобрение платформы должно сокращать повторяющуюся работу, а не устранять ответственность за вариант использования. «Модель одобрена» отличается от «это применение модели одобрено».",{},{"id":1021,"data":1022,"type":42,"tunes":1024},"h-architecture",{"text":1023,"level":247},"Управление ИИ и корпоративная архитектура ИИ",{},{"id":1026,"data":1027,"type":218,"tunes":1029},"p-arch-1",{"text":1028},"Корпоративная архитектура ИИ описывает, как системы ИИ, платформы, данные, идентификационные данные, поставщики, операции и организационные системы сочетаются друг с другом. Управление ИИ описывает систему принятия решений и контроля, которая определяет, как такие архитектуры могут создаваться и изменяться.",{},{"id":1031,"data":1032,"type":218,"tunes":1034},"p-arch-2",{"text":1033},"Эти две области тесно связаны. Управление без архитектуры может стать абстрактной политикой. Архитектура без управления может создать технически элегантные системы с неясной ответственностью, неконтролируемым внедрением поставщиков или непроверенным риском.",{},{"id":1036,"data":1037,"type":218,"tunes":1039},"p-arch-3",{"text":1038},"Самая сильная архитектура двунаправлена: требования управления становятся архитектурными контролями, а архитектура выявляет реальные решения, которыми должно владеть управление.",{},{"id":1041,"data":1042,"type":42,"tunes":1044},"h-implementation",{"text":1043,"level":247},"Доказательства из оригинального проекта",{},{"id":1046,"data":1047,"type":42,"tunes":1049},"h-enterprise",{"text":1048,"level":246},"Enterprise Aaasaasa 0.1: управление как структура поставки",{},{"id":1051,"data":1052,"type":226,"tunes":1055},"enterprise-note",{"body":1053,"title":1054,"variant":240},"Enterprise Aaasaasa 0.1 — это доказательства проекта и обучения\u002FPoC, а не доказательства коммерческого внедрения на предприятии. Это полезно здесь, потому что структура поставки явно связывает архитектуру, вехи, риски, заинтересованные стороны, валидацию и проектные решения.","Доказательства проекта \u002F PoC",{},{"id":1057,"data":1058,"type":218,"tunes":1060},"p-ent-1",{"text":1059},"Enterprise Aaasaasa 0.1 использует определённые вехи для требований, архитектуры, прототипа, валидации и закрытия проекта. Эта структура иллюстрирует ключевой принцип управления: переходы жизненного цикла должны иметь явные результаты и точки принятия решений вместо неформального процесса «сначала строим, потом проверяем».",{},{"id":1062,"data":1063,"type":218,"tunes":1065},"p-ent-2",{"text":1064},"Проект также отслеживает такие риски, как разрастание объёма, задержка архитектуры и проблемы AI\u002FGDPR, и определяет группы заинтересованных сторон, включая спонсорство, руководящий комитет, архитектуру, безопасность, маркетинг, внешние API и хостинг.",{},{"id":1067,"data":1068,"type":218,"tunes":1070},"p-ent-3",{"text":1069},"Это не является системой менеджмента ISO\u002FIEC 42001. Это более узкие доказательства проекта, показывающие, как ответственность, риск, вехи и валидация могут быть интегрированы в техническую поставку.",{},{"id":1072,"data":1073,"type":42,"tunes":1075},"h-senseflow",{"text":1074,"level":246},"SenseFlow: прослеживаемость требований и решений",{},{"id":1077,"data":1078,"type":218,"tunes":1080},"p-sense-1",{"text":1079},"SenseFlow использует структурированный путь от цели продукта и потребности пользователя через эпики, пользовательские истории, критерии приёмки, архитектуру, реализацию и валидацию. Записи о решениях сохраняют решение, обоснование, альтернативы, компромиссы, статус и дату\u002Fверсию.",{},{"id":1082,"data":1083,"type":218,"tunes":1085},"p-sense-2",{"text":1084},"Этот шаблон прослеживаемости напрямую относится к управлению, потому что контроль ИИ должен быть связан с требованием или риском, которые его обосновали. Система управления становится сильнее, когда цепочка от бизнес-потребности к архитектурному решению и к доказательствам валидации может быть восстановлена.",{},{"id":1087,"data":1088,"type":42,"tunes":1090},"h-client",{"text":1089,"level":246},"Aaasaasa AI Client: разрешения и среда выполнения как управляемая конфигурация",{},{"id":1092,"data":1093,"type":218,"tunes":1095},"p-client-1",{"text":1094},"Aaasaasa AI Client разделяет провайдера, модель, расположение среды выполнения и разрешения, а не рассматривает их как одну «настройку ИИ». Центральные профили разрешений рабочего пространства управляют доступом к инструментам, Direct Chat не имеет инструментов файловой системы\u002Fоболочки, а среды выполнения с поддержкой агентов работают под явными профилями разрешений.",{},{"id":1097,"data":1098,"type":218,"tunes":1100},"p-client-2",{"text":1099},"Это разделение демонстрирует важный шаблон управления: выбор модели и полномочия на действия должны быть независимыми объектами конфигурации. Более сильная модель не получает автоматически более широкие разрешения на файловую систему, оболочку или бизнес-операции.",{},{"id":1102,"data":1103,"type":218,"tunes":1105},"p-client-3",{"text":1104},"Доказательства реализации являются архитектурными, а не утверждением, что приложение представляет собой сертифицированную организационную систему управления ИИ.",{},{"id":1107,"data":1108,"type":377,"tunes":1134},"impl-table",{"content":1109,"stretched":43,"withHeadings":14},[1110,1113,1116,1119,1122,1125,1128,1131],[1111,1112],"Наблюдаемый шаблон проекта","Урок управления",[1114,1115],"Вехи-гейты","Переходы жизненного цикла могут требовать явных доказательств",[1117,1118],"Реестр рисков","Известные неопределённости становятся управляемыми объектами, а не неформальными опасениями",[1120,1121],"Картирование заинтересованных сторон","Ответственность за решения может распределяться осознанно",[1123,1124],"Критерии приёмки + валидация","Решения о развёртывании могут зависеть от доказательств",[1126,1127],"Записи о решениях","Архитектурные компромиссы остаются прослеживаемыми",[1129,1130],"Раздельные модель\u002Fпровайдер\u002Fсреда выполнения\u002Fразрешения","Возможности и полномочия могут управляться независимо",[1132,1133],"Явные метки зрелости проекта","Доказательства PoC не выдаются за производственное или рыночное подтверждение",{},{"id":1136,"data":1137,"type":42,"tunes":1139},"h-failures",{"text":1138,"level":247},"Распространённые режимы отказа управления ИИ",{},{"id":1141,"data":1142,"type":377,"tunes":1186},"failures-table",{"content":1143,"stretched":43,"withHeadings":14},[1144,1147,1150,1153,1156,1159,1162,1165,1168,1171,1174,1177,1180,1183],[1145,1146],"Режим отказа","Что идёт не так",[1148,1149],"Управление — это только PDF с политикой","Команды не могут перевести политику в элементы управления средой выполнения или решения о развёртывании",[1151,1152],"Нет инвентаризации ИИ","Организация не может определить, где используются модели, агенты или встроенный ИИ",[1154,1155],"Одобрение модели рассматривается как одобрение сценария использования","Одобренная модель используется в существенно ином контексте риска",[1157,1158],"Нет назначенного бизнес-владельца","Технические команды по умолчанию наследуют решения о бизнес-рисках",[1160,1161],"Классификация рисков не имеет последствий для контроля","Каждая система получает одинаковую проверку независимо от последствий",[1163,1164],"Разрешения живут только в промптах","Инструкции модели становятся заменой реальной авторизации",[1166,1167],"Смена провайдера невидима","Допущения о поведении\u002Fданных\u002Fсоответствии меняются без переоценки",[1169,1170],"Успех демо — это доказательство для одобрения","Производственный риск выводится из небольшого теста по счастливому пути",[1172,1173],"Человеческий надзор церемониален","Проверяющий не может изучить доказательства или остановить действие",[1175,1176],"Исключение не имеет срока действия","Временный обходной путь становится постоянным долгом управления",[1178,1179],"Логи существуют, но не позволяют восстановить решения","Аудируемость путают с хранением необработанных данных",[1181,1182],"Комплаенс владеет управлением в одиночку","Продукт, инженерия, безопасность и операции отстраняются от подотчётности",[1184,1185],"Каждое решение идёт в центральный совет","Управление становится узким местом вместо масштабируемой системы контроля",{},{"id":1188,"data":1189,"type":42,"tunes":1191},"h-federated",{"text":1190,"level":247},"Центральное управление не означает централизацию каждого решения",{},{"id":1193,"data":1194,"type":218,"tunes":1196},"p-fed-1",{"text":1195},"Зрелая организация может централизовать политику, контрольные шаблоны и эскалацию, делегируя решения с низким риском продуктовым или платформенным командам.",{},{"id":1198,"data":1199,"type":218,"tunes":1201},"p-fed-2",{"text":1200},"Такая федеративная модель масштабируется лучше, чем требование к центральному комитету утверждать каждое изменение промпта. Центральная функция определяет уровни риска, обязательные меры контроля, политику в отношении провайдеров, полномочия по исключениям и требования к аудиту; команды действуют автономно в этих границах.",{},{"id":1203,"data":1204,"type":218,"tunes":1206},"p-fed-3",{"text":1205},"Цель проектирования — согласованная подотчётность, а не максимальная централизация.",{},{"id":1208,"data":1209,"type":42,"tunes":1211},"h-metrics",{"text":1210,"level":247},"Управляйте самой системой управления",{},{"id":1213,"data":1214,"type":218,"tunes":1216},"p-metric-1",{"text":1215},"Управлению нужна обратная связь. Иначе меры контроля могут превратиться в дорогостоящие ритуалы, не снижающие риск.",{},{"id":1218,"data":1219,"type":377,"tunes":1251},"metrics-table",{"content":1220,"stretched":43,"withHeadings":14},[1221,1224,1227,1230,1233,1236,1239,1242,1245,1248],[1222,1223],"Метрика \u002F сигнал","Что она может выявить",[1225,1226],"Покрытие инвентаризацией","Видно ли управлению внедрение ИИ",[1228,1229],"Время до решения","Блокирует ли управление поставку без необходимости",[1231,1232],"Количество и возраст исключений","Реалистичны ли политики или их регулярно обходят",[1234,1235],"Доля неудачных оценок","Улавливают ли предразвёртывающие меры контроля дефекты",[1237,1238],"Частота инцидентов после развёртывания","Предсказывают ли доказательства одобрения поведение в продакшене",[1240,1241],"Доля отказов в несанкционированных инструментах","Активно ли применяются границы разрешений",[1243,1244],"Частота смены модели\u002Fпровайдера","Как часто утверждённые допущения могут устареть",[1246,1247],"Выведенные из эксплуатации, но активные системы","Сбой очистки\u002Fконтроля жизненного цикла",[1249,1250],"Повторяющиеся паттерны инцидентов","Превращаются ли уроки в переиспользуемые платформенные меры контроля",{},{"id":1253,"data":1254,"type":218,"tunes":1256},"p-metric-2",{"text":1255},"Метрики управления не должны вознаграждать объём бумажной работы. Полезный показатель — улучшаются ли качество решений, прослеживаемость, выявление рисков и безопасная поставка.",{},{"id":1258,"data":1259,"type":42,"tunes":1261},"h-sequence",{"text":1260,"level":247},"Практическая последовательность внедрения управления ИИ",{},{"id":1263,"data":1264,"type":320,"tunes":1303},"design-flow",{"steps":1265,"title":1302,"orientation":319},[1266,1269,1272,1275,1278,1281,1284,1287,1290,1293,1296,1299],{"label":1267,"description":1268},"1. Определите охват управления","Решите, какие внутренние, приобретённые, встроенные и экспериментальные системы ИИ охватываются.",{"label":1270,"description":1271},"2. Создайте инвентаризацию ИИ","Зафиксируйте владельцев, сценарии использования, модели\u002Fпровайдеров, данные, инструменты, пользователей, состояние жизненного цикла и класс риска.",{"label":1273,"description":1274},"3. Определите права на решения","Назовите, кто может утверждать провайдеров, использование данных, принятие риска, исключения, развёртывание и вывод из эксплуатации.",{"label":1276,"description":1277},"4. Установите уровни риска","Сопоставьте последствия и подверженность с различными требованиями к контролю.",{"label":1279,"description":1280},"5. Определите переиспользуемые минимальные меры контроля","Задайте базовые требования к идентичности, разрешениям, данным, безопасности, оценке, логированию и человеческому надзору.",{"label":1282,"description":1283},"6. Свяжите управление с архитектурой","Превратите политику в платформенные\u002Fсредовые меры контроля, которые команды не могут случайно обойти.",{"label":1285,"description":1286},"7. Создайте шлюзы на основе доказательств","Требуйте соответствующие доказательства оценки, безопасности, приватности, архитектуры и соответствия перед переходами жизненного цикла.",{"label":1288,"description":1289},"8. Управляйте сменой модели\u002Fпровайдера","Отслеживайте версии, устаревание и существенные изменения с доказательствами регрессии.",{"label":1291,"description":1292},"9. Добавьте мониторинг и триггеры инцидентов","Определите, какие сигналы продакшена требуют расследования, ограничения или приостановки.",{"label":1294,"description":1295},"10. Формализуйте исключения","Требуйте охват, владельца, остаточный риск, компенсирующие меры контроля и срок действия.",{"label":1297,"description":1298},"11. Аудит решений и исполнения","Храните соразмерные доказательства, связывающие владельцев, конфигурацию, разрешения, оценки и значимые действия.",{"label":1300,"description":1301},"12. Улучшайте систему управления","Используйте инциденты, задержки и повторяющиеся исключения для пересмотра мер контроля и платформенных шаблонов.","Стройте управление от видимости к контролю",{},{"id":1305,"data":1306,"type":42,"tunes":1308},"h-checklist",{"text":1307,"level":247},"Чек-лист управления ИИ",{},{"id":1310,"data":1311,"type":377,"tunes":1361},"checklist-table",{"content":1312,"stretched":43,"withHeadings":14},[1313,1316,1319,1322,1325,1328,1331,1334,1337,1340,1343,1346,1349,1352,1355,1358],[1314,1315],"Вопрос","Ожидаемое доказательство управления",[1317,1318],"Зачем существует эта система ИИ?","Назначение, бизнес-владелец и предполагаемый результат",[1320,1321],"Кто отвечает за техническую эксплуатацию?","Названный технический\u002Fплатформенный владелец",[1323,1324],"Какая модель\u002Fпровайдер\u002Fверсия используется?","Зарегистрированная и версионированная зависимость",[1326,1327],"Какие данные могут попадать в систему?","Классификация, полномочия и решение о разрешённом использовании",[1329,1330],"Какие идентичности могут её использовать?","Модель аутентификации и авторизации",[1332,1333],"Какие действия она может выполнять?","Матрица инструментов\u002Fразрешений и граница автономии",[1335,1336],"Каков уровень риска?","Документированная классификация с обоснованием",[1338,1339],"Какие меры контроля обязательны?","Базовый набор мер контроля для уровня риска",[1341,1342],"Как она оценивалась?","Репрезентативные тесты и критерии приёмки",[1344,1345],"Кто принял остаточный риск?","Названный подотчётный орган",[1347,1348],"Что требует человеческого рассмотрения?","Явные правила надзора\u002Fодобрения",[1350,1351],"Что логируется?","Политика аудита\u002Fнаблюдаемости, соразмерная последствиям",[1353,1354],"Что запускает повторное рассмотрение?","События изменения модели\u002Fпровайдера\u002Fданных\u002Fинструментов\u002Fрегулирования\u002Fсущественных изменений",[1356,1357],"Как её можно приостановить?","Операционный путь отключения\u002Fограничения и владелец",[1359,1360],"Как её выводят из эксплуатации?","Очистка учётных данных, данных, производных, конечных точек и записей",{},{"id":1363,"data":1364,"type":42,"tunes":1366},"h-misconceptions",{"text":1365,"level":247},"Распространённые заблуждения",{},{"id":1368,"data":1369,"type":377,"tunes":1404},"misconceptions-table",{"content":1370,"stretched":43,"withHeadings":14},[1371,1374,1377,1380,1383,1386,1389,1392,1395,1398,1401],[1372,1373],"Заблуждение","Исправление",[1375,1376],"«Управление ИИ — это соответствие.»","Соответствие — лишь один вход управления; управление также охватывает владение, архитектуру, разрешения, качество, риск и решения жизненного цикла.",[1378,1379],"«Управление означает комитет по рассмотрению.»","Комитеты могут одобрять исключения или системы высокого риска, но многие меры контроля должны быть встроены в обычную поставку и платформенную архитектуру.",[1381,1382],"«Утверждённая модель безопасна для любого использования.»","Риск принадлежит сценарию использования и контексту системы, а не только модели.",[1384,1385],"«Поставщик управляет всем за нас.»","Провайдер контролирует часть стека; организация по-прежнему отвечает за свой сценарий использования, данные, разрешения и бизнес-последствия.",[1387,1388],"«Человек в цикле автоматически решает риск.»","Надзор работает только тогда, когда у проверяющих есть полномочия, контекст и возможность вмешательства.",[1390,1391],"«Логирование всего даёт аудируемость.»","Аудируемость требует реконструируемых значимых доказательств с контролируемым хранением и доступом.",[1393,1394],"«Управление блокирует инновации.»","Плохое управление может блокировать поставку; хорошо спроектированное управление создаёт переиспользуемые безопасные пути и более чёткое владение решениями.",[1396,1397],"«Пилоты с низким риском не нуждаются в управлении.»","Они могут использовать облегчённое управление, но инвентаризация, владение и границы данных\u002Fинструментов всё равно важны.",[1399,1400],"«Локальному ИИ нужно меньше управления.»","Локальный хостинг может изменить риск приватности\u002Fпровайдера, но качество модели, разрешения, безопасность и управление жизненным циклом остаются.",[1402,1403],"«После одобрения система остаётся одобренной.»","Модель, провайдер, данные, регулирование и использование могут меняться; решения управления нуждаются в триггерах пересмотра.",{},{"id":1406,"data":1407,"type":42,"tunes":1409},"h-edge",{"text":1408,"level":247},"Краевые случаи и ограничения",{},{"id":1411,"data":1412,"type":218,"tunes":1414},"p-edge-1",{"text":1413},"Очень маленьким организациям может не требоваться выделенная функция управления ИИ. Те же принципы можно реализовать через облегчённые архитектурные решения, реестры рисков, сопоставление владельцев и шлюзы выпуска.",{},{"id":1416,"data":1417,"type":218,"tunes":1419},"p-edge-2",{"text":1418},"Высокорегулируемым организациям может потребоваться гораздо более формальное управление, независимая гарантия, документированные процессы соответствия и юридическая интерпретация, чем описано в этой статье архитектурного уровня.",{},{"id":1421,"data":1422,"type":218,"tunes":1424},"p-edge-3",{"text":1423},"Открытые и самостоятельно размещённые модели снижают некоторые зависимости от провайдеров, но создают другие: патчинг, происхождение модели, оценка, безопасность инфраструктуры, лицензирование и операционное владение.",{},{"id":1426,"data":1427,"type":218,"tunes":1429},"p-edge-4",{"text":1428},"Модели ИИ общего назначения могут использоваться во многих контекстах. Управление должно избегать предположения, что меры контроля модели на уровне провайдера полностью определяют риск нижестоящего приложения.",{},{"id":1431,"data":1432,"type":218,"tunes":1434},"p-edge-5",{"text":1433},"Ни одна система управления не гарантирует, что система ИИ безопасна или корректна. Управление повышает подотчётность и качество решений; техническая валидация, мониторинг и человеческое суждение остаются необходимыми.",{},{"id":1436,"data":1437,"type":42,"tunes":1439},"h-change-answer",{"text":1438,"level":247},"Что могло бы изменить этот ответ?",{},{"id":1441,"data":1442,"type":218,"tunes":1444},"p-change-answer-1",{"text":1443},"Точный набор мер контроля меняется в зависимости от законодательства, отрасли, размера организации, чувствительности данных, автономности, модели развёртывания и бизнес-последствий.",{},{"id":1446,"data":1447,"type":218,"tunes":1449},"p-change-answer-2",{"text":1448},"В настоящее время NIST пересматривает AI RMF 1.0, поэтому будущая терминология или рекомендуемые практики NIST могут измениться. Стандарты ISO также могут быть пересмотрены, а руководство и переходные положения EU AI Act продолжают развиваться.",{},{"id":1451,"data":1452,"type":218,"tunes":1454},"p-change-answer-3",{"text":1453},"Устойчивый архитектурный принцип состоит в том, что решения ИИ требуют явных владельцев, доказательств, разрешений, обработки рисков и проверки на протяжении жизненного цикла, а не скрытия внутри конфигурации модели или приложения.",{},{"id":1456,"data":1457,"type":42,"tunes":1459},"h-related",{"text":1458,"level":247},"Связанные канонические знания",{},{"id":1461,"data":1462,"type":218,"tunes":1464},"p-related-1",{"text":1463},"Управление ИИ опирается на концепции, уже выделенные в других частях этого графа знаний: источник истины определяет полномочия, RBAC и изоляция арендаторов ограничивают доступ, контекстная инженерия управляет видимой модели информацией, а агентная архитектура определяет, как инструменты и действия входят в цикл исполнения.",{},{"id":1466,"data":1467,"type":218,"tunes":1469},"p-related-2",{"text":1468},"Корпоративная архитектура ИИ — это родительская концепция организационной архитектуры. Управление — это операционный слой контроля, определяющий, как эти корпоративные компоненты ИИ могут быть внедрены, изменены и выведены из эксплуатации.",{},{"id":1471,"data":1472,"type":218,"tunes":1474},"p-related-3",{"text":1473},"Агентные системы повышают требования к управлению, поскольку решения модели могут приводить к реальным побочным эффектам. Поэтому меры контроля разрешений, одобрения и аудита должны существовать вне самой модели.",{},{"id":1476,"data":1477,"type":1482,"tunes":1483},"ref-agent-reliability",{"url":1478,"title":1479,"excerpt":1480,"ctaLabel":1481},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fai-agent-reliability-why-the-final-answer-is-not-enough","Надёжность ИИ-агентов: почему окончательного ответа недостаточно","Управление агентами требует доказательств о траекториях исполнения, использовании инструментов, изменениях состояния и восстановимости — а не только о качестве итогового вывода.","Читать статью о надёжности агентов","referralArticle",{},{"id":1485,"data":1486,"type":1482,"tunes":1491},"ref-memory",{"url":1487,"title":1488,"excerpt":1489,"ctaLabel":1490},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context","Память ИИ-агента — это не RAG: как разделять память, извлечение, состояние и контекст","Управлению нужны разные политики для долговременной памяти, авторитетного состояния, извлечённой информации и временного контекста модели.","Читать статью об архитектуре памяти",{},{"id":1493,"data":1494,"type":1482,"tunes":1499},"ref-avb",{"url":1495,"title":1496,"excerpt":1497,"ctaLabel":1498},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","Граница допустимости ответа: недостающий слой между релевантностью и надёжными ответами ИИ","Решения управления должны сохранять условия, при которых доказательства и одобрение остаются действительными, включая версию, область применения, источник и время.","Читать о границе допустимости ответа",{},{"id":1501,"data":1502,"type":42,"tunes":1504},"h-faq",{"text":1503,"level":247},"Часто задаваемые вопросы",{},{"id":1506,"data":1507,"type":1506,"tunes":1546},"faq",{"items":1508,"title":1545},[1509,1513,1517,1521,1525,1529,1533,1537,1541],{"id":1510,"answer":1511,"question":1512},"faq1","Управление ИИ — это система владения, прав принятия решений, мер контроля и доказательств, используемая для управления тем, как системы ИИ разрабатываются, приобретаются, развёртываются, эксплуатируются, изменяются и выводятся из эксплуатации.","Что такое управление ИИ?",{"id":1514,"answer":1515,"question":1516},"faq2","Нет. Управление рисками выявляет, оценивает и обрабатывает риски. Управление определяет, кто должен выполнять эту работу, какие решения этого требуют и какие доказательства или полномочия необходимы.","Управление ИИ — это то же самое, что управление