【作者】 Allie Nawrat
【資料來源】 UNLEASH
【發佈日期】 2026年 7月 16日
【介紹者】 閻書孝研究員
【審訂者】 邱明志委員
【簡介】
如果問長字輩主管公司的人工智慧(AI)策略為何,董事會將獲得一個自信、光鮮的答案。他們很少獲悉全部真相:不對的問題有個好答案很少告訴他們關於AI如何實際被治理的具體細節。
曾任Lululemon資訊長、現已轉任董事的Julie Averill告訴UNLEASH,董事會不需要使用AI從頭摸索。他們只需要詢問相同的問題,是針對任何董事會議題都會問的:「你們的經營策略為何?」
下一個問題是:「AI如何協助你們更好、更快、更便宜地完成任務?」
Averill說,如果只關注該問題而非其檯面下的經營邏輯,組織不過就是在「掩蓋真相(whitewashing)」:表明自己完全掌控「一項並未完全理解的技術」,而實際上沒有真正治理。
技術顧問機構Consider Solutions的執行長Dan French同意Averill的觀點。在他看來,董事會一個大錯是考慮技術在何處發揮功能前「忘記從你們試圖解決的經營問題著手。」
歐洲工商管理學院(INSEAD)公司治理中心學術總監Annet Aris補充說,董事會過度聚焦於「花俏的AI工具」存在風險,代表忽略較大的格局。
她告訴UNLEASH:「建置AI工具本身不是大挑戰,如何讓組織轉型以便有效地與AI共事才是大挑戰。」
這代表要提出的問題類似:「由誰來做哪些決定?我們將如何重新定義勞動力?什麼將是新營運模式?」
新技術,卻是同樣的治理挑戰
AI毫無疑問地為董事會帶來耳目一新的挑戰。
INSEAD的Aris指出,AI發展的速度挑戰董事會跟上的腳步,亦即若組織沒有掌握AI所帶來的機會就有「被淘汰」的恐懼。
這種現象促使很多組織視AI為萬靈丹(他們沒有思考要在哪裡有效地使用AI,只是到處用)
French認為,這種本能誤解了AI的本質。傳統的企業軟體是按確定性規則在運作,亦即在固定邏輯下,每次都產出相同結果。相對而言,AI是隨機的:它基於預測而非確定性在運作。他說:「機率固然有其作用,但也意味著AI並非適用於企業所有環節的工具。」
French指出:「對於應該在何處運用機率思維這件事,人們甚至從未停下來思考。」
據他估計,僅30至40%的經營問題能真正從機率性、根據AI的方法下獲益,亦即其餘的使用確定性技術來解決比較好。他主張,劃分錯誤是一項技術失誤,照樣也是治理失靈。
為了讓治理的指針移動,French因此呼籲董事會與組織停止視AI為一項「活動」:員工使用AI的程度高低「不是衡量成功的指標」。
他說:「聰明的公司會說,他們全力投入AI於合理之處。」
Averill同意。她告訴UNLEASH:「董事會感受到AI的壓力,卻並未完全了解其正在追求的結果。」
聚焦於結果而非活動是Averill給董事會治理AI的建議。她呼籲董事會要從「監督開始,而非營運。」
Aris指出董事會可能忍不住要接手AI的日常管理,但這是公司長字輩主管的工作
Averill補充說,他們在AI的工作一如其他治理的優先事項;他們需要「問正確的問題,領導管理階層做好工作,以打造公司所需的防護機制。」
人力資源在AI治理中負責什麼工作?
French說,隨著AI顛覆各行各業,「所有領導人都需要參與討論,如何讓公司更好。這包括人資長與人資部門。」
Aris指出,人資長不再侷限於領導人事部門,現在要負責更宏觀的挑戰,像轉型、變革管理及領導力發展。他們必須與董事會直接報告這些問題。
French認為,說到AI,人資的責任是提醒人們「遊戲規則是什麼」;這要求訓練與制定政策在使用AI作業時僅使用公司核准的工具。
如果員工「在未仔細考慮輸入資訊的情況下隨意使用公共大語言模型(LLM)可能對公司造成傷害。天下沒有白吃的午餐;如果你不能找到產品,那可能就是你」以及你輸入的資料。
他建議人資提醒員工「不要讓你的批判性思維成為任何技術的附庸」。人資需要為員工「全力以赴以充分發揮其天賦」。
至於人資職權範圍應該伸展到何種程度,各方看法不一。Aris認為人資長的功能有可能擴大到包含AI代理以及人才,不過Averill劃定更嚴格的界線。
她承認人資有責任要「確保領導人及文化準備好接受、採行與迎接AI」,但關於AI治理本身,「我個人認為這不是人資長的功能」。
與其要人資扛起責任,Averill相信問責應該落實在每個事業單位。
「如果我是財務長,我應該瞭解做決策的每個人與每個代理。我對此承擔最終責任。」
「例如,如果AI對供應鏈做錯決定,把產品運送到不對的國家。責任誰負?答案是供應鏈領導人。」
Averill總結說:「人資對經營的觀點廣而不深,對每個部門有基本的認識,但不能像身處一線、最貼近工作的人員那樣深入了解業務。」
【網址連結】
https://www.unleash.ai/artificial-intelligence/analysis/the-ai-governance-question-boards-are-getting-wrong