从智能体AI到数据安全：IAPP 2026大会值得关注的几大议题

随着人工智能逐步进入企业的核心业务，隐私保护、网络安全与AI治理正在面临新的挑战。

当AI可以自主调用工具、处理数据甚至执行决策时，企业如何判断法律责任？当不同国家和地区的AI监管要求同时适用，跨国企业又该如何开展合规工作？

2026年10月6日至9日，IAPP Privacy.Security.Risk.+AI Governance Global 2026会议在美国西雅图举行。会议围绕隐私保护、网络安全法律、AI治理和数字责任等领域，设置了多场专题讨论、培训与实践工作坊。

从官方公布的议程来看，智能体AI风险、AI产品法律审查、全球监管协调、敏感数据使用、供应链安全及企业治理责任，成为值得关注的讨论方向。本文小私结合大会公开议题和相关法规，梳理这些变化对企业及隐私合规、人工智能治理从业者的具体影响。

cr:IAPP官网

过去，企业使用AI主要集中在内容生成、数据分析和辅助判断等场景。随着智能体AI(Agentic AI)的发展，AI系统开始具备任务规划、工具调用和多步骤执行能力，能够在一定授权范围内完成复杂工作。

举个例子，企业可能通过AI智能体自动处理客户请求、查询内部数据库、筛选求职者或调用外部业务系统。这类应用提高了工作效率，也增加了数据访问、权限管理和责任认定方面的复杂性。

而本次大会设置了《So You Thought Your AI Was Governed: The Need to Adapt Governance for Agentic AI》专题，重点讨论智能体AI与其他AI应用之间的风险差异，以及企业如何调整现有治理方法。

智能体AI可能涉及多个参与方，包括模型开发者、系统部署者、第三方供应商和实际使用企业。

当系统产生错误结果、泄露敏感信息或对个人权益造成影响时，需要结合具体法律、合同关系、系统控制能力及相关行为确定责任。企业不能仅凭“由AI自动完成”来排除自身可能承担的责任。

在《Nobody Sues an Algorithm: How AI Changes Your Litigatory and Regulatory Risk》专题中，大会进一步关注AI带来的诉讼风险、监管风险和财务损失，同时讨论传统网络保险对AI治理风险的保障范围可能存在的不足。这也提醒企业，部署AI前需要明确系统用途、授权范围、风险控制措施和内部责任分工。

知情同意仍然是部分个人数据处理活动的重要法律依据，但在智能体AI场景中，仅依赖用户授权或上线前审查，可能难以覆盖系统运行期间不断变化的风险。

举个例子，用户授权AI完成某项工作，并不意味着AI可以无限制访问其他个人数据，或将信息传输给未经批准的第三方系统。因此，企业还需要考虑动态风险监测、权限控制、操作日志、异常处理和人工复核。

大会《Regulatory Crossroads: Responsible AI Governance in the Agentic Age》专题也将动态风险监测、日志记录以及非人类身份的权限管理列为重点讨论内容。

对于企业而言，AI合规需要覆盖系统设计、测试、部署、运行和后续调整等环节，不能仅停留在产品上线前的审核。

cr:IAPP官网

不同国家和地区的AI治理制度存在差异。对于开展跨境业务、使用全球化AI服务或处理境外个人信息的企业而言，合规判断需要同时考虑数据保护法律、AI专项法规、消费者权益保护规则及行业监管要求。

欧盟《人工智能法案》(EU AI Act)采用风险分级管理方法，并针对不同AI系统设置相应义务。

根据欧盟委员会公布的实施安排：

✅️2025年2月2日起，部分被禁止的AI实践及AI素养相关要求开始适用。

✅️2025年8月2日起，通用人工智能模型(GPAI)的相关义务开始适用。

✅️2026年8月2日起，更多规则开始适用，包括部分AI透明度要求。

✅️经过2026年的AI Omnibus修订，部分高风险AI系统的实施期限已经调整。其中，涉及招聘、教育等特定高风险领域的相关规则延至2027年12月2日，部分嵌入受监管产品的高风险AI规则延至2028年8月2日。

而法规实施时间调整，并不意味着企业可以忽略现阶段已经适用的数据保护、透明度或其他法律义务。对于涉及欧盟市场的企业，需要根据AI系统的实际用途判断风险类别，并区分开发者、提供者和部署者可能承担的不同义务。

美国AI监管还涉及州级立法及现有消费者保护、隐私保护和反歧视法律。

以科罗拉多州为例，2026年通过的SB26-189法案对自动化决策技术相关规则进行了调整，部分义务计划自2027年1月1日起适用。相关要求涉及特定自动化决策技术的开发者和部署者，包括技术说明、消费者告知和记录保存等内容。

加利福尼亚州则已于2026年1月1日实施新的隐私监管规则，涉及风险评估、网络安全审计及自动化决策技术等领域。其中，针对特定重大决策场景的自动化决策技术要求，将于2027年1月1日开始适用。

这些规定的适用范围、实施时间和豁免条件并不完全相同。跨境企业可以建立法规适用清单，按照业务所在地、个人信息处理活动、AI系统用途和行业属性进行分类，再确定相应的合规措施。

医疗健康数据通常具有较高的敏感性。随着AI在疾病研究、临床辅助和健康服务中的应用增加，医疗数据的收集、共享及训练使用面临更复杂的法律问题。

IAPP大会专门设置了《A Global Framework for Using Health Data to Train AI》专题，讨论全球敏感数据保护规则、去标识化处理以及AI训练所需的合同与消费者权利等问题。

