AI 决策的责任主体，
四分之三的组织并不明确

改变了什么

治理，从「事后追认」改为过程内建

沃可看到，AI 参与经营动作之后，责任界面被留在了事后：结论来自模型、动作由人确认，环节之间的责任界面不清晰。一旦出现损失，无法判断应由谁承担 —— 这直接限制了企业把高价值动作交给 AI。

沃可改变的是治理的位置 —— 从「出了事再查」提前到「每一步都留痕」：执行主体、时间与依据随动作一并记录，无法定位到责任人的事项不予采信。分级由系统强制，不依赖人员自觉。

沃可看到的行业现状是 —— 普及度远高于治理就绪度：

5.1

底线三条

沃可看到，AI 参与经营动作后，责任的界定变得困难：结论来自模型、动作由人确认，环节之间的责任界面不清晰。一旦出现损失，无法判断应由谁承担 —— 这直接限制了企业将高价值动作交给 AI 的意愿。

沃可看到的 Gartner 2024 那组数字说的就是这件事：55% 的组织有 AI 委员会，但只有 25% 有「对 AI 负责的明确角色」；有 AI 负责人但没有 CAIO 头衔的，占其中 88%。

沃可为每个动作记录执行主体、时间与依据；无法定位到具体责任人的事项不予采信。人的确认与系统的执行位于同一条记录链上。变更以「变更前 → 变更后」逐条留痕；撤销须记录原因，恢复须经人工确认。

5.2

关键节点把关

沃可看到，将资金、合同、对外承诺交由自动化执行，风险不可控；全部由人工逐项确认，则投入无法产生回报。「该自动的自动、该人管的人管」缺少可执行的判定标准。

沃可看到，这道中间线行业还没划出来 —— 埃森哲 2026 的数据显示：只有 44% 的企业明确了人机决策权限分工；而在系统性重构运营和业务的只有 18%。

沃可按动作类型定义分级清单：对外、涉及资金、不可逆的动作进入人工确认环节；AI 执行至提交前终止。分级由系统强制，不依赖自觉。

5.3

事实底线

沃可看到，生成式模型存在内容不实的固有风险，且不可靠内容与可靠内容在阅读体验上没有区别。而这套系统要吃进去的数据，本身就不干净 —— 哈佛商业评论：只有 3% 的公司数据达到基本质量标准；埃森哲 2025：仅 15% 的企业认为数据分类标准统一。

沃可把无依据的内容不记为事实；无把握时明确说明不确定。内容真实性、数据来源、机密边界三条不予让步，其余判断空间交由 AI。

5.4

数据主权 —— 一个几乎没人占的位置

沃可看到，企业数据接入 AI 后，访问范围容易失控：过宽导致信息外溢，过窄导致能力不可用。「谁能看到什么」缺少可持续维护的判定方式。

沃可看到的政策口径同样明确：中国信通院《中国企业级 SaaS 产业发展研究报告（2024年）》把「云上数据安全」列为中国企业级 SaaS 产业当前的六大挑战之一。

沃可看到的 ISO/IEC 42001（等同采用为国标 GB/T 45081-2024，人工智能管理体系）的认证统计是这样的：全球公开宣布获证组织（截至 2025 年底累计）仅约 106 家，其中中国总部组织仅 4 家。

沃可只向有权限的对象提供敏感与机密信息；越权时说明边界并给出可行路径，不以拒绝替代理解。ISO/IEC 42001 沃可只用一个方式：当作「沃可按这个标准在做」的可信度背书 —— 不做「帮你拿证」的服务，后者是另一门生意。