рисками ИИ?",{"id":1518,"answer":1519,"question":1520},"faq3","Нет. Соответствие требованиям касается применимых юридических, регуляторных, договорных или внутренних обязательств. Управление объединяет соответствие требованиям с архитектурой, безопасностью, данными, качеством, разрешениями и бизнес-ответственностью.","Управление ИИ — это то же самое, что соответствие требованиям?",{"id":1522,"answer":1523,"question":1524},"faq4","Корпоративная архитектура ИИ определяет, как возможности и системы ИИ вписываются в организацию. Управление ИИ определяет систему принятия решений и контроля, регулирующую, как эти компоненты могут быть внедрены, эксплуатироваться и изменяться.","В чём разница между управлением ИИ и корпоративной архитектурой ИИ?",{"id":1526,"answer":1527,"question":1528},"faq5","Да, но не обязательно отдельное подразделение. Лёгкие инвентаризация, владение, разрешения, оценка и контроль изменений могут реализовать те же принципы.","Нужно ли малым компаниям управление ИИ?",{"id":1530,"answer":1531,"question":1532},"faq6","Как минимум: вариант использования, владельцев, модель\u002Fпоставщика\u002Fверсию, классы данных, пользователей, инструменты\u002Fдействия, разрешения, классификацию риска, статус оценки, состояние жизненного цикла и триггеры проверки.","Что должно содержать описание ИИ-систем?",{"id":1534,"answer":1535,"question":1536},"faq7","Нет. Риск зависит от контекста применения: данных, пользователей, инструментов, автономности, последствий и бизнес-процесса.","Означает ли использование одобренной модели, что вариант использования одобрен?",{"id":1538,"answer":1539,"question":1540},"faq8","Организация может восстановить соответствующее владение, одобренную конфигурацию, модель\u002Fпоставщика\u002Fверсию, контекст данных и разрешений, доказательства оценки, значимые действия и решения жизненного цикла.","Что делает систему ИИ проверяемой?",{"id":1542,"answer":1543,"question":1544},"faq9","Используйте интервалы проверки на основе риска плюс триггеры событий, такие как изменения модели\u002Fпоставщика, новые данные, новые инструменты, инциденты, существенное изменение производительности или обновления регулирования.","Как часто следует пересматривать решения по управлению ИИ?","Часто задаваемые вопросы об управлении ИИ",{},{"id":1548,"data":1549,"type":42,"tunes":1551},"h-glossary",{"text":1550,"level":247},"Глоссарий",{},{"id":1553,"data":1554,"type":1553,"tunes":1604},"glossary",{"title":1555,"entries":1556},"Ключевые термины управления ИИ",[1557,1560,1564,1568,1572,1576,1580,1584,1588,1592,1596,1600],{"term":381,"anchor":1558,"definition":1559},"ai-governance","Организационная система владения, прав принятия решений, мер контроля и доказательств, регулирующая жизненный цикл ИИ.",{"term":1561,"anchor":1562,"definition":1563},"Система менеджмента ИИ","ai-management-system","Взаимосвязанные организационные политики, цели и процессы для ответственной разработки, предоставления или использования ИИ; ISO\u002FIEC 42001 устанавливает требования к такой системе.",{"term":1565,"anchor":1566,"definition":1567},"Реестр ИИ","ai-inventory","Реестр систем ИИ, моделей, поставщиков, вариантов использования, владельцев, данных, классификаций риска и состояния жизненного цикла.",{"term":1569,"anchor":1570,"definition":1571},"Владелец риска","risk-owner","Назначенный полномочный орган, ответственный за решение о том, как обрабатывается определённый риск или принимается ли остаточный риск.",{"term":1573,"anchor":1574,"definition":1575},"Мера контроля","control","Техническая, организационная или процедурная мера, предназначенная для предотвращения, обнаружения, снижения или реагирования на риск.",{"term":1577,"anchor":1578,"definition":1579},"Контрольная точка управления","governance-gate","Точка принятия решения жизненного цикла, в которой требуются определённые доказательства и полномочия для продолжения.",{"term":1581,"anchor":1582,"definition":1583},"Остаточный риск","residual-risk","Риск, остающийся после применения мер контроля или снижения риска.",{"term":1585,"anchor":1586,"definition":1587},"Исключение","exception","Явное, ограниченное по области и обычно ограниченное по времени разрешение отклониться от обычного требования управления.",{"term":1589,"anchor":1590,"definition":1591},"Проверяемость","auditability","Способность восстановить соответствующие решения, конфигурации, доказательства, идентичности и события исполнения.",{"term":1593,"anchor":1594,"definition":1595},"Управление моделями","model-governance","Меры контроля и решения, охватывающие выбор модели, версионирование, оценку, разрешённое использование, изменение и вывод из эксплуатации.",{"term":1597,"anchor":1598,"definition":1599},"Управление поставщиками","provider-governance","Меры контроля, охватывающие зависимости от внешних или внутренних поставщиков ИИ, обработку данных, безопасность, контракты, жизненный цикл и выход.",{"term":1601,"anchor":1602,"definition":1603},"Человеческий надзор","human-oversight","Спроектированная возможность человеческой проверки или вмешательства в решения или действия ИИ в определённых точках.",{},{"id":1606,"data":1607,"type":42,"tunes":1609},"h-conclusion",{"text":1608,"level":247},"Заключение",{},{"id":1611,"data":1612,"type":218,"tunes":1614},"p-conclusion-1",{"text":1613},"Управление ИИ — это организационная плоскость управления вокруг ИИ. Оно даёт имена и доказательства решениям, которые иначе остаются скрытыми внутри кода, настроек поставщика, подсказок или неформального суждения команды.",{},{"id":1616,"data":1617,"type":218,"tunes":1619},"p-conclusion-2",{"text":1618},"Сильное управление связывает всю систему: бизнес-цель, модели, поставщиков, полномочия над данными, идентичность, разрешения, оценку, риск, соответствие требованиям, мониторинг, инциденты, изменения и вывод из эксплуатации.",{},{"id":1621,"data":1622,"type":218,"tunes":1624},"p-conclusion-3",{"text":1623},"Практическая цель — не максимальный процесс. Это минимальная структура управления, которая делает важные решения по ИИ подотчётными, основанными на доказательствах, обеспеченными принудительным исполнением, проверяемыми и поддающимися аудиту на протяжении всего жизненного цикла.",{},{"id":1626,"data":1627,"type":42,"tunes":1629},"h-sources",{"text":1628,"level":247},"Первоисточники и актуальные ссылки",{},{"id":1631,"data":1632,"type":218,"tunes":1634},"p-sources-note",{"text":1633},"Приведённые ниже источники обеспечивают актуальную внешнюю основу для управления ИИ, рисками и регулирования. Разделы проекта являются оригинальными доказательствами внедрения\u002Fпроекта и явно отличаются от формальных стандартов или сертифицированных систем управления.",{},{"id":1636,"data":1637,"type":1643,"tunes":1644},"src-nist-rmf",{"link":1638,"meta":1639},"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework",{"image":1640,"title":1641,"description":1642},{"url":355},"NIST — AI Risk Management Framework","Актуальный центр NIST по AI RMF 1.0, текущей редакции, профилю GenAI и связанным ресурсам по управлению рисками.","linkTool",{},{"id":1646,"data":1647,"type":1643,"tunes":1653},"src-nist-core",{"link":1648,"meta":1649},"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fairmf\u002F5-sec-core\u002F",{"image":1650,"title":1651,"description":1652},{"url":355},"NIST AIRC — AI RMF Core","Официальное ядро AI RMF, описывающее GOVERN, MAP, MEASURE и MANAGE, где GOVERN является сквозной функцией жизненного цикла.",{},{"id":1655,"data":1656,"type":1643,"tunes":1662},"src-nist-playbook",{"link":1657,"meta":1658},"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\u002Fnist-ai-rmf-playbook",{"image":1659,"title":1660,"description":1661},{"url":355},"NIST — AI RMF Playbook","Предлагаемые действия для операционализации надёжности и управления рисками на протяжении жизненного цикла ИИ.",{},{"id":1664,"data":1665,"type":1643,"tunes":1671},"src-nist-genai",{"link":1666,"meta":1667},"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence",{"image":1668,"title":1669,"description":1670},{"url":355},"NIST AI 600-1 — Generative AI Profile","Сопутствующий профиль NIST, применяющий концепции AI RMF к рискам генеративного ИИ и управлению жизненным циклом.",{},{"id":1673,"data":1674,"type":1643,"tunes":1680},"src-iso42001",{"link":1675,"meta":1676},"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F42001",{"image":1677,"title":1678,"description":1679},{"url":355},"ISO\u002FIEC 42001:2023 — AI management systems","Международный стандарт, устанавливающий требования к созданию, внедрению, поддержанию и постоянному улучшению системы управления ИИ.",{},{"id":1682,"data":1683,"type":1643,"tunes":1689},"src-iso23894",{"link":1684,"meta":1685},"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F77304.html",{"image":1686,"title":1687,"description":1688},{"url":355},"ISO\u002FIEC 23894:2023 — AI risk management","Международное руководство по интеграции управления рисками, специфичными для ИИ, в деятельность и функции организации.",{},{"id":1691,"data":1692,"type":1643,"tunes":1698},"src-eu-act",{"link":1693,"meta":1694},"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Fpolicies\u002Fregulatory-framework-ai",{"image":1695,"title":1696,"description":1697},{"url":355},"European Commission — AI Act","Актуальный обзор Комиссии по Закону ЕС об ИИ, графику применения и структуре внедрения.",{},{"id":1700,"data":1701,"type":1643,"tunes":1707},"src-eu-faq",{"link":1702,"meta":1703},"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffaqs\u002Fnavigating-ai-act",{"image":1704,"title":1705,"description":1706},{"url":355},"European Commission — Navigating the AI Act","Актуальный FAQ, охватывающий управление, правоприменение, внедрение и развивающийся график применения.",{},{"id":1709,"data":1710,"type":1643,"tunes":1716},"src-eu-gpai",{"link":1711,"meta":1712},"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffactpages\u002Fgeneral-purpose-ai-obligations-under-ai-act",{"image":1713,"title":1714,"description":1715},{"url":355},"European Commission — General-purpose AI obligations","Актуальный обзор обязательств по документации, авторским правам, обучающему контенту и системным рискам для поставщиков GPAI.",{},"2.31","Управление ИИ определяет, кто может утверждать, эксплуатировать, изменять и проводить аудит систем ИИ на уровне моделей, поставщиков, данных, разрешений, рисков, оценки и на протяжении всего жизненного цикла.","\u002Fuploads\u002F2026\u002F10\u002Fai-governance-models-data-permissions-risk-and-auditability-1791485901301-g60xyu.webp","ai-governance-models-data-permissions-risk-and-auditability-1791485901301-g60xyu","PUBLISHED","2026-10-08T14:56:00.000Z","2026-10-08T18:56:36.234Z","2026-10-08T19:08:41.676Z",{"en":1726,"de":1727,"sr":1728,"es":1729,"fr":1730,"it":1731,"ru":1732,"zh":1733},"\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fde\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fsr\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fes\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Ffr\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fit\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fru\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability","\u002Fzh\u002Fblog\u002Fai-governance-models-data-permissions-risk-and-auditability",[],{"id":1736,"login":1737,"email":1738,"displayName":1739},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[1741,3003],{"lang":1742,"title":1743,"content":1744,"contentJson":1745,"excerpt":3002},"en","AI Governance: Models, Data, Permissions, Risk and Auditability","{\"time\":1791485902655,\"blocks\":[{\"id\":\"intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI governance is the system of decision rights, responsibilities, controls and evidence used to decide how an organization may develop, acquire, deploy, operate, change and retire AI systems. It is broader than a policy document and narrower than enterprise architecture as a whole. Effective AI governance connects business ownership, model and provider choices, data authority, permissions, risk classification, evaluation, monitoring, incident handling, auditability and lifecycle decisions so that someone can answer not only “does the AI work?” but also “who approved it, under which conditions, with what evidence, and when must that decision be revisited?”\"},\"tunes\":{}},{\"id\":\"direct\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"Direct answer\",\"body\":\"\u003Cstrong>AI governance turns AI from an informal technical capability into an accountable organizational capability.\u003C\u002Fstrong>\u003Cbr>\u003Cbr>Architecture determines how the system is built. Engineering implements it. Risk management evaluates uncertainty and harm. Compliance addresses applicable obligations. Governance connects these activities through ownership, decision rights, required controls, evidence and lifecycle gates.\"},\"tunes\":{}},{\"id\":\"boundary\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"Governance is not a committee and not a PDF\",\"body\":\"A governance board can be one mechanism, and policies can document expectations, but governance only becomes operational when decisions change what systems are allowed to do: which models may be used, which data may enter them, which tools an agent may execute, which evaluations are required, who can approve exceptions, what must be logged and what triggers suspension or retirement.\"},\"tunes\":{}},{\"id\":\"current\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Current-source note — 8 October 2026\",\"body\":\"NIST AI RMF 1.0 remains the current published framework while NIST is revising it. Its core is organized around \u003Cstrong>GOVERN, MAP, MEASURE and MANAGE\u003C\u002Fstrong>, with GOVERN as a cross-cutting function. ISO\u002FIEC 42001:2023 remains the international AI management-system standard for establishing, operating and continually improving an AI management system. The EU AI Act is now generally applicable from 2 August 2026, while some obligations had earlier application dates and some high-risk requirements have later transition dates. Regulatory timelines should always be rechecked before making a concrete compliance decision.\"},\"tunes\":{}},{\"id\":\"toc\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"h-meaning\",\"type\":\"header\",\"data\":{\"text\":\"What AI governance really means\",\"level\":2},\"tunes\":{}},{\"id\":\"p-meaning-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI governance answers organizational questions that a model, SDK or architecture diagram cannot answer by itself. Who owns the business outcome? Who may approve a new provider? Which data classes are prohibited from external processing? What evidence is required before deployment? Which permissions may an agent receive? Who can accept residual risk? What happens when a model changes behavior after an upgrade?\"},\"tunes\":{}},{\"id\":\"p-meaning-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The purpose is not to prevent change. Good governance makes change legible: decisions have owners, evidence, conditions, exceptions, review dates and rollback or escalation paths.\"},\"tunes\":{}},{\"id\":\"p-meaning-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"This is why NIST places GOVERN across the entire AI risk-management lifecycle rather than treating governance as one final approval step. Governance establishes the culture, policies, accountability and organizational structures that make mapping, measuring and managing AI risk possible.\"},\"tunes\":{}},{\"id\":\"h-simple\",\"type\":\"header\",\"data\":{\"text\":\"The simplest example\",\"level\":2},\"tunes\":{}},{\"id\":\"p-simple-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A product team wants to add an external generative-AI provider to summarize internal customer-support tickets. Technically, the integration may require only an API call.\"},\"tunes\":{}},{\"id\":\"p-simple-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance asks a different set of questions: Are the ticket contents permitted to leave the organization's environment? Which provider and model version are approved? Is retention disabled? Which users may invoke the feature? How is output evaluated? Is human review required? What gets logged? Who owns incidents? What happens if the provider changes its terms or model behavior?\"},\"tunes\":{}},{\"id\":\"p-simple-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The governance result may still be “deploy it.” The difference is that deployment is now a traceable decision with explicit conditions instead of an unrecorded engineering choice.\"},\"tunes\":{}},{\"id\":\"simple-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"A basic governed AI decision\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. Register the use case\",\"description\":\"Record purpose, owner, users, data, model\u002Fprovider and intended outcome.\"},{\"label\":\"2. Classify risk and obligations\",\"description\":\"Determine business consequence, data sensitivity, autonomy, regulatory exposure and misuse potential.\"},{\"label\":\"3. Define required controls\",\"description\":\"Specify permissions, data handling, evaluations, human oversight, security, logging and provider constraints.\"},{\"label\":\"4. Collect evidence\",\"description\":\"Run tests, security\u002Fprivacy review, architecture review and relevant legal\u002Fcompliance checks.\"},{\"label\":\"5. Make a decision\",\"description\":\"Approve, approve with conditions, request changes, hold or reject.\"},{\"label\":\"6. Deploy under controlled configuration\",\"description\":\"Pin the approved model\u002Fprovider\u002Fruntime and enforce required boundaries.\"},{\"label\":\"7. Monitor and re-evaluate\",\"description\":\"Track incidents, quality, drift, provider changes, new risks and changed regulations.\"},{\"label\":\"8. Change, suspend or retire\",\"description\":\"Use evidence and ownership rules to decide the next lifecycle state.\"}]},\"tunes\":{}},{\"id\":\"h-stops\",\"type\":\"header\",\"data\":{\"text\":\"Where the simple example stops\",\"level\":2},\"tunes\":{}},{\"id\":\"p-stops-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Large organizations rarely govern one AI system in isolation. The same model may support dozens of products; one provider may process several data classes; an agent platform may expose shared tools to many teams.\"},\"tunes\":{}},{\"id\":\"p-stops-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance therefore needs portfolio-level structures as well as system-level controls: AI inventory, approved providers, model catalogs, shared evaluation baselines, security patterns, risk thresholds, exception registers and ownership mappings.\"},\"tunes\":{}},{\"id\":\"p-stops-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance also cannot be identical for every AI use. A public-content summarizer, an internal coding assistant, a hiring-support system and an agent that can initiate payments have materially different consequence and control profiles.\"},\"tunes\":{}},{\"id\":\"h-not\",\"type\":\"header\",\"data\":{\"text\":\"What AI governance is — and what it is not\",\"level\":2},\"tunes\":{}},{\"id\":\"not-comparison\",\"type\":\"comparison\",\"data\":{\"title\":\"AI governance compared with adjacent disciplines\",\"layout\":\"table\",\"columns\":[{\"id\":\"governance\",\"label\":\"AI governance\"},{\"id\":\"adjacent\",\"label\":\"Adjacent discipline\"}],\"rows\":[{\"id\":\"architecture\",\"label\":\"Enterprise \u002F solution architecture\",\"values\":[\"\",\"\"]},{\"id\":\"risk\",\"label\":\"AI risk management\",\"values\":[\"\",\"\"]},{\"id\":\"compliance\",\"label\":\"Compliance\",\"values\":[\"\",\"\"]},{\"id\":\"security\",\"label\":\"Security\",\"values\":[\"\",\"\"]},{\"id\":\"mlops\",\"label\":\"MLOps \u002F LLMOps\",\"values\":[\"\",\"\"]},{\"id\":\"ethics\",\"label\":\"AI ethics principles\",\"values\":[\"\",\"\"]}]},\"tunes\":{}},{\"id\":\"h-governance-compliance\",\"type\":\"header\",\"data\":{\"text\":\"Governance is broader than compliance\",\"level\":2},\"tunes\":{}},{\"id\":\"p-compliance-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Compliance is one input to governance, not the entire governance system. An AI use case can be legally permitted yet still violate company risk appetite, security policy, contractual obligations or product-quality requirements.\"},\"tunes\":{}},{\"id\":\"p-compliance-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The reverse also matters: internal approval does not override law. Governance should make applicable legal obligations visible inside the same decision path used for architecture, security and business risk.\"},\"tunes\":{}},{\"id\":\"p-compliance-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"ISO\u002FIEC 42001 explicitly frames an AI management system as a structured way to establish policies, objectives and processes for responsible AI. ISO also states that the standard does not replace laws or regulations; it provides a management framework that can support compliance.\"},\"tunes\":{}},{\"id\":\"h-frameworks\",\"type\":\"header\",\"data\":{\"text\":\"NIST AI RMF and ISO\u002FIEC 42001 solve different governance needs\",\"level\":2},\"tunes\":{}},{\"id\":\"framework-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Framework \u002F standard\",\"Primary role\",\"Useful governance value\"],[\"NIST AI RMF 1.0\",\"Voluntary AI risk-management framework\",\"Organizes outcomes around GOVERN, MAP, MEASURE and MANAGE across the lifecycle\"],[\"NIST AI 600-1\",\"Generative-AI profile for AI RMF\",\"Adds GenAI-specific risk considerations and actions\"],[\"ISO\u002FIEC 42001:2023\",\"AI management-system requirements\",\"Creates an organization-wide management system with policy, roles, processes and continual improvement\"],[\"ISO\u002FIEC 23894:2023\",\"AI risk-management guidance\",\"Guides integration of AI-specific risk management into organizational activities\"],[\"EU AI Act\",\"Binding regulation in the EU\",\"Creates legal obligations according to actor, AI category and use case\"]]},\"tunes\":{}},{\"id\":\"p-framework-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"These sources should not be collapsed into one checklist. NIST AI RMF is risk-management guidance. ISO\u002FIEC 42001 is a management-system standard. The EU AI Act is law. An organization can use them together, but their authority, scope and implementation purpose are different.\"},\"tunes\":{}},{\"id\":\"h-current-eu\",\"type\":\"header\",\"data\":{\"text\":\"Current EU AI Act timing matters\",\"level\":2},\"tunes\":{}},{\"id\":\"p-eu-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"As of 8 October 2026, the European Commission states that the AI Act became generally applicable on 2 August 2026. Prohibited-practice and AI-literacy provisions applied from 2 February 2025, while governance rules and obligations for general-purpose AI models applied from 2 August 2025.\"},\"tunes\":{}},{\"id\":\"p-eu-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Commission's current guidance also reflects later application dates for certain high-risk requirements. Exact dates and transition rules are a moving compliance input and should be verified against current Commission material before a deployment decision.\"},\"tunes\":{}},{\"id\":\"eu-boundary\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"Architecture article, not legal advice\",\"body\":\"The regulatory examples here explain why governance needs versioned legal\u002Fcompliance inputs. They do not determine whether a specific product is legally classified as prohibited, high-risk, GPAI, deployer, provider or another regulated actor.