谁拥有 AI 风险：CTO、法务还是业务？
谁拥有 AI 风险：CTO、法务还是业务？
AI 风险不会以单一故障的形式宣告自己，它会悄然出现——出现在交接、假设，以及各团队之间那些都以为别人在负责的缝隙里。
这是因为 AI 风险无法干净地对应到任何现有的所有权模型。
而大多数现实中的 AI 失败，就藏在这种错位里。
所有权的幻觉
问三位领导者谁拥有 AI 风险，你会得到三个自信的答案：
- CTO 会指向模型、数据、基础设施和可靠性。
- 法务会聚焦于合规、责任和监管暴露。
- 业务方会主张风险存在于决策影响客户、收入和运营的地方。
他们都没错。而这就是问题所在。
AI 系统横跨技术、法律和运营领域。但大多数组织仍然按领域内部来管理风险。
于是 AI 风险最终变成了“共同承担”。而在实践中，这往往意味着没人承担。
当共同所有权变成没有所有权
共同所有权听起来很协作。实际上，它恰恰在需要清晰的时候制造了模糊。考虑一个简单的失败场景：
一个 AI 系统给出了一项建议，该建议：
- 就输入而言技术上正确
- 违反了某项监管预期
- 产生了有害的业务结果
谁会介入？
- 工程说：“模型的表现符合设计。”
- 法务说：“这个用例没有征询过我们的意见。”
- 业务方说：“我们信任了这个系统。”
没有人是错的，但也没有人承担责任。
AI 风险首先破坏的不是系统，而是责任链条。
为什么 AI 风险不是政策问题
大多数组织的应对方式是写政策：使用指南、审批清单、伦理原则。这些文件出于好意——但基本无效。
为什么？
因为 AI 风险不是在政策审查时显现的。
它显现于：
- 运行时
- 规模化时
- 高速运转时
- 无人预料到的边缘情况
只存在于文件里的治理，无法控制持续运行的系统。
AI 风险必须被设计进系统，而不是在部署后才附加上去。
缺失的一层：决策所有权
归根结底，AI 风险不是关于模型或法律。
而是关于决策。
具体来说：
- 谁被允许做出它们
- AI 何时被允许行动
- 人类何时必须介入
- 谁有权限推翻结果
如今大多数 AI 系统都在影响决策，却没有明确分配这些决策的所有权。
这就制造了一种危险的幻觉：AI 看似自主，但责任仍是人类的——只是没有被定义。
直到出事为止。
重新框定问题
真正的问题不是：
“AI 会带来风险吗？”
所有系统都会。
真正的问题是：
“当 AI 参与决策时，责任在何处转移？”
在组织明确回答这个问题之前——在架构、升级路径和运营模式中——AI 风险会继续活在缝隙里。
无形、弥散，而且危险。
领导者必须回答的难题
当 AI 造成伤害时，实际由谁来为此负责——在实践中，而不是理论上？
如果你的组织指不出一个明确的所有者，那么风险就已经存在了。
你只是还没看到它而已。