为什么一个简单的AI功能，开十场会仍然无法上线？丨FDE重新理解决策权

一个AI项目开过十场评审会仍难以上线，暴露了多部门风险治理中的决策困境；FDE由此重新审视组织的决策逻辑。核心内容：1. 客服AI项目受阻的典型现场：十场评审会不断增加验证要求，最终导致项目停滞2. 多部门风险治理的实际矛盾：安全、法务等专业判断与流程冗余相互冲突3. 隐形决策困境：各方都能阻拦却无人担责，使项目风险由可见转为不可见

下面的场景，是从多种企业AI项目中提炼出的综合现场。

一个客服Agent已经完成测试，抽样评测显示其回复草稿质量稳定。由于工单严重积压，业务部门一直等待它上线。

上线评审中，安全部门担忧用户数据会在调用时泄露；法务担心Agent在回复中作出未经授权的承诺，例如随口答应退款期限；品牌团队担心客诉场景下语气失控；IT则担忧新组件影响主系统稳定。各部门代表都有专业判断，也都认识到了真实风险。

每轮评审至少会增加一项验证要求，因为提出新要求本身不必承担责任。
 等到第八场评审会，模型版本已经更新，先前完成的那批测试证据全部失效，只能重新验证。审批尚在进行，被审批的对象却已经发生变化。
 客服团队等不下去，几名组长便自行在浏览器中使用外部工具处理工单。没有日志、没有审计，也没有任何治理；原本试图纳管的风险，就这样变成完全不可见的风险。

十场会议结束后，依然没有任何一场尝试回答以下三个问题：哪些条件一旦不满足就必须停止？哪些风险能由某个人代表组织接受？争议到期后，最终究竟由谁决定？

首先承认：多方参与并非官僚主义

面对这样的局面，人们最容易认为流程过重、会议过多，因此需要精简。

然而，安全、法务、品牌和IT提出的都是实际风险。直接面向客户说话的Agent，的确可能泄露数据、作出具有法律效力的承诺，或破坏品牌调性。排除这些部门不会换来效率，只会换来一场迟早发生的事故。

还有一点更加重要：AI项目中的完整事实，不掌握在任何单一部门手中。 业务了解客户需求，却不清楚数据如何流经调用链路；安全理解链路风险，却无法判断某句回复是否构成法律承诺；法务熟悉承诺边界，却读不懂评测指标的含义。准确性、隐私、安全、合规、品牌及业务结果共同构成风险，而每个人只握有一块拼图。

因此，把相关人员召集到一起是正确的。在这一前提下，组织常用的解释听起来都很合理：共识尚不充分、风险信息仍不完整、再召集一轮相关方、再测试一轮大家便能放心。

可是，无论信息增加多少，总会留下不确定性；在AI项目中，这部分不确定性永远无法归零。泄露风险可以从可能降低到极低，却无法降为零；错误承诺的概率也能压至千分之一，却不能彻底消失。如果组织默认必须等所有人都放心后再上线，这一标准永远不可能满足，等待便会成为无法自行终止的状态。

人人都可以拦截，却无须作出决定

每位参会者都拥有一种模糊且无须说明触发条件的阻拦能力——一句“我这里仍有顾虑”，便足以让项目停止推进。与此同时，却没有任何人负有必须给出结论的责任。

二者叠加，就形成了隐形的一票否决。无需有人真正投出反对票，甚至无人必须明确反对；只要每个人保留一点顾虑，决定便永远不会出现。

这一结构能够稳定存在，是因为对每个参与者而言都很理性。提出新要求的成本为零，收益是证明自己履行了专业责任；宣布可以上线，则要承担出事后的责任，收益却只是别人的项目成功上线。在没有明确决定权的组织中，对个人而言，保留顾虑永远是最优策略。