\"},\"tunes\":{}},{\"id\":\"h-inventory\",\"type\":\"header\",\"data\":{\"text\":\"AI governance starts with an inventory\",\"level\":2},\"tunes\":{}},{\"id\":\"p-inventory-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"An organization cannot govern AI systems it cannot identify. The inventory should cover more than custom-trained models. It may include external model APIs, embedded copilots, local models, AI-enabled SaaS features, agent runtimes, retrieval systems and automated decision components.\"},\"tunes\":{}},{\"id\":\"p-inventory-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A useful inventory connects the AI capability to its business owner, technical owner, use case, users, data classes, model\u002Fprovider, deployment environment, permissions, risk classification, evaluation status, applicable obligations and lifecycle state.\"},\"tunes\":{}},{\"id\":\"p-inventory-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The inventory is not only a spreadsheet for auditors. It is the index that lets the organization know what must be reviewed when a provider changes, a vulnerability appears, a regulation becomes applicable or a model is retired.\"},\"tunes\":{}},{\"id\":\"inventory-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Inventory field\",\"Why governance needs it\"],[\"Use case \u002F purpose\",\"Defines why AI exists and what success means\"],[\"Business owner\",\"Owns outcome and business risk\"],[\"Technical owner\",\"Owns architecture, implementation and operation\"],[\"Model + version\",\"Identifies the behavior-producing dependency\"],[\"Provider \u002F runtime\",\"Identifies contractual, hosting and operational dependency\"],[\"Data classes\",\"Determines privacy, confidentiality and Source-of-Truth constraints\"],[\"Users \u002F affected parties\",\"Determines exposure and human-impact context\"],[\"Tools \u002F actions\",\"Determines autonomy and side-effect risk\"],[\"Permissions \u002F identity\",\"Defines who or what may invoke the capability\"],[\"Risk classification\",\"Determines required controls and approval path\"],[\"Evaluation evidence\",\"Shows whether intended behavior was tested\"],[\"Lifecycle state\",\"Draft, review, approved, restricted, suspended or retired\"],[\"Review date \u002F triggers\",\"Defines when the governance decision must be revisited\"]]},\"tunes\":{}},{\"id\":\"h-ownership\",\"type\":\"header\",\"data\":{\"text\":\"Governance requires named ownership\",\"level\":2},\"tunes\":{}},{\"id\":\"p-own-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI failures often cross organizational boundaries. A model-quality problem may become a product failure, security issue, privacy incident or contractual breach. Governance needs named owners before the incident occurs.\"},\"tunes\":{}},{\"id\":\"p-own-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Ownership does not mean one person is responsible for everything. A strong model separates decision rights: business owner, product owner, technical owner, data owner, security\u002Fprivacy specialists, legal\u002Fcompliance actors and operational support.\"},\"tunes\":{}},{\"id\":\"p-own-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The critical property is that every required decision has an owner and every owner knows which evidence they are expected to review.\"},\"tunes\":{}},{\"id\":\"h-decision-rights\",\"type\":\"header\",\"data\":{\"text\":\"Decision rights should be explicit\",\"level\":2},\"tunes\":{}},{\"id\":\"decision-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Decision\",\"Typical accountable function\"],[\"May this AI use case exist?\",\"Business\u002Fproduct owner with governance\u002Frisk input\"],[\"May this data class be processed?\",\"Data owner + privacy\u002Fsecurity according to policy\"],[\"May this provider\u002Fmodel be used?\",\"Architecture\u002Fplatform + security\u002Fprocurement + governance\"],[\"May this agent execute this action?\",\"Application owner + authorization\u002Fbusiness-policy owner\"],[\"Is quality sufficient for deployment?\",\"Product\u002Ftechnical owner against defined acceptance criteria\"],[\"Can residual risk be accepted?\",\"Named risk owner at appropriate authority level\"],[\"Can an exception be granted?\",\"Explicit exception authority, time-bounded and documented\"],[\"Should the system be suspended?\",\"Operational\u002Fbusiness owner under incident or risk triggers\"],[\"Can a model upgrade go live?\",\"Change owner after regression\u002Fevaluation evidence\"]]},\"tunes\":{}},{\"id\":\"h-model\",\"type\":\"header\",\"data\":{\"text\":\"Model governance is more than choosing a model\",\"level\":2},\"tunes\":{}},{\"id\":\"p-model-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Model governance tracks which model is used, for what purpose, under which configuration and evidence. This applies to external APIs, locally hosted models, fine-tuned models and models embedded in third-party software.\"},\"tunes\":{}},{\"id\":\"p-model-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A model decision should consider capability, evaluation results, cost, latency, data handling, provider terms, lifecycle support, geographic\u002Fhosting constraints, security, fallback behavior and the consequences of version change.\"},\"tunes\":{}},{\"id\":\"p-model-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Model aliases such as “latest” can be operationally convenient but weaken reproducibility if behavior changes without a governed release process. Consequential systems benefit from explicit version tracking and regression evaluation.\"},\"tunes\":{}},{\"id\":\"h-provider\",\"type\":\"header\",\"data\":{\"text\":\"Provider governance is a separate dependency layer\",\"level\":2},\"tunes\":{}},{\"id\":\"p-provider-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Two systems using the same model family can have different governance risk if one runs locally and another sends data to an external provider. Provider governance covers contractual terms, processing location, retention, logging, sub-processors, availability, deprecation and exit strategy.\"},\"tunes\":{}},{\"id\":\"p-provider-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Provider abstraction can reduce technical lock-in, but it does not remove governance work. Swapping providers can change data flows, model behavior, security assumptions, cost and compliance obligations.\"},\"tunes\":{}},{\"id\":\"p-provider-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"An approved provider list should therefore not be interpreted as “every model and every data class from this provider is automatically approved.” Approval needs scope.\"},\"tunes\":{}},{\"id\":\"h-data\",\"type\":\"header\",\"data\":{\"text\":\"Data governance remains the Source-of-Truth layer\",\"level\":2},\"tunes\":{}},{\"id\":\"p-data-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI governance does not make the model the authority for organizational facts. Data governance still determines ownership, classification, retention, quality and permitted use of source data.\"},\"tunes\":{}},{\"id\":\"p-data-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"For RAG and agents, governance should identify which sources are authoritative, which are advisory, how provenance is preserved, which data may enter model context and which tenant\u002Fuser boundaries must be enforced.\"},\"tunes\":{}},{\"id\":\"p-data-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Generated outputs create new data-governance questions as well: whether prompts and responses are retained, who may access traces, whether generated summaries become records and how derived embeddings or indexes are deleted when source data is removed.\"},\"tunes\":{}},{\"id\":\"h-permissions\",\"type\":\"header\",\"data\":{\"text\":\"Permissions are governance decisions with runtime enforcement\",\"level\":2},\"tunes\":{}},{\"id\":\"p-perm-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Agentic AI makes permissions a first-class governance object. The organization needs to decide which tools, files, APIs, databases and side effects each agent or user may access.\"},\"tunes\":{}},{\"id\":\"p-perm-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance defines the policy and approval logic; the trusted runtime enforces it. Natural-language instructions such as “do not delete files” are not a substitute for filesystem, API or service authorization.\"},\"tunes\":{}},{\"id\":\"p-perm-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The same principle applies to tenant isolation: a role can authorize an operation while tenant scope constrains which customer's resources that operation may reach.\"},\"tunes\":{}},{\"id\":\"h-risk\",\"type\":\"header\",\"data\":{\"text\":\"Risk classification should change the control set\",\"level\":2},\"tunes\":{}},{\"id\":\"p-risk-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Not every AI system needs the same review depth. Governance becomes scalable when risk classification changes the evidence, approval and monitoring requirements.\"},\"tunes\":{}},{\"id\":\"risk-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Risk driver\",\"Lower-control example\",\"Higher-control example\"],[\"Business consequence\",\"Draft internal text\",\"Approve financial settlement\"],[\"Human impact\",\"Optional writing aid\",\"Employment or eligibility decision support\"],[\"Data sensitivity\",\"Public documentation\",\"Health, HR, financial or confidential data\"],[\"Autonomy\",\"Read-only recommendation\",\"Agent with write\u002Fpayment\u002Fdeployment tools\"],[\"Reversibility\",\"Easily regenerated summary\",\"Irreversible external transaction\"],[\"Exposure\",\"Small internal pilot\",\"Public\u002Fcustomer-facing system at scale\"],[\"Source authority\",\"Advisory content\",\"System relied on for regulated or contractual fact\"],[\"Failure detectability\",\"Obvious formatting defect\",\"Plausible but materially wrong recommendation\"]]},\"tunes\":{}},{\"id\":\"p-risk-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The classification method can be simple or sophisticated, but it should map to concrete consequences: more testing, narrower permissions, required human oversight, security review, executive risk acceptance or deployment prohibition.\"},\"tunes\":{}},{\"id\":\"h-map\",\"type\":\"header\",\"data\":{\"text\":\"Governance must preserve use-case context\",\"level\":2},\"tunes\":{}},{\"id\":\"p-map-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"NIST's MAP function emphasizes intended purpose, users, deployment context, assumptions, impacts and applicable laws or norms. This matters because the same model can be low risk in one use case and high consequence in another.\"},\"tunes\":{}},{\"id\":\"p-map-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance records should therefore classify the application, not only the model. “We use model X” is not enough to determine risk.\"},\"tunes\":{}},{\"id\":\"p-map-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The relevant governance object is the system\u002Fuse case: model + data + context + tools + users + deployment environment + business process.\"},\"tunes\":{}},{\"id\":\"h-evaluation\",\"type\":\"header\",\"data\":{\"text\":\"Evaluation is governance evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"p-eval-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"An AI governance process should not approve deployment based only on vendor benchmarks or a successful demo. The system needs evidence tied to its actual intended use.\"},\"tunes\":{}},{\"id\":\"p-eval-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Useful evidence can include task-success evaluation, retrieval quality, factual grounding, security tests, permission tests, adversarial scenarios, human-review studies, latency\u002Fcost, robustness and regression comparisons.\"},\"tunes\":{}},{\"id\":\"p-eval-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"NIST's MEASURE function makes this explicit: organizations should identify and apply appropriate methods and metrics for risks identified during mapping, while documenting risks that cannot or will not be measured.\"},\"tunes\":{}},{\"id\":\"eval-boundary\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"A governance gate should ask for evidence, not confidence\",\"body\":\"“The team thinks the model is good enough” is a weak approval artifact. “The system met defined acceptance criteria on representative tests, with these known limitations and residual risks” is governable.\"},\"tunes\":{}},{\"id\":\"h-gates\",\"type\":\"header\",\"data\":{\"text\":\"Governance gates should exist across the lifecycle\",\"level\":2},\"tunes\":{}},{\"id\":\"gate-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"Example lifecycle gates\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"Idea \u002F discovery gate\",\"description\":\"Confirm business purpose, owner and whether AI is an appropriate solution.\"},{\"label\":\"Architecture gate\",\"description\":\"Review model\u002Fprovider, data flow, identity, permissions, isolation and operational design.\"},{\"label\":\"Risk\u002Fcompliance gate\",\"description\":\"Classify risk and applicable obligations; define required controls.\"},{\"label\":\"Validation gate\",\"description\":\"Require evidence that functional, safety, security and quality criteria are met.\"},{\"label\":\"Deployment gate\",\"description\":\"Approve concrete configuration, version, environment and operational owner.\"},{\"label\":\"Change gate\",\"description\":\"Re-evaluate model\u002Fprovider\u002Ftool\u002Fdata changes according to materiality.\"},{\"label\":\"Incident gate\",\"description\":\"Pause, restrict or roll back when defined risk triggers occur.\"},{\"label\":\"Retirement gate\",\"description\":\"Remove access, data derivatives, credentials and obsolete dependencies cleanly.\"}]},\"tunes\":{}},{\"id\":\"h-change\",\"type\":\"header\",\"data\":{\"text\":\"Change management is central to AI governance\",\"level\":2},\"tunes\":{}},{\"id\":\"p-change-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI systems change even when application code does not. Providers update models, safety filters, context limits, pricing, policies and infrastructure. Retrieval corpora change. Agent tools gain permissions. Regulations and contracts evolve.\"},\"tunes\":{}},{\"id\":\"p-change-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance should therefore define material-change triggers. A minor prompt wording adjustment may need ordinary regression tests; replacing the model, enabling write tools or introducing sensitive data may require a new approval gate.\"},\"tunes\":{}},{\"id\":\"p-change-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The governance record should preserve which version was approved and what conditions made the approval valid.\"},\"tunes\":{}},{\"id\":\"h-exceptions\",\"type\":\"header\",\"data\":{\"text\":\"Exceptions need owners, expiry and compensating controls\",\"level\":2},\"tunes\":{}},{\"id\":\"p-exc-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Real organizations need exceptions. A team may need an unapproved model for a time-bounded experiment, or a legacy system may not yet meet a new logging requirement.\"},\"tunes\":{}},{\"id\":\"p-exc-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The dangerous pattern is a permanent undocumented exception. Governable exceptions specify owner, rationale, scope, residual risk, compensating control, expiration date and review condition.\"},\"tunes\":{}},{\"id\":\"p-exc-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Exception handling should be part of the normal governance system rather than an informal side channel.\"},\"tunes\":{}},{\"id\":\"h-audit\",\"type\":\"header\",\"data\":{\"text\":\"Auditability is the ability to reconstruct the decision and execution\",\"level\":2},\"tunes\":{}},{\"id\":\"p-audit-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI auditability is not merely storing model prompts. It means being able to reconstruct which system version was used, which data and permissions applied, who approved the configuration, what evaluations supported deployment and what happened during relevant execution.\"},\"tunes\":{}},{\"id\":\"p-audit-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"For an agent, this may require principal identity, tool calls, approvals, target resources, state changes and outcomes. For RAG, it may require corpus\u002Findex version, retrieval query, selected evidence and provenance. For a model change, it may require the previous and new evaluation results.\"},\"tunes\":{}},{\"id\":\"p-audit-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Audit evidence should be proportionate. Logging every possible token can create privacy and security risk of its own. Governance should define which evidence is necessary, how long it is retained and who may access it.\"},\"tunes\":{}},{\"id\":\"audit-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Audit object\",\"Useful evidence\"],[\"Governance decision\",\"Owner, date, decision, conditions, evidence, exceptions\"],[\"Model release\",\"Model\u002Fprovider\u002Fversion, configuration, regression results\"],[\"Data access\",\"Principal, tenant\u002Fscope, source class, policy decision\"],[\"Agent action\",\"Tool, arguments\u002Ftarget, approval, result, state change\"],[\"RAG answer\",\"Corpus\u002Findex version, retrieval set, selected evidence, citations\"],[\"Incident\",\"Trigger, affected systems, containment, decision owner, remediation\"],[\"Retirement\",\"Disabled endpoints, revoked credentials, deleted derived data, archive decision\"]]},\"tunes\":{}},{\"id\":\"h-observability\",\"type\":\"header\",\"data\":{\"text\":\"Monitoring closes the governance loop\",\"level\":2},\"tunes\":{}},{\"id\":\"p-monitor-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Approval is a snapshot. Production monitoring tells governance whether the assumptions behind approval still hold.\"},\"tunes\":{}},{\"id\":\"p-monitor-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Useful signals depend on the use case: quality regression, unsafe outputs, tool failures, policy denials, unusual cost, latency, user complaints, drift, retrieval freshness, provider incidents, security alerts or new regulatory classifications.\"},\"tunes\":{}},{\"id\":\"p-monitor-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance should define thresholds that cause action: investigate, restrict, require human review, roll back, switch provider, suspend or retire.\"},\"tunes\":{}},{\"id\":\"h-incidents\",\"type\":\"header\",\"data\":{\"text\":\"AI incidents need a defined operational path\",\"level\":2},\"tunes\":{}},{\"id\":\"p-inc-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI-specific incidents may involve harmful content, data leakage, unauthorized actions, persistent factual failure, model\u002Fprovider outage, prompt injection, cross-tenant retrieval or unexpected behavior after a model update.\"},\"tunes\":{}},{\"id\":\"p-inc-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The incident process should connect technical response with governance ownership. Someone must be authorized to disable a model, remove a tool, revoke credentials, restrict users, notify affected functions and decide whether the system may return to service.\"},\"tunes\":{}},{\"id\":\"p-inc-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The lessons from incidents should update policies, tests, risk classification and reusable platform controls rather than remain isolated in one team.\"},\"tunes\":{}},{\"id\":\"h-procurement\",\"type\":\"header\",\"data\":{\"text\":\"Procurement is part of AI governance\",\"level\":2},\"tunes\":{}},{\"id\":\"p-proc-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Organizations can acquire substantial AI capability through ordinary SaaS procurement. Governance should therefore cover purchased AI features as well as internally engineered systems.\"},\"tunes\":{}},{\"id\":\"p-proc-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Vendor review can include data use, retention, model training policy, sub-processors, security, incident notification, export\u002Fdeletion, geographic processing, version change, service continuity and contractual exit.\"},\"tunes\":{}},{\"id\":\"p-proc-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"A technical architecture review and procurement review should share the same system inventory so commercial approval does not drift away from the actual deployed data flow.\"},\"tunes\":{}},{\"id\":\"h-human\",\"type\":\"header\",\"data\":{\"text\":\"Human oversight should be designed, not merely declared\",\"level\":2},\"tunes\":{}},{\"id\":\"p-human-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"“Human in the loop” is meaningful only if the human has authority, time, information and a usable intervention mechanism.\"},\"tunes\":{}},{\"id\":\"p-human-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A reviewer who sees only the AI recommendation but not its evidence, uncertainty or source state may simply rubber-stamp the output. Governance should specify what the reviewer can inspect and what actions are available: approve, reject, edit, escalate or stop.\"},\"tunes\":{}},{\"id\":\"p-human-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Human oversight should also be risk-based. Low-consequence systems may use sampling or post-hoc review, while high-consequence side effects may require approval before execution.\"},\"tunes\":{}},{\"id\":\"h-platform\",\"type\":\"header\",\"data\":{\"text\":\"Platform governance and use-case governance are different\",\"level\":2},\"tunes\":{}},{\"id\":\"platform-comparison\",\"type\":\"comparison\",\"data\":{\"title\":\"Two governance levels\",\"layout\":\"table\",\"columns\":[{\"id\":\"platform\",\"label\":\"Shared AI platform\"},{\"id\":\"usecase\",\"label\":\"Individual AI use case\"}],\"rows\":[{\"id\":\"owner\",\"label\":\"Primary concern\",\"values\":[\"\",\"\"]},{\"id\":\"approval\",\"label\":\"Typical approval\",\"values\":[\"\",\"\"]},{\"id\":\"evidence\",\"label\":\"Evidence\",\"values\":[\"\",\"\"]},{\"id\":\"failure\",\"label\":\"Governance failure\",\"values\":[\"\",\"\"]}]},\"tunes\":{}},{\"id\":\"p-platform-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Platform approval should therefore reduce repeated work, not eliminate use-case accountability. “The model is approved” is different from “this application of the model is approved.”\"},\"tunes\":{}},{\"id\":\"h-architecture\",\"type\":\"header\",\"data\":{\"text\":\"AI governance and Enterprise AI Architecture\",\"level\":2},\"tunes\":{}},{\"id\":\"p-arch-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Enterprise AI Architecture describes how AI systems, platforms, data, identities, providers, operations and organizational systems fit together. AI governance describes the decision and control system that determines how those architectures may be created and changed.\"},\"tunes\":{}},{\"id\":\"p-arch-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The two are tightly coupled. Governance without architecture can become abstract policy. Architecture without governance can produce technically elegant systems with unclear ownership, uncontrolled provider adoption or unreviewed risk.\"},\"tunes\":{}},{\"id\":\"p-arch-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The strongest design is bidirectional: governance requirements become architecture controls, while architecture exposes the real decisions that governance must own.