">

■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。

(