本文原刊於 The Kyndryl Institute，2026 年 4 月 28 日。
在全球局勢深度不確定的時刻，當地緣政治斷層移動、供應鏈承壓、監管邊界日益收緊，跨國企業的直覺反應往往是集中整合。
這個目標會變成我所謂的「企業版單一主宰」：所有遍布全球的專屬資料都得匯入單一雲端 AI 層，彷彿只要取得上帝視角，就能預測並管理混亂。然而，過度中心化不是韌性，而是單點故障。
多年來，科技業反覆把「資料是新石油」這句口號掛在嘴邊，彷彿資料是一種惰性資源，等待被開採、抽送到中央煉油廠，再加以變現。我們必須放下這個比喻。資料不是石油。資料是土壤。它是帶有養分的活土，讓決策在其中生根。不同的土壤孕育不同的作物，因為它們由不同的氣候、微生物、歷史與照料方式塑造而成。資料也同樣是關係性的：它繫於生成之地的文化、限制與現實。把資料從原有生態系中抽離，意義也會大幅流失。
但土壤還不是完整的故事。組織可以把資料妥善地留在本地，卻仍交出最關鍵的東西：判斷。它可以通過所有資料駐留檢查，卻把資料如何被詮釋、如何排列優先順序、如何轉化為行動，外包給一套並非為該組織設計、也不受該組織治理的 AI 系統——在別處訓練、在別處治理，並依他人的風險偏好最佳化。在這裡，AI 架構是否能維持資料主權，就成了決定因素。架構決定在地資料是由在地可問責、並在在地規則內運作的模型來詮釋，還是由遠端通用模型來詮釋——它的假設可以跨越管轄邊界，問責卻不會同行。資料主權的第一波問的是：「資料住在哪裡？」下一波必須問：「決策住在哪裡？」這就是我所謂的決策主權：不只是控制資料如何儲存，也要控制 AI 可以如何詮釋資料、可以觸發哪些行動、誰可以挑戰這些行動，以及條件改變時，如何把權限收回組織內部。
這樣一來，AI 不是主權本身的主體，而是主權被行使或被交出的機制。
挑戰大型主機心態
許多企業正帶著大型主機心態導入 AI：雲端裡有一個巨大的企業副駕駛，一個模型連上所有文件、工作流程與應用程式，所有人都成了對同一個智慧輸入指令的終端機。
這看起來很有效率，正如當年的大型主機。但它也製造出單一栽培的風險、中央蜜罐、隱藏的管轄依賴，以及組織能力的萎縮。在地細節被縮減成提示工程；在地權威被縮成一張權限表。風平浪靜時，這顯得方便；危機來臨時，它就成了瓶頸。上一季在既有模式上表現亮眼的全球模型，一旦新的關稅、衝突或法規在一夜之間改寫在地規則，就會立刻成為負債。
把能力與風險同時集中到單一控制點，並不是答案。碎裂化也不是。答案是「有界委託」。
從地神到守護者：決策主權的模型
在日本神道傳統裡，Kami（神）是與特定地方相繫的守護者：一片樹林、一條河、一棵老樹。祂的角色不是普世號令，而是照料一個生態系。地神近似於某種企業治理形式。為了讓實務意義更清楚，我把企業中的對應角色稱為「守護者」（steward）：一種在地可問責的角色，可以由一個人、一個團隊或一個有界系統承擔，任務是在明確授權下、為明確社群運作一個 AI 智慧體。河流的守護者無意治理森林；同樣地，醫院分流系統的守護者，也不應同時成為薪資、人事或採購的守護者。
在牛津 AI 倫理研究所，我與同事 Caroline Green 共同建立了一套仁工智慧治理框架，稱為「關懷六力」（6-Pack of Care）。其核心概念是「有界性」：不同任務需要不同範圍的權限、責任與審查。
管理關鍵任務基礎設施的組織，往往已經在實踐這種守護；它們只是還沒有這樣命名。
村井純（Jun Murai）近期在 The Kyndryl Institute 的文章中主張，連結就是韌性，而有效治理至關重要。我同意。但關鍵問題不只在於治理是否有效，也在於由誰治理。這個角色應屬於依章程運作的在地守護者，而不是中心的無界模型。
想想大型企業 IT 服務商已經在做的事。它服務一個有界社群：醫院網絡的病患、區域銀行的存戶、交通系統的通勤者。它依明確的服務水準協議運作，維護稽核軌跡與事件回應流程；它實踐漸進式上線，先小規模測試，再安全地平行運行，並保留快速回滾的能力；合約結束時，它會交接系統。這些都是「有界守護」的作業習慣。
這些組織所欠缺的，往往不是營運紀律，而是一個能讓 AI 權限變得明確、在地、可挑戰的治理層。
過度中心化不是韌性，而是單點故障。
主權堆疊
對於把 AI 部署在核心決策中的組織而言，決策主權意味著不僅能決定資料駐留何處，還能決定資料如何被詮釋、哪些行動可以隨之發生、決策如何被審查，以及系統如何被暫停或替換。一個有用的思考方式，是把它視為五層堆疊：
- 駐留——資料住在哪裡。
- 存取——誰可以看見或使用它。
- 推論——哪些 AI 模型或分析系統可以基於它得出結論。
- 致動——哪些營運系統可以因這些結論而行動，例如發送訊息、核准付款、分派案件，或關閉一台機器。
- 退場——組織如何在不喪失連續性、紀錄與問責的前提下，暫停、遷移或退役該系統。
