人工智能时代的企业创新范式与合规治理｜mhp君悦评论

从ChatGPT 4.0到Sora，人工智能技术处于高速迭代发展阶段，不仅给企业带来技术变革层面的挑战，还将深刻地影响企业创新范式及治理模式。技术差距尚可渐进弥合，认知鸿沟却会让多数企业消失在新的人工智能浪潮之中。

在人工智能科技革命浪潮下，数据与模型成为新质生产力，必将重构传统经济增长与企业经营模式。企业在探索和拥抱人工智能时，亟需理解人工智能技术重塑产业发展的底层逻辑，方能探索适应人工智能时代的创新范式与合规体系。

一、传统的企业创新范式

现代市场经济制度中，企业通过生产或提供产品服务从而实现自身获利之目的。哈耶克曾在经济活动的信息流通方面提出两个观点：一是信息与普通商品不同，其分散在企业内外各个地方且没有具体存在形式，需要进一步地收集与提炼；二是社会面临最重要的经济问题，即是如何促进社会信息的流通。

从企业依托内外部信息而做出决策的视角，企业生产经营活动可抽象为“世界-数据-信息-知识-决策-世界”的循环模型。通过使用传感器或人工识别将物理世界刻画为数据形态，使用算法与算力将数据抽象为信息，基于经验与分析技术将信息提炼为知识，依托知识而做出商业决策，进而影响物理世界的生产经营活动。

企业创新活动无不是对前述循环模型各个环节的优化与提升，实现企业在经济竞争场景下的独特优势。例如，企业研发或使用新型传感器以更加准确高效地刻画物理世界，创造新型算法提升数据流转的效率，使用数据统计方法汲取他人未发现的信息及知识，采用信息系统方式优化决策过程及提升自动化水平。

企业创造出新产品或方法后，受益于现代知识产权保护法律体系，可以在相当一段时间内享有独占收益权。独占收益可以支撑、激励企业加大创新力度，探索新技术、新方法不断提升循环模型的运转效率。然而，不同企业循环模型的发展水平不尽相同，优势企业可以通过信息不对称优势从而获得产品服务的高溢价、实现超额经营收益，进而有更多资源以反哺企业创新活动。

阿吉翁在《创造性破坏的力量》提出的“熊彼特范式”包括三个重要理念：（1）创新与知识传播是增长过程的核心；（2）创新依赖激励和私有财产权利保护；（3）经济发展是创造性破坏，新的创新让以往的创新变得过时。以此来诠释企业传统创新循环模型似乎也相得益彰。

二、人工智能时代的企业创新范式

人工智能模型离不开海量训练数据，通过算法迭代生成模型，模型响应输入而直接输出知识。高质量知识能够直接支持企业决策，以接近最优状态的方式改变物理世界的资源配置或生产经营方式，或是直接影响着数字原生世界的发展过程。

现代企业核心竞争力在于“数据-信息-知识-决策”循环过程的竞争优势，然而人工智能技术可以直接基于数据做出在约束条件下的最优决策，形成“数据-决策”新循环过程。企业决策不再依赖于管理者的指挥和决策，反而摆脱了人类处理信息低效和不稳定的缺陷。随着企业数字化程度不断深化，依托人工智能模型与技术实现对内外部资源的最优配置，并根据内外部资源环境变化而动态调整，企业产品服务内容的生产迭代速度将大幅提升。

多数企业无法从零开始自研人工智能系统，往往采用专业技术公司提供的技术与服务，所以企业间产品服务竞争的维度必然发生变化。倘若不同企业所采用的人工智能技术差距不大，那么数据归纳分析能力将同质化竞争，企业之间关键的竞争因素就变为是否拥有高质量数据、如何高水平使用人工智能技术。

科斯曾在《企业的性质》中提出，企业是价格机制的替代物，通过企业家的指挥和组织可以节约市场交易的成本。在新的创新范式之下，企业发展战略必然从市场逻辑迈向混合逻辑，从竞争关系走向价值共生关系。只有企业与产业链以某种契约形式共享高质量的数据，在人工智能技术支撑下，才能形成更大范围内的最优化资源配置，进而达到最大化降低成本实现价格竞争优势。如此，在人工智能时代，企业创新必然走向生态共创、生态共享的新模式。

三、人工智能时代的企业合规治理

传统企业风险合规管理框架，依赖于组织架构及人员配置，已然无法适应人工智能时代的企业合规风险管理。基于神经网络的现代人工智能技术，其在可解释性、偏见性、稳定性等方面存在诸多风险点，如果企业不能充分认识和管理这些新型风险，那么很可能让企业在生产经营过程中遭遇尾部风险而遭受重大损失。

人工智能时代，企业生产经营活动重构为“数据-决策”的新循环。不同企业使用同质化的数据与人工智能技术从事经营管理决策，企业之间竞争的战场转变为如何合规、准确、高效地处理数据和使用模型。

首先，企业在使用人工智能技术进行创新之前，必须建立相适应的合规风险管理框架。因人工智能技术的可解释性较差，风险合规管理框架必须依赖于持续的、技术驱动的测试、评估、验证与核实管理方法，并依据业务场景定义出可容忍及不可容忍的可解释性、偏见性、稳定性的风险识别及缓释标准。

其次，传统知识产权保护体系与人工智能模型应用存在诸多冲突与矛盾，企业应在现有法律框架内建立适用于人工智能及其相关数据权益保护的机制，以充分保护自身创新成果。传统企业创新范式依赖于著作权、专利、商业秘密等知识产权保护体系，以确保企业在特定期限及条件下拥有独占的用益权。然而，以大语言模型为代表的人工智能技术其输入及输出数据在知识产权保护上存在诸多争议，企业需要提前规划战略，设置相适应的数据权益保护策略，才能在数据与模型创新层面建立较深的竞争护城河。

再次，企业应重新思考开源战略，以助力企业整合生态数据与模型实现更优资源配置。如果不同企业独立研发人工智能模型，从社会整体维度来说这无疑是效率最低的方式，大量低水平研发重复开展。世界大国对于数据及人工智能技术竞争日益激烈的背景下，开源战略无疑是冲破封锁和建立新产业生态的最佳方式之一，可以联合产业链上下游力量共同推进数据与模型的迭代发展，从而实现数据由量变到质变的生态共赢。

最后，企业使用人工智能技术应注重社会责任，防止技术失控发展对社会伦理及价值观的负面影响。

四、结语

在人工智能从概念走向实践的过程中，企业经营及创新范式必然要转型与重构，否则将无法适应新质生产力所引发的生产关系变革。依托于人工智能模型与技术，企业经营决策活动将朝着“数据-决策”的方向演进，企业如何围绕数据与模型进行再创新，提升决策效率和资源配置水平，是企业创新范式的核心。建立与业务场景相适应的合规风险管理模型，是企业围绕数据与模型创新的前提，否则容易受特定偏见影响或陷入局部最优的循环，进而导致企业竞争力受损。另外，开源战略及社会责任对于企业使用人工智能技术同样重要，需要打破藩篱、共建生态方可实现全球范围内更高水平的竞争力。