有些决策缓慢，确实源于数据不足、法定程序尚未完成或技术验证未结束，这种必要的慢不应被消除。本文讨论的是另一种情况：信息实际上已经足够，却无人负有作出决定的义务。

一个反直觉参照：条件写得再清楚，模糊仍不会消失

读到这里，人们自然会问：提前写明红线、阈值和触发条件，届时直接照表执行，不就可以加快速度吗？

Anthropic公开了一份“负责任扩展策略”（Responsible Scaling Policy，简称RSP），目前已更新至v3.4（2026年7月生效）。其核心正是预设“如果-那么”条件：一旦模型能力越过某项阈值，就必须启用相应的更严格保障措施。

经过两年多实践，它也同时承认：实践中的预设能力阈值，比预期模糊得多。 某些情况下，模型能力显然正在“接近”阈值，却很难判断是否已“确定跨过”，因为模型评估本身尚不足以提供决定性答案。官方将这种状态称为“模糊地带”（zone of ambiguity）。

FDE由此作出的工程推论是：组织必须明确由谁在模糊状态中作出决定，并保留其判断依据。

既然指标无法自动产生答案，“照表执行”便不可能覆盖全部情形。总有一个时刻，数据已经摆上桌面，却不会自行说话；届时组织要么由明确的人作出决定，要么继续不断开会。

AI在这里放大了哪些问题

传统IT项目同样需要上线评审，但AI有四处不同。

第一，无法等到风险归零。 传统软件能够确定性验收：功能是否符合规格，答案只有是或否。概率性系统没有这种终点，只能回答错误率降低到了多少。于是“再等等看”从谨慎态度变成可无限延长的姿态，因为错误率似乎总能再低一点。

第二，Agent不只给出建议，还会执行动作。 只输出建议的系统发生错误时，还有人可以兜底；直接回复客户或修改工单状态的Agent一旦出错，则更难逆转。不可逆程度越高，参与决策的部门自然越多；这种反应完全理性，却也增加了需要协调的权限数量。

第三，模型迭代快于审批周期，等待本身持续产生成本。 审批进行到一半，模型版本可能已经更新，原有测试证据随之失效。传统系统在审批期间保持静止，AI系统却并非如此。一旦审批周期超过迭代周期，正在审核的对象与准备上线的对象便不再相同。

第四，事实掌握在更多部门手中。 正如前文所述，没有人拥有完整拼图。因此，“等待某个人彻底想明白”在结构上行不通，必须借助一套接口汇集分散的专业判断。

四项差异共同指向同一结论：AI项目无法等到所有不确定性消失后再决定。组织真正需要的不是更长的验证流程，而是一套即使不确定性依旧存在，也能合法、负责且可追溯地作出决定的机制。

FDE重新理解决策权

此前的文章「裁定接口设计：不是审批流程，是风险边界」讨论的是人与AI之间的判断交接，即何时应由人介入、何时可以允许系统继续运行。本文讨论的则是另一端：组织内部究竟把决定交给谁。

FDE这样理解决策权：决策权并非职级高低，而是与决策类型、影响范围及不可逆程度相匹配的一套权限结构。

同一个人在低风险、可逆的事项上可以直接决定，在高风险、不可逆的事项上却只有建议权，这并不矛盾。权限应跟随决策性质，而非跟随职级。

具体需要拆成五类；如果混在一起，就会形成前述隐形否决：

建议权：只提供专业输入，不决定最终结果。绝大多数参与者都应拥有这项权限；它并不低级，因为高质量输入正是良好决策的前提。

条件否决权：仅当预先约定的红线被触发时，才可直接阻断。关键是条件必须“预先约定”且“可以检验”；例如“用户身份证号会进入第三方接口”属于可验证事实，而不是个人感受。

临时止损权：这项权限用于处理事前未能预见的风险。AI风险中确有无法预先枚举的新问题；如果所有否决条件都必须提前写明，组织可能为追求流程完整而忽视真正的弱信号。因此，任何参与者发现重大且未预见的风险时都能暂时阻断，但必须说明依据、自动升级至最终决定人，并由最终决定人在限定时间内确认。

