AI 在工程尽职调查中的应用：签约前识别进度、成本与可靠性风险

1. 使用 AI 拓宽证据范围，同时保留决策权限

工程尽职调查是一项证据转化工作。买方收到图纸、进度计划、成本报告、维护历史、检查记录、合同、运营数据和管理层说明。每个来源描述资产或项目的不同部分。交易团队必须确定哪些记录是最新的、它们是否相互核对一致，以及已识别的情况如何影响价值、现金、完工和连续性。

AI 可在交易时间表内扩大所审阅材料的范围。文档模型可对文件进行分类、提取标识符并关联修订版本。分析模型可扫描进度网络、成本变动与维护历史。统计方法可揭示异常故障簇、反复覆盖操作或进度不一致。当证据受控时，这些能力可提升覆盖范围。当生成的摘要失去来源追溯，或异常评分被当作工程结论时，它们就会带来风险。

运行原则是受控增强。系统应针对每个重大信号显示来源、转换过程、模型版本、输出结果和审阅人处理意见。工程审阅人仍对因果关系和技术判断负责。交易团队仍对估值、结构和谈判负责。董事会或投资委员会保留其决策权。

NIST 的 AI 风险管理框架通过治理、映射、测量和管理职能来组织 AI 风险。[3] 其生成式 AI 配置文件增加了针对生成式系统特有风险的行动。[4] ISO/IEC 42001 提供了一个覆盖政策、目标、流程和持续改进的 AI 管理体系结构。[6] 这些框架支持一种尽职调查环境，在其中速度、可追溯性、安全性和问责制被统筹设计。

首个实用产出应是一份分析登记册。它记录问题、证据总体、方法、局限性、审阅人、重要性阈值和获准的交易用途。能够对维护叙述进行聚类的模型可支持发现。它不应独立确定剩余使用寿命、安全合规性或购买价格。在模型接触保密目标数据之前，应明确获准用途。

2. 确定交易论点与工程边界

尽职调查范围应从价值论点出发。收购工程承包商的买方可能关注在手订单质量、完工成本、索赔、设备产能和关键人员依赖。收购工业资产的买方可能关注完整性、可靠性、维护资本支出、许可和运营连续性。项目投资者可能关注完工、性能测试、接口风险和违约金。

工程边界记录分析所涵盖的法律实体、场地、项目、生产线、公用设施、系统、合同和期间。它还识别排除项。集团可能在各场地之间共享维护资源、工程软件、实验室、备件、控制室和知识产权。尽职调查团队应区分完工时移交的资产与需要过渡安排的服务。

时间边界很重要。十二个月的维护数据摘录可能遗漏多年期停车检修周期。当前进度计划可能掩盖此前的基准重设。近期可靠性改善可能发生在一段异常停机期之后。证据计划应覆盖足够长的期间，以观察具有代表性的运营、施工和维护状态。

决策边界将交易论点转化为可检验的问题。当前计划能否在卖方预测期内达到机械完工？剩余应急费用是否足以覆盖已知和潜在范围？已安装资产能否达到估值中假设的产出和可用性？哪些发现需要调整价格、托管、留存、交割条件或由资金支持的所有权行动？

范围控制可防止分析偏离。当证据指向新的重大风险时，团队应批准增加分析范围。还应记录推迟至确认性尽职调查、专家建议或完工后验证的问题。可见的范围日志可保留不完整证据与不利结论之间的区别。

3. 在运行模型之前构建项目数据地图

项目数据地图是分析的基础。它盘点每个来源、所有者、系统、提取日期、期间、单位、标识符、修订版本、访问限制和交易用途。它涵盖结构化记录（如进度活动和工单）、半结构化记录（如检查表）以及非结构化记录（如进度叙述、往来函件和照片）。

该图展示了一条受控的分析路径；实际系统和决策权取决于具体交易。

标识符构成了第一项核对挑战。一台泵可能在资产登记册中有一个位号，在维护系统中有一个位号，在历史数据库中还有一个位号。项目活动可能使用与成本科目不同的工作包代码。标识映射应保留原始标识符，并创建受控交叉对照表，而不是覆盖源值。

溯源信息应在每次转换后保留。如果模型将自由文本工单转换为故障类别，生成的记录应链接到原始文本和转换规则。如果日期被标准化，原始时区和时间戳应仍可获取。如果删除重复记录，应记录重复规则和保留记录。

