"AI 生成的合规文档,评估师认不认?"
过去一年我们被问得最多的就是这句。诚实回答是:有的认,有的当场挂。
区别不在"是不是 AI 写的",在产物有没有项目上下文、有没有证据链、有没有编造。下面这份分级,是我们内部用来判断产物能不能进场的三档标准。
共同点是结构化程度高、有明确模板、判断规则客观:
• 过程描述与裁剪文档——过程模型本身是标准化的,结合项目裁剪说明生成,质量稳定;
• 追溯矩阵——条目间的关联建立与影响分析,机器做得比人快,还不容易漏;
• 评审检查单、会议纪要骨架、整改跟踪表——格式类产物,生成后人工确认一下就行;
• 文档排版与交叉引用——版本、页码、引用关系,机器天然比人可靠。
这类产物大约占合规文档量的六七成。配上人工确认,评审首过率能稳定在 90% 以上。
换句话说:合规文档里最大的一块,恰恰是最适合交给机器的那块。
特点是框架可以给,血肉得项目自己填:
• 项目计划与里程碑论证——计划模板能给,但资源、依赖、风险必须结合真实项目约束填。机器写的"通用风险",评估师一眼假。
• 需求条目的验收准则——句式框架能给,但验收阈值、边界条件来自真实设计决策。
• 问题根因分析——结构能给,但根因必须是团队自己复盘出来的。
评估现场最典型的翻车,是评估师问"这条验收准则的阈值怎么定的",工程师答不上来——因为他没参与写,只是点了"生成"。
这一档的判定标准很简单:评估师追问一句"为什么",使用者答不上来,就不该交给机器独立完成。
• 过程能力定级的判断依据——CL 定级是基于证据的专业判断,标准明确要求人来做,机器生成的"自评"只能当参考;
• 组织级过程的适用性裁剪决策——为什么裁掉某个实践,需要管理层与过程组的真实决策记录;
• 任何"证据"本身——测试记录、评审签到、决策邮件。
最后一条是红线里的红线:机器可以组织和呈现证据,绝不能生成证据。 前者是效率工具,后者是诚信事故,这条边界不能模糊。
把评审前置——每份关键产物交付前,先过一遍具备评估资质的人,用评估现场的口径做出厂检验。
这解决的是合规工具最大的信任危机:工具方说自己能过评估,可真出问题时,背锅的是你。
责任必须落到具体的人身上。这个做法还有个副作用:终审会记下"机器建议值"和"人工确认值"的差异,这份差异记录恰恰是评估现场很受欢迎的东西——它证明过程是被真实执行和判断过的,不是一键生成的。
判断一个工具靠不靠谱,别问"模型多先进",问两句:
1. 生成的工作产物,谁按评估口径审?
2. 产物在评估现场被打回,你们承担什么责任?
答不上来这两句的,文档写得再漂亮也别买。
机器可以组织证据,绝不能生成证据。
选型时,你们问过这两句吗?
