AI时代的治理：跨越分裂的设计

全球金融治理的碎片化揭示了什么

2025年6月，在上海举办的陆家嘴论坛上，全球金融治理的“碎片化”成为核心议题。呼吁团结、重建多边机制的呼声日益高涨。

乍看之下，这似乎是中小企业无关的国际金融话题。但我认为，其中隐藏着中小企业治理设计的本质启示。

所谓碎片化，是指曾经统一的规则和标准，因国家或地区不同而逐渐分化的现象。在中小企业的现场，是否也发生着同样的事情？

例如，不同部门有不同的合规标准，不同客户有不同的规则解读，数据管理全凭现场自觉。这正是“治理的碎片化”。

本文将从中小企业经营者的视角，解读跨越这种碎片化的设计思想，以及AI时代所需的具体的治理方式。

SHA（Strategic Health Advisors）于2025年6月发布的“AI治理支持服务”，将大企业积累的经验打包，提供中小企业也能在约4~6周内导入的轻量方案。

这条新闻的核心在于，它回应了中小企业“不知从何入手”的烦恼。许多经营者一听到AI治理，就会联想到面向大企业的复杂框架，从而犹豫不决。

然而，真正需要的并非“完美的机制”，而是现场可用的“最小化设计”。

具体来说，建议从以下三点开始。

第一，明确AI的使用范围。哪些业务使用AI，哪些业务不使用？这个界限如果模糊不清，日后将带来巨大风险。

第二，建立AI输出数据的验证流程。必须基于AI会犯错的前提来设计。特别是处理客户信息和财务数据时，人工确认不可或缺。

第三，指定AI治理的负责人。如果不明确谁来做最终决策，一旦出现问题，“谁的责任”就会变得模糊，导致整个组织的治理失效。

日经CrossTech Active报道的“与业务数据对话及治理设置自动化”这一主题，为AI时代的治理设计带来了新视角。

传统的治理思路是：制定规则，然后由人来遵守。但随着AI的发展，“由AI本身来生成和更新规则”的时代正在到来。

这对中小企业来说是一个巨大的机遇。因为在人手不足的情况下，要实现治理的持续，自动化不可或缺。

具体来说，可以考虑以下应用：

· 由AI自动审查与客户的合同，即时检测出风险条款

· 由AI定期执行内部合规检查，并生成报告

· 由AI自动管理员工的数据访问权限，定期撤销不必要的权限

但这里有一个需要注意的地方：在导入“治理设置的自动化”之前，必须先梳理并可视化当前的业务流程。

自动化只是将“现状的延伸”进行效率化。如果流程本身存在问题，自动化反而可能放大问题。

StarCompliance与Kalshi发布的“面向企业的全球预测市场合规解决方案”，乍看与中小企业无关。但这条新闻中，有许多值得学习的地方。

预测市场，是一种通过市场参与者交易来预测未来事件发生概率的机制。将这种思路应用于合规，同样可以借鉴到中小企业的治理设计中。

例如，小规模地运行一个预测内部舞弊风险的“内部控制预测市场”，可以将现场的感受数值化。即使只是让员工匿名回答“本期费用报销舞弊发生的概率是多少%”，也有助于风险的视觉化。

这种方法的好处在于，风险信息是自下而上而非自上而下地汇集。在中小企业中，管理层与现场之间往往存在信息不对称。预测市场式的机制，可以成为填补这一鸿沟的有效手段。

大气社提交的内部控制报告书（第81期），是上市公司法定的披露文件。虽然看似与中小企业无关，但从这份文件中可以学到很多东西。

内部控制报告书的本质在于，经营者自行评估“公司的内部控制是否有效运作”，并公布结果。这个“自我评估”的过程，正是中小企业应该引入的治理基本功。

即使是中小企业，一年一次也无妨。请尝试进行一次回答以下三个问题的“迷你内部控制评估”。

1. 公司的重要风险是什么？是否已采取对策？

2. 业务流程中是否存在浪费或重复？

3. 员工是处于容易遵守规则的环境，还是难以遵守的环境？

如果无法回答这三个问题，那么治理可能已经出现了“碎片化”。比如，各部门对风险的认知各不相同，或者规则与现场实际情况脱节。

至此，我们以最新新闻为素材，探讨了中小企业的治理设计。最后，总结一下今天就能实践的三个行动。

第一，制作“治理碎片化地图”。可视化公司内部哪些部分的规则和标准是零散的。请按部门、客户、业务流程逐一排查“碎片”。

第二，制定“最小化的AI治理规则”。正如SHA的服务所示，无需追求完美。首先，只确定AI的使用范围、数据验证流程和负责人这三点即可。

第三，养成“自我评估的习惯”。每年确保一次评估公司治理状况的时间。不需要像大气社的内部控制报告书那样的正式文件。重要的是，经营者自己要有思考“现在的治理是否可靠”的时间。

治理并非一劳永逸。它是随着环境变化而不断更新的“活物”。跨越碎片化的设计，就从今天开始吧。