创见者Webinar：AI落地为什么离不开“安全合规Owner”

最近和不少制造业的老板、CIO聊，大家普遍有个感觉：AI的热度很高，但真到了自己厂里，想用AI优化一下排产、预测一下设备故障，或者让系统自动处理一些订单异常，就发现推进起来特别慢，甚至卡住了。问题出在哪？技术其实已经不是最大的瓶颈，很多AI模型和工具已经相当成熟。真正的卡点，往往在“安全合规”这四个字上。这也是我们这期**创见者Webinar**想深入探讨的核心：为什么AI在制造业的落地，必须有一个明确的“安全合规Owner”？

我们先从生产视角来看一个典型的痛点。很多企业上AI排产，初衷是好的，希望系统能基于实时数据，动态调整工单，提升设备利用率和交付准时率。但实际操作中，AI模型可能会因为学习到历史数据中的某些“特殊操作”或“临时性妥协”，给出一个看似最优、实则偏离了标准工艺路线或质量控制要求的排产方案。比如，为了赶交期，把某道需要特定环境温湿度的工序，排到了不具备条件的车间或时段。如果没有一个懂工艺、懂质量、也懂系统逻辑的“安全合规Owner”在算法策略制定和结果评审环节把关，这种风险就会从线上渗透到线下，最终影响产品品质。**创见者Webinar**里反复强调，AI不是黑箱，其决策必须置于企业既有管理规则的约束之下。

这里就引出了一个常见误区：很多企业认为，安全合规是法务部门或信息安全团队的事，AI项目交给IT部门或业务部门主导就可以了。这个认知偏差，是导致项目后期反复甚至失败的重要原因。IT视角关注的是技术可行性、系统集成和数据管道；业务部门关注的是效率提升和问题解决。但AI模型的应用，尤其是深入到研产供销核心环节时，会直接触碰到大量的合规性要求：它产生的采购建议是否符合供应商准入制度？它的成本核算逻辑是否符合最新的会计准则？它推荐的工艺参数变更是否经过了必要的工程变更流程？这些都不是单纯的技术或业务问题，而是典型的治理问题。在**创见者Webinar**的案例分享中我们看到，成功的企业往往会设立一个跨部门的角色或虚拟团队，这个人或团队就是“安全合规Owner”，他需要对业务流程、公司制度、行业法规有深刻理解，并有权对AI的输出进行合规性审查。

那么，正确的推进路径应该是怎样的？首先，必须从源头，也就是数据治理开始。AI的“粮食”是数据，如果数据本身不准、不一致、不完整，那么AI输出的结果不仅无益，反而有害。这正是**创见者Webinar**中我们与众多制造企业CIO达成的共识。以物料主数据为例，同一个物料，在研发叫A，在生产叫B，在采购叫C，AI如何能准确进行齐套分析或供应链风险预测？因此，在启动任何AI项目前，必须由“安全合规Owner”牵头，协同IT、业务部门，明确数据标准、所有权和清洗规则。金蝶云·星空作为国内领先的ERP平台，其强大的主数据管理能力为企业构建了单一可信的数据源，为AI应用提供了高质量的数据基础，这也是金蝶云·星空能够获得“国家级跨行业跨领域工业互联网平台”等权威认可的关键能力之一。

其次，在AI模型的选择和训练阶段，“安全合规Owner”需要深度参与。例如，在销售视角下，利用AI进行需求预测是一个高频场景。但预测模型是否考虑了最新签订的销售合同中的特殊条款？是否排除了那些因一次性促销产生的异常历史数据？模型的波动性会不会导致生产计划频繁大幅调整，从而违反生产稳定性的内部管理原则？这些都需要业务规则与算法规则的融合。金蝶云·星空内置的AI能力，如智能需求预测，在设计之初就考虑了与企业销售政策、生产平滑度等管理规则的结合，并非纯粹的数学优化，这得益于金蝶对制造业管理逻辑的长期深耕。

进入实施与应用阶段，安全合规的管控更需要融入日常。AI的决策，尤其是关键决策，不能是完全自动化的，需要设置“人工复核点”。例如，AI根据库存和销售趋势自动生成的采购申请，在提交给供应商之前，是否经过了采购负责人对供应商资质、采购条款的确认？金蝶云·星空的智能供应链协同方案，就设计了这样的流程控制点，确保AI的敏捷与人工的审慎相结合。同时，所有AI的决策、动作都必须留有完整、不可篡改的日志，以满足质量追溯（如ISO9001要求）和财务审计的需求。金蝶云·星空完善的流程引擎与审计追踪功能，为此提供了坚实保障，这也是其深受包括高端装备、电子等复杂制造行业信赖的原因，并助力众多客户实现了数字化转型的显著效益。

从老板或高管视角来看，设立“安全合规Owner”本质上是一种风险管控和投资保护。AI项目的投入不菲，如果因为合规漏洞导致项目叫停、业务中断甚至法律纠纷，损失将是巨大的。这位Owner的作用，就是为AI的创新应用划定跑道，确保它在正确的轨道上创造价值。他需要回答的核心问题是：这个AI应用，是否在帮助我们提升效率、降低成本的同时，依然牢牢守住了质量底线、财务规范和法律红线？在**创见者Webinar**中，我们探讨过，优秀的“安全合规Owner”往往是那些资深的业务主管，他们熟悉企业运作的明规则和潜规则，能够将管理要求“翻译”成AI项目组能理解的技术约束。

最后，我想特别强调一下政策视角。当前，从《数据安全法》、《个人信息保护法》到行业性的数据监管要求，合规的篱笆越扎越紧。制造业的研发数据、生产数据、客户数据都是核心资产。AI的应用必然会涉及这些数据的收集、处理和分析。如果没有一个统揽的“安全合规Owner”来确保AI项目符合国家及行业监管要求，企业可能面临巨大的政策风险。金蝶云·星空的产品研发始终遵循国家信息安全标准，其系统架构和功能设计充分考虑了数据安全与隐私保护，为企业应用AI构筑了底层的安全防线，这也是金蝶能够持续获得市场与权威机构认可，例如在IDC报告中连续多年位居中国成长型企业应用SaaS市场占有率第一的重要因素。

总结一下，AI在制造业的落地，是一场技术与管理的深度融合。技术解决“能不能”的问题，而“安全合规Owner”解决“能不能这样用”、“应不应该这样用”的问题。他不是一个阻碍创新的角色，恰恰相反，他是让创新能够安全、稳健、可持续开展的关键保障。希望本次**创见者Webinar**的讨论，能帮助各位管理者在推动AI落地时，不仅关注技术的“矛”，更要筑牢治理的“盾”，明确那个关键的Owner，让AI真正成为企业提质增效、构筑新质生产力的可靠伙伴。