收益：
- 能够保护四层数据（分类、匿名、车辆选择、最小数据）并履行 KVKK 责任
- 能够根据风险级别验证输出，并通过公平和偏见过滤影响人们的建议
- 能够建立简单的人工智能治理框架，并确保人工智能输出不会取代财务/法律/人力资源/合规决策中的专家批准
作为一名经理，您已经学会在业务的各个角落使用人工智能：报告、KPI、自动化、运营、采购、沟通、总结、场景。现在我们正在建立负责任地使用这一权力的框架。因为当人工智能使用不当时，速度和便利性就会变成严重的风险：泄露的客户名单、基于虚构数字的决策、歧视性建议、违反 KVKK 规定。该单元是将整个模块固定在一起的安全网。一句话概括：AI是助手；数据的保密性、输出的准确性和决策的道德始终是管理者的责任。
数据隐私：四层保护
业务数据很有价值，而且其中大部分都是机密的。分四层保护隐私。第一层——分类：将每条数据标记为“公开/内部使用/机密/个人”。机密和个人数据需要特别注意。第二层——匿名化：将姓名、ID、客户名称、供应商价格等标识符翻译成代码，然后交给人工智能（员工 A、客户 1）。第三层——工具选择：如果可能，使用公司认可的企业AI工具，不存储模型训练数据；请勿向免费的公开工具提供机密数据。第四层——最少数据：给出完成工作所需的最少数据，仅此而已。
KVKK（个人数据保护法）规范您对员工和客户个人数据的处理；违规行为会带来法律制裁和声誉损失。将客户列表或工资单粘贴到打开的聊天框中就像将上锁的文件留在街上一样。
注意：“此工具看起来安全”并不能保证。在向人工智能提供任何数据之前，先问自己：“如果这些信息泄露出去，会对公司造成什么损害？”如果损害严重，要么对数据进行匿名处理，要么根本不发布。如有疑问，请勿给予。
验证：无符号输出不是一个决定
整个模块中重复的纪律都集中在一个屋檐下。分三步验证每个人工智能输出：来源（是我提供的数据中的数字吗？）、重新计算（检查算术）、管理过滤（是否符合我的行业知识和领域？）。人工智能可以产生幻觉——用有说服力的语言发明不存在的数字、来源或事实。流畅并不等于准确。越重要的决定，验证就必须越严格。
从三个层面考虑风险。低风险可交付成果（内部大纲、格式、摘要）：快速浏览就足够了。中等风险可交付成果（向管理层报告、KPI 评论）：每个数字都经过验证。高风险交付成果（财务决策、合同、合规文件、人力资源交易）：人工智能仅生成草稿；有能力的专家审查、法律/财务控制和签名是强制性的。在这些领域，人工智能的输出永远无法取代有能力的专家认可。
道德与偏见：快速但公平
人工智能从历史数据中学习；如果过去存在偏见，人工智能会重复甚至强化它。招聘、晋升或客户优先级建议可能会无意中使某个群体处于不利地位。因此，将每一个影响人类的人工智能提案都经过公平性的过滤：“这个提案是否不公平地排除了某个群体？其理由是否站得住脚？”明确询问人工智能“哪些群体可能会因该提案而处于不利地位？”问。
另外两个道德原则： 透明度——不隐藏人工智能产生的重要输出；您应该能够解释如何做出决定。问责制——“人工智能是这么说的”不是借口。责任在于使用该工具的经理。当AI犯错时，你要承担责任；所以把他当作一个受监督的助手，而不是一个盲目的权威。
人工智能治理：制度框架
个人的善意是不够的；为业务建立一个简单的人工智能治理框架：哪些数据可以交给哪个工具，哪些决策可以由人工智能支持，哪些决策只属于专家，输出如何验证，谁负责。书面的、简单的政策可以保护整个团队并防止下一个单位发生灾难。
三个迷你箱子
案例一——从泄漏边缘重生。销售经理会将包含真实客户姓名和营业额的列表粘贴到免费的人工智能工具中。他犹豫了一下，问道：“如果这件事泄露了，会怎么样？”他一边问道，一边对客户姓名进行编码，并将营业额转换成磁带。分析结果具有相同的质量；没有真实的数据流出。一个小习惯避免了重大的 KVKK 风险。
