UKAS与DAkkS联合发布合格评定领域AI应用技术公告

2026年3月6日，英国认可机构（UKAS）与德国认可机构（DAkkS）联合发布《合格评定中人工智能技术的应用》技术公告，为获得UKAS和DAkkS认可的合格评定机构（CABS）负责任地开发、部署和使用人工智能（AI）技术，提供了统一的指导性框架。

本次发布的联合技术公告为信息指引类文件，不新增或额外设定认可相关要求，旨在帮助合格评定机构识别、适配现有认可体系中与AI应用相关、以技术中立为原则制定的各项要求，且需与对应认可领域的现行标准同步使用。

首先，公告明确了合格评定机构在引入AI技术时的强制告知义务。公告明确AI技术的引入与落地需向认可机构申报重大变更。要求机构在对设备、资源、流程等作出重大变更时，尽早履行告知义务。申报内容需包含三个方面的信息：一是AI系统的简要说明，包括功能用途、训练数据/知识库、技术实现路径。二是AI系统在合格评定全流程中的具体应用环节。三是机构对AI系统的依赖程度，具体分为纯行政支持、咨询或决策辅助、决策权限委托三类场景。

其次，公告确立了AI应用环境的敏感性评估核心框架。公告明确需结合AI系统的技术特性、具体用例与应用场景，开展针对性评估，以此判定对应标准条款的适用性与落地方式。评估需覆盖三大核心维度：第一，AI系统的技术类型，需从技术层面对系统进行分析，重点说明系统任务、数据/知识库、技术实现路径，明确其对标准条款适用性的影响。第二，AI系统在合格评定流程中的应用场景，需清晰区分不影响评定决策的行政类任务，与直接影响评定结果的核心流程应用。第三，机构对AI系统的依赖程度，该维度直接决定合规要求的严格程度、人工监督机制的设置标准及系统验证的深度，依赖度越高，配套的安全保障机制越需严格。

最后，公告明确了AI应用的合规实施路径，并划定核心监管红线。在合规实施层面，要求合格评定机构以适用的认可标准（如ISO/IEC 17025、ISO/IEC 17024、ISO/IEC 17065等）为核心，结合AI系统的特性、应用环节及依赖程度，开展条款适用性分析，从组织流程与技术保障两个层面落实合规要求，包括建立人工监督机制、完善人员能力培训、配套数据安全与系统验证措施等。

在监管红线层面，公告明确两项要求：一是在当前认可框架下，合格评定决定的最终权限不得委托给AI系统。二是若现行标准明确应由具备资质的人员作出决定，那么以自主AI决策系统替代相关人员履职的行为将被严格禁止。合格评定机构需在AI技术落地前，提前识别此类约束，确保AI应用始终符合认可框架要求。

以下为您整理的文档内容：

[size=150]AI Bulletin_DAkkS_UKAS_English.pdf

Technical Bulletin：The use of Artificial Intelligence (AI) technologies in accredited conformity assessment

1. 引言 (Introduction)
该联合技术公报由 UKAS（英国认可服务）和 DAkkS（德国认可委员会）共同制定，旨在为合格评定机构 (CABs) 在业务活动中负责任地开发、部署和使用人工智能 (AI) 技术和工具提供指导。
目的：并非建立新的认可要求，而是帮助 CABs 识别和理解可能以技术无关方式制定的现有适用要求。
原则：现有要求保持不变，本文件应与相关认可标准并行阅读。

2. 引入 AI 时的通知义务 (Obligation to inform)
CABs 在引入 AI 技术时，必须尽早通知其国家认可机构 (NAB)，以便审查潜在影响。通知内容应至少包括：

• AI 系统的简要描述（功能、训练数据/知识、实施方法等）；
• AI 系统在功能方法/合格评定过程中的使用位置；
• 对 AI 系统的依赖程度（如纯行政支持、建议/决策支持、或尝试将决策委托给 AI）。
  

3. 情境敏感性 (Context sensitivity)
由于 AI 是通用技术，无法制定适用于所有情况的统一要求，必须进行情境敏感评估。评估时至少需考虑以下三个方面：

3.1 AI 系统类型 (Type of AI system)
需在技术层面分析并描述 AI 系统，参考 ISO/IEC 22989 标准。

• 应用领域：系统在 CAB 流程中的特定功能（如自动化文档审查与预测性维护的风险不同）；
• 训练数据/知识：数据的性质（结构化或非结构化）影响处理复杂性、潜在偏差及保密性要求；
• 实施方法：使用的算法（如神经网络、决策树）影响可解释性，持续学习模型可能需要更严格的验证。
  

3.2 在合格评定过程中的使用 (The use of the AI system within the process)
任务性质决定了风险和要求：

• 不影晌符合性决定的行政任务（如翻译邮件）风险较低；
• 必须区分行政支持与融入功能方法（如翻译技术文档）的区别。
  

3.3 对 AI 系统的依赖程度 (Degree of reliance)
依赖程度决定了要求的严格性，可分为三类：

• 纯行政支持（风险最低）；
• 建议或决策支持功能（需要严格的人类能力和系统验证）；
• 尝试将决策委托给 AI（重要提示：根据当前认可框架，最终符合性决定绝不能委托给 AI 系统）。
  

4. 程序视角：如何识别和情境化相关要求 (Procedural perspective)
CABs 应进行条款对条款分析，将系统特征与标准要求交叉引用：

• 确定适用的 Level 3 标准（如 ISO/IEC 17025 等）；
• 分析 AI 系统的特征（技术特征、在功能方法中的角色、依赖程度）；
• 识别触发的具体要求（如保密性、外部提供管理、技术资源验证等）；
• 实施组织过程或技术保障措施（如人工监督机制、结果交叉验证、人员培训等）。
  

若 Level 3 标准明确将认证决策责任分配给有能力的人员，则用自主 AI 系统替代该人员的做法与标准不兼容。

5. 结语
CABs 必须尽早识别这些硬性约束，确保其采用 AI 的方式在适用的认可框架范围内。

作者：UKAS & DAkkS

原文名：AI Bulletin_DAkkS_UKAS_English.pdf