读CIA《情报研究》:AI时代企业风险管理的四点思考

《情报研究》（Studies in Intelligence）是美国中央情报局（CIA）情报研究中心出版的专业期刊。在2026年9月刊的公开摘录中，几篇文章分别探讨了AI对情报工作专业能力的影响、工作速度与判断质量的关系、软件驱动的工作转型，以及保密制度的成本。〔1〕

之所以会关注自己专业领域外的情报工作，是因为我发现，这些讨论中的许多问题，在企业风险管理中也能找到对应。细想之下，情报分析与企业风险管理的确有很多相似之处：两者都要从不完整的信息中理解情况，在时间有限的条件下作出判断，判断偏差也可能带来严重后果。

企业风险管理在AI时代前，已有规则引擎、监测平台和自动化流程。当生成式AI进一步参与材料解释、风险研判和任务执行，围绕人的阅读、判断和交接形成的工作安排，也会受到影响。《情报研究》2026年9月刊中的这四组讨论，恰好提供了几个重新观察AI影响企业风险管理的角度。

反情报分析师William Martin（笔名）在《AI与专业能力》一文中提醒，情报到达分析师之前，往往已经经过多层转述和整理。大模型可以帮助筛选信息，也可能让分析师更依赖加工后的结果。随着阅读、整理等工作交给AI，分析师亲自研究原始材料、理解具体情况的机会可能随之减少。〔2〕（术语解释：反情报分析师，是专门分析敌对情报活动及其威胁的人员。 “反情报”关注如何识别和应对间谍、窃密、渗透以及破坏本方情报工作的活动。）

他以地质调查举例，遥感技术扩大了地质调查范围，但地质人员仍然需要通过实地观察，理解地貌和材料的具体特征。对应到情报工作，他建议利用AI迅速找出可能重要的材料，再由分析师回到原始记录中核对和研究。工具帮助人更快找到线索，后续的调查过程仍然关系到专业认识的形成。

企业风险管理中的许多基础工作，也同时承担着交付和学习的作用。阅读材料、核对记录、访谈业务人员，最终会形成一份评估报告；在这个过程中，从业者也逐渐熟悉业务，知道哪些表述容易掩盖细节，哪些看似微小的差异可能影响判断。

以数据合规评审为例，假设一名新同事正在评估一项服务。产品说明写着“核验用户信息”，他对照数据清单，向研发询问核验由谁完成，才知道姓名、手机号会被发送给外部服务商。接下来，还需要了解对方为什么需要这些字段、核验完成后如何处理数据。经过这次核查，他以后再看到“核验”这样的表述，就会想到具体的执行者、数据去向和处理方式。

AI可以帮助他发现文档与数据清单的差异，解释陌生的技术流程，提供可供比较的案例。这些辅助有可能让他更快理解业务。但如果工作安排变成由AI完成材料分析、直接给出风险等级，而他长期只接触最后的报告，通过核查事实、追问业务来积累经验的机会，就可能减少。能够判断AI报告中的推理或论证是否成立，并不意味着能发现它遗漏了哪些业务事实。发现这些遗漏，往往更依赖对实际业务的了解。

因此，将基础工作交给AI时，企业也需要考虑这些工作原来承担的培养作用。过去，完成任务和积累经验常常发生在同一段工作中；流程改变以后，学习机会需要重新安排。可以让新人借助AI完成材料整理，再与有经验的同事一起追查关键差异，理解为什么要查、查到的事实怎样影响结论。资深人员也可以从重复处理的任务中腾出精力，研究少见但重要的例外，并把这些认识带入后续评审和带教。

AI可以缩短材料整理、信息汇总和报告编写的时间，企业据此可以增加任务量、缩短交付周期。不过，等待业务补充信息、核实矛盾之处、检验关键假设，未必能够以同样的幅度提速。如果新的交付预期只依据报告生成的速度来设定，这些工作就容易受到挤压。