ISO 55001:2024 更加强调资产管理中的决策、价值、风险、数据和预测性行动。[7] ISO 55013 涉及为支持资产管理目标而进行的数据资产管理。[8] 在交易尽职调查中，这些原则体现为一个数据室，既能支持签署前的分析，也能支持完成后的受控运营。

表 1. 工程尽职调查数据与控制登记表

所需的控制措施取决于资产类型、交易边界和重要性。

4. 规范化工作、成本和设备结构

跨系统分析需要共同的分析粒度。进度活动、成本科目、合同、设备标签和维护工单很少共用同一层级。尽职调查团队应建立一套受控映射，将每个项目关联至现场、系统、工作包、责任方和交易问题。

工作分解结构应体现可交付成果和范围。组织分解结构显示责任。成本分解结构记录支出。设备层级显示物理父子关系。它们的目的不同，因此分析模型应连接它们，而不是将它们合并为单一的人为层级。

单位和日历需要同等严谨。成本数据可能混合币种、名义值和实际值以及税务处理。进度数据可能采用不同的工作周、节假日和班次。可靠性数据可能以小时、循环次数、启动次数或生产吨数表示运行时间。规范化层应记录每次转换并保留源值。

版本控制至关重要，因为交易证据在尽职调查期间会发生变化。修订后的完工预测可能纳入新的供应商日期。新的维护摘录可能包含估值日期之后关闭的工单。每次分析运行都应识别源快照和生效日期。重大修订应与先前版本比较，以显示哪些假设或记录发生了变化。

输出是一张对账表，显示未匹配记录、一对多关系和未解决的歧义。这些本身就是发现项。没有进度活动的成本科目可能代表计划外范围。没有已承诺成本的关键进度活动可能表明预测不完整。设备标签存在故障但没有资产登记记录，可能表明对已安装基础的控制薄弱。

5. 创建异常队列，而不是结论引擎

异常是值得调查的信号。它可能来自规则、统计模型、图检验、语言模型或工程阈值。系统应创建一个队列，包含信号、源记录、方法、置信度、潜在重大性和审核人处置意见。

误报是预期内的。零工期里程碑可能是有效的。成本尖峰可能反映计划内的动员。设备反复报警可能源于传感器故障，而非物理劣化。在信号成为已确认问题之前，人工审核应检验运行背景和替代解释。

漏报也很重要。基于历史维护类别训练的模型可能遗漏新的故障模式。稀疏的故障数据可能使不可靠的资产看起来稳定。管理层可能在重组后改变了编码做法。尽职调查设计应结合多项测试，并对高后果记录保留人工抽样。

假设性数量用于说明工作流纪律；它们并不描述某项交易。

表 2. 异常类别、验证和允许的应对措施

仅凭模型评分不应决定交易结论。

信号队列应记录关闭证据。信号可被确认、拒绝、合并、延期或保持未解决状态。被拒绝的信号应保留在审计轨迹中，因为重复出现的误报可能揭示模型薄弱或数据问题。未解决的高后果信号应影响尽职调查限制、交易保护或决策时间表。

6. 在接受完工日期前检验进度逻辑

进度计划是工作、依赖关系、日历和约束条件的模型。只有当底层网络全面、逻辑连通、考虑资源并依据可靠进度更新时，其完成日期才可信。GAO《进度评估指南》提出了可靠、高质量进度计划的十项实践，并将进度风险与全生命周期成本联系起来。[1]

自动化测试可识别缺失的前置或后续任务、过长的滞后、工期过长的活动、硬性约束、负浮时、无效的实际日期以及断裂的关键路径。图分析可揭示不相连的簇以及表面灵活性依赖于不完整逻辑的活动。这些测试应根据计划标准和项目阶段进行校准。

进度证据需要单独审查。当活动缺乏可衡量规则时，报告的完成百分比可能带有主观性。尽职调查团队应将进度与工程量、经认证的里程碑、已安装设备、已批准图纸、测试记录、发票和现场证据进行比对。活动不应仅仅因为计划完成日期已过就被视为完成。

重新设定基准可能掩盖绩效历史。团队应比较当前基准与先前基准，识别被移动的里程碑、新增活动、删除范围、变更日历和修订逻辑。分析应区分已批准的范围变更与恢复假设及进度乐观偏差。