令人驚訝的是，當前許多 AI 計畫只走到前兩層為止。如今最大的企業風險，落在第三與第四層。資料即使留在本地，別處的通用模型仍可能決定如何分流病患、編排供應鏈、調查員工，或關閉一台機器。位置本身並不能保護判斷。而少了第五層「退場」，一個已將推論與致動委託給供應商的組織，在失敗、法規變動或危機之中——也就是系統已不宜繼續運作的時刻——便沒有可信的方式收回這些權限。
想像一家跨國保險公司，在日本、巴西與德國都營運理賠處理系統。按照傳統做法，三地全都把資料餵入位於美國資料中心的單一大型基礎模型——一個經廣泛訓練、再適配企業任務的通用 AI 模型。這個模型很強大，但也很通用。它不理解日本保戶期待的理賠往來語氣與節奏，和巴西保戶有所不同；它也很難遵循德國更嚴格的資料處理要求，除非先經過層層轉換與驗證，模型才得以處理那些資料。當它出錯——誤判一項理賠，或拒絕在地法規要求承保的項目——申訴流程會被導向一個與受影響社群毫無關係的全球團隊。
有界的替代方案則不同。每個管轄區都運作一個較小、領域專用的模型，以在地理賠資料、法規語言與互動模式進行微調。這些模型共享一套共通的評估框架，讓全球風險團隊得以比較績效、分享經驗；但詮釋、執行與申訴都留在在地。每個模型都可以獨立稽核、再訓練、暫停或退役。
安全要聯邦化，不要中心化
有界的守護者仍然必須合作，但不能重新製造出我們原本想擺脫的中心化脆弱性。答案是聯邦式架構：不是單一的全球安全權威，而是許多在地守護者依共同協定分享威脅情報與評估方法，同時把執行留在在地。
這已經在發生。ROOST（Robust Open Online Safety Tools，穩健開放線上安全工具）倡議於 2025 年 2 月在巴黎 AI 行動峰會啟動，示範的正是這個模式。Bluesky、Roblox、Discord 等夥伴各自訓練在地 AI 模型，在自己的脈絡中偵測傷害；威脅訊號則透過聯邦式學習分享。安全依在地規範調校，而不是被單一企業政策主宰。
檢驗這樣的聯邦是否運作良好，其實很簡單：一次衝擊之後，在地團隊與夥伴對系統的信任，是上升還是下降？在動盪的世界裡，危機之後信任的升降，是一項核心的業務連續性指標。
退場的勇氣
企業基礎設施常受我所謂的「帝國蔓延」所困：系統超出授權範圍而擴張，因為它們從一開始就以永遠存在為前提打造。這裡的「守護」，應該意味著在明確界定的目的之內運作系統。當那個目的從未說清楚、從未被審查，也從未被帶向終點，守護就會變成帝國。原本只用來排程維修的助理，悄悄變成採購代理；防詐模型悄悄變成員工監控系統；服務台助理悄悄變成行為評分引擎。沒有人授權這些擴張；它們之所以發生，是因為沒有人界定邊界，也沒有人設計終點。
一個有界的企業守護者，設計時就帶有落日條款：嚴格的資源上限、明確的授權，以及到期日或審查日。當臨時合資案結束、併購後整合完成，或特定危機平息，守護者就從容退場。它歸檔機構記憶，將決策軌跡與評估結果交給繼任者，然後關機。這就是組織在不無限期承擔不必要敏感脈絡的前提下，保存問責的方式。一個無法在不弄垮企業的情況下關閉的 AI 智慧體，不是工具，而是負債。能從容交接的組織，才是客戶會信任其進行下一次部署的組織。
因此，我會鼓勵領導者做到以下五點：
- 為每個 AI 系統制定章程。 沒有具名的擁有者、公開的範圍、暫停觸發條件與交接計畫，任何部署都不該上線。少了這些，無論模型多麼精巧，都只是未受治理的基礎設施。
- 將資料駐留重新定位為設計資產。 投資於在地微調。一個以日本保險理賠、巴西薪資法規或德國能源遙測之特定模式訓練出來的模型，往往會比通用模型表現更好，同時滿足駐留要求。
- 先寫章程，再發 RFP。 召集將受影響的人。透過結構化審議來界定範圍、紅線、嚴重等級與補救措施，並以此作為採購規格的基礎。任何範圍擴張，都應重新取得授權。
- 加入聯邦式安全網路。 將資安資訊分享擴及 AI 特有事件。分享證明、模型卡與評估結果，而不是原始資料。目標是共享防禦，而非共享依賴。
- 先設計退場，再擴大規模。 每一次部署都需要落日條款與繼任計畫。如果無法在不喪失連續性的前提下切換模型、雲端或供應商，擁有的就不是主權，而是被管理的依賴。
企業的多元性
「單一全球智慧層就是答案」這個假設需要被重新檢視，在脆弱或高度受監管的環境中尤其如此。能蓬勃發展的組織，不會是那些把牆築得最厚、把中央資料庫做得最大的組織，而是那些把資料視為有生命的土壤、任命在地守護者來照料它，並以「信任、協調與問責是否在壓力下變得更強」來衡量成功的組織——而不是看一個模型能否回答來自每一個大洲的每一個問題。
有韌性的企業，會少一點像單一大腦，多一點像受信任守護者組成的聯邦：一個個在地可問責的治理角色，各自照料自己的土壤、分享學到的事，也知道何時該放手，讓下一個季節開始。