\"},\"tunes\":{}},{\"id\":\"h-implementation\",\"type\":\"header\",\"data\":{\"text\":\"Original project evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"h-enterprise\",\"type\":\"header\",\"data\":{\"text\":\"Enterprise Aaasaasa 0.1: governance as delivery structure\",\"level\":3},\"tunes\":{}},{\"id\":\"enterprise-note\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Project \u002F PoC evidence\",\"body\":\"Enterprise Aaasaasa 0.1 is project and training\u002FPoC evidence, not evidence of commercial enterprise adoption. It is useful here because its delivery structure explicitly connects architecture, milestones, risks, stakeholders, validation and project decisions.\"},\"tunes\":{}},{\"id\":\"p-ent-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Enterprise Aaasaasa 0.1 uses defined milestones for requirements, architecture, prototype, validation and project closure. That structure illustrates a core governance principle: lifecycle transitions should have explicit outputs and decision points instead of an informal “build first, review later” process.\"},\"tunes\":{}},{\"id\":\"p-ent-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The project also tracks risks such as scope creep, architecture delay and AI\u002FGDPR concerns and identifies stakeholder groups including sponsorship, steering, architecture, security, marketing, external APIs and hosting.\"},\"tunes\":{}},{\"id\":\"p-ent-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"This does not constitute an ISO\u002FIEC 42001 management system. It is narrower project evidence showing how ownership, risk, milestones and validation can be integrated into technical delivery.\"},\"tunes\":{}},{\"id\":\"h-senseflow\",\"type\":\"header\",\"data\":{\"text\":\"SenseFlow: requirements and decision traceability\",\"level\":3},\"tunes\":{}},{\"id\":\"p-sense-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"SenseFlow uses a structured path from product goal and user need through epics, user stories, acceptance criteria, architecture, implementation and validation. Decision records preserve the decision, rationale, alternatives, trade-offs, status and date\u002Fversion.\"},\"tunes\":{}},{\"id\":\"p-sense-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That traceability pattern is directly relevant to governance because an AI control should connect to the requirement or risk that justified it. A governance system becomes stronger when the chain from business need to architecture decision to validation evidence can be reconstructed.\"},\"tunes\":{}},{\"id\":\"h-client\",\"type\":\"header\",\"data\":{\"text\":\"Aaasaasa AI Client: permissions and runtime as governed configuration\",\"level\":3},\"tunes\":{}},{\"id\":\"p-client-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Aaasaasa AI Client separates provider, model, runtime location and permissions rather than treating them as one “AI setting.” Central workspace permission profiles govern tool access, Direct Chat has no filesystem\u002Fshell tools, and agent-capable runtimes operate under explicit permission profiles.\"},\"tunes\":{}},{\"id\":\"p-client-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That separation demonstrates an important governance pattern: model choice and action authority should be independent configuration objects. A stronger model does not automatically receive broader filesystem, shell or business permissions.\"},\"tunes\":{}},{\"id\":\"p-client-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The implementation evidence is architectural, not a claim that the application constitutes a certified organizational AI governance system.\"},\"tunes\":{}},{\"id\":\"impl-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Observed project pattern\",\"Governance lesson\"],[\"Milestone gates\",\"Lifecycle transitions can require explicit evidence\"],[\"Risk register\",\"Known uncertainties become managed objects rather than informal concerns\"],[\"Stakeholder mapping\",\"Decision responsibility can be distributed deliberately\"],[\"Acceptance criteria + validation\",\"Deployment decisions can depend on evidence\"],[\"Decision records\",\"Architecture trade-offs remain traceable\"],[\"Separate model\u002Fprovider\u002Fruntime\u002Fpermissions\",\"Capability and authority can be governed independently\"],[\"Explicit project maturity labels\",\"PoC evidence is not misrepresented as production or market proof\"]]},\"tunes\":{}},{\"id\":\"h-failures\",\"type\":\"header\",\"data\":{\"text\":\"Common AI governance failure modes\",\"level\":2},\"tunes\":{}},{\"id\":\"failures-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Failure mode\",\"What goes wrong\"],[\"Governance is only a policy PDF\",\"Teams cannot translate policy into runtime controls or deployment decisions\"],[\"No AI inventory\",\"The organization cannot identify where models, agents or embedded AI are used\"],[\"Model approval is treated as use-case approval\",\"An approved model is used for a materially different risk context\"],[\"No named business owner\",\"Technical teams inherit business-risk decisions by default\"],[\"Risk classification has no control consequence\",\"Every system receives the same review regardless of consequence\"],[\"Permissions live only in prompts\",\"Model instructions become a substitute for real authorization\"],[\"Provider change is invisible\",\"Behavior\u002Fdata\u002Fcompliance assumptions change without re-evaluation\"],[\"Demo success is approval evidence\",\"Production risk is inferred from a small happy-path test\"],[\"Human oversight is ceremonial\",\"Reviewer cannot inspect evidence or stop the action\"],[\"Exception has no expiry\",\"Temporary workaround becomes permanent governance debt\"],[\"Logs exist but cannot reconstruct decisions\",\"Auditability is confused with raw data retention\"],[\"Compliance owns governance alone\",\"Product, engineering, security and operations disengage from accountability\"],[\"Every decision goes to a central board\",\"Governance becomes a bottleneck instead of a scalable control system\"]]},\"tunes\":{}},{\"id\":\"h-federated\",\"type\":\"header\",\"data\":{\"text\":\"Central governance does not mean centralizing every decision\",\"level\":2},\"tunes\":{}},{\"id\":\"p-fed-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A mature organization can centralize policy, control patterns and escalation while delegating low-risk decisions to product or platform teams.\"},\"tunes\":{}},{\"id\":\"p-fed-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This federated model scales better than requiring a central committee to approve every prompt change. The central function defines risk tiers, mandatory controls, provider policy, exception authority and audit requirements; teams operate autonomously inside those boundaries.\"},\"tunes\":{}},{\"id\":\"p-fed-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The design objective is consistent accountability, not maximum centralization.\"},\"tunes\":{}},{\"id\":\"h-metrics\",\"type\":\"header\",\"data\":{\"text\":\"Govern the governance system itself\",\"level\":2},\"tunes\":{}},{\"id\":\"p-metric-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance needs feedback. Otherwise controls can become expensive rituals that do not reduce risk.\"},\"tunes\":{}},{\"id\":\"metrics-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Metric \u002F signal\",\"What it can reveal\"],[\"Inventory coverage\",\"Whether AI adoption is visible to governance\"],[\"Time to decision\",\"Whether governance blocks delivery unnecessarily\"],[\"Exception count and age\",\"Whether policies are realistic or routinely bypassed\"],[\"Evaluation failure rate\",\"Whether pre-deployment controls catch defects\"],[\"Post-deployment incident rate\",\"Whether approval evidence predicts production behavior\"],[\"Unauthorized-tool denial rate\",\"Whether permission boundaries are actively exercised\"],[\"Model\u002Fprovider change frequency\",\"How often approved assumptions may become stale\"],[\"Retired-but-active systems\",\"Lifecycle cleanup\u002Fcontrol failure\"],[\"Repeated incident patterns\",\"Whether lessons are becoming reusable platform controls\"]]},\"tunes\":{}},{\"id\":\"p-metric-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Governance metrics should not reward paperwork volume. The useful measure is whether decision quality, traceability, risk detection and safe delivery improve.\"},\"tunes\":{}},{\"id\":\"h-sequence\",\"type\":\"header\",\"data\":{\"text\":\"A practical AI governance implementation sequence\",\"level\":2},\"tunes\":{}},{\"id\":\"design-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"Build governance from visibility to control\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. Define governance scope\",\"description\":\"Decide which internally built, purchased, embedded and experimental AI systems are covered.\"},{\"label\":\"2. Create the AI inventory\",\"description\":\"Capture owners, use cases, models\u002Fproviders, data, tools, users, lifecycle state and risk class.\"},{\"label\":\"3. Define decision rights\",\"description\":\"Name who can approve providers, data use, risk acceptance, exceptions, deployment and retirement.\"},{\"label\":\"4. Establish risk tiers\",\"description\":\"Map consequence and exposure to different control requirements.\"},{\"label\":\"5. Define reusable minimum controls\",\"description\":\"Set baseline requirements for identity, permissions, data, security, evaluation, logging and human oversight.\"},{\"label\":\"6. Connect governance to architecture\",\"description\":\"Turn policy into platform\u002Fruntime controls that teams cannot accidentally bypass.\"},{\"label\":\"7. Build evidence-based gates\",\"description\":\"Require relevant evaluation, security, privacy, architecture and compliance evidence before lifecycle transitions.\"},{\"label\":\"8. Govern model\u002Fprovider change\",\"description\":\"Track versions, deprecations and material changes with regression evidence.\"},{\"label\":\"9. Add monitoring and incident triggers\",\"description\":\"Define which production signals force investigation, restriction or suspension.\"},{\"label\":\"10. Formalize exceptions\",\"description\":\"Require scope, owner, residual risk, compensating controls and expiry.\"},{\"label\":\"11. Audit decisions and execution\",\"description\":\"Retain proportionate evidence that links owners, configuration, permissions, evaluations and significant actions.\"},{\"label\":\"12. Improve the governance system\",\"description\":\"Use incidents, delays and repeated exceptions to revise controls and platform patterns.\"}]},\"tunes\":{}},{\"id\":\"h-checklist\",\"type\":\"header\",\"data\":{\"text\":\"AI governance checklist\",\"level\":2},\"tunes\":{}},{\"id\":\"checklist-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Question\",\"Expected governance evidence\"],[\"Why does this AI system exist?\",\"Purpose, business owner and intended outcome\"],[\"Who owns technical operation?\",\"Named technical\u002Fplatform owner\"],[\"Which model\u002Fprovider\u002Fversion is used?\",\"Registered and versioned dependency\"],[\"Which data may enter the system?\",\"Classification, authority and permitted-use decision\"],[\"Which identities may use it?\",\"Authentication and authorization model\"],[\"Which actions may it perform?\",\"Tool\u002Fpermission matrix and autonomy boundary\"],[\"What is the risk tier?\",\"Documented classification with rationale\"],[\"Which controls are mandatory?\",\"Risk-tier control baseline\"],[\"How was it evaluated?\",\"Representative tests and acceptance criteria\"],[\"Who accepted residual risk?\",\"Named accountable authority\"],[\"What requires human review?\",\"Explicit oversight\u002Fapproval rules\"],[\"What gets logged?\",\"Audit\u002Fobservability policy proportional to consequence\"],[\"What triggers re-review?\",\"Model\u002Fprovider\u002Fdata\u002Ftool\u002Fregulatory\u002Fmaterial-change events\"],[\"How can it be suspended?\",\"Operational kill\u002Frestriction path and owner\"],[\"How is it retired?\",\"Credential, data, derivative, endpoint and record cleanup\"]]},\"tunes\":{}},{\"id\":\"h-misconceptions\",\"type\":\"header\",\"data\":{\"text\":\"Common misconceptions\",\"level\":2},\"tunes\":{}},{\"id\":\"misconceptions-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Misconception\",\"Correction\"],[\"“AI governance is compliance.”\",\"Compliance is one governance input; governance also covers ownership, architecture, permissions, quality, risk and lifecycle decisions.\"],[\"“Governance means a review committee.”\",\"Committees can approve exceptions or high-risk systems, but many controls should be embedded in normal delivery and platform architecture.\"],[\"“An approved model is safe for every use.”\",\"Risk belongs to the use case and system context, not only the model.\"],[\"“A vendor handles governance for us.”\",\"A provider controls part of the stack; the organization still owns its use case, data, permissions and business consequences.\"],[\"“Human-in-the-loop automatically solves risk.”\",\"Oversight only works when reviewers have authority, context and intervention capability.\"],[\"“Logging everything gives auditability.”\",\"Auditability requires reconstructable relevant evidence with controlled retention and access.\"],[\"“Governance blocks innovation.”\",\"Poor governance can block delivery; well-designed governance creates reusable safe paths and clearer decision ownership.\"],[\"“Low-risk pilots need no governance.”\",\"They can use lightweight governance, but inventory, ownership and data\u002Ftool boundaries still matter.\"],[\"“Local AI needs less governance.”\",\"Local hosting can change privacy\u002Fprovider risk, but model quality, permissions, security and lifecycle governance remain.\"],[\"“Once approved, the system stays approved.”\",\"Model, provider, data, regulation and use can change; governance decisions need review triggers.\"]]},\"tunes\":{}},{\"id\":\"h-edge\",\"type\":\"header\",\"data\":{\"text\":\"Edge cases and limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"p-edge-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Very small organizations may not need a dedicated AI governance function. The same principles can be implemented through lightweight architecture decisions, risk registers, owner mappings and release gates.\"},\"tunes\":{}},{\"id\":\"p-edge-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Highly regulated organizations may need much more formal governance, independent assurance, documented conformity processes and legal interpretation than this architecture-level article describes.\"},\"tunes\":{}},{\"id\":\"p-edge-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Open-source and self-hosted models reduce some provider dependencies but create others: patching, model provenance, evaluation, infrastructure security, licensing and operational ownership.\"},\"tunes\":{}},{\"id\":\"p-edge-4\",\"type\":\"paragraph\",\"data\":{\"text\":\"General-purpose AI models can be used across many contexts. Governance should avoid assuming that provider-level model controls fully determine downstream application risk.\"},\"tunes\":{}},{\"id\":\"p-edge-5\",\"type\":\"paragraph\",\"data\":{\"text\":\"No governance framework guarantees that an AI system is safe or correct. Governance improves accountability and decision quality; technical validation, monitoring and human judgment remain necessary.\"},\"tunes\":{}},{\"id\":\"h-change-answer\",\"type\":\"header\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-change-answer-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The exact control set changes with law, industry, organization size, data sensitivity, autonomy, deployment model and business consequence.\"},\"tunes\":{}},{\"id\":\"p-change-answer-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"NIST is currently revising AI RMF 1.0, so future NIST terminology or recommended practices may change. ISO standards can also be revised, and EU AI Act guidance and transition details continue to evolve.\"},\"tunes\":{}},{\"id\":\"p-change-answer-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The stable architectural principle is that AI decisions need explicit owners, evidence, permissions, risk treatment and lifecycle review rather than being hidden inside model or application configuration.\"},\"tunes\":{}},{\"id\":\"h-related\",\"type\":\"header\",\"data\":{\"text\":\"Related canonical knowledge\",\"level\":2},\"tunes\":{}},{\"id\":\"p-related-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI governance depends on concepts already separated elsewhere in this knowledge graph: Source of Truth determines authority, RBAC and tenant isolation constrain access, context engineering controls model-visible information, and agentic architecture defines how tools and actions enter an execution loop.\"},\"tunes\":{}},{\"id\":\"p-related-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Enterprise AI Architecture is the parent organizational architecture concept. Governance is the operating control layer that determines how those enterprise AI components may be introduced, changed and retired.\"},\"tunes\":{}},{\"id\":\"p-related-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Agentic systems increase governance requirements because model decisions can become real side effects. Permission, approval and audit controls must therefore exist outside the model itself.\"},\"tunes\":{}},{\"id\":\"ref-agent-reliability\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-reliability-why-the-final-answer-is-not-enough\",\"title\":\"AI Agent Reliability: Why the Final Answer Is Not Enough\",\"excerpt\":\"Agent governance requires evidence about execution trajectories, tool use, state changes and recoverability — not only final output quality.\",\"ctaLabel\":\"Read the agent reliability article\"},\"tunes\":{}},{\"id\":\"ref-memory\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context\",\"title\":\"AI Agent Memory Is Not RAG: How to Separate Memory, Retrieval, State and Context\",\"excerpt\":\"Governance needs different policies for durable memory, authoritative state, retrieved information and temporary model context.\",\"ctaLabel\":\"Read the memory architecture article\"},\"tunes\":{}},{\"id\":\"ref-avb\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers\",\"title\":\"The Answer Validity Boundary: The Missing Layer Between Relevance and Reliable AI Answers\",\"excerpt\":\"Governance decisions should preserve the conditions under which evidence and approval remain valid, including version, scope, source and time.\",\"ctaLabel\":\"Read the Answer Validity Boundary\"},\"tunes\":{}},{\"id\":\"h-faq\",\"type\":\"header\",\"data\":{\"text\":\"Frequently asked questions\",\"level\":2},\"tunes\":{}},{\"id\":\"faq\",\"type\":\"faq\",\"data\":{\"title\":\"AI governance FAQ\",\"items\":[{\"id\":\"faq1\",\"question\":\"What is AI governance?\",\"answer\":\"AI governance is the system of ownership, decision rights, controls and evidence used to manage how AI systems are developed, acquired, deployed, operated, changed and retired.\"},{\"id\":\"faq2\",\"question\":\"Is AI governance the same as AI risk management?\",\"answer\":\"No. Risk management identifies, assesses and treats risk. Governance defines who must do that work, which decisions require it and what evidence or authority is required.\"},{\"id\":\"faq3\",\"question\":\"Is AI governance the same as compliance?\",\"answer\":\"No. Compliance concerns applicable legal, regulatory, contractual or internal obligations. Governance integrates compliance with architecture, security, data, quality, permissions and business ownership.\"},{\"id\":\"faq4\",\"question\":\"What is the difference between AI governance and Enterprise AI Architecture?\",\"answer\":\"Enterprise AI Architecture defines how AI capabilities and systems fit into the organization. AI governance defines the decision and control system governing how those components may be introduced, operated and changed.\"},{\"id\":\"faq5\",\"question\":\"Do small companies need AI governance?\",\"answer\":\"Yes, but not necessarily a dedicated department. Lightweight inventory, ownership, permissions, evaluation and change controls can implement the same principles.\"},{\"id\":\"faq6\",\"question\":\"What should an AI inventory contain?\",\"answer\":\"At minimum: use case, owners, model\u002Fprovider\u002Fversion, data classes, users, tools\u002Factions, permissions, risk classification, evaluation status, lifecycle state and review triggers.\"},{\"id\":\"faq7\",\"question\":\"Does using an approved model mean a use case is approved?\",\"answer\":\"No. Risk depends on the application context: data, users, tools, autonomy, consequences and business process.\"},{\"id\":\"faq8\",\"question\":\"What makes an AI system auditable?\",\"answer\":\"The organization can reconstruct relevant ownership, approved configuration, model\u002Fprovider\u002Fversion, data\u002Fpermission context, evaluation evidence, significant actions and lifecycle decisions.\"},{\"id\":\"faq9\",\"question\":\"How often should AI governance decisions be reviewed?\",\"answer\":\"Use risk-based review intervals plus event triggers such as model\u002Fprovider changes, new data, new tools, incidents, material performance change or regulatory updates.\"}]},\"tunes\":{}},{\"id\":\"h-glossary\",\"type\":\"header\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"tunes\":{}},{\"id\":\"glossary\",\"type\":\"glossary\",\"data\":{\"title\":\"Key AI governance terms\",\"entries\":[{\"term\":\"AI governance\",\"definition\":\"Organizational system of ownership, decision rights, controls and evidence governing the AI lifecycle.\",\"anchor\":\"ai-governance\"},{\"term\":\"AI management system\",\"definition\":\"Interrelated organizational policies, objectives and processes for responsible development, provision or use of AI; ISO\u002FIEC 42001 specifies requirements for such a system.\",\"anchor\":\"ai-management-system\"},{\"term\":\"AI inventory\",\"definition\":\"Registry of AI systems, models, providers, use cases, owners, data, risk classifications and lifecycle state.\",\"anchor\":\"ai-inventory\"},{\"term\":\"Risk owner\",\"definition\":\"Named authority accountable for deciding how a defined risk is treated or whether residual risk is accepted.\",\"anchor\":\"risk-owner\"},{\"term\":\"Control\",\"definition\":\"Technical, organizational or procedural measure intended to prevent, detect, reduce or respond to risk.\",\"anchor\":\"control\"},{\"term\":\"Governance gate\",\"definition\":\"Lifecycle decision point at which defined evidence and authority are required before proceeding.\",\"anchor\":\"governance-gate\"},{\"term\":\"Residual risk\",\"definition\":\"Risk that remains after controls or mitigation have been applied.\",\"anchor\":\"residual-risk\"},{\"term\":\"Exception\",\"definition\":\"Explicit, scoped and usually time-bounded authorization to deviate from a normal governance requirement.\",\"anchor\":\"exception\"},{\"term\":\"Auditability\",\"definition\":\"Ability to reconstruct relevant decisions, configurations, evidence, identities and execution events.\",\"anchor\":\"auditability\"},{\"term\":\"Model governance\",\"definition\":\"Controls and decisions covering model selection, versioning, evaluation, permitted use, change and retirement.\",\"anchor\":\"model-governance\"},{\"term\":\"Provider governance\",\"definition\":\"Controls covering external or internal AI provider dependencies, data handling, security, contracts, lifecycle and exit.