情况 2 — 虚构号码的成本。一位首席财务官向董事会提交了YZ给出的“行业平均23%”的数字，但未经核实。这个数字是编造出来的；人工智能令人信服地产生了一个没有来源的数字。一场基于错误数字的投资争议随之而来，并需要一段时间才能扭转。教训：并非所有声称来自外部的号码都可以在不连接到真实来源的情况下使用。
案例 3 — 捕获有偏见的推荐。一位人力资源经理要求人工智能对候选人进行排名。人工智能将根据历史数据突出显示特定学校的毕业生。经理问“这个提案排除了哪些群体？”他问道；他发现人工智能重复了过去的偏见。他的排名完全基于与工作相关的、合理的标准，并将最终决定权留给了人民委员会。
四个可复制模板
1）数据隐私筛选：
您的角色：数据隐私顾问。我稍后会给你一组数据。首先，列出个人/机密字段（姓名、ID、客户、价格、工资）并建议如何对每个字段进行匿名化。用 KVKK 简要写下将这些数据提供给 AI 的风险。还不分析。
2) 验证清单：
在将以下人工智能输出呈现给管理层之前，我需要验证它。列出输出中的每个数字声明和外部来源声明。对于每个问题，询问“我提供的数据的来源，还是人工智能可能自行生成/制造的信息？”将来源不明的信息收集到“验证”标题下。
3）道德/正义过滤器：
以下人工智能提案会影响人们：[提案]。该提案可能会对哪些群体造成不公平的不利影响？该建议是否会因历史数据而产生偏差？我应该改变什么才能仅根据与业务相关的、合理的标准做出决策？说实话，不要为这个建议辩护。
4）AI使用风险分类：
我将使用 AI 执行以下任务：[任务]。将其置于风险级别：低（内部草案）、中（移交给管理层）、高（财务/法律/人力资源后果）。告诉我根据风险级别需要哪些验证和批准步骤。如果是高风险，提醒必须经过专家批准。
弱提示/强提示
弱提示：
请帮我分析一下这些客户数据。 [实名数据]
向开放工具提供真实的个人数据；存在KVKK违规、泄露的风险。也没有计划验证输出。
强力提示：
您的角色：分析师。在我提供给您的数据中，所有姓名均已编码（客户 1-50），金额也已转换为磁带。使用这些匿名数据执行分段分析。只需使用我给出的数字，不要添加外部扇区号；如果添加请注明来源，以便我核实。
尺寸
糟糕的方法
强硬的做法
数据
真实姓名
匿名
KVKK风险
高
低
源代码控制
无
强制性的
可验证性
低
高
责任
不确定的
澄清了
常见错误
- 向开放工具提供真实的机密/个人数据。首先进行分类和匿名化。
- 不验证外部来源声明。人工智能可以编造“行业平均水平”之类的数字；连接到源。
- 无视偏见。通过公平的过滤提出影响人们的提案。
- “人工智能是这么说的”借口。责任由用户承担；承担责任。
- 跳过高风险决策的专家批准。财务/法律/人力资源/合规输出需要专家批准。
注意：本模块最重要的一句话：人工智能在合规、财务、法律和人力资源等相关领域的输出不能替代有能力的专家批准。人工智能会提高你的速度，但不会解雇你的专家。未经验证的人工智能输出与未经签署的决策一样有风险。
总之
负责任的人工智能使用取决于三个支柱：隐私、身份验证和道德。从四层保护数据（分类、匿名、工具选择、最小数据）并记住 KVKK 责任。通过源链接、重新计算和管理过滤来验证每个输出；根据风险级别加强尽职调查。通过公平的过滤提出影响人们的提案，并保持透明度和问责制。一个简单的人工智能治理框架可以保护整个团队。始终如一：在高风险、重大领域，人工智能无法替代有能力的专家批准。
应用任务
为自己的企业写一份半页的“人工智能使用指南”草稿。包括：哪些数据可以提供给哪个工具，数据如何匿名，哪些输出应该得到验证，哪些决策完全属于专家以及谁负责。使用上面的“AI 使用风险分类”模板，将您上周使用 AI 完成的 5 项任务放入风险级别，并为每项任务编写正确的验证步骤。
