具备深厚的AI安全与评估技术专长，对AI治理运营模式有深入理解，并能够将复杂概念转化为实际实施方案。要取得成功，你需要将AI开发和风险管理前沿的主题专业知识与卓越的沟通能力、批判性思维以及在全球金融机构高层影响力相结合。 职责： 成功的候选人将被授权领导企业级AI安全与评估能力的开发，与集团AI战略和负责任AI目标保持一致。预期职责包括： AI安全测试与评估 建立并领导一支高绩效的AI安全与评估COE团队，建立可扩展的测试能力、可复用资产和最佳实践，包括但不限于“橙队测试”、模拟和自动化评估，以补充现有的Cyber和MRM测试。 测试和挑战防护栏、测试方法及用例评估，为治理和审批决策提供信息。包括： 业务风险转化与治理：将结果转化为清晰的业务风险可读评估（客户伤害、行为、金融犯罪、法律/监管、声誉、运营风险），包括影响/可能性评分、接受标准以及可决策的放行/不放行建议。 端到端控制有效性测试：不仅评估模型质量，还评估完整解决方案（人机回环、监控、升级、回退/熔断），包括用于审批/审计的控制设计和有效性证据。 GenAI系统安全与智能体控制：测试提示注入、工具/检索投毒、不安全的工具使用、最小权限、操作确认/交易边界，以及更广泛的供应链/配置风险。 数据、隐私与信息治理：评估数据来源/谱系和使用权（训练/微调/RAG）、跨境/保留约束，并进行隐私测试（PII泄露、记忆/复述、成员推断）及缓解措施。 运营韧性与可靠性：定义并测试非功能性需求（可用性、延迟、依赖/供应商中断场景、安全降级），以及对漂移、安全回归和事件触发器的持续监控。 风险分层指标与自动化：定义KRI/KPI和回归基准，并将评估集成到LLMOps/CI/CD中，作为自动化测试工具和发布门禁，并具有可追溯报告。 提供高级主题专业知识，与CAIO、风险、Cyber和集团AI领导层合作，加强AI安全和负责任AI的应用。 标准、框架与运营模式 定义、实施并持续改进用于跨AI生命周期的大规模AI安全和评估测试及保证的内部标准、方法和工具。 建立并运营一致的AI安全和评估测试目标运营模式，并与现有模型风险管理（MRM）、网络安全和业务风险框架互补。 将负责任AI原则转化为实际控制、测试协议和可衡量的保证标准，嵌入治理流程中。 外部参与与思想领导力 评估新兴AI风险（例如滥用、对抗威胁和智能体行为）。 监测并解读行业动态，将见解转化为汇丰的AI安全和评估方法。 在外部论坛和工作组中代表汇丰，促进行业在AI安全和评估方面最佳实践的进步。 要求： 最低要求 AI工程与系统 对AI/ML系统有扎实的工作知识，包括生成式AI/LLM和部署模式（例如API、流水线、MLOps/LLMOps）。 具有将防护栏和安全控制嵌入模型开发和部署生命周期的经验。 模型评估与测试 具有模型评估技术的实践经验（性能、偏差/公平性、可解释性、鲁棒性）。 具有进行AI安全测试的实践经验（例如红队测试、对抗性测试、基于场景的评估）。 网络安全与AI威胁 理解AI相关的网络风险（例如提示注入、数据泄露、对抗性攻击）和威胁建模概念。 能够与网络安全团队合作，将威胁主导的测试集成到评估流程中。 风险与治理 熟悉受监管环境中的模型风险管理（MRM）和运营风险框架。 能够设计和记录测试结果，与风险决策关联，并支持治理审批。 具有应用关键框架的经验（例如NIST AI RMF、ISO/IEC 42001、MAESTRO）。 优先要求 高级AI工程与工具 深入了解LLM/智能体架构、评估框架和对齐技术。 具有现代工具的经验，如Python ML技术栈（PyTorch、TensorFlow）、评估框架（例如LangChain、prompt/eval工具）和可扩展测试基础设施。 高级评估与红队测试 在设计企业级AI红队计划方面有丰富经验，包括自动化评估、模拟和合成数据生成。 擅长定义与业务关键性和监管期望一致的风险分层评估策略和指标。 深入理解对抗性AI安全实践（例如模型反转、数据投毒、越狱技术）并将其集成到企业控制中。 具有将AI测试与更广泛的网络保证和渗透测试计划对齐的经验。 风险领导力与运营模式设计 在金融服务或类似监管行业中设计和扩展AI安全或模型验证能力方面有经验。 与MRM、审计和监管期望高度一致，包括文档、可追溯性和审计就绪。 行业经验 在金融服务或大规模部署AI的受监管行业具有丰富经验。 与监管机构、行业机构和学术社区就AI安全、保证或治理主题进行互动。