资源约束可能使逻辑上合理的网络失效。关键工程、调试或专业团队可能被安排到同时进行的多项活动中。供应商和许可日期可能不在原生文件中。进度审查应将网络与采购、人员配置、准入和接口证据联系起来。

7. 将进度风险量化为分布和因果图

单一预测日期会掩盖不确定性。进度风险分析应对工期、相关性、离散事件和条件分支中的不确定性建模。输出是完工结果的分布以及驱动这些结果的要素图。

模型应区分不确定性与管理应急。工期范围可表示常规波动。离散风险可表示许可延迟、测试期间设备故障或供应商违约。恢复计划应建模为一项干预措施，并包含成本、资源和执行假设。

假设性评分仅用于说明优先级排序；实际评估需要项目特定的进度证据。

交易模型应将时间转化为经济影响。延迟可能延长业主成本、建设期利息、租金、担保和营运资金的持续时间。它可能推迟收入、触发违约金或缩短合同运营期。某些影响是非线性的，因为错过季节性窗口或许可里程碑可能导致更大幅度的阶跃变化。

管理挑战应聚焦于因果链。如果调试驱动尾部风险，团队应检查测试程序、系统完工、供应商到场、备件和尾项清单关闭情况。如果采购驱动尾部风险，则应检查制造进度、运输、海关、现场准备和替代供应。当每个驱动因素都有证据和缓解措施负责人时，进度分布才有助于决策。

8. 根据工作范围、合同承诺和实际成本重建完工尚需成本

GAO《成本估算与评估指南》强调技术基线、工作分解结构、假设、数据、估算方法、敏感性、风险分析、文档记录以及结合实际成本进行更新。[2] 即使项目由私人融资，这些做法也为交易尽职调查提供了有用的控制框架。

完工尚需成本应始于剩余工作范围，而不是卖方的预测总额。团队应核对预算、实际成本、合同承诺、应计费用、已批准变更、待定变更、索赔、应急费用和预测。还应识别因归属于另一实体、合同或账户而被遗漏的成本。

AI 可加速发票分类、合同与成本的映射，以及叙述性预测与总账变动的比对。它可以标记剩余预测低于未清承诺的成本科目、已有进度但未计提应计费用的工作包，以及缺少进度活动的承诺。每个信号均需会计和工程复核。

应急费用应按归属和风险进行分析。一般应急费用、设计余量、涨价、外汇、工程量增长和进度储备回答的是不同问题。已动用应急费用应与已实现风险进行核对。剩余应急费用应结合当前风险登记册和范围成熟度进行检验。

团队应将沉没成本与未来经济敞口区分开来。历史超支可能表明控制薄弱，但交易决策取决于剩余成本和可回收性。卖方对承包商的索赔只有在权利依据、证据、交易对手能力和回款时间均支持时，才可能降低敞口。

9. 将变更单和索赔作为一个系统来解读

变更单连接工作范围、进度、成本、合同权利和现金。对其分析应超出已批准金额。尽职调查团队应将每项变更映射到指令、设计修订、通知、报价、批准、已执行工作、已发生成本、进度影响、发票和回款。

语言模型可以从往来函件中提取当事方、日期、条款、请求金额和所述原因。受控记录应保留原始文件，并将提取文本与法律解释区分开。特权、保密和特定司法辖区的建议需要明确处理。

重复出现的原因可以揭示结构性风险。设计信息延迟可能导致各工作包返工。进场限制可能造成累积性干扰。供应商可能就同一基础事件提交零散的索赔。聚类有助于识别这些模式，随后需进行工程和法律复核。

财务模型应区分已批准、很可能发生、存在争议和尚未提交的变更。收入确认、成本计提、现金回款和法律权利可能不同。乐观的索赔资产可能虚增利润率和营运资金，同时造成未来融资敞口。

交易应对措施包括价格调整、专项赔偿、托管、保留款、完工支持、除外资产、先决条件或修订后的运营计划。应对措施应依据证据、重要性、可回收性和对根本原因的控制情况。

10. 将采购证据与进度和绩效关联起来

采购风险涵盖规格、供应商能力、制造、质量、物流、海关、仓储、安装和保修。采购订单标记为“已下达”并不能证明设备将按时到达、集成或运行。

数据映射应将进度活动与请购单、采购订单、供应商图纸、检验点、制造状态、装运文件和现场收货关联起来。在 AI 辅助下进行匹配，可以识别缺失的链接和相互矛盾的日期。对于重要物项，实物检查和供应商确认仍然必要。