清单
- [ ] 我是否对数据进行了分类和匿名化？
- [ ] 我是否使用了公司认可/安全的工具和最少的数据？
- [ ] 我是否根据风险级别验证了每个输出？
- [ ] 我是否通过公平性过滤了影响人们的提案？
- [ ] 我是否需要专家批准才能做出高风险决策？
模块考试
1. 在将工作外包给人工智能之前，管理者应该问什么问题来确定工作的层次（机械/分析/决策）和验证的严格性？
- A) 如果这个输出错误，会产生什么结果？ ✔
- B）人工智能能尽快完成这项工作吗？
- C) 这个工具是免费的吗？
- D) 这项工作以前做过吗？
描述：正确使用的基础是根据风险级别对工作进行分类。 “如果这个输出不正确，会产生什么后果？”这个问题决定了这项工作是机械的、分析的还是负责任的决定，因此需要多少验证。
2、人工智能给出的“行业平均23%”的数字未经核实就提交给董事会，结果证明这个数字是捏造的。在这个案例中，哪些基本纪律被忽视了？
- A）仅在早上使用人工智能的规则
- B) 通过将输出连接到源来验证输出的规则 ✔
- C) 将报告转换为颜色表
- D）写更长的提示
解释：人工智能有时会用令人信服的语言产生一个不存在的数字（幻觉）。将输出连接到源的步骤检查每个数字是否来自真实源或可能是编造的。如果忽略这一点，就会存在做出错误决定的风险。
3. 虽然电子商务公司的总营业额看似稳定，但细分市场显示，高利润类别下降了 22%，而低利润销售额掩盖了这一点。这个例子说明了什么原理？
- A) 总数永远是最可靠的指标
- B) 盈利不重要，只有营业额重要
- C) 总数可以隐藏逆转；细分细分揭示真相✔
- D) 细分分析仅对大公司有效
说明：总数可以隐藏内部反转。查看决策支持工作的细目（分段分析）而不是总体，可以揭示真相；大的变化可能隐藏在固定总数之下。
4. 一位咖啡馆经理将“周末销量随温度变化”的发现解释为“炎热的天气增加了销量”，并关闭了空调；然而，真正的原因是周末客流量的增加。这是什么错误？
- A) 将相关性误认为因果关系 ✔
- B）没有收集足够的数据
- C) 选择错误的图表类型
- D) 不匿名数据
解释：仅仅因为两件事一起作用（相关性）并不意味着其中一件事会导致另一件事（因果关系）。温度和销量巧合地朝同一方向变化；常见的原因是周末交通拥堵。人工智能发现的关系不是证据，而是有待检验的假设。
5. 一份好的管理报告的“金字塔”结构的顶部是什么？
- A) 原始数据表
- B) 执行摘要 ✔
- C) 附加文件和脚注
- D) 往年的所有数据
说明：一份好的报告是一个金字塔：顶部是执行摘要（3-5 个要点），专为最忙碌的读者在 30 秒内理解而设计；以下是关键发现；底部是支撑细节。因此，高层管理者只看顶层，好奇的人就往下看。
6. 当呼叫中心将“每天应答的呼叫数量”作为关键绩效指标时，代表会催促呼叫并降低客户满意度。这种情况说明了什么原理呢？
- A）KPI越多，管理越好
- B) KPI 不能用于呼叫中心
- C) 速度永远先于质量
- D) 可操纵的 KPI 可能会鼓励不良行为，而不是其旨在衡量的结果 ✔
解释：当一个指标成为目标时，人们就会想方设法欺骗它（古德哈特定律）。 “呼叫计数”很容易被操纵，并且不能衡量实际结果（解决率、满意度）。因此，在选择 KPI 之前，您应该问“它会鼓励哪些不良行为？”应该问。
7. 流程自动化中“先简化流程，后自动化”规则的原因是什么？
- A) 自动化还会加速破损流程的失败；必须首先纠正该过程 ✔
- B) 简化使得自动化变得不可能
- C) 简化只是一项法律义务
- D）自动化总是比简化更便宜
描述：自动化提高了流程的速度；如果进程损坏，它还会加速错误的发生。当会计单位中的 5 个不必要的步骤流程实现自动化时，不必要的步骤就会运行得更快。首先应简化流程，然后加快流程。
