如何用 AI 创建利益相关者地图，并转成有负责人的参与计划

要用 AI 创建利益相关者地图，先界定决策或项目，再凭证据登记角色和组织。让 AI 按透明标准提出影响力、兴趣、依赖和参与需求的分类。把每个评分当作可复核的假设，而非对某人的隐性判断，并把批准后的地图转成有具名负责人和复核日期的计划。

英国政府分析职能部门把利益相关者地图描述为：识别、分析、排序并联系受工作影响或能影响工作的个人或群体。［1］ AI 适合给角色清单去重、发现缺失关系，但对非正式权力或个人动机并无特殊了解。先读如何使用 AI，再把结果接入经过复核的项目计划。

关键要点

• 围绕一个决策、服务、政策或交付范围来绘制地图。
• 先描述角色和群体，再点名个人。
• 每项影响力或兴趣评估都附上证据和日期。
• 让事实、团队解读和 AI 建议明显分开。
• 绝不把推断出的画像用于雇佣或其他高影响决定。
• 把分类转化为适度、无障碍的参与行动。

步骤 1：定义地图范围

把目的写成决策：“确定谁必须为新退货流程在两个地区的试点提供意见并批准。”记录预期结果、边界、交付阶段、地域、时间跨度、决策负责人，以及地图不用于什么。

服务探索用的地图不同于实施或事件响应用的地图。“把对公司重要的人都画出来”这种宽泛指令，会招来笼统分类和侵入性画像。收窄范围也让“影响力”有意义：监管机构对法律合规影响很大，对研讨会议程却几乎没有影响。

写明分析单位，优先用角色、团队、组织、社群或代表机构。只有参与行动确实取决于某人的正式职责时，才点名个人。不要把公开社交资料、私人通信或职场行为变成隐秘的性格评估。

步骤 2：建立可追溯登记表

让 AI 分类前，先建立登记表：

ID	角色或群体	证据与日期	受何影响	能影响什么	依赖	联系依据	负责人
S-001	地区支持负责人	章程 §3，2026-07-15	流程与排班	运营准备	培训计划	正式职责	交付负责人

使用权威来源，如治理文件、服务蓝图、法律法规、合同、组织架构图、以往咨询记录和经确认的团队知识。把信息标为已核实事实、解读或待解问题。在获批的 AI 环境中使用前，删除个人联系方式；AI 隐私指南给出了实用边界。

不要把“文件里没有”理解成“不感兴趣”。受决策影响的社群可能几乎没有正式文件或机构权力。OECD 的参与指南强调，参与应围绕清晰的问题设计，并纳入相关群体，尤其是可能受影响者。［3］

步骤 3：用 AI 创建利益相关者地图时查找缺口和重复项

把范围说明、相关方登记表和受控的分类体系交给 AI，让它找出可能的重复项、缺失的角色类别、证据不清之处和需确认的依赖关系。要求给出理由，禁止添加新的个人事实。

一条有用的指令是：

只审阅所提供的相关方记录。提出可能重复的角色和缺失的相关方类别。每条建议都要引用促成它的记录或范围规则。不要推断政治观点、性格、绩效、私人关系或个人利益。把无依据的建议作为问题交给团队复核。

AI 也许注意到“支持运营”和“联络中心管理层”有重叠，但是否为同一相关方由负责人决定。它也可能因范围提到重新设计的表单而建议纳入无障碍倡导者，但这只是探索提示，不是某群体已同意参与的证据。

步骤 4：定义透明的影响与兴趣标准

分配类别前，先写下可观察的标准。例如，影响力可指正式批准权、对必需资源的控制、阻止交付的能力、安全实施所需的运营专长，或代表受影响用户的能力；兴趣可指直接受影响、法定职责、表达过参与意愿或依赖该结果。

避免“有权势”“难搞”“支持”这类含糊标签。定义一个小尺度及其证据门槛：

维度	高	中	低或未知
影响力	有正式批准权或阻止权的文件证据	提供建议或控制一项依赖	尚无证据
兴趣或影响	直接受影响或承担正式责任	间接受影响或已表达关注	尚无证据

“未知”不等于“低”。没有证据的评分，在复核前应保持未分类。治理文件和团队说法不一致时，使用来源比较流程。

步骤 5：构建参与矩阵

让 AI 把已批准的标准应用到登记表，并返回每个拟议分类所用的证据。补充依赖、参与目标、方式、频率、无障碍需求、负责人和下次复核日期。类别应引出具体行动，而非变成永久标签。

常见参与行动包括告知、咨询、吸纳参与、协作和取得正式批准。选择负担最小、又能让受影响者有实质机会表达意见的方式。英国的咨询原则指出，咨询应清晰、信息充分、适度且有针对性，给予足够时间，并对回应作出反馈。［2］ 只写“密切管理”、却不说明如何做、为何做、由谁做的矩阵，不是参与计划。

检查拟议方式是否无障碍。只用书面咨询可能排除一些群体；现场研讨会可能排除跨时区或需照顾家人的人。适用时记录翻译、替代格式、报酬规则和代表渠道。

在影响—兴趣视图之外，再加一张依赖视图。几乎没有正式批准权的相关方，可能提供关键数据、运营下游流程、代表安全攸关的用户群，或承担延误成本。记录每条依赖的方向及其不可用时的后果，以免两轴网格掩盖比笼统评分更重要的运营关系。