长周期设备需要设计冻结、已批准的送审文件、生产排期、进度付款、质量计划、工厂测试和发运准备就绪的证据。即使报告的制造进度较高，供应商财务困境也可能造成隐性敞口。

当项目假定采用替代设备时，替代风险至关重要。团队应检验技术等效性、认证、接口、保修、交货期和合同批准。低成本替代设备可能导致调试延误，或使全生命周期成本超过采购节省额。

交易文件可通过完工支持、特定契约、保留对价或交割条件来分配已识别的采购风险。所有权计划应明确负责供应商接洽和接口关闭的人员，覆盖从签约到交割完成的全过程。

11. 将调试作为证据关口进行审慎核验

调试将已安装设备转化为运行系统。机械竣工、通电、功能测试、集成测试、性能测试和最终验收是彼此独立的状态。尽职调查应识别每个状态所需的证据和授权。

应将测试结果与设计工况、合同保证值和实际运行条件进行比较。部分负荷下通过的测试可能无法支持满负荷可靠性。短时间测试可能无法揭示热、振动或控制不稳定性。豁免和遗留项应与风险和补救措施挂钩。

AI 可跨设备群体比较测试记录表、报警日志和性能曲线。它可识别异常故障序列或重复人工干预。审核人应核实传感器校准、测试边界、数据完整性以及操作员干预的影响。

接口风险常出现在集成测试期间。独立测试通过的设备在接入电力、控制、公用工程或上游工艺条件时可能失效。NASA 手册中描述的系统工程方法强调全生命周期内的需求、接口、验证、确认和技术管理。[11]

交割准备应区分签约前可获得的证据、交割完成前预期可获得的证据，以及只有在持有期间才会出现的证据。重大的签约后测试可能需要设置条件、保留款、保修、保险或已落实资金的整改计划。

12. 基于工况、故障和维护证据构建可靠性分析

可靠性是指某一设备项在指定条件下、指定期间内执行其所需功能的概率。尽职调查应在计算故障率之前明确功能、运行环境、需求、故障定义和观察期。

仅凭故障历史可能产生误导。故障次数少可能反映运行时间有限、隐藏的备用使用、缺少工单或近期更换。故障次数多可能反映检测积极和报告充分。分析应将故障与暴露、工况、环境、维护和配置联系起来。

假设曲线仅用于展示敏感性；它们并非针对某一已识别资产的估算。

设备总体应按设计、机龄、工况和改造状态进行细分。将不同类资产合并可能掩盖薄弱群体。删失观测和更换项应予以明确处理。样本量小时应报告置信区间。

IEC 61508 涉及电气、电子和可编程电子安全相关系统的功能安全。[10] 安全完整性、可靠性和可用性相互关联但彼此不同。交易审查应保留这些区分，并在相关情况下使用合格的功能安全专业知识。

表3. 可靠性证据与交易解读

解读需要结合具体资产的工程判断和运营背景。

13. 将维护历史转化为未来现金需求

维护尽职调查应核对计划工作、已完成工作、逾期工作、故障、检查、缺陷、备件和承包商能力。目的是估算在买方计划下维持安全可靠运行所需的工作量和现金。

自由文本工单可归类为故障模式、原因和措施。当语言存在歧义时，模型应保留不确定性。重复的症状代码可能代表一个未解决的根因。诸如“测试正常”之类的关闭说明可能无法证明缺陷已消除。

维护积压应按安全后果、生产后果、法定要求、资产关键性、年限和可作业窗口进行细分。费用估算应包含人工、材料、专业支持、停机及连带工作。积压价值并不简单等于工单估算之和，因为相关任务可能重叠，或需要共同停机。

HSE 的资产完整性工作突显出，需要建立维护系统，使安全关键要素在需要时保持可用和可靠。[20] 交易尽职调查应检验检查和维护制度是否反映当前危害、退化机制和运行工况。

所有权计划应区分追赶性维护、经常性维护和改善性资本。追赶性工作可能影响价格或举债能力。经常性工作应计入稳态现金流。改善性资本需要单独的商业论证，且不应用于掩盖恢复基本控制的成本。

