生成式AI正被非正式地用于航空交通管理（ATM）中的航班计划生成、轨迹解释和约束检查等任务。虽然能够减轻工作负担并加速规划，但其非确定性输出在有人环路中带来安全和运营风险。本文提出AI信任与保障层（ATAL），一种模型无关的决策保障架构，用于评估AI生成的航班规划结果是否足够可靠以供实际使用。ATAL通过三类信号评估输出：①在提示词变化下的语义稳定性，检测生成内容是否保持核心含义；②结构化输出的运营一致性，检查航路段、时间窗等字段是否自洽；③基于领域规范的约束验证，确保满足飞行高度、航路限制等硬性规则。随后将这些信号映射为决策就绪度（DRL），供人工操作者快速判断是否接受。实验采用ATM场景的模拟数据，展示了如何在航班计划验证或执行前捕获不安全、不一致或误导性的AI输出。尽管案例聚焦航空，框架同样适用于其他受监管的安全关键决策支持领域，需要人为监督的场景。
点评：ATAL提供了系统化的安全评估路径，为生成式AI在高风险环境中的可控部署奠定了基础。