新加坡董事会如何管好 AI？116 页指南给出一份行动清单

新加坡董事协会（SID）联合资讯通信媒体发展局（IMDA）、微软和 OpenAI，发布了一份长达 116 页的《新加坡董事会 AI 指南》。指南于 2026 年 7 月 31 日推出，旨在帮助董事会监督 AI 战略、价值创造、治理、运营韧性与风险管理。

这份指南最重要的变化，是重新界定了 AI 的责任归属：AI 不再只是技术部门负责实施的项目，而是董事会必须参与的业务与治理议题。董事需要了解 AI 能在哪些环节创造价值，质疑管理层的假设，并确保 AI 的部署有明确责任、足够韧性和可追溯的控制机制。

董事会首先要问：AI 要改善什么结果？

指南建议，董事会应根据 AI 投资对组织的预期贡献来评估项目。一份可信的商业论证，可以围绕收入增长、生产率、服务质量、决策质量、风险降低或运营韧性展开。关键在于：先定义希望实现的结果，再批准投资，随后检验结果是否真正出现。

这意味着企业必须区分“活动指标”和“绩效指标”。上线了多少个试点、购买了多少软件许可证、培训了多少员工，最多只能说明企业投入了多少精力，并不能证明 AI 项目已经创造价值。董事会应要求管理层同时汇报已实现的成果、投入成本、局限性与风险，而不能只报告采用率。

这种方法也有助于避免两种常见失败：一是批准彼此割裂、没有规模化路径的零散实验；二是因为没有定义成功标准，而错过有价值的部署机会。指南对战略、应用场景选择和投资回报的强调，目的正是把 AI 支出与组织的整体优先事项连接起来。

把员工自发试用纳入治理范围

员工可能早已在非正式地使用 AI 工具，或者自行搭建 AI 工作流程。指南建议，企业不应对这些活动视而不见，而应把有价值的尝试转化为受管理的组织能力。

董事会应要求管理层掌握以下情况：组织内正在使用哪些工具和场景、由谁负责、处理什么数据，以及适用哪些控制措施。记录由 AI 构建的工具、为其使用建立治理机制并确保符合安全要求，都是指南提出的考虑事项。

在实践中，这需要企业制定覆盖已批准工具、敏感信息、责任归属、持续监测和升级处置的制度。同时，企业也应识别并培养员工已有的 AI 能力，而不是把 AI 采用完全当作自上而下推行的任务。

如果一项战略没有配套的技能计划、责任人和运营纪律，就很难从试验阶段稳定走向实际执行。将员工的自发创新纳入制度，并不意味着压制尝试，而是让成功经验能够在可控范围内复制和扩大。

让整个董事会具备足以质询管理层的 AI 素养

指南将 AI 素养视为董事会的一项能力。董事不必全部成为机器学习工程师，但董事会整体应理解 AI 如何影响所在行业、运营模式、竞争格局、决策过程和风险。

董事会中应有数名成员能够质疑管理层对 AI 的假设、价值主张和风险评估。同时，董事会还应至少拥有一名具备足够技术深度的人选——可以是董事、顾问或委员会成员——以便对系统选择、数据、测试和控制措施提出有实质内容的问题。

这比把 AI 交给技术委员会、定期听取汇报更进一步。它意味着 AI 已进入董事会的战略与受托监督范围；而当技术问题超出董事会自身能力时，仍应及时引入专业意见。

系统上线前先划清决策权限

AI 治理只有在企业明确“谁能批准、谁来运营、谁负责监测、谁有权叫停”之后，才真正具备可执行性。董事会应要求管理层按照风险设定决策边界，至少区分三类事项：

• 管理层可以在既定权限内决定的事项；
• 必须提交董事会或委员会升级审议的事项；
• AI 不得自主决定的事项。

潜在后果越严重，控制措施就应越严格。对于招聘、晋升、解雇和绩效评估等高影响就业场景，董事会应围绕实质性人工审核和责任明确的决策者设定“硬性红线”。AI 的输出不应在无人核查的情况下，直接变成影响个人职业和生计的自动化结论。

