AI治理中的行业自律机制

AI企业最了解自身模型的能力边界，也最有条件在开发和部署过程中及时发现风险。因此，行业自律在AI治理中有不可替代的作用。但企业同时承担商业竞争压力，自律不能仅靠原则宣言。判断一项机制是否有效，关键要看风险信息能否被发现、传递，以及整改责任能否落实。

有效的自律应覆盖产品从开发到部署的全过程。企业需要明确哪些用途必须经过更严格的风险评估，在上线前记录测试范围与未解决的问题，上线后保留接收异常反馈、暂停高风险功能和修正问题的渠道。相关记录不仅服务于内部决策，也应便于事后追溯：谁接受了风险、依据是什么、出现问题后由谁负责处理。没有这些安排，“重视安全”很难转化为可检验的承诺。

行业组织可以推动成员采用共同的风险描述和事件通报方式，使企业之间能够交流经验，而不必公开全部商业秘密。不过，由企业自行制定规则、自行判定是否合规，容易产生利益冲突。要提高可信度，就应允许具备独立性的外部评估介入，并对评估范围、局限和整改进度作出适当披露。披露不等于公开敏感技术细节，重点是让外界有依据判断企业是否履行了承诺。

盖茨呼吁加强监管、认为行业自律不足，所指向的正是这一边界：自律适合快速形成操作规范，却不能替代具有公共约束力的规则。较稳妥的路径，是让行业机制承担早期识别和改进风险的工作，同时接受外部监督。企业是否愿意处理不利于自身的风险发现，比承诺写得多完整更能说明自律机制是否可靠。