案例背景
2026年10月，工商银行行长刘珺在一次公开交流中介绍了该行人工智能应用的治理思路：工行已部署数百个AI模型，并在内部形成了一套差异化的人机分工规则——凡属依赖数据驱动的业务，赋予AI更高的自主决策空间；凡属面向客户的业务，要求人工深度参与流程；凡涉及价格形成以及具有金融社会性风险敞口的业务，则必须保留人的参与环节。这一表述之所以值得管理学课堂关注，不在于“数百个模型”这一规模数字，而在于它首次以清晰的层级语言，回答了AI时代组织理论中最困难的一个问题：决策权究竟应该如何配置。
对管理学而言，决策权配置从来是组织设计的核心议题。从泰勒的科学管理到西蒙的决策理论，组织理论始终在回答“谁来决定”“依据什么决定”“做错了谁负责”这三个问题。当AI成为决策链条中的新主体，这三个问题的答案都需要重写。工行的三段式规则，提供了一个难得的现实样本。
核心分析
一、有限理性与决策权的再分配：AI改变了理性边界的位置
赫伯特·西蒙提出的“有限理性”（Bounded Rationality）指出，管理者的决策质量受制于信息获取能力、计算能力与认知带宽。传统组织通过层级制、专业化分工与标准化流程来缓解这一约束：把复杂问题拆解为可由专人处理的小问题，用规则和先例替代反复的理性计算。AI的引入，本质上是把一部分信息处理与计算能力外包给机器，从而使组织的“理性边界”整体向外推移。工行将信贷审批中的数据核验、风险信号识别、异常交易筛查等环节交给模型，正是因为这类环节的决策质量主要取决于对海量结构化数据的处理能力，而人类在这一维度上处于系统性劣势。
但这并不意味着决策权可以整体让渡。西蒙同时强调，决策包含“事实判断”与“价值判断”两个层面：前者可以程序化、可计算、可验证，后者则涉及偏好、责任与伦理，无法被算法替代。利率定价涉及风险偏好、客户关系与宏观判断；金融社会性敞口涉及监管责任、金融稳定与社会影响——这些都属于典型的价值判断领域。工行把“必须有人参与”的边界划在价格与社会性敞口上，恰恰是西蒙二分法在组织实践中的一次精准落地：让机器接管事实，让人守住价值。
二、自主权梯度：从“是否授权”到“授权多少”与“如何介入”
经典组织理论中的集分权问题，通常被表述为一个连续谱系上的位置选择。AI时代的关键变化在于，这个谱系不再只有一个维度，而是被拆解为“自主权梯度”与“人工介入深度”两个相互独立的维度。工行的三段式规则可以理解为一张分工矩阵：数据依赖度高、客户接触度低的任务（如反洗钱监测、交易异常识别）落在高自主权—低介入象限；数据依赖度高但直接面向客户的任务（如智能客服、产品推荐）落在中等自主权—高介入象限，人工保留否决权与随时接管的权力；而涉及价格形成与金融社会性敞口的业务，则被直接划入“必须有人参与”的保留区。
这种设计的价值在于同时避开了两种常见极端：一是“AI全权代理”带来的责任真空与模型风险失控，一旦模型出现系统性偏差，没有任何人具备纠偏的意愿与能力；二是“每个环节都要人签字”带来的效率损失与形式合规，人工审核退化为走过场，反而削弱了真正的风险控制。它本质上是一种基于任务属性而非部门归属的权变式授权（Contingent Delegation），与加尔布雷斯（Jay Galbraith）关于“组织设计应当匹配信息处理需求”的观点一脉相承——组织形态不是被模仿出来的，而是被任务本身的信息结构塑造出来的。
三、算法问责与组织控制：人机分工的治理闭环
人机分工一旦确立，紧接着的问题就是责任归属。当模型给出错误建议而人工未加纠正，责任在模型、在开发者，还是在签字的人？管理学给出的答案是明确的：责任必须始终锚定在可问责的人类主体上，否则组织将失去控制的基础。工行强调“必须有人参与”，实际上是在为算法设置一个“人类责任锚点”，确保任何一个对外产生效力的决策，都能找到一个可以被追责的具体岗位。
与之配套的治理机制应当包括三个层次。第一层是模型层的可解释性与验证机制，确保决策依据可被追溯、可被质疑，而非黑箱输出。第二层是流程层的留痕与复核机制，明确人工介入的具体形式——是事前审核、事中干预，还是事后抽检，不同形式的控制强度与成本差异巨大。第三层是组织层的责任分配机制，可用RACI矩阵等工具把“谁负责执行、谁最终批准、需要咨询谁、应当告知谁”落到具体岗位，避免责任在部门之间稀释。此外，还应引入“人工否决率”“模型漂移监测”“人机决策一致性”等量化指标，将人机分工纳入可度量的管理控制系统，而不是停留在原则性的表述上。
管理启示
刘珺的表述给所有正在推进AI转型的组织提供了一条可迁移的经验：人机分工的出发点不应是技术能力（即“AI能做到什么”），而应是任务属性（即“这件事做错了会伤害谁”）。数据依赖度、客户接触度、社会性敞口这三条线索，构成了划分决策权边界的实用坐标系。管理者可以先绘制一张“决策权地图”，把组织内部全部业务决策逐项标注到这三个维度上，再据此确定每一项决策的自主权等级与人工介入形式，使模糊的原则转化为可操作的清单。
更重要的是，无论技术如何演进，“责任锚定在人”这一条底线不能突破。因为组织控制的最终基础是可问责性，而不是准确性。一个准确率更高的系统，如果无法回答“谁为结果负责”，就无法被真正纳入组织；而一个准确率稍低但责任清晰的安排，反而更可持续。AI时代的管理者需要同时具备两种能力：理解算法的能力，以及设计责任结构的能力。
其他思考
- 当AI的决策准确率持续高于人类时，“必须有人参与”的要求是否会演变为纯粹的形式合规？组织应当如何在效率与责任之间重新校准这条底线？
- 工行的三段式规则是基于银行业的高监管属性设计的。在监管强度较低的行业（如互联网内容推荐、零售定价）中，这种分层是否仍然必要？边界会向哪个方向移动？
- 如果模型出现系统性偏差而所有人工复核者都未能识别，责任应当如何在技术供应商、模型开发团队与业务决策者之间分配？现有的组织问责机制是否需要重构？
关键词：人机分工、决策权配置、有限理性
来源：经济观察网 | 整理：经管大课堂
原文链接：https://www.rcbom.com/mgt/6728.html