这一原则与更广泛的治理要求一致：AI 应当支持人类判断，而不是在不透明的情况下取代人类判断。 对管理层而言，一个简单的上线前检验是：系统负责人是谁、审批门槛是什么、哪一步必须由人监督、出现问题时如何停止，是否都已明确。

检查公平性、数据质量，并让当事人能够申诉

负责任的审批流程不能只看模型的平均表现。董事会应追问：企业如何检查数据质量，如何记录系统局限，如何识别潜在偏见，以及系统上线后如何持续监测表现。

凡是可能对个人产生重大影响的 AI 系统，相关人员都应拥有有意义的知情、质疑和申诉渠道，并能够请求人工重新审议。解释不必披露专有技术的全部细节，但必须足以支持负责人的复核和有效申诉。

这属于更广泛的控制环境。新加坡的公司治理资料强调，AI 决策应具备透明度和责任归属，同时要关注监管与伦理标准。 董事会的任务，是确保这些要求落实为有负责人、有记录、有证据的流程，而不是停留在没有执行主体的原则表述上。

把 AI 纳入网络安全与运营韧性管理

AI 带来的是一项“双向安全挑战”。企业既要防范 AI 助力的网络钓鱼、社会工程、欺诈、自动化攻击和更快速的漏洞发现，也要保护 AI 系统本身，避免数据泄露、提示词注入、模型操纵，以及供应商或第三方引入的弱点。

因此，董事会应确保 AI 风险出现在网络韧性报告、审查工作和事件响应计划中，而不是被隔离在一个单独的技术部门。关键问题包括：谁有权停用系统，事件如何上报，如何调查受影响的数据和决策，以及当 AI 服务不可用或遭到入侵时，组织如何恢复运营。

这一重点延续了董事会对网络韧性和风险管理的既有要求。SID 的网络韧性指南同样强调，应将韧性嵌入企业战略，而不是把它当成纯粹的技术任务。

对关键系统和高后果应用提高标准

不同 AI 应用发生故障时产生的后果差异很大。低风险的内部生产力工具，不应与支持基本服务、关键基础设施或其他高后果运营的系统接受完全相同的监督标准。

对于这些高风险环境，董事会应要求更严格的韧性、安全、测试、监测、升级和恢复机制。原因很直接：系统故障或遭到入侵，影响的可能不只是企业自身的财务和声誉，还可能造成重要服务中断或更广泛的运营后果。

指南采用的是基于风险的路径，而不是对所有 AI 应用“一刀切”。董事会应根据潜在失败后果，匹配相应的授权范围和控制强度。

一份可直接使用的董事会 AI 看板

指南中的建议可以转化为一份简明的董事会登记表或看板。对于每一个重大 AI 应用场景，管理层都应能够说明：

1. 责任人：谁对系统及其结果负责。
2. 预期业务结果：希望改善什么，以及如何衡量成功。
3. 决策权限：哪些事项可以自行决定，哪些必须升级审议。
4. 数据来源与处理规则：系统使用哪些数据，如何保存和处理。
5. 风险等级：为何将该应用归入这一等级。
6. 控制措施：包括安全、公平性和数据质量检查。
7. 人工监督节点：哪一步必须由人审核，最终决策由谁负责。
8. 测试与监测结果：系统表现如何，已知局限是什么。
9. 事件、投诉或申诉：发生过什么问题，以及如何解决。
10. 下一次审查日期或触发条件：何时，或在什么变化发生后重新评估。

这种结构把价值创造和风险管理放进同一份记录中。董事可以据此审查具体证据，而不必只依赖“企业正在负责任地使用 AI”这类笼统表述。

给公司董事的启示

SID 的指南并没有把采用 AI 与治理 AI 视为二选一。它要求董事会像审视其他重大战略投资一样，以同等的纪律推进 AI：定义价值、明确责任、理解风险、测试控制措施，并持续复盘结果。

董事会眼下可以采取的行动包括：把 AI 纳入固定议程，盘点组织内的重大 AI 应用场景，并检查 AI 素养、责任归属、决策权限、人工监督、测试和运营韧性方面是否存在缺口。

最强的 AI 战略，不是活动最多、试点最多的那一份，而是董事会能够清楚解释、持续衡量并真正管得住的那一份。