AI供应链安全（5）：成效展示——AI供应链安全成熟度度量

锦岳智慧

2026年10月20日 00:00
北京

去阅读

前四篇依次回答了四个问题。第一篇把智能体看见，回答“有多少个在跑”；第二篇用AIBOM说清构成，回答“每个由什么组成”；第三篇把风险测准，回答“是否安全、能否上线”；第四篇把要求落到证据，回答“出事时拿得出什么”。

但对已经投入建设的组织来说，做到什么程度算好？很多组织的真实状态是：台账建了、AIBOM清单出了、检测跑了、证据存了，但当被问到“这套体系现在能挡住什么”时，仍然答不上来。原因很清楚——能力建成，不等于能力生效，两者之间隔着一道容易被忽略的坎。

本篇讨论两件事：如何用成熟度判断自己处在哪一档，以及如何用度量证明体系真的在运转。

1“建了”不等于“做好了”

一项能力只有在被实际调用、并产生可验证的结果时，才算真正生效。三种幻觉最能说明问题。

台账幻觉。台账建了，但维护责任没落到人，三个月后一半资产状态失真。看起来“有台账”，实际不符合现状。

检测幻觉。用例跑了、报告出了，但结论停在报告里，没人跟进整改。看起来“做过检测”，实际答不了“哪个还没修”。

证据幻觉。哈希存了、签名验了，但事件发生时找不到对应记录，或找到的记录无法复现当时的结论。看起来“有证据”，实际答不了“当时为什么被放行”。

三者的共同点是：能力建成了，但没有进入运转。判断一套体系是否生效，不看“建了几项”，而看“能不能在规定时间内给出答案”。

2五级成熟度：你在哪一档

成熟度不是给组织评级打分，而是回答一个更实际的问题：我现在能挡住什么，下一步该补什么。按能力的可依赖程度，可以分为五级（表1）。

表1　五级成熟度与能力特征

需要说明的是，多数组织当前处在L1到L2之间。L2已经能回答“有多少、由什么组成”。而L3是一道真正的分水岭：到了这一级，体系才具备实际的事件响应能力，能在小时级给出受影响名单，而不是靠人工翻清单。

L5的价值在于体系能自我修正，但对多数组织来说，稳在L3、逐步补上L4的度量能力，已经是很好的状态。

3度量：指标怎么设才不跑偏

L4量化管理是用数据说明体系有效性。但指标一旦设错，会反过来把体系带偏。建议按三类设置（表2）。

表2　三类度量指标与常见误区

指标设计有三个坑，值得单独强调。

只统计“发现了多少问题”，会激励刷用例数、大量报低危。数量指标必须与第三篇的三档分档绑定，只统计“可利用”与“可复现”的闭环情况。

只统计覆盖率、不统计准确率，比不做度量更危险。100%覆盖但一半是误判，比80%覆盖更糟，因为它让决策建立在一半错误的数据上。

把“未评估”计入“通过”，会虚增合规率。这与前三篇反复强调的“保留未知而非默认为安全”直接冲突。

一句话：能被度量的能力才能被改进；但被错误度量的能力，会被改进到错误的方向上去。

4四类常见失效模式

发现体系的失效往往不是某一步没做，而是某一步做了却没接上。四类失效模式最常见。

建而不用。台账与清单建完没人看，检测报告没人读。根因是能力没有与流程绑定——清单必须与工单、应急通信连接，否则只是一份静态文档。

用而不准。数据本身失真，因为运行期变更没有被捕捉。只检测发布流程内的变更，会漏掉绝大部分真实变更，此时“台账没变”是最危险的假象。

准而不闭环。结论有了但不处置，或处置粒度不对，会让整个检测体系失去可信度。

闭环不复测。整改完成但没有按原路径复测，问题可能只是被掩盖而非消失。这是四类里最隐蔽的一类，因为它看起来“已经闭环”。

5进阶路径：代价最小的三级跳

如果资源有限，不必按L1到L5逐级推进，可以聚焦代价最小的三级跳。

L1到L2：建台账与清单。这是投入最小、收益最大的一步——它让组织第一次能回答“有多少、由什么组成”，也是其他能力的前提。

L2到L3：接流程。把台账与清单接入变更审批、工单派发与事件响应，让能力自动触发而非靠人推动。这一步是“建了”与“用了”的分界。

L3到L4：设指标。开始度量覆盖、闭环与时效，用数据找出真正的短板，而不是靠事故倒逼改进。

6小结

AI供应链治理是一条完整的链：先求全地发现（第一篇），再求深地建档（第二篇），再求准地检测（第三篇），再把要求落到证据（第四篇），最后用度量看清成效、驱动改进（第五篇）。

前四篇解决“做什么”，本篇解决“做到什么程度、怎么持续变好”。两者的关系是：没有前四篇的能力，度量没有对象；没有本篇的度量，前四篇的能力不知道有没有真的生效。能被度量的能力才能被改进。