无法衡量的事物就无法改进。这就是 JieGou 推出 GovernanceScore 的原因 — 一个 0 到 100 的单一数字，精确告诉你 AI 治理态势的成熟程度，以及下一步该做什么来改进。
GovernanceScore 不是虚荣指标。它是对 AI 安全、合规和卓越运营至关重要的八个因子的量化评估。每个因子都对总分有贡献，且可以独立改进。
以下是它的运作方式。
8 个因子
1. RBAC 覆盖率（0–15 分）
衡量你在整个组织中实施角色访问控制的彻底程度。所有团队成员是否都被分配了适当的角色？权限是否与实际工作职能一致？是否在所有使用 JieGou 的部门都有角色覆盖？
如何改进： 确保每个团队成员都有角色分配。每季度审查权限。为部门主管使用经理角色，而不是给所有人管理员权限。
2. 审批门控采用率（0–15 分）
审批门控防止未经审查的 AI 操作进入生产环境。这个因子衡量你的敏感工作流中有多少包含审批步骤，以及审批者是否在积极审查（而非只是自动批准）。
如何改进： 找出涉及外部系统、财务数据或客户通信的工作流。在这些关键操作前添加审批步骤。目标是在至少 80% 被归类为敏感的工作流上设置审批门控。
3. 审计日志完整性（0–10 分）
启用审计日志只是基线。这个因子评估你的日志是否完整 — 涵盖所有操作、所有用户、所有工作流执行 — 以及是否保留了足够的期间。
如何改进： JieGou 默认启用审计日志，因此大多数组织在这里的起始分数不错。确保你没有在任何工作流上停用日志，并且你的保留设置符合合规要求。
4. BYOK 加密（0–15 分）
自带密钥（BYOK）意味着你的 LLM API 密钥使用你控制的密钥加密，而不是以明文存储或使用平台管理的密钥加密。这个因子衡量你是否使用 BYOK 以及密钥是否定期轮换。
如何改进： 为所有 LLM 供应商启用 BYOK。设置每季度的密钥轮换计划。如果你的组织需要数据隔离，为不同部门使用不同的 API 密钥。
5. MCP 认证（0–10 分）
MCP（模型上下文协议）集成将你的 AI 工作流连接到外部服务。这个因子评估你是否使用经认证的 OAuth 集成，而非未经认证的或手动连接。
如何改进： 优先使用 JieGou 内置的 OAuth 集成，而非手动 API 密钥连接。审查你的集成清单，将任何未认证的连接迁移到经认证的替代方案。
6. 模型多样性（0–10 分）
依赖单一 AI 模型会产生集中风险。这个因子衡量你是否使用来自多个供应商（Anthropic、OpenAI、Google）的模型，以及是否有备用配置。
如何改进： 配置至少两个 LLM 供应商。设置备用模型，以便在某个供应商发生中断时工作流可以继续。根据不同模型的优势，为不同用例使用不同的模型。
7. 成本透明度（0–10 分）
AI 成本可能在缺乏可见性的情况下失控。这个因子评估你是否配置了成本追踪、预算和警报 — 以及团队成员是否能看到其工作流的成本影响。
如何改进： 启用按工作流的成本追踪。设置部门级别的预算，在 80% 和 100% 阈值时发出警报。每月审查成本报告并优化昂贵的工作流。
8. 内存治理（0–15 分）
AI 内存 — 会话之间保留的上下文和数据 — 也需要治理。这个因子衡量你是否有关于存储什么数据、保留多久以及谁可以访问历史上下文的策略。
如何改进： 按部门配置内存保留策略。为不同的数据敏感度等级设置适当的 TTL。确保 PII 处理遵循你组织的数据治理策略。
从 40 到 80+：实际改进路径
一个典型的组织在注册并开始使用 JieGou 后，通常会得到 35-45 分左右。审计日志默认开启，基本 RBAC 在邀请流程中就已到位，部分集成已经认证。这是一个稳固的起点。
以下是达到 80+ 的最快路径：
第一周（40 → 55）： 为你的主要 LLM 供应商启用 BYOK 加密。仅此一项就能增加最多 15 分，只需大约五分钟。
第二周（55 → 65）： 为你最敏感的前 5 个工作流添加审批门控。审查你的 RBAC 分配，确保每个团队成员都有正确的角色 — 而不是”所有人都是管理员”。
第三周（65 → 75）： 配置第二个 LLM 供应商作为备用。设置成本追踪和部门预算。将任何手动集成迁移到 OAuth 认证的替代方案。
第四周（75 → 80+）： 配置内存保留策略。审查审计日志保留设置。进行最终的 RBAC 审查，确保部门隔离配置正确。
为什么 GovernanceScore 很重要
GovernanceScore 给你三样东西：
一个基线。 在你改进治理之前，你需要知道现在的位置。一个简单的数字让你容易向领导层沟通并追踪长期趋势。
一个路线图。 每个因子精确告诉你下一步该做什么。不再是模糊的建议，而是按影响力排序的具体、可行的改进项目。
进步的证明。 当你的 CISO 问”我们的 AI 治理怎么样？“时，你可以用一个数字、一条趋势线和按因子的分项来回答。这样的对话只需要两分钟而非两小时。
AI 治理不是终点 — 它是一种持续的实践。GovernanceScore 让这种实践可以衡量。