14. 审查运营技术与数据连续性

工程分析通常依赖历史数据库、控制器、传感器、维护平台和供应商远程访问。这些系统既影响运营，也影响尽职调查中使用的证据。因此，网络或数据连续性方面的薄弱环节可能造成安全、生产和交易风险。

NIST SP 800-82 第 3 版提供了保护运营技术的指南，同时认可性能、可靠性和安全要求。[9] 尽职调查范围应梳理资产、区域、通道、远程访问、身份、日志记录、备份、补丁管理、不受支持的系统以及事件响应。

AI 模型应通过受控访问仅接收最少必要数据。提取应避免干扰生产系统。应明确规定只读收集、安全暂存、恶意软件扫描、加密和访问日志。敏感的工艺数据和知识产权需要合同和技术控制。

团队应检验分析结果在完成后是否可复现。卖方托管的软件、专有连接器或未记录的标签映射可能造成依赖。过渡安排应涵盖源数据导出、数据模式、配置、凭证、许可证和专业支持。

网络安全发现应与运营后果挂钩。存在漏洞的远程访问路径可能需要在签署或交割前关闭。薄弱的资产清单可能需要有资金支持的整改计划。除非范围、安全控制和授权明确允许，模型不应主动探测生产系统。

15. 治理模型风险与人工复核

AI 模型登记册应记录用途、负责人、版本、数据、验证、局限性、访问权限和批准用途。应区分确定性规则、统计模型和生成式系统，因为它们的失效模式不同。

验证应针对代表性交易数据检验准确性、完整性、稳健性和可复现性。应包括已知阳性、已知阴性和困难边缘案例。性能应在对决策重要的单元层面评估，例如活动、工单、设备标签或发现项。

人工复核需要与问题相称的胜任能力和独立性。计划工程师应复核进度逻辑。成本工程师应复核预测和应急费用。可靠性专家应复核故障分析。法律和会计结论应仍由合格顾问负责。

模型应揭示不确定性。语言模型提取可包含来源段落和置信度。异常模型可显示对评分有贡献的变量。进度计划测试可显示受影响的活动和路径。没有证据的黑箱输出应仅作为发现辅助工具。

NIST AI RMF 关键基础设施概况倡议认识到，AI 在信息技术、运营技术和工业控制系统中的使用需要可重复的可信生命周期方法。[5] 监管和合同义务取决于司法管辖区和用途。欧盟《AI法案》为其范围内 AI 系统的开发和使用建立了法律框架。[16] 因此，跨境交易应梳理模型的开发、运营和使用地点。

16. 将已确认的发现转化为估值与融资

已确认的工程发现通过现金、时点、风险或选择权影响价值。模型应展示因果路径。调试延迟可能延长业主成本并推迟收入。延迟维护可能需要立即投入资本并降低可用性。可靠性缺陷可能增加备件、停机和保险成本。

估值桥接应避免重复计算。完工成本增加可能已经降低了预测现金流。同一风险不应再获得单独的倍数折价，除非它影响剩余不确定性或未来经济性。财务和工程审查人员应共同批准该处理方式。

决策路径仅为示意；实际补救措施取决于证据、合同和管辖法律。

债务容量可能因剩余资本支出、完工风险、可用性、维护现金、保险和契约余量而受到影响。融资模型应测试整改的时点及出资方。卖方支持只有在义务、金额、期限和信用均可靠时才具有价值。

IFRS 3 规范企业合并中资产和负债的确认与计量，以及由此产生的商誉或廉价购买利得。[13] IFRS 13 提供公允价值计量框架。[15] 工程发现应连同充分证据传达给会计和估值专家，以便评估确认、计量和披露。

表4. 工程发现到经济与交易应对

处理方式取决于重要性、控制、会计、合同和回收证据。

17. 依据因果证据起草交易保护条款

交易保护应与已识别的风险以及最有能力控制或吸收该风险的一方相匹配。当发现涉及特定项目、资产或数据限制时，通用保证条款可能效力不足。尽职调查记录应支持由合格法律顾问进行精准起草。

交割条件可以要求完成某项测试、提交证据、取得同意或许可，或完成整改。价格调整可以确认可计量的资金缺口。托管或保留款可以保障已界定的风险敞口。保证或赔偿可以分配在交割后仍然存续的风险。契约可以规范签署后的工作。

