">

■李雯珊

当大模型
、智能决策、自动化运营持续渗透上市公司经营全流程，AI（人工智能）早已不再是单纯的生产工具 ，而在一定程度上改写了企业决策机制 、权责体系
、风险边界与管理逻辑。

过往公司治理的核心
，是规范人的行为、厘清组织权责 、管控经营风险 。而AI介入后，算法替代人工完成客户筛选、业务审批
、风险研判、资源调配等核心决策 ，治理对象从“人的行为”延伸至“算法逻辑 、数据使用
、智能决策
”
，传统内控规则也因此出现一定盲区
。一方面，算法“黑箱”导致决策过程不可追溯、不可解释 ，一旦出现决策失误 、合规漏洞
、利益受损，责任难以在管理层、技术团队 、业务部门之间精准界定
，企业极易陷入合规纠纷与声誉危机；另一方面，数据滥用
、隐私泄露、版权侵权等风险 ，具有远超传统经营风险的破坏力。

笔者认为
，应对AI时代的治理变革，上市公司不能被动修补漏洞 ，而是要主动重构治理框架
，守住三大核心底线 。

第一，将AI合规纳入公司顶层治理 ，强化董事会监督职责
。公司治理的核心
，始终是把控战略方向 、防范系统性风险。上市公司要把AI合规提升至董事会决策层面，明确高管对AI应用的风险负责制 ，摒弃“技术问题交由技术部门全权负责 ”的错误认知 。针对高风险AI应用
，建立专项审查
、全程留痕、定期复盘机制，确保董事会对智能技术投入 、风险隐患、合规情况全程可控 ，让顶层治理真正覆盖技术应用全链条。

第二，厘清算法权责
，破解“黑箱
”治理难题
。针对算法决策不透明
、责任难认定的痛点，上市公司要建立可解释、可追溯 、可问责的算法管理机制 ，摒弃“只重结果
、不问过程”的粗放模式。核心业务、金融审批 、客户管理等关键场景的AI决策
，必须留存完整数据来源
、模型逻辑、执行记录，一旦出现风险可快速溯源定责 。同时坚守“人机协同 ”底线 ，涉及伦理判断 、重大经营
、客户权益的核心决策
，绝不能完全交由算法主导，要牢牢守住最终控制权
。

第三 ，筑牢数据安全底线
，平衡效率与合规边界。数据是AI运行的基础，也是治理管控的核心 。企业要建立分级分类的数据管控体系 ，严格区分核心商业数据、用户敏感数据 、普通业务数据
，严禁将涉密信息
、隐私数据随意接入外部AI系统
。在技术应用中坚守合法、必要 、最小授权原则，杜绝数据滥用与过度采集 ，兼顾经营效率与合规底线，避免因短期利益透支企业长期信誉。

在AI时代
，好的公司治理，从来不是压制技术创新 ，而是让技术在规则框架内释放最大价值 。唯有摒弃短视的效率崇拜
，把治理能力现代化摆在与技术升级同等重要的位置，兼顾创新、合规
、责任与信任 ，上市公司才能真正驾驭智能技术
，实现长期稳健发展
。

(