美国海军情报局分析师Justin K. Edmondson在《数字情报环境中的研判》中，讨论了几种不同的分析工作：把多方信息迅速整合成报告，弄清数据从哪里来、结论依据什么，以及通过复核和质疑找出判断可能出错的地方。在数字化工作环境中，报告交得快、内容呈现得清楚，更容易被看见和认可。相比之下，核实信息、检查推断所花的时间，往往难以体现为可见的成果。这些工作如果持续受到挤压，就可能出现一种变化：报告仍然按时交付，看起来也很完整，但支撑结论的依据和条件却越来越少得到深入检查。这种不一定立即表现为错误的渐进变化，就是他所说的“无声漂移”。〔3〕

企业风险管理也面临类似的评价难题。完成多少评审、工单停留多久、报告是否按时交付，都容易统计。为了查清一个口径，评审人员反复询问业务、核对记录，最后可能只是调整了一项风险判断，或者取消了一条多余的限制。报告改动不大，却可能改变业务下一步的做法。单看交付数量和处理时长，很难看出这部分工作的价值。

这对风险管理尤其值得警惕。要求业务补充事实、检验一种相反解释，或者暂缓作出结论，都可能增加处理时间。其中有些等待可以通过工具改进来缩短，有些则是作出可靠判断所必需的投入。如果这些工作一律被视为拖延，风险管理人员就容易倾向于接受现有材料、沿用已有判断，尽快完成交付。

前CIA高级分析师William Schlickenmaier在《软件定义情报》中，提出围绕软件能力重新组织情报工作的设想。他特别关注AI智能体执行任务，以及借助自然语言生成代码带来的变化：一线人员有机会根据具体任务搭建和调整工具，将信息搜集、处理、分析及相关支持工作连接起来。为此，基础设施、管理规则和人员技能也需要相应调整。〔4〕

企业风险管理已有权限校验、规则检查和持续监测等自动化安排。生成式AI带来的进一步可能，是让更多原来依赖人工阅读和解释的材料进入这些流程，同时降低定制分析工具的门槛。风险管理人员可以更直接地参与工具设计，把特定业务中的评估方法做成可重复执行、随业务变化而调整的程序。

以数据使用评审为例，可以设想这样一套流程：业务人员提交申请，AI协助提取用途、所需字段和接收方，与数据目录、权限配置进行对照，将不一致或解释不清的地方交给专业人员确认。评审确定的使用范围，再由相应的权限规则和校验程序约束实际操作。后续如果用途、接收方或字段发生变化，系统记录下来，并按预先设定的条件重新提交评估。

在这套流程中，AI承担材料理解和问题发现，程序执行已经明确的限制，专业人员处理需要结合业务情况作出的判断。事前评审的要求进入实际运行，事后复盘发现的问题，也可以转化为下一次操作能够检查的条件。同类任务再次出现时，团队可以沿用并调整这套工具，减少从头整理材料、逐项比对的工作。

这会对风险管理人员提出更具体的要求。例如，一条“不得超范围使用”的意见，需要进一步说明哪些数据可用、谁可以访问、哪些变化会影响原有判断。专业人员还要与技术团队一起区分，哪些条件能够由程序校验，哪些情况需要另行评估。最终形成的控制措施，则需要检查是否误拦正常业务、漏掉应当限制的行为。

这样的工作方式依赖企业已有的数据和系统条件。工具需要能够取得相应材料，识别不同资料之间的关系，并在允许的权限范围内执行操作。Schlickenmaier也认为，理解软件和算法的基本原理，在AI辅助开发之后仍然有价值。〔4〕

工具投入使用后，维护也会成为风险管理的持续工作。字段变化、接口调整、业务用途扩展，都可能影响原有检查。谁负责发现这些变化，怎样修改规则，以及如何确认修改后的工具仍然有效，需要有明确的安排。专业经验由此进入软件，也需要随着实际运行不断更新。

Schlickenmaier还提醒，采取行动后出错所承担的后果，往往重于不采取行动，风险管理因此可能滑向风险回避。〔4〕这对企业同样有启发：采用新工具可能引入新的错误和维护负担，继续沿用旧流程也可能留下核查盲区、等待和重复劳动。评估新工具是否值得采用，既要权衡它带来的收益、风险和投入，也要考虑继续沿用旧流程的成本和局限。