\",\"anchor\":\"provider-governance\"},{\"term\":\"Human oversight\",\"definition\":\"Designed human review or intervention capability for AI decisions or actions at defined points.\",\"anchor\":\"human-oversight\"}]},\"tunes\":{}},{\"id\":\"h-conclusion\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"p-conclusion-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"AI governance is the organizational control plane around AI. It gives names and evidence to decisions that otherwise remain hidden inside code, provider settings, prompts or informal team judgment.\"},\"tunes\":{}},{\"id\":\"p-conclusion-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Strong governance connects the complete system: business purpose, models, providers, data authority, identity, permissions, evaluation, risk, compliance, monitoring, incidents, change and retirement.\"},\"tunes\":{}},{\"id\":\"p-conclusion-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The practical goal is not maximum process. It is the minimum governance structure that makes important AI decisions owned, evidence-based, enforceable, reviewable and auditable throughout the lifecycle.\"},\"tunes\":{}},{\"id\":\"h-sources\",\"type\":\"header\",\"data\":{\"text\":\"Primary sources and current references\",\"level\":2},\"tunes\":{}},{\"id\":\"p-sources-note\",\"type\":\"paragraph\",\"data\":{\"text\":\"The sources below provide current external grounding for AI management, risk and regulation. Project sections are original implementation\u002Fproject evidence and are explicitly distinguished from formal standards or certified governance systems.\"},\"tunes\":{}},{\"id\":\"src-nist-rmf\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST — AI Risk Management Framework\",\"description\":\"Current NIST hub for AI RMF 1.0, the ongoing revision, the GenAI Profile and related risk-management resources.\"}},\"tunes\":{}},{\"id\":\"src-nist-core\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fairmf\u002F5-sec-core\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AIRC — AI RMF Core\",\"description\":\"Official AI RMF Core describing GOVERN, MAP, MEASURE and MANAGE, with GOVERN as a cross-cutting lifecycle function.\"}},\"tunes\":{}},{\"id\":\"src-nist-playbook\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\u002Fnist-ai-rmf-playbook\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST — AI RMF Playbook\",\"description\":\"Suggested actions for operationalizing trustworthiness and risk management across the AI lifecycle.\"}},\"tunes\":{}},{\"id\":\"src-nist-genai\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI 600-1 — Generative AI Profile\",\"description\":\"NIST companion profile applying AI RMF concepts to generative-AI risks and lifecycle management.\"}},\"tunes\":{}},{\"id\":\"src-iso42001\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F42001\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"ISO\u002FIEC 42001:2023 — AI management systems\",\"description\":\"International standard specifying requirements for establishing, implementing, maintaining and continually improving an AI management system.\"}},\"tunes\":{}},{\"id\":\"src-iso23894\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F77304.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"ISO\u002FIEC 23894:2023 — AI risk management\",\"description\":\"International guidance for integrating AI-specific risk management into organizational activities and functions.\"}},\"tunes\":{}},{\"id\":\"src-eu-act\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Fpolicies\u002Fregulatory-framework-ai\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"European Commission — AI Act\",\"description\":\"Current Commission overview of the EU AI Act, application timeline and implementation framework.\"}},\"tunes\":{}},{\"id\":\"src-eu-faq\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffaqs\u002Fnavigating-ai-act\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"European Commission — Navigating the AI Act\",\"description\":\"Current FAQ covering governance, enforcement, implementation and the evolving application timeline.\"}},\"tunes\":{}},{\"id\":\"src-eu-gpai\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdigital-strategy.ec.europa.eu\u002Fen\u002Ffactpages\u002Fgeneral-purpose-ai-obligations-under-ai-act\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"European Commission — General-purpose AI obligations\",\"description\":\"Current overview of documentation, copyright, training-content and systemic-risk obligations for GPAI providers.\"}},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1746,"blocks":1747,"version":3001},1791485902655,[1748,1752,1757,1762,1767,1771,1775,1779,1783,1787,1791,1795,1799,1803,1832,1836,1840,1844,1848,1852,1879,1883,1887,1891,1895,1899,1922,1926,1930,1934,1938,1943,1947,1951,1955,1959,2005,2009,2013,2017,2021,2025,2059,2063,2067,2071,2075,2079,2083,2087,2091,2095,2099,2103,2107,2111,2115,2119,2123,2127,2131,2171,2175,2179,2183,2187,2191,2195,2199,2203,2207,2212,2216,2245,2249,2253,2257,2261,2265,2269,2273,2277,2281,2285,2289,2293,2321,2325,2329,2333,2337,2341,2345,2349,2353,2357,2361,2365,2369,2373,2377,2381,2385,2389,2411,2415,2419,2423,2427,2431,2435,2439,2444,2448,2452,2456,2460,2464,2468,2472,2476,2480,2484,2512,2516,2562,2566,2570,2574,2578,2582,2586,2620,2624,2628,2669,2673,2725,2729,2766,2770,2774,2778,2782,2786,2790,2794,2798,2802,2806,2810,2814,2818,2822,2829,2836,2843,2847,2879,2883,2923,2927,2931,2935,2939,2943,2947,2953,2959,2965,2971,2977,2983,2989,2995],{"id":215,"data":1749,"type":218,"tunes":1751},{"text":1750},"AI governance is the system of decision rights, responsibilities, controls and evidence used to decide how an organization may develop, acquire, deploy, operate, change and retire AI systems. It is broader than a policy document and narrower than enterprise architecture as a whole. Effective AI governance connects business ownership, model and provider choices, data authority, permissions, risk classification, evaluation, monitoring, incident handling, auditability and lifecycle decisions so that someone can answer not only “does the AI work?” but also “who approved it, under which conditions, with what evidence, and when must that decision be revisited?”",{},{"id":221,"data":1753,"type":226,"tunes":1756},{"body":1754,"title":1755,"variant":225},"\u003Cstrong>AI governance turns AI from an informal technical capability into an accountable organizational capability.\u003C\u002Fstrong>\u003Cbr>\u003Cbr>Architecture determines how the system is built. Engineering implements it. Risk management evaluates uncertainty and harm. Compliance addresses applicable obligations. Governance connects these activities through ownership, decision rights, required controls, evidence and lifecycle gates.","Direct answer",{},{"id":229,"data":1758,"type":226,"tunes":1761},{"body":1759,"title":1760,"variant":233},"A governance board can be one mechanism, and policies can document expectations, but governance only becomes operational when decisions change what systems are allowed to do: which models may be used, which data may enter them, which tools an agent may execute, which evaluations are required, who can approve exceptions, what must be logged and what triggers suspension or retirement.","Governance is not a committee and not a PDF",{},{"id":236,"data":1763,"type":226,"tunes":1766},{"body":1764,"title":1765,"variant":240},"NIST AI RMF 1.0 remains the current published framework while NIST is revising it. Its core is organized around \u003Cstrong>GOVERN, MAP, MEASURE and MANAGE\u003C\u002Fstrong>, with GOVERN as a cross-cutting function. ISO\u002FIEC 42001:2023 remains the international AI management-system standard for establishing, operating and continually improving an AI management system. The EU AI Act is now generally applicable from 2 August 2026, while some obligations had earlier application dates and some high-risk requirements have later transition dates. Regulatory timelines should always be rechecked before making a concrete compliance decision.","Current-source note — 8 October 2026",{},{"id":243,"data":1768,"type":248,"tunes":1770},{"title":1769,"maxLevel":246,"minLevel":247},"Contents",{},{"id":251,"data":1772,"type":42,"tunes":1774},{"text":1773,"level":247},"What AI governance really means",{},{"id":256,"data":1776,"type":218,"tunes":1778},{"text":1777},"AI governance answers organizational questions that a model, SDK or architecture diagram cannot answer by itself. Who owns the business outcome? Who may approve a new provider? Which data classes are prohibited from external processing? What evidence is required before deployment? Which permissions may an agent receive? Who can accept residual risk? What happens when a model changes behavior after an upgrade?",{},{"id":261,"data":1780,"type":218,"tunes":1782},{"text":1781},"The purpose is not to prevent change. Good governance makes change legible: decisions have owners, evidence, conditions, exceptions, review dates and rollback or escalation paths.",{},{"id":266,"data":1784,"type":218,"tunes":1786},{"text":1785},"This is why NIST places GOVERN across the entire AI risk-management lifecycle rather than treating governance as one final approval step. Governance establishes the culture, policies, accountability and organizational structures that make mapping, measuring and managing AI risk possible.",{},{"id":271,"data":1788,"type":42,"tunes":1790},{"text":1789,"level":247},"The simplest example",{},{"id":276,"data":1792,"type":218,"tunes":1794},{"text":1793},"A product team wants to add an external generative-AI provider to summarize internal customer-support tickets. Technically, the integration may require only an API call.",{},{"id":281,"data":1796,"type":218,"tunes":1798},{"text":1797},"Governance asks a different set of questions: Are the ticket contents permitted to leave the organization's environment? Which provider and model version are approved? Is retention disabled? Which users may invoke the feature? How is output evaluated? Is human review required? What gets logged? Who owns incidents? What happens if the provider changes its terms or model behavior?",{},{"id":286,"data":1800,"type":218,"tunes":1802},{"text":1801},"The governance result may still be “deploy it.” The difference is that deployment is now a traceable decision with explicit conditions instead of an unrecorded engineering choice.",{},{"id":291,"data":1804,"type":320,"tunes":1831},{"steps":1805,"title":1830,"orientation":319},[1806,1809,1812,1815,1818,1821,1824,1827],{"label":1807,"description":1808},"1. Register the use case","Record purpose, owner, users, data, model\u002Fprovider and intended outcome.",{"label":1810,"description":1811},"2. Classify risk and obligations","Determine business consequence, data sensitivity, autonomy, regulatory exposure and misuse potential.",{"label":1813,"description":1814},"3. Define required controls","Specify permissions, data handling, evaluations, human oversight, security, logging and provider constraints.",{"label":1816,"description":1817},"4. Collect evidence","Run tests, security\u002Fprivacy review, architecture review and relevant legal\u002Fcompliance checks.",{"label":1819,"description":1820},"5. Make a decision","Approve, approve with conditions, request changes, hold or reject.",{"label":1822,"description":1823},"6. Deploy under controlled configuration","Pin the approved model\u002Fprovider\u002Fruntime and enforce required boundaries.",{"label":1825,"description":1826},"7. Monitor and re-evaluate","Track incidents, quality, drift, provider changes, new risks and changed regulations.",{"label":1828,"description":1829},"8. Change, suspend or retire","Use evidence and ownership rules to decide the next lifecycle state.","A basic governed AI decision",{},{"id":323,"data":1833,"type":42,"tunes":1835},{"text":1834,"level":247},"Where the simple example stops",{},{"id":328,"data":1837,"type":218,"tunes":1839},{"text":1838},"Large organizations rarely govern one AI system in isolation. The same model may support dozens of products; one provider may process several data classes; an agent platform may expose shared tools to many teams.",{},{"id":333,"data":1841,"type":218,"tunes":1843},{"text":1842},"Governance therefore needs portfolio-level structures as well as system-level controls: AI inventory, approved providers, model catalogs, shared evaluation baselines, security patterns, risk thresholds, exception registers and ownership mappings.",{},{"id":338,"data":1845,"type":218,"tunes":1847},{"text":1846},"Governance also cannot be identical for every AI use. A public-content summarizer, an internal coding assistant, a hiring-support system and an agent that can initiate payments have materially different consequence and control profiles.",{},{"id":343,"data":1849,"type":42,"tunes":1851},{"text":1850,"level":247},"What AI governance is — and what it is not",{},{"id":348,"data":1853,"type":385,"tunes":1878},{"rows":1854,"title":1872,"layout":377,"columns":1873},[1855,1858,1861,1864,1867,1869],{"id":352,"label":1856,"values":1857},"Enterprise \u002F solution architecture",[355,355],{"id":357,"label":1859,"values":1860},"AI risk management",[355,355],{"id":361,"label":1862,"values":1863},"Compliance",[355,355],{"id":365,"label":1865,"values":1866},"Security",[355,355],{"id":369,"label":370,"values":1868},[355,355],{"id":373,"label":1870,"values":1871},"AI ethics principles",[355,355],"AI governance compared with adjacent disciplines",[1874,1876],{"id":380,"label":1875},"AI governance",{"id":383,"label":1877},"Adjacent discipline",{},{"id":388,"data":1880,"type":42,"tunes":1882},{"text":1881,"level":247},"Governance is broader than compliance",{},{"id":393,"data":1884,"type":218,"tunes":1886},{"text":1885},"Compliance is one input to governance, not the entire governance system. An AI use case can be legally permitted yet still violate company risk appetite, security policy, contractual obligations or product-quality requirements.",{},{"id":398,"data":1888,"type":218,"tunes":1890},{"text":1889},"The reverse also matters: internal approval does not override law. Governance should make applicable legal obligations visible inside the same decision path used for architecture, security and business risk.",{},{"id":403,"data":1892,"type":218,"tunes":1894},{"text":1893},"ISO\u002FIEC 42001 explicitly frames an AI management system as a structured way to establish policies, objectives and processes for responsible AI. ISO also states that the standard does not replace laws or regulations; it provides a management framework that can support compliance.",{},{"id":408,"data":1896,"type":42,"tunes":1898},{"text":1897,"level":247},"NIST AI RMF and ISO\u002FIEC 42001 solve different governance needs",{},{"id":413,"data":1900,"type":377,"tunes":1921},{"content":1901,"stretched":43,"withHeadings":14},[1902,1906,1909,1912,1915,1918],[1903,1904,1905],"Framework \u002F standard","Primary role","Useful governance value",[421,1907,1908],"Voluntary AI risk-management framework","Organizes outcomes around GOVERN, MAP, MEASURE and MANAGE across the lifecycle",[425,1910,1911],"Generative-AI profile for AI RMF","Adds GenAI-specific risk considerations and actions",[429,1913,1914],"AI management-system requirements","Creates an organization-wide management system with policy, roles, processes and continual improvement",[433,1916,1917],"AI risk-management guidance","Guides integration of AI-specific risk management into organizational activities",[437,1919,1920],"Binding regulation in the EU","Creates legal obligations according to actor, AI category and use case",{},{"id":442,"data":1923,"type":218,"tunes":1925},{"text":1924},"These sources should not be collapsed into one checklist. NIST AI RMF is risk-management guidance. ISO\u002FIEC 42001 is a management-system standard. The EU AI Act is law. An organization can use them together, but their authority, scope and implementation purpose are different.",{},{"id":447,"data":1927,"type":42,"tunes":1929},{"text":1928,"level":247},"Current EU AI Act timing matters",{},{"id":452,"data":1931,"type":218,"tunes":1933},{"text":1932},"As of 8 October 2026, the European Commission states that the AI Act became generally applicable on 2 August 2026. Prohibited-practice and AI-literacy provisions applied from 2 February 2025, while governance rules and obligations for general-purpose AI models applied from 2 August 2025.",{},{"id":457,"data":1935,"type":218,"tunes":1937},{"text":1936},"The Commission's current guidance also reflects later application dates for certain high-risk requirements. Exact dates and transition rules are a moving compliance input and should be verified against current Commission material before a deployment decision.",{},{"id":462,"data":1939,"type":226,"tunes":1942},{"body":1940,"title":1941,"variant":233},"The regulatory examples here explain why governance needs versioned legal\u002Fcompliance inputs. They do not determine whether a specific product is legally classified as prohibited, high-risk, GPAI, deployer, provider or another regulated actor.","Architecture article, not legal advice",{},{"id":468,"data":1944,"type":42,"tunes":1946},{"text":1945,"level":247},"AI governance starts with an inventory",{},{"id":473,"data":1948,"type":218,"tunes":1950},{"text":1949},"An organization cannot govern AI systems it cannot identify. The inventory should cover more than custom-trained models. It may include external model APIs, embedded copilots, local models, AI-enabled SaaS features, agent runtimes, retrieval systems and automated decision components.",{},{"id":478,"data":1952,"type":218,"tunes":1954},{"text":1953},"A useful inventory connects the AI capability to its business owner, technical owner, use case, users, data classes, model\u002Fprovider, deployment environment, permissions, risk classification, evaluation status, applicable obligations and lifecycle state.",{},{"id":483,"data":1956,"type":218,"tunes":1958},{"text":1957},"The inventory is not only a spreadsheet for auditors. It is the index that lets the organization know what must be reviewed when a provider changes, a vulnerability appears, a regulation becomes applicable or a model is retired.",{},{"id":488,"data":1960,"type":377,"tunes":2004},{"content":1961,"stretched":43,"withHeadings":14},[1962,1965,1968,1971,1974,1977,1980,1983,1986,1989,1992,1995,1998,2001],[1963,1964],"Inventory field","Why governance needs it",[1966,1967],"Use case \u002F purpose","Defines why AI exists and what success means",[1969,1970],"Business owner","Owns outcome and business risk",[1972,1973],"Technical owner","Owns architecture, implementation and operation",[1975,1976],"Model + version","Identifies the behavior-producing dependency",[1978,1979],"Provider \u002F runtime","Identifies contractual, hosting and operational dependency",[1981,1982],"Data classes","Determines privacy, confidentiality and Source-of-Truth constraints",[1984,1985],"Users \u002F affected parties","Determines exposure and human-impact context",[1987,1988],"Tools \u002F actions","Determines autonomy and side-effect risk",[1990,1991],"Permissions \u002F identity","Defines who or what may invoke the capability",[1993,1994],"Risk classification","Determines required controls and approval path",[1996,1997],"Evaluation evidence","Shows whether intended behavior was tested",[1999,2000],"Lifecycle state","Draft, review, approved, restricted, suspended or retired",[2002,2003],"Review date \u002F triggers","Defines when the governance decision must be revisited",{},{"id":535,"data":2006,"type":42,"tunes":2008},{"text":2007,"level":247},"Governance requires named ownership",{},{"id":540,"data":2010,"type":218,"tunes":2012},{"text":2011},"AI failures often cross organizational boundaries. A model-quality problem may become a product failure, security issue, privacy incident or contractual breach. Governance needs named owners before the incident occurs.",{},{"id":545,"data":2014,"type":218,"tunes":2016},{"text":2015},"Ownership does not mean one person is responsible for everything. A strong model separates decision rights: business owner, product owner, technical owner, data owner, security\u002Fprivacy specialists, legal\u002Fcompliance actors and operational support.",{},{"id":550,"data":2018,"type":218,"tunes":2020},{"text":2019},"The critical property is that every required decision has an owner and every owner knows which evidence they are expected to review.",{},{"id":555,"data":2022,"type":42,"tunes":2024},{"text":2023,"level":247},"Decision rights should be explicit",{},{"id":560,"data":2026,"type":377,"tunes":2058},{"content":2027,"stretched":43,"withHeadings":14},[2028,2031,2034,2037,2040,2043,2046,2049,2052,2055],[2029,2030],"Decision","Typical accountable function",[2032,2033],"May this AI use case exist?","Business\u002Fproduct owner with governance\u002Frisk input",[2035,2036],"May this data class be processed?","Data owner + privacy\u002Fsecurity according to policy",[2038,2039],"May this provider\u002Fmodel be used?","Architecture\u002Fplatform + security\u002Fprocurement + governance",[2041,2042],"May this agent execute this action?","Application owner + authorization\u002Fbusiness-policy owner",[2044,2045],"Is quality sufficient for deployment?","Product\u002Ftechnical owner against defined acceptance criteria",[2047,2048],"Can residual risk be accepted?","Named risk owner at appropriate authority level",[2050,2051],"Can an exception be granted?","Explicit exception authority, time-bounded and documented",[2053,2054],"Should the system be suspended?","Operational\u002Fbusiness owner under incident or risk triggers",[2056,2057],"Can a model upgrade go live?","Change owner after regression\u002Fevaluation evidence",{},{"id":595,"data":2060,"type":42,"tunes":2062},{"text":2061,"level":247},"Model governance is more than choosing a model",{},{"id":600,"data":2064,"type":218,"tunes":2066},{"text":2065},"Model governance tracks which model is used, for what purpose, under which configuration and evidence. This applies to external APIs, locally hosted models, fine-tuned models and models embedded in third-party software.",{},{"id":605,"data":2068,"type":218,"tunes":2070},{"text":2069},"A model decision should consider capability, evaluation results, cost, latency, data handling, provider terms, lifecycle support, geographic\u002Fhosting constraints, security, fallback behavior and the consequences of version change.",{},{"id":610,"data":2072,"type":218,"tunes":2074},{"text":2073},"Model aliases such as “latest” can be operationally convenient but weaken reproducibility if behavior changes without a governed release process. Consequential systems benefit from explicit version tracking and regression evaluation.",{},{"id":615,"data":2076,"type":42,"tunes":2078},{"text":2077,"level":247},"Provider governance is a separate dependency layer",{},{"id":620,"data":2080,"type":218,"tunes":2082},{"text":2081},"Two systems using the same model family can have different governance risk if one runs locally and another sends data to an external provider. Provider governance covers contractual terms, processing location, retention, logging, sub-processors, availability, deprecation and exit strategy.",{},{"id":625,"data":2084,"type":218,"tunes":2086},{"text":2085},"Provider abstraction can reduce technical lock-in, but it does not remove governance work. Swapping providers can change data flows, model behavior, security assumptions, cost