救济措施需要触发条件和衡量标准。如果保护取决于可靠性，文件应界定设备、功能、期间、运行条件、故障事件、证据和计算方式。如果保护取决于项目完工，则应界定里程碑、验收、除外情形和最终截止后果。

IAS 37 涉及准备、或有负债和或有资产。[14] 法律权利与会计确认是两个独立问题。交易团队在将工程发现转化为模型或披露时，应保留这一区分。

证据包应可用于谈判。它应包含已确认的发现、源文件、分析、管理层回应、专家结论、经济影响和建议行动。仅有模型输出是不够的。

18. 在签署前制定持有计划

部分工程风险只能在持有期间解决。买方应在签署前将每项已接受的风险转化为一项举措，明确负责人、范围、预算、依赖关系、里程碑、证据和决策权。

前一百天可能包括进度计划重新基准化、完工成本验证、关键维护、备件采购、OT 访问控制、配置清理和供应商沟通。工作安排应围绕安全、连续性和现金，而不是通用整合日历。

数据连续性是第一天要求。买方应确保能够访问原生进度文件、成本历史、资产台账、维护记录、历史数据库导出、模型文档和配置。过渡服务应包括响应时间、安全性和退出安排。

管理能力是工程风险的一部分。团队应识别其知识不可或缺的计划人员、成本工程师、可靠性专家、控制工程师和维护负责人。保留和继任行动应基于已核实的岗位依赖关系。

投资委员会应看到总持有成本。购买价格、完工资金、追赶性维护、系统整改和应急准备应体现在同一份资金来源与运用及价值桥中。有吸引力的表面倍数可能掩盖庞大的完工后恢复计划。

19. 通过证据关口和决策日志管理尽职调查

尽职调查办公室应实行每周证据审查节奏。每项重大问题都应有负责人、所需证据、状态、结论、经济影响和建议决策。未决事项应按重要性和解决所需时间排序。

模型团队应发布受控版本。每次发布应记录源快照、代码或模型版本、参数、测试及变更后的输出。重大变更应在纳入董事会文件前向工程负责人和交易负责人说明。

表5. AI辅助工程尽职调查的治理关口

审批节点设计应与交易时间表和授权权限相匹配。

决策日志应记录某项发现项为何改变或未改变交易。这有助于防止后期记忆缺失，并帮助持有方团队理解已接受的风险。它还为未来交易提供反馈。

冲突应当可见。卖方可能控制数据提取。供应商可能因识别出替换工作而获益。模型提供商可能宣扬其自身的准确性。在具有重大影响时，应评估审阅人的独立性、访问权限和报酬。

董事会资料包应区分已确认发现项、未解决的限制和管理层情景。它应说明哪些结论依赖实地检查、第三方确认或未来测试。这种结构支持在不确定情况下作出决策，同时不掩盖缺失的证据。

20. 建立可重复的工程尽职调查控制体系

AI辅助的工程尽职调查在组织保留受控方法而非一组提示词和电子表格时，才变得可重复。该方法连接范围、数据、分析、审阅、经济性、交易保护和持有方行动。

可复用组件包括数据字典、标识符对照表、进度计划测试、成本核对、维护分类体系、可靠性记录册、证据模板和决策日志。它们应适配资产类型和交易论点。标准化应保留工程判断和当地监管要求。

体系应从结果中学习。完成后，可将实际成本、进度、可靠性和整改结果与尽职调查发现项进行比较。这种反馈可揭示过于乐观的阈值、薄弱的数据来源、遗漏的故障模式和有价值的早期指标。模型改进应使用受控且法律允许的数据。

投资组合学习应保留交易背景。绿地项目的进度信号可能无法直接迁移到棕地停产项目。旋转设备的故障模式可能与软件控制的物流资产关系不大。因此，该资料库应在每项发现项旁保留资产类别、生命周期阶段、运行工况、数据完整性、干预措施和结果。这些属性有助于审阅人选择可比证据并避免不当泛化。

质量保证应覆盖完整分析链条。来源总体检查测试是否收到所有所需记录。转换检查测试身份、单位、日期和版本。模型检查测试预期行为和边缘情况。发现项检查测试来源支持、审阅人批准和经济影响转换。发布检查测试董事会资料包、估值模型和交易文件是否使用同一套经批准的发现项。例外情况应保持可见，直至得到解决或获得授权决策人的接受。

