當大模型、智能決策、自動化運營持續滲透上市公司經營全流程，AI（人工智能）早已不再是單純的生產工具，而在一定程度上改寫了企業決策機制、權責體系、風險邊界與管理邏輯。

過往公司治理的核心，是規范人的行為、厘清組織權責、管控經營風險。而AI介入后，算法替代人工完成客戶篩選、業務審批、風險研判、資源調配等核心決策，治理對象從“人的行為”延伸至“算法邏輯、數據使用、智能決策”，傳統內控規則也因此出現一定盲區。一方面，算法“黑箱”導致決策過程不可追溯、不可解釋，一旦出現決策失誤、合規漏洞、利益受損，責任難以在管理層、技術團隊、業務部門之間精准界定，企業極易陷入合規糾紛與聲譽危機﹔另一方面，數據濫用、隱私泄露、版權侵權等風險，具有遠超傳統經營風險的破壞力。

筆者認為，應對AI時代的治理變革，上市公司不能被動修補漏洞，而是要主動重構治理框架，守住三大核心底線。

第一，將AI合規納入公司頂層治理，強化董事會監督職責。公司治理的核心，始終是把控戰略方向、防范系統性風險。上市公司要把AI合規提升至董事會決策層面，明確高管對AI應用的風險負責制，摒棄“技術問題交由技術部門全權負責”的錯誤認知。針對高風險AI應用，建立專項審查、全程留痕、定期復盤機制，確保董事會對智能技術投入、風險隱患、合規情況全程可控，讓頂層治理真正覆蓋技術應用全鏈條。

第二，厘清算法權責，破解“黑箱”治理難題。針對算法決策不透明、責任難認定的痛點，上市公司要建立可解釋、可追溯、可問責的算法管理機制，摒棄“隻重結果、不問過程”的粗放模式。核心業務、金融審批、客戶管理等關鍵場景的AI決策，必須留存完整數據來源、模型邏輯、執行記錄，一旦出現風險可快速溯源定責。同時堅守“人機協同”底線，涉及倫理判斷、重大經營、客戶權益的核心決策，絕不能完全交由算法主導，要牢牢守住最終控制權。

第三，筑牢數據安全底線，平衡效率與合規邊界。數據是AI運行的基礎，也是治理管控的核心。企業要建立分級分類的數據管控體系，嚴格區分核心商業數據、用戶敏感數據、普通業務數據，嚴禁將涉密信息、隱私數據隨意接入外部AI系統。在技術應用中堅守合法、必要、最小授權原則，杜絕數據濫用與過度採集，兼顧經營效率與合規底線，避免因短期利益透支企業長期信譽。

在AI時代，好的公司治理，從來不是壓制技術創新，而是讓技術在規則框架內釋放最大價值。唯有摒棄短視的效率崇拜，把治理能力現代化擺在與技術升級同等重要的位置，兼顧創新、合規、責任與信任，上市公司才能真正駕馭智能技術，實現長期穩健發展。