and compliance obligations.",{},{"id":630,"data":2088,"type":218,"tunes":2090},{"text":2089},"An approved provider list should therefore not be interpreted as “every model and every data class from this provider is automatically approved.” Approval needs scope.",{},{"id":635,"data":2092,"type":42,"tunes":2094},{"text":2093,"level":247},"Data governance remains the Source-of-Truth layer",{},{"id":640,"data":2096,"type":218,"tunes":2098},{"text":2097},"AI governance does not make the model the authority for organizational facts. Data governance still determines ownership, classification, retention, quality and permitted use of source data.",{},{"id":645,"data":2100,"type":218,"tunes":2102},{"text":2101},"For RAG and agents, governance should identify which sources are authoritative, which are advisory, how provenance is preserved, which data may enter model context and which tenant\u002Fuser boundaries must be enforced.",{},{"id":650,"data":2104,"type":218,"tunes":2106},{"text":2105},"Generated outputs create new data-governance questions as well: whether prompts and responses are retained, who may access traces, whether generated summaries become records and how derived embeddings or indexes are deleted when source data is removed.",{},{"id":655,"data":2108,"type":42,"tunes":2110},{"text":2109,"level":247},"Permissions are governance decisions with runtime enforcement",{},{"id":660,"data":2112,"type":218,"tunes":2114},{"text":2113},"Agentic AI makes permissions a first-class governance object. The organization needs to decide which tools, files, APIs, databases and side effects each agent or user may access.",{},{"id":665,"data":2116,"type":218,"tunes":2118},{"text":2117},"Governance defines the policy and approval logic; the trusted runtime enforces it. Natural-language instructions such as “do not delete files” are not a substitute for filesystem, API or service authorization.",{},{"id":670,"data":2120,"type":218,"tunes":2122},{"text":2121},"The same principle applies to tenant isolation: a role can authorize an operation while tenant scope constrains which customer's resources that operation may reach.",{},{"id":675,"data":2124,"type":42,"tunes":2126},{"text":2125,"level":247},"Risk classification should change the control set",{},{"id":680,"data":2128,"type":218,"tunes":2130},{"text":2129},"Not every AI system needs the same review depth. Governance becomes scalable when risk classification changes the evidence, approval and monitoring requirements.",{},{"id":685,"data":2132,"type":377,"tunes":2170},{"content":2133,"stretched":43,"withHeadings":14},[2134,2138,2142,2146,2150,2154,2158,2162,2166],[2135,2136,2137],"Risk driver","Lower-control example","Higher-control example",[2139,2140,2141],"Business consequence","Draft internal text","Approve financial settlement",[2143,2144,2145],"Human impact","Optional writing aid","Employment or eligibility decision support",[2147,2148,2149],"Data sensitivity","Public documentation","Health, HR, financial or confidential data",[2151,2152,2153],"Autonomy","Read-only recommendation","Agent with write\u002Fpayment\u002Fdeployment tools",[2155,2156,2157],"Reversibility","Easily regenerated summary","Irreversible external transaction",[2159,2160,2161],"Exposure","Small internal pilot","Public\u002Fcustomer-facing system at scale",[2163,2164,2165],"Source authority","Advisory content","System relied on for regulated or contractual fact",[2167,2168,2169],"Failure detectability","Obvious formatting defect","Plausible but materially wrong recommendation",{},{"id":726,"data":2172,"type":218,"tunes":2174},{"text":2173},"The classification method can be simple or sophisticated, but it should map to concrete consequences: more testing, narrower permissions, required human oversight, security review, executive risk acceptance or deployment prohibition.",{},{"id":731,"data":2176,"type":42,"tunes":2178},{"text":2177,"level":247},"Governance must preserve use-case context",{},{"id":736,"data":2180,"type":218,"tunes":2182},{"text":2181},"NIST's MAP function emphasizes intended purpose, users, deployment context, assumptions, impacts and applicable laws or norms. This matters because the same model can be low risk in one use case and high consequence in another.",{},{"id":741,"data":2184,"type":218,"tunes":2186},{"text":2185},"Governance records should therefore classify the application, not only the model. “We use model X” is not enough to determine risk.",{},{"id":746,"data":2188,"type":218,"tunes":2190},{"text":2189},"The relevant governance object is the system\u002Fuse case: model + data + context + tools + users + deployment environment + business process.",{},{"id":751,"data":2192,"type":42,"tunes":2194},{"text":2193,"level":247},"Evaluation is governance evidence",{},{"id":756,"data":2196,"type":218,"tunes":2198},{"text":2197},"An AI governance process should not approve deployment based only on vendor benchmarks or a successful demo. The system needs evidence tied to its actual intended use.",{},{"id":761,"data":2200,"type":218,"tunes":2202},{"text":2201},"Useful evidence can include task-success evaluation, retrieval quality, factual grounding, security tests, permission tests, adversarial scenarios, human-review studies, latency\u002Fcost, robustness and regression comparisons.",{},{"id":766,"data":2204,"type":218,"tunes":2206},{"text":2205},"NIST's MEASURE function makes this explicit: organizations should identify and apply appropriate methods and metrics for risks identified during mapping, while documenting risks that cannot or will not be measured.",{},{"id":771,"data":2208,"type":226,"tunes":2211},{"body":2209,"title":2210,"variant":775},"“The team thinks the model is good enough” is a weak approval artifact. “The system met defined acceptance criteria on representative tests, with these known limitations and residual risks” is governable.","A governance gate should ask for evidence, not confidence",{},{"id":778,"data":2213,"type":42,"tunes":2215},{"text":2214,"level":247},"Governance gates should exist across the lifecycle",{},{"id":783,"data":2217,"type":320,"tunes":2244},{"steps":2218,"title":2243,"orientation":319},[2219,2222,2225,2228,2231,2234,2237,2240],{"label":2220,"description":2221},"Idea \u002F discovery gate","Confirm business purpose, owner and whether AI is an appropriate solution.",{"label":2223,"description":2224},"Architecture gate","Review model\u002Fprovider, data flow, identity, permissions, isolation and operational design.",{"label":2226,"description":2227},"Risk\u002Fcompliance gate","Classify risk and applicable obligations; define required controls.",{"label":2229,"description":2230},"Validation gate","Require evidence that functional, safety, security and quality criteria are met.",{"label":2232,"description":2233},"Deployment gate","Approve concrete configuration, version, environment and operational owner.",{"label":2235,"description":2236},"Change gate","Re-evaluate model\u002Fprovider\u002Ftool\u002Fdata changes according to materiality.",{"label":2238,"description":2239},"Incident gate","Pause, restrict or roll back when defined risk triggers occur.",{"label":2241,"description":2242},"Retirement gate","Remove access, data derivatives, credentials and obsolete dependencies cleanly.","Example lifecycle gates",{},{"id":813,"data":2246,"type":42,"tunes":2248},{"text":2247,"level":247},"Change management is central to AI governance",{},{"id":818,"data":2250,"type":218,"tunes":2252},{"text":2251},"AI systems change even when application code does not. Providers update models, safety filters, context limits, pricing, policies and infrastructure. Retrieval corpora change. Agent tools gain permissions. Regulations and contracts evolve.",{},{"id":823,"data":2254,"type":218,"tunes":2256},{"text":2255},"Governance should therefore define material-change triggers. A minor prompt wording adjustment may need ordinary regression tests; replacing the model, enabling write tools or introducing sensitive data may require a new approval gate.",{},{"id":828,"data":2258,"type":218,"tunes":2260},{"text":2259},"The governance record should preserve which version was approved and what conditions made the approval valid.",{},{"id":833,"data":2262,"type":42,"tunes":2264},{"text":2263,"level":247},"Exceptions need owners, expiry and compensating controls",{},{"id":838,"data":2266,"type":218,"tunes":2268},{"text":2267},"Real organizations need exceptions. A team may need an unapproved model for a time-bounded experiment, or a legacy system may not yet meet a new logging requirement.",{},{"id":843,"data":2270,"type":218,"tunes":2272},{"text":2271},"The dangerous pattern is a permanent undocumented exception. Governable exceptions specify owner, rationale, scope, residual risk, compensating control, expiration date and review condition.",{},{"id":848,"data":2274,"type":218,"tunes":2276},{"text":2275},"Exception handling should be part of the normal governance system rather than an informal side channel.",{},{"id":853,"data":2278,"type":42,"tunes":2280},{"text":2279,"level":247},"Auditability is the ability to reconstruct the decision and execution",{},{"id":858,"data":2282,"type":218,"tunes":2284},{"text":2283},"AI auditability is not merely storing model prompts. It means being able to reconstruct which system version was used, which data and permissions applied, who approved the configuration, what evaluations supported deployment and what happened during relevant execution.",{},{"id":863,"data":2286,"type":218,"tunes":2288},{"text":2287},"For an agent, this may require principal identity, tool calls, approvals, target resources, state changes and outcomes. For RAG, it may require corpus\u002Findex version, retrieval query, selected evidence and provenance. For a model change, it may require the previous and new evaluation results.",{},{"id":868,"data":2290,"type":218,"tunes":2292},{"text":2291},"Audit evidence should be proportionate. Logging every possible token can create privacy and security risk of its own. Governance should define which evidence is necessary, how long it is retained and who may access it.",{},{"id":873,"data":2294,"type":377,"tunes":2320},{"content":2295,"stretched":43,"withHeadings":14},[2296,2299,2302,2305,2308,2311,2314,2317],[2297,2298],"Audit object","Useful evidence",[2300,2301],"Governance decision","Owner, date, decision, conditions, evidence, exceptions",[2303,2304],"Model release","Model\u002Fprovider\u002Fversion, configuration, regression results",[2306,2307],"Data access","Principal, tenant\u002Fscope, source class, policy decision",[2309,2310],"Agent action","Tool, arguments\u002Ftarget, approval, result, state change",[2312,2313],"RAG answer","Corpus\u002Findex version, retrieval set, selected evidence, citations",[2315,2316],"Incident","Trigger, affected systems, containment, decision owner, remediation",[2318,2319],"Retirement","Disabled endpoints, revoked credentials, deleted derived data, archive decision",{},{"id":902,"data":2322,"type":42,"tunes":2324},{"text":2323,"level":247},"Monitoring closes the governance loop",{},{"id":907,"data":2326,"type":218,"tunes":2328},{"text":2327},"Approval is a snapshot. Production monitoring tells governance whether the assumptions behind approval still hold.",{},{"id":912,"data":2330,"type":218,"tunes":2332},{"text":2331},"Useful signals depend on the use case: quality regression, unsafe outputs, tool failures, policy denials, unusual cost, latency, user complaints, drift, retrieval freshness, provider incidents, security alerts or new regulatory classifications.",{},{"id":917,"data":2334,"type":218,"tunes":2336},{"text":2335},"Governance should define thresholds that cause action: investigate, restrict, require human review, roll back, switch provider, suspend or retire.",{},{"id":922,"data":2338,"type":42,"tunes":2340},{"text":2339,"level":247},"AI incidents need a defined operational path",{},{"id":927,"data":2342,"type":218,"tunes":2344},{"text":2343},"AI-specific incidents may involve harmful content, data leakage, unauthorized actions, persistent factual failure, model\u002Fprovider outage, prompt injection, cross-tenant retrieval or unexpected behavior after a model update.",{},{"id":932,"data":2346,"type":218,"tunes":2348},{"text":2347},"The incident process should connect technical response with governance ownership. Someone must be authorized to disable a model, remove a tool, revoke credentials, restrict users, notify affected functions and decide whether the system may return to service.",{},{"id":937,"data":2350,"type":218,"tunes":2352},{"text":2351},"The lessons from incidents should update policies, tests, risk classification and reusable platform controls rather than remain isolated in one team.",{},{"id":942,"data":2354,"type":42,"tunes":2356},{"text":2355,"level":247},"Procurement is part of AI governance",{},{"id":947,"data":2358,"type":218,"tunes":2360},{"text":2359},"Organizations can acquire substantial AI capability through ordinary SaaS procurement. Governance should therefore cover purchased AI features as well as internally engineered systems.",{},{"id":952,"data":2362,"type":218,"tunes":2364},{"text":2363},"Vendor review can include data use, retention, model training policy, sub-processors, security, incident notification, export\u002Fdeletion, geographic processing, version change, service continuity and contractual exit.",{},{"id":957,"data":2366,"type":218,"tunes":2368},{"text":2367},"A technical architecture review and procurement review should share the same system inventory so commercial approval does not drift away from the actual deployed data flow.",{},{"id":962,"data":2370,"type":42,"tunes":2372},{"text":2371,"level":247},"Human oversight should be designed, not merely declared",{},{"id":967,"data":2374,"type":218,"tunes":2376},{"text":2375},"“Human in the loop” is meaningful only if the human has authority, time, information and a usable intervention mechanism.",{},{"id":972,"data":2378,"type":218,"tunes":2380},{"text":2379},"A reviewer who sees only the AI recommendation but not its evidence, uncertainty or source state may simply rubber-stamp the output. Governance should specify what the reviewer can inspect and what actions are available: approve, reject, edit, escalate or stop.",{},{"id":977,"data":2382,"type":218,"tunes":2384},{"text":2383},"Human oversight should also be risk-based. Low-consequence systems may use sampling or post-hoc review, while high-consequence side effects may require approval before execution.",{},{"id":982,"data":2386,"type":42,"tunes":2388},{"text":2387,"level":247},"Platform governance and use-case governance are different",{},{"id":987,"data":2390,"type":385,"tunes":2410},{"rows":2391,"title":2404,"layout":377,"columns":2405},[2392,2395,2398,2401],{"id":991,"label":2393,"values":2394},"Primary concern",[355,355],{"id":995,"label":2396,"values":2397},"Typical approval",[355,355],{"id":999,"label":2399,"values":2400},"Evidence",[355,355],{"id":1003,"label":2402,"values":2403},"Governance failure",[355,355],"Two governance levels",[2406,2408],{"id":1009,"label":2407},"Shared AI platform",{"id":1012,"label":2409},"Individual AI use case",{},{"id":1016,"data":2412,"type":218,"tunes":2414},{"text":2413},"Platform approval should therefore reduce repeated work, not eliminate use-case accountability. “The model is approved” is different from “this application of the model is approved.”",{},{"id":1021,"data":2416,"type":42,"tunes":2418},{"text":2417,"level":247},"AI governance and Enterprise AI Architecture",{},{"id":1026,"data":2420,"type":218,"tunes":2422},{"text":2421},"Enterprise AI Architecture describes how AI systems, platforms, data, identities, providers, operations and organizational systems fit together. AI governance describes the decision and control system that determines how those architectures may be created and changed.",{},{"id":1031,"data":2424,"type":218,"tunes":2426},{"text":2425},"The two are tightly coupled. Governance without architecture can become abstract policy. Architecture without governance can produce technically elegant systems with unclear ownership, uncontrolled provider adoption or unreviewed risk.",{},{"id":1036,"data":2428,"type":218,"tunes":2430},{"text":2429},"The strongest design is bidirectional: governance requirements become architecture controls, while architecture exposes the real decisions that governance must own.",{},{"id":1041,"data":2432,"type":42,"tunes":2434},{"text":2433,"level":247},"Original project evidence",{},{"id":1046,"data":2436,"type":42,"tunes":2438},{"text":2437,"level":246},"Enterprise Aaasaasa 0.1: governance as delivery structure",{},{"id":1051,"data":2440,"type":226,"tunes":2443},{"body":2441,"title":2442,"variant":240},"Enterprise Aaasaasa 0.1 is project and training\u002FPoC evidence, not evidence of commercial enterprise adoption. It is useful here because its delivery structure explicitly connects architecture, milestones, risks, stakeholders, validation and project decisions.","Project \u002F PoC evidence",{},{"id":1057,"data":2445,"type":218,"tunes":2447},{"text":2446},"Enterprise Aaasaasa 0.1 uses defined milestones for requirements, architecture, prototype, validation and project closure. That structure illustrates a core governance principle: lifecycle transitions should have explicit outputs and decision points instead of an informal “build first, review later” process.",{},{"id":1062,"data":2449,"type":218,"tunes":2451},{"text":2450},"The project also tracks risks such as scope creep, architecture delay and AI\u002FGDPR concerns and identifies stakeholder groups including sponsorship, steering, architecture, security, marketing, external APIs and hosting.",{},{"id":1067,"data":2453,"type":218,"tunes":2455},{"text":2454},"This does not constitute an ISO\u002FIEC 42001 management system. It is narrower project evidence showing how ownership, risk, milestones and validation can be integrated into technical delivery.",{},{"id":1072,"data":2457,"type":42,"tunes":2459},{"text":2458,"level":246},"SenseFlow: requirements and decision traceability",{},{"id":1077,"data":2461,"type":218,"tunes":2463},{"text":2462},"SenseFlow uses a structured path from product goal and user need through epics, user stories, acceptance criteria, architecture, implementation and validation. Decision records preserve the decision, rationale, alternatives, trade-offs, status and date\u002Fversion.",{},{"id":1082,"data":2465,"type":218,"tunes":2467},{"text":2466},"That traceability pattern is directly relevant to governance because an AI control should connect to the requirement or risk that justified it. A governance system becomes stronger when the chain from business need to architecture decision to validation evidence can be reconstructed.",{},{"id":1087,"data":2469,"type":42,"tunes":2471},{"text":2470,"level":246},"Aaasaasa AI Client: permissions and runtime as governed configuration",{},{"id":1092,"data":2473,"type":218,"tunes":2475},{"text":2474},"Aaasaasa AI Client separates provider, model, runtime location and permissions rather than treating them as one “AI setting.” Central workspace permission profiles govern tool access, Direct Chat has no filesystem\u002Fshell tools, and agent-capable runtimes operate under explicit permission profiles.",{},{"id":1097,"data":2477,"type":218,"tunes":2479},{"text":2478},"That separation demonstrates an important governance pattern: model choice and action authority should be independent configuration objects. A stronger model does not automatically receive broader filesystem, shell or business permissions.",{},{"id":1102,"data":2481,"type":218,"tunes":2483},{"text":2482},"The implementation evidence is architectural, not a claim that the application constitutes a certified organizational AI governance system.",{},{"id":1107,"data":2485,"type":377,"tunes":2511},{"content":2486,"stretched":43,"withHeadings":14},[2487,2490,2493,2496,2499,2502,2505,2508],[2488,2489],"Observed project pattern","Governance lesson",[2491,2492],"Milestone gates","Lifecycle transitions can require explicit evidence",[2494,2495],"Risk register","Known uncertainties become managed objects rather than informal concerns",[2497,2498],"Stakeholder mapping","Decision responsibility can be distributed deliberately",[2500,2501],"Acceptance criteria + validation","Deployment decisions can depend on evidence",[2503,2504],"Decision records","Architecture trade-offs remain traceable",[2506,2507],"Separate model\u002Fprovider\u002Fruntime\u002Fpermissions","Capability and authority can be governed independently",[2509,2510],"Explicit project maturity labels","PoC evidence is not misrepresented as production or market proof",{},{"id":1136,"data":2513,"type":42,"tunes":2515},{"text":2514,"level":247},"Common AI governance failure modes",{},{"id":1141,"data":2517,"type":377,"tunes":2561},{"content":2518,"stretched":43,"withHeadings":14},[2519,2522,2525,2528,2531,2534,2537,2540,2543,2546,2549,2552,2555,2558],[2520,2521],"Failure mode","What goes wrong",[2523,2524],"Governance is only a policy PDF","Teams cannot translate policy into runtime controls or deployment decisions",[2526,2527],"No AI inventory","The organization cannot identify where models, agents or embedded AI are used",[2529,2530],"Model approval is treated as use-case approval","An approved model is used for a materially different risk context",[2532,2533],"No named business owner","Technical teams inherit business-risk decisions by default",[2535,2536],"Risk classification has no control consequence","Every system receives the same review regardless of consequence",[2538,2539],"Permissions live only in prompts","Model instructions become a substitute for real authorization",[2541,2542],"Provider change is invisible","Behavior\u002Fdata\u002Fcompliance assumptions change without re-evaluation",[2544,2545],"Demo success is approval evidence","Production risk is inferred from a small happy-path test",[2547,2548],"Human oversight is ceremonial","Reviewer cannot inspect evidence or stop the action",[2550,2551],"Exception has no expiry","Temporary workaround becomes permanent governance debt",[2553,2554],"Logs exist but cannot reconstruct decisions","Auditability is confused with raw data retention",[2556,2557],"Compliance owns governance alone","Product, engineering, security and operations disengage from accountability",[2559,2560],"Every decision goes to a central board","Governance becomes a bottleneck instead of a scalable control system",{},{"id":1188,"data":2563,"type":42,"tunes":2565},{"text":2564,"level":247},"Central governance does not mean centralizing every decision",{},{"id":1193,"data":2567,"type":218,"tunes":2569},{"text":2568},"A mature organization can centralize policy, control patterns and escalation while delegating low-risk decisions to product or platform teams.",{},{"id":1198,"data":2571,"type":218,"tunes":2573},{"text":2572},"This federated model scales better than requiring a central committee to approve every prompt change. The central function defines risk tiers, mandatory controls, provider policy, exception authority and audit requirements; teams operate autonomously inside those boundaries.",{},{"id":1203,"data":2575,"type":218,"tunes":2577},{"text":2576},"The design objective is consistent accountability, not maximum centralization.",{},{"id":1208,"data":2579,"type":42,"tunes":2581},{"text":2580,"level":247},"Govern the governance system itself",{},{"id":1213,"data":2583,"type":218,"tunes":2585},{"text":2584},"Governance needs feedback. Otherwise controls can become expensive rituals that do not reduce