《秘密与保密》的作者Joseph Gartin和Timothy Schulz，在承认保密对情报工作不可缺少的同时，讨论了维持这套制度所需的代价。他们区分了两类成本：一类是人员、设施、存储和管理等持续投入，称为“承载成本”；另一类是保密对知识形成、传播和使用的影响，称为“认知成本”。〔5〕

后者容易被忽略。在作者的描述中，一个人即使有权获取信息，也未必知道相关资料存在哪里、应该向谁询问。信息分散在不同部门，取得信息又有各自的条件，组织拥有的知识就未必能到达需要作出判断的人手中。有时，分析人员甚至不知道自己缺少哪一部分信息。

这让我联想到企业已经建立的风险管理体系。三道防线、分级授权、信息隔离，以及事前、事中、事后的控制，都有保护业务和明确责任的作用。其中，三道防线区分职责：业务管理者承担风险和控制责任，风险与合规等职能提供专业支持、监测和质疑，内部审计提供独立、客观的确认与建议。事前、事中、事后则说明控制介入的时点。〔6〕

这些安排与情报保密制度并不相同，但都影响着谁能获得什么信息、据此作出什么判断。例如，一项外部合作的合同、技术方案和实际运行记录，可能分别由不同部门掌握。评审人员收到的是为本部门审查准备的材料，各自都能完成职责范围内的检查，却未必有机会发现合同约定与实际运行之间的差异。由此产生的成本，既包括寻找材料、申请访问和跨部门沟通的时间，也包括信息没有汇合而留下的认识缺口。

同一项业务，可能要按几个部门的模板反复说明同一套事实。从每个部门看，只是多要了一份材料；业务人员承担的却是多轮整理、沟通和等待。提出检查要求的人不直接承担这些成本，就容易低估新增一步的代价。于是，各部门都认为自己只增加了少量工作，重复要求却在业务端不断累积。

即使AI降低了既有流程的执行成本，也未必会促使企业重新评价流程的作用。一项已经不再解决原有问题的要求，可能因为执行起来更省事而继续存在。完成记录越来越齐全，不能单独说明制度仍然有效。

审视管控制度的成本，并不意味着以成本高低决定去留。有些安排投入很大，却承担着必要的保护作用；有些安排成本不高，却持续制造重复工作或妨碍信息流动。随着业务和技术条件变化，控制的范围、执行方式及各方责任都值得重新评估。风险管理人员参与建立这些制度，也应当持续判断它们今天还在解决什么问题、造成了哪些负担，以及需要作出什么调整。

参考资料

〔1〕CIA情报研究中心：《情报研究》第70卷第3期公开摘录，2026年9月。

https://www.cia.gov/resources/csi/studies-in-intelligence/studies-in-intelligence-vol-70-no-3-extracts-september-2026/

〔2〕William Martin，AI and Expertise: Intelligent Delegation for Intelligence Analysts，第27—31页。

https://www.cia.gov/resources/csi/static/3-AI_and_Expertise_Intelligent_Delegation.pdf

〔3〕Justin K. Edmondson，Judgment Under Tempo: Tradecraft in a Digital Intelligence Environment，第33—37页。

https://www.cia.gov/resources/csi/static/4-Judgment_Under_Tempo.pdf

〔4〕William Schlickenmaier，Software-Defined Intelligence: A New Way of Thinking About Tradecraft，第39—47页。

https://www.cia.gov/resources/csi/static/5-Software_Defined_Intelligence.pdf

〔5〕Joseph Gartin、Timothy Schulz，Secrets and Secrecy: The Case for a Practitioner’s Dialogue，第57—68页。

https://www.cia.gov/resources/csi/static/7-Secrets_and_Secrecy.pdf

〔6〕IIA，Three Lines Model: Assurance and Advice in Support of Effective Governance，2026年；本文引用第3—5、9页。

https://www.theiia.org/globalassets/site/resources/statements-of-position/tlm_assurance_advice_support_effective_gov_en.pdf