NIST AI风险管理框架
NIST AI Risk Management Framework（AI RMF）：美国国家标准与技术研究院发布的AI风险管理框架，核心流程包括情境映射（Map）、测试评估（Measure）、风险管控（Manage）和治理（Govern）。
简介
NIST AI 风险管理框架（AI RMF 1.0）由美国国家标准与技术研究院（NIST）于 2023 年 1 月发布，是一套面向 AI 系统全生命周期的风险管理方法论。它不是法规，而是自愿性框架，旨在帮助组织识别、评估和管理 AI 系统的风险。
在 AI 产品落地场景中，NIST AI RMF 最常被引用的是其”情境映射”（Map）环节：在产品定义阶段先说明场景、目标、相关人员和影响，再进入测试与风险决策。这与产品经理的工作流程天然契合——不是事后补救安全，而是从需求阶段就把风险纳入设计。
NIST AI RMF 与 AI产品安全底线 互补：AI产品安全底线是从具体产品实践出发的两层安全检查清单（架构层+运营层），NIST AI RMF 是从组织治理角度出发的四步方法论框架。
关键信息
- 类型：框架（概念类实体）
- 领域：AI 风险管理 · 合规 · 产品治理
- 发布机构：NIST（美国国家标准与技术研究院）
- 发布版本：AI RMF 1.0（2023年1月），配套 Playbook
- 核心流程：Map（情境映射）→ Measure（测试评估）→ Manage（风险管控）→ Govern（治理）
- 性质：自愿性框架，非法规强制
- 适用阶段：AI 产品全生命周期——从需求定义到上线运营
核心特性
1. 四步核心流程
Map（情境映射）：
- 先说明场景、目标、相关人员和影响范围
- 识别 AI 系统可能产生的正面和负面影响
- 在 AI 产品需求分析中对应”第三问”——AI拿得到完成任务所需的东西吗？PM 不能只画聊天页面，要画完整任务链
Measure（测试评估）：
- 定义可量化的风险指标和评测方法
- 持续监控 AI 系统的表现和偏差
- 在 AI 产品中对应”第四问”——我们怎么知道AI做得好不好？即 Eval 评测体系建设
Manage（风险管控）：
Govern（治理）：
- 建立组织层面的 AI 风险治理文化和问责机制
- 确保风险管理融入日常决策流程
- 对应企业AI落地中的”AI治理”和”先治数据和流程，再上智能体”
2. NIST AI RMF 在 AI 产品需求分析中的应用
在”AI需求四道门”框架中，NIST AI RMF 的情境映射（Map）环节支撑第三问的落地方法论。产品经理需要在需求阶段就回答：
- 场景说明：在什么业务场景下使用 AI？
- 目标定义：AI 要帮助完成什么任务？
- 相关人员：谁使用 AI、谁被 AI 影响、谁审核 AI 输出？
- 影响范围：AI 输出错误会造成什么后果？
这与 AI评估计分板 中的风险维度（低/中/高风险分层）和 企业AI落地 中的”先治数据和流程”形成完整的安全设计链条。
不同素材中的观点
- 2026-07-15-ai-sigangqi-jiashenme-ai：在”AI需求四道门”第三问中引用 NIST AI RMF 的情境映射环节，强调产品经理不能只画聊天页面，要画完整任务链：模型能看到什么、调用什么、谁来确认、信息不足时追问还是转人工。把 NIST 框架从组织治理翻译为产品需求定义的具体操作。