risk.",{},{"id":1218,"data":2587,"type":377,"tunes":2619},{"content":2588,"stretched":43,"withHeadings":14},[2589,2592,2595,2598,2601,2604,2607,2610,2613,2616],[2590,2591],"Metric \u002F signal","What it can reveal",[2593,2594],"Inventory coverage","Whether AI adoption is visible to governance",[2596,2597],"Time to decision","Whether governance blocks delivery unnecessarily",[2599,2600],"Exception count and age","Whether policies are realistic or routinely bypassed",[2602,2603],"Evaluation failure rate","Whether pre-deployment controls catch defects",[2605,2606],"Post-deployment incident rate","Whether approval evidence predicts production behavior",[2608,2609],"Unauthorized-tool denial rate","Whether permission boundaries are actively exercised",[2611,2612],"Model\u002Fprovider change frequency","How often approved assumptions may become stale",[2614,2615],"Retired-but-active systems","Lifecycle cleanup\u002Fcontrol failure",[2617,2618],"Repeated incident patterns","Whether lessons are becoming reusable platform controls",{},{"id":1253,"data":2621,"type":218,"tunes":2623},{"text":2622},"Governance metrics should not reward paperwork volume. The useful measure is whether decision quality, traceability, risk detection and safe delivery improve.",{},{"id":1258,"data":2625,"type":42,"tunes":2627},{"text":2626,"level":247},"A practical AI governance implementation sequence",{},{"id":1263,"data":2629,"type":320,"tunes":2668},{"steps":2630,"title":2667,"orientation":319},[2631,2634,2637,2640,2643,2646,2649,2652,2655,2658,2661,2664],{"label":2632,"description":2633},"1. Define governance scope","Decide which internally built, purchased, embedded and experimental AI systems are covered.",{"label":2635,"description":2636},"2. Create the AI inventory","Capture owners, use cases, models\u002Fproviders, data, tools, users, lifecycle state and risk class.",{"label":2638,"description":2639},"3. Define decision rights","Name who can approve providers, data use, risk acceptance, exceptions, deployment and retirement.",{"label":2641,"description":2642},"4. Establish risk tiers","Map consequence and exposure to different control requirements.",{"label":2644,"description":2645},"5. Define reusable minimum controls","Set baseline requirements for identity, permissions, data, security, evaluation, logging and human oversight.",{"label":2647,"description":2648},"6. Connect governance to architecture","Turn policy into platform\u002Fruntime controls that teams cannot accidentally bypass.",{"label":2650,"description":2651},"7. Build evidence-based gates","Require relevant evaluation, security, privacy, architecture and compliance evidence before lifecycle transitions.",{"label":2653,"description":2654},"8. Govern model\u002Fprovider change","Track versions, deprecations and material changes with regression evidence.",{"label":2656,"description":2657},"9. Add monitoring and incident triggers","Define which production signals force investigation, restriction or suspension.",{"label":2659,"description":2660},"10. Formalize exceptions","Require scope, owner, residual risk, compensating controls and expiry.",{"label":2662,"description":2663},"11. Audit decisions and execution","Retain proportionate evidence that links owners, configuration, permissions, evaluations and significant actions.",{"label":2665,"description":2666},"12. Improve the governance system","Use incidents, delays and repeated exceptions to revise controls and platform patterns.","Build governance from visibility to control",{},{"id":1305,"data":2670,"type":42,"tunes":2672},{"text":2671,"level":247},"AI governance checklist",{},{"id":1310,"data":2674,"type":377,"tunes":2724},{"content":2675,"stretched":43,"withHeadings":14},[2676,2679,2682,2685,2688,2691,2694,2697,2700,2703,2706,2709,2712,2715,2718,2721],[2677,2678],"Question","Expected governance evidence",[2680,2681],"Why does this AI system exist?","Purpose, business owner and intended outcome",[2683,2684],"Who owns technical operation?","Named technical\u002Fplatform owner",[2686,2687],"Which model\u002Fprovider\u002Fversion is used?","Registered and versioned dependency",[2689,2690],"Which data may enter the system?","Classification, authority and permitted-use decision",[2692,2693],"Which identities may use it?","Authentication and authorization model",[2695,2696],"Which actions may it perform?","Tool\u002Fpermission matrix and autonomy boundary",[2698,2699],"What is the risk tier?","Documented classification with rationale",[2701,2702],"Which controls are mandatory?","Risk-tier control baseline",[2704,2705],"How was it evaluated?","Representative tests and acceptance criteria",[2707,2708],"Who accepted residual risk?","Named accountable authority",[2710,2711],"What requires human review?","Explicit oversight\u002Fapproval rules",[2713,2714],"What gets logged?","Audit\u002Fobservability policy proportional to consequence",[2716,2717],"What triggers re-review?","Model\u002Fprovider\u002Fdata\u002Ftool\u002Fregulatory\u002Fmaterial-change events",[2719,2720],"How can it be suspended?","Operational kill\u002Frestriction path and owner",[2722,2723],"How is it retired?","Credential, data, derivative, endpoint and record cleanup",{},{"id":1363,"data":2726,"type":42,"tunes":2728},{"text":2727,"level":247},"Common misconceptions",{},{"id":1368,"data":2730,"type":377,"tunes":2765},{"content":2731,"stretched":43,"withHeadings":14},[2732,2735,2738,2741,2744,2747,2750,2753,2756,2759,2762],[2733,2734],"Misconception","Correction",[2736,2737],"“AI governance is compliance.”","Compliance is one governance input; governance also covers ownership, architecture, permissions, quality, risk and lifecycle decisions.",[2739,2740],"“Governance means a review committee.”","Committees can approve exceptions or high-risk systems, but many controls should be embedded in normal delivery and platform architecture.",[2742,2743],"“An approved model is safe for every use.”","Risk belongs to the use case and system context, not only the model.",[2745,2746],"“A vendor handles governance for us.”","A provider controls part of the stack; the organization still owns its use case, data, permissions and business consequences.",[2748,2749],"“Human-in-the-loop automatically solves risk.”","Oversight only works when reviewers have authority, context and intervention capability.",[2751,2752],"“Logging everything gives auditability.”","Auditability requires reconstructable relevant evidence with controlled retention and access.",[2754,2755],"“Governance blocks innovation.”","Poor governance can block delivery; well-designed governance creates reusable safe paths and clearer decision ownership.",[2757,2758],"“Low-risk pilots need no governance.”","They can use lightweight governance, but inventory, ownership and data\u002Ftool boundaries still matter.",[2760,2761],"“Local AI needs less governance.”","Local hosting can change privacy\u002Fprovider risk, but model quality, permissions, security and lifecycle governance remain.",[2763,2764],"“Once approved, the system stays approved.”","Model, provider, data, regulation and use can change; governance decisions need review triggers.",{},{"id":1406,"data":2767,"type":42,"tunes":2769},{"text":2768,"level":247},"Edge cases and limitations",{},{"id":1411,"data":2771,"type":218,"tunes":2773},{"text":2772},"Very small organizations may not need a dedicated AI governance function. The same principles can be implemented through lightweight architecture decisions, risk registers, owner mappings and release gates.",{},{"id":1416,"data":2775,"type":218,"tunes":2777},{"text":2776},"Highly regulated organizations may need much more formal governance, independent assurance, documented conformity processes and legal interpretation than this architecture-level article describes.",{},{"id":1421,"data":2779,"type":218,"tunes":2781},{"text":2780},"Open-source and self-hosted models reduce some provider dependencies but create others: patching, model provenance, evaluation, infrastructure security, licensing and operational ownership.",{},{"id":1426,"data":2783,"type":218,"tunes":2785},{"text":2784},"General-purpose AI models can be used across many contexts. Governance should avoid assuming that provider-level model controls fully determine downstream application risk.",{},{"id":1431,"data":2787,"type":218,"tunes":2789},{"text":2788},"No governance framework guarantees that an AI system is safe or correct. Governance improves accountability and decision quality; technical validation, monitoring and human judgment remain necessary.",{},{"id":1436,"data":2791,"type":42,"tunes":2793},{"text":2792,"level":247},"What would change this answer?",{},{"id":1441,"data":2795,"type":218,"tunes":2797},{"text":2796},"The exact control set changes with law, industry, organization size, data sensitivity, autonomy, deployment model and business consequence.",{},{"id":1446,"data":2799,"type":218,"tunes":2801},{"text":2800},"NIST is currently revising AI RMF 1.0, so future NIST terminology or recommended practices may change. ISO standards can also be revised, and EU AI Act guidance and transition details continue to evolve.",{},{"id":1451,"data":2803,"type":218,"tunes":2805},{"text":2804},"The stable architectural principle is that AI decisions need explicit owners, evidence, permissions, risk treatment and lifecycle review rather than being hidden inside model or application configuration.",{},{"id":1456,"data":2807,"type":42,"tunes":2809},{"text":2808,"level":247},"Related canonical knowledge",{},{"id":1461,"data":2811,"type":218,"tunes":2813},{"text":2812},"AI governance depends on concepts already separated elsewhere in this knowledge graph: Source of Truth determines authority, RBAC and tenant isolation constrain access, context engineering controls model-visible information, and agentic architecture defines how tools and actions enter an execution loop.",{},{"id":1466,"data":2815,"type":218,"tunes":2817},{"text":2816},"Enterprise AI Architecture is the parent organizational architecture concept. Governance is the operating control layer that determines how those enterprise AI components may be introduced, changed and retired.",{},{"id":1471,"data":2819,"type":218,"tunes":2821},{"text":2820},"Agentic systems increase governance requirements because model decisions can become real side effects. Permission, approval and audit controls must therefore exist outside the model itself.",{},{"id":1476,"data":2823,"type":1482,"tunes":2828},{"url":2824,"title":2825,"excerpt":2826,"ctaLabel":2827},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-reliability-why-the-final-answer-is-not-enough","AI Agent Reliability: Why the Final Answer Is Not Enough","Agent governance requires evidence about execution trajectories, tool use, state changes and recoverability — not only final output quality.","Read the agent reliability article",{},{"id":1485,"data":2830,"type":1482,"tunes":2835},{"url":2831,"title":2832,"excerpt":2833,"ctaLabel":2834},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context","AI Agent Memory Is Not RAG: How to Separate Memory, Retrieval, State and Context","Governance needs different policies for durable memory, authoritative state, retrieved information and temporary model context.","Read the memory architecture article",{},{"id":1493,"data":2837,"type":1482,"tunes":2842},{"url":2838,"title":2839,"excerpt":2840,"ctaLabel":2841},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","The Answer Validity Boundary: The Missing Layer Between Relevance and Reliable AI Answers","Governance decisions should preserve the conditions under which evidence and approval remain valid, including version, scope, source and time.","Read the Answer Validity Boundary",{},{"id":1501,"data":2844,"type":42,"tunes":2846},{"text":2845,"level":247},"Frequently asked questions",{},{"id":1506,"data":2848,"type":1506,"tunes":2878},{"items":2849,"title":2877},[2850,2853,2856,2859,2862,2865,2868,2871,2874],{"id":1510,"answer":2851,"question":2852},"AI governance is the system of ownership, decision rights, controls and evidence used to manage how AI systems are developed, acquired, deployed, operated, changed and retired.","What is AI governance?",{"id":1514,"answer":2854,"question":2855},"No. Risk management identifies, assesses and treats risk. Governance defines who must do that work, which decisions require it and what evidence or authority is required.","Is AI governance the same as AI risk management?",{"id":1518,"answer":2857,"question":2858},"No. Compliance concerns applicable legal, regulatory, contractual or internal obligations. Governance integrates compliance with architecture, security, data, quality, permissions and business ownership.","Is AI governance the same as compliance?",{"id":1522,"answer":2860,"question":2861},"Enterprise AI Architecture defines how AI capabilities and systems fit into the organization. AI governance defines the decision and control system governing how those components may be introduced, operated and changed.","What is the difference between AI governance and Enterprise AI Architecture?",{"id":1526,"answer":2863,"question":2864},"Yes, but not necessarily a dedicated department. Lightweight inventory, ownership, permissions, evaluation and change controls can implement the same principles.","Do small companies need AI governance?",{"id":1530,"answer":2866,"question":2867},"At minimum: use case, owners, model\u002Fprovider\u002Fversion, data classes, users, tools\u002Factions, permissions, risk classification, evaluation status, lifecycle state and review triggers.","What should an AI inventory contain?",{"id":1534,"answer":2869,"question":2870},"No. Risk depends on the application context: data, users, tools, autonomy, consequences and business process.","Does using an approved model mean a use case is approved?",{"id":1538,"answer":2872,"question":2873},"The organization can reconstruct relevant ownership, approved configuration, model\u002Fprovider\u002Fversion, data\u002Fpermission context, evaluation evidence, significant actions and lifecycle decisions.","What makes an AI system auditable?",{"id":1542,"answer":2875,"question":2876},"Use risk-based review intervals plus event triggers such as model\u002Fprovider changes, new data, new tools, incidents, material performance change or regulatory updates.","How often should AI governance decisions be reviewed?","AI governance FAQ",{},{"id":1548,"data":2880,"type":42,"tunes":2882},{"text":2881,"level":247},"Glossary",{},{"id":1553,"data":2884,"type":1553,"tunes":2922},{"title":2885,"entries":2886},"Key AI governance terms",[2887,2889,2892,2895,2898,2901,2904,2907,2910,2913,2916,2919],{"term":1875,"anchor":1558,"definition":2888},"Organizational system of ownership, decision rights, controls and evidence governing the AI lifecycle.",{"term":2890,"anchor":1562,"definition":2891},"AI management system","Interrelated organizational policies, objectives and processes for responsible development, provision or use of AI; ISO\u002FIEC 42001 specifies requirements for such a system.",{"term":2893,"anchor":1566,"definition":2894},"AI inventory","Registry of AI systems, models, providers, use cases, owners, data, risk classifications and lifecycle state.",{"term":2896,"anchor":1570,"definition":2897},"Risk owner","Named authority accountable for deciding how a defined risk is treated or whether residual risk is accepted.",{"term":2899,"anchor":1574,"definition":2900},"Control","Technical, organizational or procedural measure intended to prevent, detect, reduce or respond to risk.",{"term":2902,"anchor":1578,"definition":2903},"Governance gate","Lifecycle decision point at which defined evidence and authority are required before proceeding.",{"term":2905,"anchor":1582,"definition":2906},"Residual risk","Risk that remains after controls or mitigation have been applied.",{"term":2908,"anchor":1586,"definition":2909},"Exception","Explicit, scoped and usually time-bounded authorization to deviate from a normal governance requirement.",{"term":2911,"anchor":1590,"definition":2912},"Auditability","Ability to reconstruct relevant decisions, configurations, evidence, identities and execution events.",{"term":2914,"anchor":1594,"definition":2915},"Model governance","Controls and decisions covering model selection, versioning, evaluation, permitted use, change and retirement.",{"term":2917,"anchor":1598,"definition":2918},"Provider governance","Controls covering external or internal AI provider dependencies, data handling, security, contracts, lifecycle and exit.",{"term":2920,"anchor":1602,"definition":2921},"Human oversight","Designed human review or intervention capability for AI decisions or actions at defined points.",{},{"id":1606,"data":2924,"type":42,"tunes":2926},{"text":2925,"level":247},"Conclusion",{},{"id":1611,"data":2928,"type":218,"tunes":2930},{"text":2929},"AI governance is the organizational control plane around AI. It gives names and evidence to decisions that otherwise remain hidden inside code, provider settings, prompts or informal team judgment.",{},{"id":1616,"data":2932,"type":218,"tunes":2934},{"text":2933},"Strong governance connects the complete system: business purpose, models, providers, data authority, identity, permissions, evaluation, risk, compliance, monitoring, incidents, change and retirement.",{},{"id":1621,"data":2936,"type":218,"tunes":2938},{"text":2937},"The practical goal is not maximum process. It is the minimum governance structure that makes important AI decisions owned, evidence-based, enforceable, reviewable and auditable throughout the lifecycle.",{},{"id":1626,"data":2940,"type":42,"tunes":2942},{"text":2941,"level":247},"Primary sources and current references",{},{"id":1631,"data":2944,"type":218,"tunes":2946},{"text":2945},"The sources below provide current external grounding for AI management, risk and regulation. Project sections are original implementation\u002Fproject evidence and are explicitly distinguished from formal standards or certified governance systems.",{},{"id":1636,"data":2948,"type":1643,"tunes":2952},{"link":1638,"meta":2949},{"image":2950,"title":1641,"description":2951},{"url":355},"Current NIST hub for AI RMF 1.0, the ongoing revision, the GenAI Profile and related risk-management resources.",{},{"id":1646,"data":2954,"type":1643,"tunes":2958},{"link":1648,"meta":2955},{"image":2956,"title":1651,"description":2957},{"url":355},"Official AI RMF Core describing GOVERN, MAP, MEASURE and MANAGE, with GOVERN as a cross-cutting lifecycle function.",{},{"id":1655,"data":2960,"type":1643,"tunes":2964},{"link":1657,"meta":2961},{"image":2962,"title":1660,"description":2963},{"url":355},"Suggested actions for operationalizing trustworthiness and risk management across the AI lifecycle.",{},{"id":1664,"data":2966,"type":1643,"tunes":2970},{"link":1666,"meta":2967},{"image":2968,"title":1669,"description":2969},{"url":355},"NIST companion profile applying AI RMF concepts to generative-AI risks and lifecycle management.",{},{"id":1673,"data":2972,"type":1643,"tunes":2976},{"link":1675,"meta":2973},{"image":2974,"title":1678,"description":2975},{"url":355},"International standard specifying requirements for establishing, implementing, maintaining and continually improving an AI management system.",{},{"id":1682,"data":2978,"type":1643,"tunes":2982},{"link":1684,"meta":2979},{"image":2980,"title":1687,"description":2981},{"url":355},"International guidance for integrating AI-specific risk management into organizational activities and functions.",{},{"id":1691,"data":2984,"type":1643,"tunes":2988},{"link":1693,"meta":2985},{"image":2986,"title":1696,"description":2987},{"url":355},"Current Commission overview of the EU AI Act, application timeline and implementation framework.",{},{"id":1700,"data":2990,"type":1643,"tunes":2994},{"link":1702,"meta":2991},{"image":2992,"title":1705,"description":2993},{"url":355},"Current FAQ covering governance, enforcement, implementation and the evolving application timeline.",{},{"id":1709,"data":2996,"type":1643,"tunes":3000},{"link":1711,"meta":2997},{"image":2998,"title":1714,"description":2999},{"url":355},"Current overview of documentation, copyright, training-content and systemic-risk obligations for GPAI providers.",{},"2.31.6","AI governance defines who can approve, operate, change and audit AI systems across models, providers, data, permissions, risk, evaluation and the full