AI 的决策权是挣来的
大公司说要让 AI 参与决策，往往推不下去，因为没人答得上来：它错了谁负责？
很多公司的管理层都说过类似的话：“要大胆让 AI 参与决策。”然后就没有下文了。卡住的往往是一个谁也答不上来的问题：AI 错了，谁负责？
一个可行的思路，是参照给新员工授权的方式，让 AI 一级一级地挣。每个决定都记进台账，随时可以撤回；自主权分成几级，每升一级都要有人签字；该升还是该降，看人工否决率。这个数字每天都有，比准确率好用。
责任落不到人头上
让 AI 做决定，就得有人回答“错了怎么办”。业务负责人不想回答，系统不是他建的；IT 不想回答，业务判断不归 IT 管；法务管的是合规风险，最稳妥的办法自然是不让它做决定。
三方的顾虑都说得通，可结果是责任落不到具体的人身上，决策权也就交不出去。AI 最后只能停在“仅供参考”，而参考意见是可以不看的。
其实我们给人授权，也从来不是一次给足的。新员工头三个月做的东西都要有人复核，之后才慢慢放手。财务有审批额度，五万以下经理批，五十万以上要副总裁批，这条线会随着资历往上调，出了问题也会往下调。权限分级，升级要有依据，而且随时能收回。给 AI 授权，也可以照这个办法来。落到系统里，要有三样东西：台账、分级，还有签字的人。
台账
AI 做的每个决定都记一笔：定了什么，依据哪些数据和规则，后来结果怎么样，如果要撤回该怎么撤。
前三项让决定可以审计，最后一项让人敢用。一个撤不回来的决定，很少有人敢交给系统去做；能一键撤回的，试一试的成本就低多了。
台账还有一个好处。“AI 靠不靠谱”这种问题很难回答，有了台账，问题就变成“上个月这三百个决定里，哪几个有问题”。后一个问题是可以拿到会上具体讨论的。
分级，以及为什么看否决率
自主权分四级：AI 只给建议，由人来决定；AI 先把答案填好，人逐条确认；AI 的答案默认生效，人在规定时间内可以否决；AI 直接执行，人事后抽查。每一类决定单独定级，各自升降。
升级和降级要有依据。很多人第一反应是看准确率，可准确率需要标准答案，而业务里大多数决定没有标准答案。一次拜访安排得对不对，可能要一个季度以后才看得出来，也可能永远说不清。要等准确率，就很难升级。
相比之下，人工否决率更实用，也就是 AI 给出的决定里有多少被人改掉了。这个数字每天都有，不用等结果出来。而且它反映的正是放权时最要紧的一件事：负责这件事的人信不信 AI。否决率持续下降，就有了升一级的依据；突然升高，就自动降一级，同时触发检查。
这个指标也有漏洞，人会偷懒，看都不看就全部通过，所以还要定期抽查那些被通过的决定。
签字的人
每一级都要对应到一个具体的人。在逐条确认那一级，责任在确认的人身上。在默认生效那一级，责任在握有否决权的人身上，也在批准这类决定升到这一级的人身上。
关键在于，升级本身也是一个要有人签字的决定。系统不会自己悄悄升上去，得有一位负责人看过台账和否决率，签字确认：这类决定，可以让它自己做了。
这样一来，“AI 错了谁负责”就有了答案，和“下属错了谁负责”一样，是给他授权的那个人。
顺带得到的东西
这套机制运转起来以后，再要求每次否决都写明理由，就会积累出一份公司以前从来没有的数据：人为什么否决 AI。
“这位医生下个月就退休了，系统不知道。”“这家医院刚换了院长，现在不适合去。”“这个数没算错，但现在不是调的时候。”
这些理由原本只存在于一线员工和管理者的脑子里，从来没写下来过，人一走就跟着带走了。现在每否决一次，就留下一条。这样的数据只能从自己的业务里长出来，买不到。
当然，这三样东西本身也有成本。设计得太重，审批和留痕花掉的精力，可能比 AI 省下来的还多。