每个分类都注明日期和背景。“高影响力”应写成“依据章程第 4 节拥有试点正式批准权，7 月 15 日确认”，而非无依据的标签。权力若是临时的或只适用于一个地区，就写明。可让模型指出缺失的限定语，但由负责人核实。

步骤 6：进行跨职能质询复核

召集决策负责人、交付负责人、研究或参与负责人，以及相关的政策、法务、无障碍或人事专家。对照证据复核每个分类，追问什么会改变它。特别留意缺失的“低权力、高影响”群体，以及把正式头衔误当实际决策权的情况。

外部说法用 AI 事实核查流程核实，内部角色向负责人确认。记录分歧，不强求共识。两个团队对谁批准某决定意见不一，是待解决的治理问题，不是让 AI 取平均的分数。

NIST 的生成式 AI 风险概况强调了虚构、隐私、有害偏见、信息完整性和人工监督方面的风险。［4］ 不要把模型生成的利益相关者分类用于招聘、绩效、晋升、纪律处分、政治定向或其他高影响决定。也不要仅因数据可以公开获取，就往地图里添加敏感的个人属性。

步骤 7：转化为可问责的参与计划

为每个相关方记录参与目标、信息或问题、方式、时间、负责人、所需准备、回应渠道和参与确已发生的证据。把行动与项目里程碑挂钩，而非维护装饰性的矩阵。

把沟通与参与分开。发一次更新也许满足了知情需求，但不算咨询；邀请某人开会，也不能证明其意见影响了决定。按照参与原则，记录听到了什么、如何考虑、反馈了什么。［2］［3］

执行前检查人力。一位参与负责人无法同时负责任地维护二十段“高接触”关系。可调整频率、分派负责人或合并适当的群体会议，但别抹掉各自的需求。

定义每次互动的产出。研讨会可能需要记录风险和未决问题；正式批准可能需要签署的决定记录；信息更新可能只需送达确认和回应途径。写明预期记录，能防止把出席误当同意，也为下次地图复核提供证据，说明哪些关系和假设确实变了。

闭合反馈循环：告诉贡献者团队听到了什么、改了什么、没改什么及原因。保密要求不允许详细披露时，说明边界。没有反馈的参与会削弱信任，也让地图上“已参与”的状态产生误导。

步骤 8：版本化并复查假设

随着工作从探索走向批准、交付和运营，相关方关系也会变化。设定复核触发条件：范围变化、新依赖、治理决定、咨询结果、正式职位上的人员变动、风险升级或项目阶段转换。

维护变更日志，记录版本、日期、受影响的相关方 ID、新增或撤除的证据、分类变化、复核人和对参与计划的影响。受控的人工批准的 AI 工作流可以防止新生成的矩阵悄悄取代已复核的判断。

曾为重大决定提供依据的旧版本要归档。当前地图应显示用途和复核日期，免得有人在批准语境外沿用某个分类。

每次复核时，抽几条参与记录与地图对照。若“低兴趣”群体反复提出重大风险，或“高影响力”角色因权力被误解而从未参与，就同时更新证据和标准。地图应从有记录的互动中学习，而非固守团队最初的假设。

常见问题

AI 能自动识别利益相关者吗？

它可根据提供的范围和文件提出角色类别，但须由团队确认谁真正受影响、负有责任、有影响力或被遗漏。

应绘制个人还是角色？

从角色、群体和组织开始。只有当正式职责或参与行动取决于某人时才点名个人，并尽量少用个人数据。

影响—兴趣矩阵客观吗？

不客观。维度、证据门槛、日期和复核人都明确时，它更站得住脚，但仍是依赖情境的判断。

未知影响力是否等于低影响力？

不等于。未知意味着证据缺失或相互矛盾。保持未分类，并安排一项核实行动。

这张地图能用于员工评价吗？

不能。不要把 AI 推断或参与类别挪用于绩效、招聘、晋升、纪律处分等高影响雇佣决定。

如何公平纳入边缘群体？

识别谁受影响，使用合适的代表渠道，消除参与障碍，不把正式权力低等同于不重要。

参与计划要包含什么？

目标、方式、时间、负责人、无障碍需求、回应途径、与决策的关联，以及意见如何被考虑的记录。

利益相关方地图应多久复核一次？

在阶段转换时，以及范围、治理、依赖、代表性或证据发生变化时复核，并保留有版本的决策记录。

来源

1. UK Government Analysis Function, Stakeholder Mapping — https://analysisfunction.civilservice.gov.uk/policy-store/stakeholder-mapping/
2. GOV.UK, Consultation principles: guidance — https://www.gov.uk/government/publications/consultation-principles-guidance
3. OECD, Guidelines for Citizen Participation Processes — https://www.oecd.org/en/publications/oecd-guidelines-for-citizen-participation-processes_f765caf6-en.html
4. NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf

Sources checked 2026 年 8 月 30 日。