lifecycle.",{"lang":7,"title":208,"content":210,"contentJson":3004,"excerpt":1718},{"time":212,"blocks":3005,"version":1717},[3006,3009,3012,3015,3018,3021,3024,3027,3030,3033,3036,3039,3042,3045,3057,3060,3063,3066,3069,3072,3091,3094,3097,3100,3103,3106,3116,3119,3122,3125,3128,3131,3134,3137,3140,3143,3161,3164,3167,3170,3173,3176,3190,3193,3196,3199,3202,3205,3208,3211,3214,3217,3220,3223,3226,3229,3232,3235,3238,3241,3244,3257,3260,3263,3266,3269,3272,3275,3278,3281,3284,3287,3290,3302,3305,3308,3311,3314,3317,3320,3323,3326,3329,3332,3335,3338,3350,3353,3356,3359,3362,3365,3368,3371,3374,3377,3380,3383,3386,3389,3392,3395,3398,3401,3416,3419,3422,3425,3428,3431,3434,3437,3440,3443,3446,3449,3452,3455,3458,3461,3464,3467,3470,3482,3485,3503,3506,3509,3512,3515,3518,3521,3535,3538,3541,3557,3560,3580,3583,3598,3601,3604,3607,3610,3613,3616,3619,3622,3625,3628,3631,3634,3637,3640,3643,3646,3649,3652,3665,3668,3684,3687,3690,3693,3696,3699,3702,3707,3712,3717,3722,3727,3732,3737,3742],{"id":215,"data":3007,"type":218,"tunes":3008},{"text":217},{},{"id":221,"data":3010,"type":226,"tunes":3011},{"body":223,"title":224,"variant":225},{},{"id":229,"data":3013,"type":226,"tunes":3014},{"body":231,"title":232,"variant":233},{},{"id":236,"data":3016,"type":226,"tunes":3017},{"body":238,"title":239,"variant":240},{},{"id":243,"data":3019,"type":248,"tunes":3020},{"title":245,"maxLevel":246,"minLevel":247},{},{"id":251,"data":3022,"type":42,"tunes":3023},{"text":253,"level":247},{},{"id":256,"data":3025,"type":218,"tunes":3026},{"text":258},{},{"id":261,"data":3028,"type":218,"tunes":3029},{"text":263},{},{"id":266,"data":3031,"type":218,"tunes":3032},{"text":268},{},{"id":271,"data":3034,"type":42,"tunes":3035},{"text":273,"level":247},{},{"id":276,"data":3037,"type":218,"tunes":3038},{"text":278},{},{"id":281,"data":3040,"type":218,"tunes":3041},{"text":283},{},{"id":286,"data":3043,"type":218,"tunes":3044},{"text":288},{},{"id":291,"data":3046,"type":320,"tunes":3056},{"steps":3047,"title":318,"orientation":319},[3048,3049,3050,3051,3052,3053,3054,3055],{"label":295,"description":296},{"label":298,"description":299},{"label":301,"description":302},{"label":304,"description":305},{"label":307,"description":308},{"label":310,"description":311},{"label":313,"description":314},{"label":316,"description":317},{},{"id":323,"data":3058,"type":42,"tunes":3059},{"text":325,"level":247},{},{"id":328,"data":3061,"type":218,"tunes":3062},{"text":330},{},{"id":333,"data":3064,"type":218,"tunes":3065},{"text":335},{},{"id":338,"data":3067,"type":218,"tunes":3068},{"text":340},{},{"id":343,"data":3070,"type":42,"tunes":3071},{"text":345,"level":247},{},{"id":348,"data":3073,"type":385,"tunes":3090},{"rows":3074,"title":376,"layout":377,"columns":3087},[3075,3077,3079,3081,3083,3085],{"id":352,"label":353,"values":3076},[355,355],{"id":357,"label":358,"values":3078},[355,355],{"id":361,"label":362,"values":3080},[355,355],{"id":365,"label":366,"values":3082},[355,355],{"id":369,"label":370,"values":3084},[355,355],{"id":373,"label":374,"values":3086},[355,355],[3088,3089],{"id":380,"label":381},{"id":383,"label":384},{},{"id":388,"data":3092,"type":42,"tunes":3093},{"text":390,"level":247},{},{"id":393,"data":3095,"type":218,"tunes":3096},{"text":395},{},{"id":398,"data":3098,"type":218,"tunes":3099},{"text":400},{},{"id":403,"data":3101,"type":218,"tunes":3102},{"text":405},{},{"id":408,"data":3104,"type":42,"tunes":3105},{"text":410,"level":247},{},{"id":413,"data":3107,"type":377,"tunes":3115},{"content":3108,"stretched":43,"withHeadings":14},[3109,3110,3111,3112,3113,3114],[417,418,419],[421,422,423],[425,426,427],[429,430,431],[433,434,435],[437,438,439],{},{"id":442,"data":3117,"type":218,"tunes":3118},{"text":444},{},{"id":447,"data":3120,"type":42,"tunes":3121},{"text":449,"level":247},{},{"id":452,"data":3123,"type":218,"tunes":3124},{"text":454},{},{"id":457,"data":3126,"type":218,"tunes":3127},{"text":459},{},{"id":462,"data":3129,"type":226,"tunes":3130},{"body":464,"title":465,"variant":233},{},{"id":468,"data":3132,"type":42,"tunes":3133},{"text":470,"level":247},{},{"id":473,"data":3135,"type":218,"tunes":3136},{"text":475},{},{"id":478,"data":3138,"type":218,"tunes":3139},{"text":480},{},{"id":483,"data":3141,"type":218,"tunes":3142},{"text":485},{},{"id":488,"data":3144,"type":377,"tunes":3160},{"content":3145,"stretched":43,"withHeadings":14},[3146,3147,3148,3149,3150,3151,3152,3153,3154,3155,3156,3157,3158,3159],[492,493],[495,496],[498,499],[501,502],[504,505],[507,508],[510,511],[513,514],[516,517],[519,520],[522,523],[525,526],[528,529],[531,532],{},{"id":535,"data":3162,"type":42,"tunes":3163},{"text":537,"level":247},{},{"id":540,"data":3165,"type":218,"tunes":3166},{"text":542},{},{"id":545,"data":3168,"type":218,"tunes":3169},{"text":547},{},{"id":550,"data":3171,"type":218,"tunes":3172},{"text":552},{},{"id":555,"data":3174,"type":42,"tunes":3175},{"text":557,"level":247},{},{"id":560,"data":3177,"type":377,"tunes":3189},{"content":3178,"stretched":43,"withHeadings":14},[3179,3180,3181,3182,3183,3184,3185,3186,3187,3188],[564,565],[567,568],[570,571],[573,574],[576,577],[579,580],[582,583],[585,586],[588,589],[591,592],{},{"id":595,"data":3191,"type":42,"tunes":3192},{"text":597,"level":247},{},{"id":600,"data":3194,"type":218,"tunes":3195},{"text":602},{},{"id":605,"data":3197,"type":218,"tunes":3198},{"text":607},{},{"id":610,"data":3200,"type":218,"tunes":3201},{"text":612},{},{"id":615,"data":3203,"type":42,"tunes":3204},{"text":617,"level":247},{},{"id":620,"data":3206,"type":218,"tunes":3207},{"text":622},{},{"id":625,"data":3209,"type":218,"tunes":3210},{"text":627},{},{"id":630,"data":3212,"type":218,"tunes":3213},{"text":632},{},{"id":635,"data":3215,"type":42,"tunes":3216},{"text":637,"level":247},{},{"id":640,"data":3218,"type":218,"tunes":3219},{"text":642},{},{"id":645,"data":3221,"type":218,"tunes":3222},{"text":647},{},{"id":650,"data":3224,"type":218,"tunes":3225},{"text":652},{},{"id":655,"data":3227,"type":42,"tunes":3228},{"text":657,"level":247},{},{"id":660,"data":3230,"type":218,"tunes":3231},{"text":662},{},{"id":665,"data":3233,"type":218,"tunes":3234},{"text":667},{},{"id":670,"data":3236,"type":218,"tunes":3237},{"text":672},{},{"id":675,"data":3239,"type":42,"tunes":3240},{"text":677,"level":247},{},{"id":680,"data":3242,"type":218,"tunes":3243},{"text":682},{},{"id":685,"data":3245,"type":377,"tunes":3256},{"content":3246,"stretched":43,"withHeadings":14},[3247,3248,3249,3250,3251,3252,3253,3254,3255],[689,690,691],[693,694,695],[697,698,699],[701,702,703],[705,706,707],[709,710,711],[713,714,715],[717,718,719],[721,722,723],{},{"id":726,"data":3258,"type":218,"tunes":3259},{"text":728},{},{"id":731,"data":3261,"type":42,"tunes":3262},{"text":733,"level":247},{},{"id":736,"data":3264,"type":218,"tunes":3265},{"text":738},{},{"id":741,"data":3267,"type":218,"tunes":3268},{"text":743},{},{"id":746,"data":3270,"type":218,"tunes":3271},{"text":748},{},{"id":751,"data":3273,"type":42,"tunes":3274},{"text":753,"level":247},{},{"id":756,"data":3276,"type":218,"tunes":3277},{"text":758},{},{"id":761,"data":3279,"type":218,"tunes":3280},{"text":763},{},{"id":766,"data":3282,"type":218,"tunes":3283},{"text":768},{},{"id":771,"data":3285,"type":226,"tunes":3286},{"body":773,"title":774,"variant":775},{},{"id":778,"data":3288,"type":42,"tunes":3289},{"text":780,"level":247},{},{"id":783,"data":3291,"type":320,"tunes":3301},{"steps":3292,"title":810,"orientation":319},[3293,3294,3295,3296,3297,3298,3299,3300],{"label":787,"description":788},{"label":790,"description":791},{"label":793,"description":794},{"label":796,"description":797},{"label":799,"description":800},{"label":802,"description":803},{"label":805,"description":806},{"label":808,"description":809},{},{"id":813,"data":3303,"type":42,"tunes":3304},{"text":815,"level":247},{},{"id":818,"data":3306,"type":218,"tunes":3307},{"text":820},{},{"id":823,"data":3309,"type":218,"tunes":3310},{"text":825},{},{"id":828,"data":3312,"type":218,"tunes":3313},{"text":830},{},{"id":833,"data":3315,"type":42,"tunes":3316},{"text":835,"level":247},{},{"id":838,"data":3318,"type":218,"tunes":3319},{"text":840},{},{"id":843,"data":3321,"type":218,"tunes":3322},{"text":845},{},{"id":848,"data":3324,"type":218,"tunes":3325},{"text":850},{},{"id":853,"data":3327,"type":42,"tunes":3328},{"text":855,"level":247},{},{"id":858,"data":3330,"type":218,"tunes":3331},{"text":860},{},{"id":863,"data":3333,"type":218,"tunes":3334},{"text":865},{},{"id":868,"data":3336,"type":218,"tunes":3337},{"text":870},{},{"id":873,"data":3339,"type":377,"tunes":3349},{"content":3340,"stretched":43,"withHeadings":14},[3341,3342,3343,3344,3345,3346,3347,3348],[877,878],[880,881],[883,884],[886,887],[889,890],[892,893],[895,896],[898,899],{},{"id":902,"data":3351,"type":42,"tunes":3352},{"text":904,"level":247},{},{"id":907,"data":3354,"type":218,"tunes":3355},{"text":909},{},{"id":912,"data":3357,"type":218,"tunes":3358},{"text":914},{},{"id":917,"data":3360,"type":218,"tunes":3361},{"text":919},{},{"id":922,"data":3363,"type":42,"tunes":3364},{"text":924,"level":247},{},{"id":927,"data":3366,"type":218,"tunes":3367},{"text":929},{},{"id":932,"data":3369,"type":218,"tunes":3370},{"text":934},{},{"id":937,"data":3372,"type":218,"tunes":3373},{"text":939},{},{"id":942,"data":3375,"type":42,"tunes":3376},{"text":944,"level":247},{},{"id":947,"data":3378,"type":218,"tunes":3379},{"text":949},{},{"id":952,"data":3381,"type":218,"tunes":3382},{"text":954},{},{"id":957,"data":3384,"type":218,"tunes":3385},{"text":959},{},{"id":962,"data":3387,"type":42,"tunes":3388},{"text":964,"level":247},{},{"id":967,"data":3390,"type":218,"tunes":3391},{"text":969},{},{"id":972,"data":3393,"type":218,"tunes":3394},{"text":974},{},{"id":977,"data":3396,"type":218,"tunes":3397},{"text":979},{},{"id":982,"data":3399,"type":42,"tunes":3400},{"text":984,"level":247},{},{"id":987,"data":3402,"type":385,"tunes":3415},{"rows":3403,"title":1006,"layout":377,"columns":3412},[3404,3406,3408,3410],{"id":991,"label":992,"values":3405},[355,355],{"id":995,"label":996,"values":3407},[355,355],{"id":999,"label":1000,"values":3409},[355,355],{"id":1003,"label":1004,"values":3411},[355,355],[3413,3414],{"id":1009,"label":1010},{"id":1012,"label":1013},{},{"id":1016,"data":3417,"type":218,"tunes":3418},{"text":1018},{},{"id":1021,"data":3420,"type":42,"tunes":3421},{"text":1023,"level":247},{},{"id":1026,"data":3423,"type":218,"tunes":3424},{"text":1028},{},{"id":1031,"data":3426,"type":218,"tunes":3427},{"text":1033},{},{"id":1036,"data":3429,"type":218,"tunes":3430},{"text":1038},{},{"id":1041,"data":3432,"type":42,"tunes":3433},{"text":1043,"level":247},{},{"id":1046,"data":3435,"type":42,"tunes":3436},{"text":1048,"level":246},{},{"id":1051,"data":3438,"type":226,"tunes":3439},{"body":1053,"title":1054,"variant":240},{},{"id":1057,"data":3441,"type":218,"tunes":3442},{"text":1059},{},{"id":1062,"data":3444,"type":218,"tunes":3445},{"text":1064},{},{"id":1067,"data":3447,"type":218,"tunes":3448},{"text":1069},{},{"id":1072,"data":3450,"type":42,"tunes":3451},{"text":1074,"level":246},{},{"id":1077,"data":3453,"type":218,"tunes":3454},{"text":1079},{},{"id":1082,"data":3456,"type":218,"tunes":3457},{"text":1084},{},{"id":1087,"data":3459,"type":42,"tunes":3460},{"text":1089,"level":246},{},{"id":1092,"data":3462,"type":218,"tunes":3463},{"text":1094},{},{"id":1097,"data":3465,"type":218,"tunes":3466},{"text":1099},{},{"id":1102,"data":3468,"type":218,"tunes":3469},{"text":1104},{},{"id":1107,"data":3471,"type":377,"tunes":3481},{"content":3472,"stretched":43,"withHeadings":14},[3473,3474,3475,3476,3477,3478,3479,3480],[1111,1112],[1114,1115],[1117,1118],[1120,1121],[1123,1124],[1126,1127],[1129,1130],[1132,1133],{},{"id":1136,"data":3483,"type":42,"tunes":3484},{"text":1138,"level":247},{},{"id":1141,"data":3486,"type":377,"tunes":3502},{"content":3487,"stretched":43,"withHeadings":14},[3488,3489,3490,3491,3492,3493,3494,3495,3496,3497,3498,3499,3500,3501],[1145,1146],[1148,1149],[1151,1152],[1154,1155],[1157,1158],[1160,1161],[1163,1164],[1166,1167],[1169,1170],[1172,1173],[1175,1176],[1178,1179],[1181,1182],[1184,1185],{},{"id":1188,"data":3504,"type":42,"tunes":3505},{"text":1190,"level":247},{},{"id":1193,"data":3507,"type":218,"tunes":3508},{"text":1195},{},{"id":1198,"data":3510,"type":218,"tunes":3511},{"text":1200},{},{"id":1203,"data":3513,"type":218,"tunes":3514},{"text":1205},{},{"id":1208,"data":3516,"type":42,"tunes":3517},{"text":1210,"level":247},{},{"id":1213,"data":3519,"type":218,"tunes":3520},{"text":1215},{},{"id":1218,"data":3522,"type":377,"tunes":3534},{"content":3523,"stretched":43,"withHeadings":14},[3524,3525,3526,3527,3528,3529,3530,3531,3532,3533],[1222,1223],[1225,1226],[1228,1229],[1231,1232],[1234,1235],[1237,1238],[1240,1241],[1243,1244],[1246,1247],[1249,1250],{},{"id":1253,"data":3536,"type":218,"tunes":3537},{"text":1255},{},{"id":1258,"data":3539,"type":42,"tunes":3540},{"text":1260,"level":247},{},{"id":1263,"data":3542,"type":320,"tunes":3556},{"steps":3543,"title":1302,"orientation":319},[3544,3545,3546,3547,3548,3549,3550,3551,3552,3553,3554,3555],{"label":1267,"description":1268},{"label":1270,"description":1271},{"label":1273,"description":1274},{"label":1276,"description":1277},{"label":1279,"description":1280},{"label":1282,"description":1283},{"label":1285,"description":1286},{"label":1288,"description":1289},{"label":1291,"description":1292},{"label":1294,"description":1295},{"label":1297,"description":1298},{"label":1300,"description":1301},{},{"id":1305,"data":3558,"type":42,"tunes":3559},{"text":1307,"level":247},{},{"id":1310,"data":3561,"type":377,"tunes":3579},{"content":3562,"stretched":43,"withHeadings":14},[3563,3564,3565,3566,3567,3568,3569,3570,3571,3572,3573,3574,3575,3576,3577,3578],[1314,1315],[1317,1318],[1320,1321],[1323,1324],[1326,1327],[1329,1330],[1332,1333],[1335,1336],[1338,1339],[1341,1342],[1344,1345],[1347,1348],[1350,1351],[1353,1354],[1356,1357],[1359,1360],{},{"id":1363,"data":3581,"type":42,"tunes":3582},{"text":1365,"level":247},{},{"id":1368,"data":3584,"type":377,"tunes":3597},{"content":3585,"stretched":43,"withHeadings":14},[3586,3587,3588,3589,3590,3591,3592,3593,3594,3595,3596],[1372,1373],[1375,1376],[1378,1379],[1381,1382],[1384,1385],[1387,1388],[1390,1391],[1393,1394],[1396,1397],[1399,1400],[1402,1403],{},{"id":1406,"data":3599,"type":42,"tunes":3600},{"text":1408,"level":247},{},{"id":1411,"data":3602,"type":218,"tunes":3603},{"text":1413},{},{"id":1416,"data":3605,"type":218,"tunes":3606},{"text":1418},{},{"id":1421,"data":3608,"type":218,"tunes":3609},{"text":1423},{},{"id":1426,"data":3611,"type":218,"tunes":3612},{"text":1428},{},{"id":1431,"data":3614,"type":218,"tunes":3615},{"text":1433},{},{"id":1436,"data":3617,"type":42,"tunes":3618},{"text":1438,"level":247},{},{"id":1441,"data":3620,"type":218,"tunes":3621},{"text":1443},{},{"id":1446,"data":3623,"type":218,"tunes":3624},{"text":1448},{},{"id":1451,"data":3626,"type":218,"tunes":3627},{"text":1453},{},{"id":1456,"data":3629,"type":42,"tunes":3630},{"text":1458,"level":247},{},{"id":1461,"data":3632,"type":218,"tunes":3633},{"text":1463},{},{"id":1466,"data":3635,"type":218,"tunes":3636},{"text":1468},{},{"id":1471,"data":3638,"type":218,"tunes":3639},{"text":1473},{},{"id":1476,"data":3641,"type":1482,"tunes":3642},{"url":1478,"title":1479,"excerpt":1480,"ctaLabel":1481},{},{"id":1485,"data":3644,"type":1482,"tunes":3645},{"url":1487,"title":1488,"excerpt":1489,"ctaLabel":1490},{},{"id":1493,"data":3647,"type":1482,"tunes":3648},{"url":1495,"title":1496,"excerpt":1497,"ctaLabel":1498},{},{"id":1501,"data":3650,"type":42,"tunes":3651},{"text":1503,"level":247},{},{"id":1506,"data":3653,"type":1506,"tunes":3664},{"items":3654,"title":1545},[3655,3656,3657,3658,3659,3660,3661,3662,3663],{"id":1510,"answer":1511,"question":1512},{"id":1514,"answer":1515,"question":1516},{"id":1518,"answer":1519,"question":1520},{"id":1522,"answer":1523,"question":1524},{"id":1526,"answer":1527,"question":1528},{"id":1530,"answer":1531,"question":1532},{"id":1534,"answer":1535,"question":1536},{"id":1538,"answer":1539,"question":1540},{"id":1542,"answer":1543,"question":1544},{},{"id":1548,"data":3666,"type":42,"tunes":3667},{"text":1550,"level":247},{},{"id":1553,"data":3669,"type":1553,"tunes":3683},{"title":1555,"entries":3670},[3671,3672,3673,3674,3675,3676,3677,3678,3679,3680,3681,3682],{"term":381,"anchor":1558,"definition":1559},{"term":1561,"anchor":1562,"definition":1563},{"term":1565,"anchor":1566,"definition":1567},{"term":1569,"anchor":1570,"definition":1571},{"term":1573,"anchor":1574,"definition":1575},{"term":1577,"anchor":1578,"definition":1579},{"term":1581,"anchor":1582,"definition":1583},{"term":1585,"anchor":1586,"definition":1587},{"term":1589,"anchor":1590,"definition":1591},{"term":1593,"anchor":1594,"definition":1595},{"term":1597,"anchor":1598,"definition":1599},{"term":1601,"anchor":1602,"definition":1603},{},{"id":1606,"data":3685,"type":42,"tunes":3686},{"text":1608,"level":247},{},{"id":1611,"data":3688,"type":218,"tunes":3689},{"text":1613},{},{"id":1616,"data":3691,"type":218,"tunes":3692},{"text":1618},{},{"id":1621,"data":3694,"type":218,"tunes":3695},{"text":1623},{},{"id":1626,"data":3697,"type":42,"tunes":3698},{"text":1628,"level":247},{},{"id":1631,"data":3700,"type":218,"tunes":3701},{"text":1633},{},{"id":1636,"data":3703,"type":1643,"tunes":3706},{"link":1638,"meta":3704},{"image":3705,"title":1641,"description":1642},{"url":355},{},{"id":1646,"data":3708,"type":1643,"tunes":3711},{"link":1648,"meta":3709},{"image":3710,"title":1651,"description":1652},{"url":355},{},{"id":1655,"data":3713,"type":1643,"tunes":3716},{"link":1657,"meta":3714},{"image":3715,"title":1660,"description":1661},{"url":355},{},{"id":1664,"data":3718,"type":1643,"tunes":3721},{"link":1666,"meta":3719},{"image":3720,"title":1669,"description":1670},{"url":355},{},{"id":1673,"data":3723,"type":1643,"tunes":3726},{"link":1675,"meta":3724},{"image":3725,"title":1678,"description":1679},{"url":355},{},{"id":1682,"data":3728,"type":1643,"tunes":3731},{"link":1684,"meta":3729},{"image":3730,"title":1687,"description":1688},{"url":355},{},{"id":1691,"data":3733,"type":1643,"tunes":3736},{"link":1693,"meta":3734},{"image":3735,"title":1696,"description":1697},{"url":355},{},{"id":1700,"data":3738,"type":1643,"tunes":3741},{"link":1702,"meta":3739},{"image":3740,"title":1705,"description":1706},{"url":355},{},{"id":1709,"data":3743,"type":1643,"tunes":3746},{"link":1711,"meta":3744},{"image":3745,"title":1714,"description":1715},{"url":355},{},"Post erfolgreich abgerufen",{"items":3749,"source":3834,"manualIds":3835,"manualMatchedIds":3836},[3750,3757,3764,3771,3778,3785,3792,3799,3806,3813,3820,3827],{"id":3751,"slug":3752,"title":3753,"excerpt":3754,"featuredImage":3755,"publishedAt":3756},"490","rbac-vs-tenant-isolation-two-different-security-boundaries","RBAC против изоляции арендаторов: две разные границы безопасности","RBAC определяет, что пользователь может делать; изоляция тенантов определяет, к ресурсам какого тенанта это действие может получить доступ. Узнайте, почему безопасность многотенантного SaaS требует обеих границ.","\u002Fuploads\u002F2026\u002F10\u002Frbac-vs-tenant-isolation-two-different-security-boundaries-1791485111528-qqtzby.webp","2026-10-08T14:43:00.000Z",{"id":3758,"slug":3759,"title":3760,"excerpt":3761,"featuredImage":3762,"publishedAt":3763},"478","what-is-rag-the-simplest-explanation-of-how-it-works","Что такое RAG? Самое простое объяснение того, как это работает","RAG звучит сложно, но идея проста: прежде чем ИИ ответит, он сначала находит полезную информацию из источника знаний и передаёт эту информацию языковой модели. В этом руководстве объясняются RAG, LLM, состояние, память и инструменты с помощью одной простой ментальной модели.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works-1790377492124-khjagt.webp","2026-09-25T19:03:00.000Z",{"id":3765,"slug":3766,"title":3767,"excerpt":3768,"featuredImage":3769,"publishedAt":3770},"483","what-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs","Что такое архитектор ИИ-решений? Границы системы, обязанности и компромиссы","Архитектор решений ИИ превращает бизнес-требования в готовую к производству систему ИИ, охватывающую данные, модели, инструменты, безопасность, среду выполнения, оценку и операции.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs-1791476643267-1st5xz.webp","2026-10-08T12:23:00.000Z",{"id":3772,"slug":3773,"title":3774,"excerpt":3775,"featuredImage":3776,"publishedAt":3777},"437","metrics","Комплексное руководство по метрикам для управления доставкой и изменениями","Это руководство предоставляет подробный обзор ключевых метрик для корпоративной доставки и управления изменениями, помогая командам измерять производительность, оптимизировать процессы и обеспечивать непрерывное улучшение. Узнайте ключевые показатели, методы расчёта и лучшие практики для согласования метрик с бизнес-результатами.","\u002Fuploads\u002F2026\u002F06\u002Fmetrics-1781624416316-4nsuwg.webp","2026-03-01T17:51:00.000Z",{"id":3779,"slug":3780,"title":3781,"excerpt":3782,"featuredImage":3783,"publishedAt":3784},"465","from-research-protocol-to-a-general-ai-reasoning-framework","От исследовательского протокола к универсальному фреймворку рассуждений ИИ","Методология, разработанная для строгих исследований с применением ИИ, может быть обобщена далеко за пределы самих исследований. Благодаря отделению доказательств от предположений, проверке конкурирующих гипотез, контролю фрейминга промптов, поиску опровергающих доказательств и применению предметно-ориентированных валидаторов та же архитектура рассуждений может улучшить отладку, проектирование программного обеспечения, стратегию, технический анализ и поддержку принятия решений с применением ИИ.","\u002Fuploads\u002F2026\u002F09\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework-1789802635691-hhf78v.webp","2026-09-19T01:16:00.000Z",{"id":3786,"slug":3787,"title":3788,"excerpt":3789,"featuredImage":3790,"publishedAt":3791},"467","the-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","Граница достоверности ответа: недостающий слой между релевантностью и надёжными ответами ИИ","Источник может быть релевантным, авторитетным и при этом неверным для задаваемого вопроса. Недостающий слой — применимость: условия, при которых ответ остаётся в силе, и изменения, вынуждающие пересмотреть его. В этой статье вводится понятие «Граница действительности ответа» как паттерн проектирования источников для людей, ИИ-поиска и RAG-систем.","\u002Fuploads\u002F2026\u002F09\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers-1790272901306-1g5jly.webp","2026-09-24T11:59:00.000Z",{"id":3793,"slug":3794,"title":3795,"excerpt":3796,"featuredImage":3797,"publishedAt":3798},"462","the-prompt-is-part-of-the-bias-how-ai-framing-shapes-reasoning","Промпт — часть предвзятости: как фрейминг ИИ формирует рассуждения","Формулировка промпта не нейтральна. Узнайте, как фрейминг, допущения, следование инструкциям и сикофантия могут формировать рассуждения ИИ — и почему для получения надежных выводов требуется тестирование за рамками исходного промпта.","\u002Fuploads\u002F2026\u002F09\u002Fthe-prompt-is-part-of-the-bias-how-ai-framing-shapes-reasoning-1789804884054-u278vc.webp","2026-09-19T01:04:00.000Z",{"id":3800,"slug":3801,"title":3802,"excerpt":3803,"featuredImage":3804,"publishedAt":3805},"494","air-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access","Air-Gapped AI: как работают ИИ-системы без интернета и облачного доступа","AI-системы в изолированной среде запускают модели, RAG и AI-приложения внутри изолированного домена безопасности без зависимости от интернета или облачных сервисов. Узнайте, как модели, данные, обновления и инструменты работают в автономном режиме.","\u002Fuploads\u002F2026\u002F10\u002Fair-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access-1791487983978-e6xqf0.webp","2026-10-08T11:32:00.000Z",{"id":3807,"slug":3808,"title":3809,"excerpt":3810,"featuredImage":3811,"publishedAt":3812},"434","evaluation-harness","Исчерпывающее руководство по Evaluation Harness: освоение оценки производительности LLM","Это руководство содержит подробный обзор Evaluation Harness — важного фреймворка для строгой оценки возможностей больших языковых моделей (LLM) в корпоративных конвейерах LLMOps. Узнайте о настройке, лучших практиках и продвинутых методах для обеспечения надежного бенчмаркинга и оптимизации моделей.","\u002Fuploads\u002F2026\u002F04\u002Fevaluation-harness-1775466944495-4s0xv2.webp","2026-03-01T17:50:00.000Z",{"id":3814,"slug":3815,"title":3816,"excerpt":3817,"featuredImage":3818,"publishedAt":3819},"469","rag-failed-but-which-layer-actually-failed-a-diagnostic-method","RAG не сработал — но какой именно слой на самом деле отказал? Метод диагностики","Когда ответ RAG неверен, обвинять поиск или модель — слишком расплывчато. Этот диагностический метод изолирует покрытие источников, построение запроса, поиск, ранжирование, сборку контекста, генерацию, атрибуцию доказательств и актуальность — так что фактический сбой можно воспроизвести и исправить.","\u002Fuploads\u002F2026\u002F09\u002Frag-failed-but-which-layer-actually-failed-a-diagnostic-method-1790350847177-pior4c.webp","2026-09-24T19:39:00.000Z",{"id":3821,"slug":3822,"title":3823,"excerpt":3824,"featuredImage":3825,"publishedAt":3826},"487","vector-databases-embeddings-and-reranking-three-different-parts-of-retrieval","Векторные базы данных, эмбеддинги и переранжирование: три разные части поиска","Эмбеддинги представляют смысл, векторные базы данных извлекают кандидатов, а реранкеры уточняют результаты. Узнайте, чем отличаются эти три слоя поиска и как они работают вместе в RAG.","\u002Fuploads\u002F2026\u002F10\u002Fvector-databases-embeddings-and-reranking-three-different-parts-of-retrieval-1791480129884-9dtasz.webp","2026-10-08T11:21:00.000Z",{"id":3828,"slug":3829,"title":3830,"excerpt":3831,"featuredImage":3832,"publishedAt":3833},"464","falsification-for-ai-reasoning-from-answers-to-tested-hypotheses","Фальсификация для ИИ-рассуждений: от ответов к проверяемым гипотезам","ИИ-модели могут генерировать убедительные доказательства почти для любой правдоподобной гипотезы. Более надёжная методология задаёт противоположный вопрос: какие доказательства ослабили бы, опровергли или заставили бы нас отказаться от вывода? В этой статье развивается ориентированное на фальсификацию рассуждение для LLM с использованием конкурирующих гипотез, различающих тестов, контрдоказательств и явных критериев отклонения.","\u002Fuploads\u002F2026\u002F09\u002Ffalsification-for-ai-reasoning-from-answers-to-tested-hypotheses-1789811137616-3hce1b.webp","2026-09-19T01:11:00.000Z","fallback",[],[]]