8. 自动响应客户时“人机交互”设计的目的是什么？
- A）完全停止自动化
- B）增加人工智能的决策权威
- C) 在保持大部分速度的同时，在关键点通过人工批准防止错误逃逸 ✔
- D）完全消除劳动力
说明：人在环设计是在自动化过程的关键点进行人工批准。 AI 生成草稿，人类快速批准，然后发送。这可以防止错误直接出现，同时保留大部分速度；当团队取消此批准后，客户收到了错误的信息。
9、家具车间生产速度慢；经理想要更换最昂贵的机器（裁剪），但分析表明瓶颈在于染色干燥步骤。运营分析的基本原理是什么？
- A）最昂贵的步骤应该始终得到改进
- B) 改进应该针对减缓整个流程的瓶颈 ✔
- C) 所有步骤应同等加速
- D）瓶颈的概念仅在生产线上有效
解释：进程的速度是其最慢步骤（瓶颈）的速度。加速突破瓶颈的步伐是浪费金钱和精力；唯一有效的办法就是扩大瓶颈。当经理投资第二个干燥炉代替屠宰时，速度提高了 28%。
10、采购时，经理转向最便宜的原材料供应商，却忽视了该供应商交货可靠性差；两大延误导致生产停止。从这种情况中可以得到什么教训？
- A) 应始终选择最昂贵的供应商
- B) 交付可靠性无关紧要
- C) 不应从单一维度（仅价格）评估供应商，而应从多个维度评估，包括可靠性和风险 ✔
- D) 供应商决策应完全由人工智能决定
描述：供应商选择是多方面的：价格、质量、交货时间、可靠性、财务稳健性和风险必须一起评估。只看价格可能导致的损失比赚取的折扣大很多倍；生产损失消除了折扣。
11. 在向经常迟到的团队发送愤怒、严厉的电子邮件之前，经理最好做什么？
- A）按原样发送消息，因为情感是真实的
- B) 通过人工智能将音调解决方案导向，然后通过人工过滤器✔
- C) 根本不发送消息并忽略问题
- D) 使信息更加有力
说明：愤怒时写下的消息不应立即发送。告诉人工智能“将语气改为尊重和以解决方案为导向的语气，同时保持相同的期望和界限”可以保留信息的本质，纠正其语气并防止难以挽回的怨恨；然后对输出进行人工过滤。
12. 会议纪要称人工智能“批准增加预算”；不过，会议上表示“将评估预算增加情况”。避免这种危险的正确方法是什么？
- A) 不阅读摘要，立即分发
- B) 验证摘要，将决定与可能性分开，并由参与者确认 ✔
- C) 根本不做会议总结
- D）仅考虑最长的句子作为决定
描述：人工智能可能会错误地做出决策； “待评估”和“批准”之间的区别至关重要。会议摘要通常是“官方记忆”，因此每个摘要都应该阅读，与决定区分开来，并在分发之前与参与者确认。
13. 在情景规划中，建立至少三种情景（乐观、基本、悲观）而不是将未来与单一预测联系在一起（例如，“我们将增长 15%”）的目的是什么？
- A）人工智能可以精确预测未来
- B) 无论真相朝哪个方向发展，都不要措手不及，把计划付诸行动而不是惊慌✔
- C) 收集较少的数据
- D）提前选择一个正确的未来
说明：现实是一个区间；基于单一猜测的计划如果不实现，就会崩溃。提前准备对多种情况的应对措施可以确保计划落实到位，而不是恐慌，无论现实如何发展。目的不是了解未来，而是避免措手不及。
14. 关于人工智能在企业管理中的应用，以下哪一项是正确的？
- A) 人工智能输出并不能取代具有财务、法律和人力资源后果的决策中主管专家的批准 ✔
- B) 如果人工智能输出正确，则无需专家认可
- C) 只要看起来安全，真实的客户数据就可以提供给开放工具
- D）“人工智能是这么说的”是问责的有效理由
披露：人工智能输出不能替代合规、财务、法律和人力资源等相关领域的主管专家批准。人工智能是提速助手；数据的保密性、输出的准确性和决策的道德始终是管理者的责任。未经验证的输出与未经签署的决定一样有风险。