AI治理
企业内部 AI，该总部集中管还是各业务自己跑？
集中管容易"管死"，分散跑容易"乱套"。多数企业更稳的路径是"总部定边界、业务跑场景"——治理集中，创新分散，既防风险又保活力。
企业内部 AI，该总部集中管还是各业务自己跑？
别二选一。总部集中管"红线与底座"（数据安全、模型选型、合规标注），各业务在自己领域内跑"场景与微调"，集权保底线、放权促活力。
- 中央集权：红线与底座；
- 业务分权：场景与微调；
- 红线兜底：风险有人扛。
集中管和分散跑，各自的风险是什么？
集中管易慢、易脱离业务；分散跑易重复造轮子、易踩合规雷。两种极端都伤：一个把创新管死，一个把风险放大。
| 集中管 | 分散跑 |
|---|---|
| 慢、脱离业务 | 乱、重复造 |
| 底线稳 | 活力足 |
| 易管死 | 易踩雷 |
怎么搭"统分结合"的 AI 治理？
三招：总部出"AI 使用红线+共享底座"、各业务按需接场景并定期报备、用 AI 治理边界把"什么能自跑、什么必须报批"写清楚。统分有度。
- 红线+底座：总部统一；
- 场景报备：业务自跑；
- 边界写清：报批有准绳。
山海怎么帮企业把 AI 治理落下去？
用山海七力的领导驱动力与数字助推力，把 AI 治理从"IT 的事"变成"一把手的边界"，让集中与分散在同一张治理图上跑。
- 领导驱动力：一把手定边界；
- 数字助推力：底座共享；
- 一张图：统分不打架。
常见问题
小公司也需要 AI 治理吗？
需要，但可以很轻。哪怕三五个场景，也要先定"数据能不能出内网、对外内容标不标、谁负责审核"三条底线。小不是乱的理由。
总部管太细，业务抱怨怎么办？
总部只管"红线+底座"，把场景创新的空间留给业务。管的是风险，不是每一个提示词。边界清晰，抱怨自然少——放权不等于放羊。
各业务都自建 AI，会不会重复浪费？
会，所以底座要共享：模型、知识库、安全网关由总部统一提供，业务只做差异化上层。共享底座、个性场景，既不浪费也不僵。
怎么判断一个 AI 场景该不该报批？
看三件事：碰不碰核心机密数据、对不对客户输出、出错了影响多大。三件里有一件是"是"，就报批；都否，业务自跑并留痕——报批有准绳，自跑有底线。