风险接受权：代表组织接受剩余风险的权利。这通常是最缺失的一环；大部分受阻项目并非缺少分析，而是无人愿意具名表示“这部分风险由我承担”。

最终决定权：即使信息并不完美，也必须作出选择。这里的“必须”代表义务，而不是特权。

五类权限分开以后，还必须守住一条边界，否则整套机制会退化成“指定一名大领导拍板”：

最终决定权必须绑定清晰的风险承接责任。不能让拥有决定权的人不承担相应责任，也不能让承担结果的人完全无权参与决定。

这并不意味着“所有责任都应集中到一个人”。真实组织里的最终决定人、风险所有者、业务结果负责人和法律责任主体很可能并非同一人；强行合并，反而会造成新的权责错位。真正需要保证的是这条链不存在断口：每项获准接受的风险都对应一名具名承接者，每位承担后果的人也都有进入决策过程的通道。

共识能够改善执行质量，却不能沦为逃避最终决定的工具。

决策接口表：把拍板所需的接口设计出来

替组织拍板并非FDE的职责，那样既不合适，也无法持续。FDE应负责设计拍板接口，而这张表就是具体交付物。

表中包括决策对象、必须提供输入的角色，以及各角色可以否决的具体条件；还包括风险接受人、最终决定人、决定截止时间、超时后的预设状态，以及记录决定和依据的位置。

它之所以不同于普通审批流程图，在于背后的几项规则。

第一，把否决权落实为可检验条件。 能够明确触发条件的，登记为条件否决权；无法写明却确有担忧的，则进入临时止损通道，可以叫停，但必须说明依据并自动升级。这样才能消除“因为我担心，所以永远不能上线”这种无须解释理由、也无须承担后果的中间状态。

第二，将信息会议与决策会议分开。 风险接受人一栏尚为空白时，会议仍可召开，但只能是风险识别会或信息澄清会，用于发现风险和确定归属，不能被视为正式决策会议。许多项目把信息会误当成决策会，只完成了风险识别，却以为决定已经作出。

第三，超时预设状态必须匹配可逆性、影响范围及风险等级。 对于低风险、可逆且影响范围小的事项，超时后可进入限时试点或自动升级；对于高风险、不可逆且会影响外部主体的事项，超时必须默认不予放行，或退回安全模式。绝不能仅因审批延误，就让高风险功能自动取得上线资格。

第四，明确使用时点： 在功能进入上线评审前建立此表；范围或风险等级改变时重新审查；争议真正发生后照表执行，而不是临时开会讨论谁有决定权。争议发生之时，应当执行规则，而不是现场制定规则。

写在最后

一个AI功能开了十场会仍无法上线，通常并非参与者太多，也不是专业程度不足。实际情况恰恰相反：每个人都很专业，各自的顾虑也成立。问题在于组织从未清楚区分谁负责提供意见、谁能在何种条件下否决、谁有权接受剩余风险，以及最后谁必须作出决定。

结果是人人都获得了一部分模糊的阻拦权，却无人承担明确的决断义务。

让每个人都被听见，并不意味着必须得到所有人的同意。 既让每个人的专业意见以明确方式进入决策，又确保决定最终能够发生，这两件事并不冲突。

即使权限已经分清，仍有更难的僵局：安全要求必须加密，却会让响应速度慢一倍；业务要求快速响应，否则客户会离开；法务要求数据不得出境，又意味着整个方案都要更换。这时没有人越权或拖延，各部门的要求单独来看都有充分依据。当正确与正确直接冲突时，组织应凭什么判断究竟牺牲哪一边？

感谢你读到最后。若内容带来启发，欢迎点赞、在看、转发；想第一时间收到推送，也可以添加星标⭐，我们下期再见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向： 
 「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
 「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
  塔迪的微信 - tardyai2025。

登录查看剩余 70% 内容