其中需要关注的是——经过去标识化处理的数据，是否可以直接用于AI训练？其答案取决于适用法律、具体处理方式及数据是否仍然可能关联到个人。

举个栗子，在欧盟GDPR框架下，假名化数据如果仍可识别个人，通常仍属于个人数据的监管范围。只有满足相应匿名化标准的数据，才可能不再被视为个人数据。

此外，去标识化也不能自动解决数据来源、原始收集目的、合同限制及其他法定使用条件等问题。

企业开展医疗AI项目时，应当重点审查数据来源是否合法、处理活动是否具有适当法律依据、数据是否得到必要保护，以及相关合作协议是否允许预定的训练用途。对于医疗机构、健康科技企业及AI服务商而言，数据治理需要在模型开发之前就纳入项目规划。

AI模型需要数据支持，但企业长期积累的数据，并不一定都适合直接投入AI训练或检索系统。

本届大会《Garbage In, Liability Out: Why Ungoverned Data Is Your Biggest AI Risk》专题关注未经充分治理的历史数据如何产生AI风险。其中涉及重复数据、过期数据、分类错误的信息，以及按照相关要求原本应当删除的数据。

当这些资料被连接到企业内部AI助手、检索增强生成(RAG)系统或其他工具时，原有的数据管理问题可能进一步扩大。

数据最小化(Data Minimization)要求企业依据适用法律和具体目的，对个人数据的收集、使用及保存范围作出合理限制。

例：企业使用AI分析客户行为时，需要判断是否有必要收集全部个人信息，相关信息应当保存多久，以及是否能够通过减少数据字段或采取其他技术措施降低风险。

对于现有系统，企业可以从数据发现、分类、保留期限检查及删除机制等环节着手。数据最小化不仅涉及隐私政策的文字表述，还需要配合技术控制和日常数据管理。

企业使用AI服务时，可能同时涉及基础模型供应商、云服务商、数据处理服务商及第三方应用。任何环节的权限配置不当、数据泄露或未经授权的数据使用，都可能影响整体系统的安全性。

大会《You Are Only as Safe as Your Suppliers: Governing Third-party AI and Cyber Risk》专题，重点讨论AI供应链带来的隐私、安全和治理风险。

对于企业而言，采购AI工具时需要了解供应商如何处理数据、是否使用输入内容训练模型、是否依赖其他分包商，以及发生安全事件时双方如何配合处置。已经完成采购审查的系统，也需要关注后续新增的AI功能及数据处理方式变化。

同时，AI时代的网络安全治理仍需涵盖事件响应、访问控制、第三方管理及现有网络安全法律义务。在用户界面和消费者隐私领域，还需要留意Dark Patterns(诱导性界面设计)。这类设计可能通过误导性选项、隐藏重要信息或复杂的退出流程，影响用户的选择。相关风险也受到美国FTC等监管机构关注。

随着AI广泛参与企业经营，数据泄露、算法歧视、系统失控及监管处罚可能影响企业的经营、财务和声誉。隐私保护、网络安全与AI治理已经不能只依靠单一部门开展。

从IAPP本届大会关于AI治理、网络安全和数字责任的议题设置来看，跨部门协作、明确责任和持续监督是反复出现的实践重点。企业法务、隐私团队、信息安全团队、技术部门、业务负责人以及管理层，需要共同明确风险管理职责。

美国证券交易委员会(SEC)现行网络安全披露规则，已要求适用的上市公司披露董事会对网络安全风险的监督情况，以及管理层在评估和管理相关重大风险中的作用。

管理层个人是否承担法律责任，仍取决于具体法律规定、个人职责及案件事实，不能简单理解为所有高管都对AI风险承担相同责任。

在企业内部治理方面，可以考虑建立重大AI项目审批机制、定期风险报告制度以及跨部门事件响应流程，让管理层能够及时了解高风险AI应用及潜在影响。

本届IAPP大会涉及的议题，反映出隐私保护、网络安全和人工智能治理之间的联系正在加深。

对于隐私合规人员，工作内容可能进一步延伸至AI训练数据、自动化决策、智能体权限和第三方AI系统审查。

对于法务与企业合规人员，需要理解AI产品从设计到部署过程中涉及的法律要求，并将相关规则落实到合同、风险评估及内部流程中。

对于AI治理人员，除了解读监管要求，还需要理解模型风险、数据生命周期、技术控制及企业治理机制，才能与产品、技术和安全团队有效协作。

这也体现了IAPP相关专业知识体系的价值。如AIGP侧重人工智能治理及风险管理，CIPP/E关注欧洲隐私和数据保护法律，CIPM则侧重隐私管理体系与项目运行。

不同领域的知识可以结合具体岗位需求形成补充，帮助从业者应对越来越多涉及隐私、数据与AI的综合性项目。

从智能体AI的自主执行，到全球AI法规的分阶段实施，再到敏感数据、第三方供应商和管理层责任，企业面临的合规问题正在变得更加具体。

对于组织而言，及时识别风险、明确责任、建立能够持续运行的控制措施，将有助于推动AI应用与合规管理共同发展。

对于隐私、网络安全及AI治理从业者而言，了解法规变化只是工作的一部分。能够识别实际业务风险、参与产品设计并推动合规措施落地，同样重要。

未来，我们也将持续关注IAPP会议动态、全球隐私监管进展与AI治理实践，为相关领域从业者提供政策解读及专业学习参考。

资料说明：本文依据IAPP Privacy.Security.Risk.+AI Governance Global 2026官方议程及截至2026年10月的相关监管资料整理。议题解读与企业实践建议属于研究分析，不代表会议发言人的逐字观点，也不构成针对具体业务的法律意见。

精选往期学员考试经验分享