运营模式还需要安全的保留政策。某些证据可能需要用于交易谈判、融资、保险、保修管理或未来争议。其他目标数据可能需要在规定期限后删除。尽职调查办公室应按数据类别记录保留、访问、法律保留和处置规则。模型训练使用应要求单独授权，并应遵守合同、隐私、竞争和知识产权限制。

最终衡量标准是决策质量。分析应尽早揭示重大风险，以便改变价格、结构、保护、准备状态或持有方执行。它还应高效地排除不重要的噪音。覆盖率、可追溯性、审阅时间、发现项转化和交易后准确性构成一套平衡的绩效指标。

对买方而言，输出是从工程证据到价值与风险的可辩护桥梁。对贷款人而言，它更清晰地呈现完工、维护和现金敞口。对管理层而言，它是一份按优先级排列的持有方计划。对董事会而言，它是决定是否以及如何签署的可审计依据。

参考文献

1. 美国政府问责局，《进度评估指南：项目进度计划最佳实践》，GAO-16-89G，2015， https://www.gao.gov/products/gao-16-89g
2. 美国政府问责局，《成本估算与评估指南：开发和管理项目成本的最佳实践》，GAO-20-195G，2020年， https://www.gao.gov/products/gao-20-195g
3. 美国国家标准与技术研究院，《人工智能风险管理框架 1.0》，NIST AI 100-1，2023年， https://doi.org/10.6028/NIST.AI.100-1
4. 美国国家标准与技术研究院，《人工智能风险管理框架：生成式人工智能概况》，NIST AI 600-1，2024年， https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
5. 美国国家标准与技术研究院，《概念说明：在关键基础设施概况中可信使用 AI》，2026年， https://www.nist.gov/system/files/documents/2026/04/08/Draft%20Concept%20Note_%20Development%20of%20the%20NIST%20AI%20RMF%20Trustworthy%20Use%20of%20AI%20in%20Critical%20Infrastructure%20Profile.pdf
6. 国际标准化组织，《ISO/IEC 42001:2023 人工智能管理体系》， https://www.iso.org/standard/42001
7. 国际标准化组织，《ISO 55001:2024 资产管理体系要求》， https://committee.iso.org/sites/tc251/home/projects/published/iso-55001.html
8. 国际标准化组织，《ISO 55013:2024 数据资产管理指南》， https://www.iso.org/management-system-standards-list.html
9. 美国国家标准与技术研究院，《运营技术安全指南》，NIST SP 800-82 第3版，2023年， https://doi.org/10.6028/NIST.SP.800-82r3
10. 国际电工委员会，《IEC 61508-2:2010 电气、电子和可编程电子安全相关系统的功能安全要求》， https://webstore.iec.ch/en/publication/5516
11. 美国国家航空航天局，《NASA 系统工程手册》，NASA/SP-2016-6105 第2版， https://www.nasa.gov/reference/systems-engineering-handbook/
12. 美国国家航空航天局，《NASA 系统工程扩展指南》第1卷，NASA/SP-2016-6105/SUPPL，2016年， https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20170007238.pdf
13. IFRS基金会，IFRS 3 企业合并， https://www.ifrs.org/issued-standards/list-of-standards/ifrs-3-business-combinations/
14. 国际财务报告准则基金会，IAS 37《准备、或有负债和或有资产》， https://www.ifrs.org/issued-standards/list-of-standards/ias-37-provisions-contingent-liabilities-and-contingent-assets/
15. 国际财务报告准则基金会，IFRS 13 公允价值计量， https://www.ifrs.org/issued-standards/list-of-standards/ifrs-13-fair-value-measurement/
16. 欧盟，《(EU) 2024/1689 号条例：人工智能法案》， https://eur-lex.europa.eu/eli/reg/2024/1689/oj
17. 经济合作与发展组织，OECD AI 原则， https://oecd.ai/en/ai-principles
18. 美国网络安全和基础设施安全局，《保障工业控制系统安全》， https://www.cisa.gov/sites/default/files/publications/Securing_Industrial_Control_Systems_S508C.pdf
19. 美国国家航空航天局，《MSFC 系统工程手册》，MSFC-HDBK-3173， https://standards.nasa.gov/standard/msfc/msfc-hdbk-3173
20. 英国健康与安全执行局，《第3号重点项目：资产完整性计划》， https://www.hse.gov.uk/offshore/assets/docs/kp3.pdf