AI治理成本应归属基础设施还是业务预算

董事会和审计委员会的问法变了——“这套东西跑没跑起来、出了事谁签字、证据在哪”。一旦治理从政策宣示进入执行阶段，它就不再是法务部门一份可以归档的文件，而是一组持续产生支出的工程与组织活动。围绕它的第一场争论，往往不在技术路线，而在财务口径：这笔钱记在基础设施，还是记在业务预算。

先分清底座支出与场景支出

跨系统复用的部分属于底座。数据分类分级、语义口径统一、可检索的审计轨迹、不可篡改日志、模型清单，这些投入的共同特征是前期重、后期以维护和运营为主，且能被多个系统摊薄。它们看起来不直接产生业务价值，却决定了后续的追溯、复核、评估工作能不能自动化完成。用单个业务场景的预算去承担这类支出，几乎必然在预算会上被砍掉。

场景支出则相反。某个高风险系统的专项评估、特定环节的人工复核、一次供应商审查，享受收益的是具体业务线，决策权也在那里，成本就不该被平摊到全公司。把这两类混在一起报预算，最典型的后果是底座被当成“某个项目的一次性费用”，场景被当成“公司统一要求”，两头都不落地。

分摊规则应当跟着决策权走

判断归属，有三个可操作的维度。一是复用性：能被多个系统调用的进公司级预算，再按调用量或系统数量向业务分摊；只服务单一场景的留在业务线。二是风险由谁制造：一个业务部门自行采购的生成式工具，其数据保护与供应商审查成本不应默认由 IT 兜底，否则等于鼓励绕过流程。三是能否翻译成业务指标：治理做成上线前的门禁，前期确实更慢，但重复评估会减少、上线周期会缩短；如果治理本身就是一堆人工表格，那不过是在把成本从法务转移到业务。

不同规模的优先级也不一样。中小企业最忌讳照着大企业的框架搭一套空转体系，务实的起点是完整的 AI 系统清单（含业务自采、未经 IT 审批的工具）、每个系统的具名责任人、以及把供应商条款前置到采购环节——成本低、见效快，直接对应最常见的失败模式。中型企业的痛点是证据分散与重复评估，值得投的是证据链自动化。语义层、数据资产化这类底座投入，要到系统数量足够多、摊薄后才具备经济性。

需要说明的是，成本结构本身是可观察的实践，但“治理投入能带来多少回报”目前缺乏统一口径的量化结论。稳妥的做法是用自己的基线说话：单系统上线周期、评估工时、重复审查比例、事件响应时长，用这些指标衡量投入前后的变化，而不是套用外部未经核实的统计。

真正昂贵的从来不是建立治理机制，而是系统已经跑起来、审计已经开始，再回头补那些当初没有设计进去的可解释性与可追溯性。前者是可控的年度投入，后者往往是一次性的重构账单。决策者要选的，不是付不付这笔钱，而是把它付在还能摊薄的时点，还是付在只能补救的时点。