EU AI Act 运营证据：审计员实际要求什么
EU AI Act 合规不是打勾——它是关于运营证据。以下是审计员在检查 AI 数据管道时实际寻找的：日志、血缘和现场演示。
公司对合规的认知与审计员实际检查之间存在差距。EU AI Act 是基于证据的，而非基于声明的。
审计员实际检查什么
1. 数据血缘
第一个问题："展示这个模型的训练数据是如何产生的。"他们会随机选取一个输出，要求你追溯整个链条。
2. 转换日志
每个操作都有完整性——时间戳、参数、操作员身份、不可变性、连续性。
3. 质量指标
第10条要求训练数据"相关、具有代表性且尽可能无错误"。审计员需要证据而非声明。
4. 版本控制
"给我2026年1月15日部署的模型版本使用的确切数据集。"
5. 现场演示
审计员观察操作员通过管道处理新数据，并验证日志条目。
什么不被接受
手动电子表格、共享驱动器文档、无支持日志的自我证明、追溯性文档、仅凭第三方认证。
如何准备：运行模拟审计
选择一个 AI 系统及其关联数据管道。模拟审计员执行所有五类证据检查。修复每个发现的缺口。
Your data is the bottleneck — not your models.
Ertas Data Suite turns unstructured enterprise files into AI-ready datasets — on-premise, air-gapped, with full audit trail. One platform replaces 3–7 tools.
Turn unstructured data into AI-ready datasets — without it leaving the building.
On-premise data preparation with full audit trail. No data egress. No fragmented toolchains. EU AI Act Article 30 compliance built in.
Keep reading
How to Generate EU AI Act Technical Documentation from Your Data Pipeline
Practical guide to producing EU AI Act-compliant technical documentation from your data preparation pipeline — covering data lineage, transformation logs, quality metrics, and operator attribution.
5 Months to EU AI Act Compliance: The Data Pipeline Implementation Sprint
August 2, 2026. That's the deadline for EU AI Act high-risk system compliance. If your AI data pipeline doesn't have audit trails and documentation today, here's the 5-month sprint to get there.
Audit Trails for RAG Pipelines: What EU AI Act Article 30 Requires From Your Retrieval System
The EU AI Act mandates technical documentation and logging for high-risk AI systems. If your RAG pipeline feeds a high-risk application, every step from ingestion to retrieval needs an audit trail.