2014年，总部位于香港的Deep Knowledge Ventures正式任命了一个算法为董事会成员，并赋予了它该风险投资公司投资决策的投票权。当时，这一任命只被视为一个噱头，因为该算法仅仅是根据人工选择的参数分析定量数据，生成可供董事会成员讨论的初步建议。
它之所以有用是因为它比人类数据分析师速度更快，但几乎没有观察者认为虚拟董事会成员会成为一种常态。
转眼间十年过去，你可能认为机器学习领域发生的显著进步会改变人们对AI在董事会价值的看法。但总体而言，情况并非如此。2024年6月至9月间，我们对来自欧洲、亚洲和北美洲，包括ASM、Lazard、雀巢、诺和诺德、任仕达、山德士和壳牌等公司在内的上市及私营企业的50多位董事会主席、副主席，以及委员会主席进行了焦点小组访谈。当我们要求参与者对需要关注的各种问题的重要性进行排名时，他们将AI排在了相对较低的位置——远低于国际局势及与CEO或重要股东互动等问题。大多数人表示会偶尔出于个人需要使用AI，但从未或极少在履行专业职责时使用AI。正如一位董事会主席所说：“我从未考虑过使用AI准备董事会会议。”
不过鉴于AI技术的最新进展，以及虚拟人成为日常的商业交互形象，对AI机器人参与董事会讨论的想法似乎也不再只是噱头。虽然大多数焦点小组的参与者对将AI用于董事会工作持怀疑态度，但也有相当一部分人分享了自己使用AI的积极经验。例如，一位参与者会系统使用大语言模型（LLM）查找有关公司、对手和董事会议程的更多信息。另一位则会借助AI创建董事会讨论议题，第三位会在董事会会议期间使用ChatGPT验证假设，并生成对管理层提议的替代方案。
在接下来的内容中，我们将展示这些董事会成员使用AI提高识别和管理战略机遇与风险的能力。然后，我们将探讨一些与AI相关的常见风险，并研究相应的规避策略。最后，我们将给出一套从实践中学习的自适应流程，让AI成为董事会会议讨论中不可或缺的部分。
从中获益
我们焦点小组中的大多数董事会主席和资深董事，都会欣然承认AI作为个人生产力工具的价值，它能自动化日程安排和会议记录等常规任务。他们也承认AI在企业运营中的关键作用，比如从与零售客户的互动到轧钢生产线的运行。然而，相对较少人能意识到AI有助于准备并开展同公司管理层及董事会同僚展开实质性、见地充分且聚焦战略的讨论方面的潜力。这是一个重大误区。AI可以在以下三个方面促进董事会的工作。
协助董事会个体成员。董事都是兼职人员，他们通常每年只参加四次会议，而且往往会在多个董事会中任职。然而，他们要在董事会中为服务的公司做出关键决策。毫不奇怪的是，一项在2016年至2020年间对17个欧洲国家进行的研究表明，董事与高管间的信息差是董事会面临的主要挑战。
一直以来，董事会主席都在试图通过采取一系列措施来弥补这一差距。他们会将董事会会议与实地考察结合起来，让董事与员工会面，并创建用于深入探讨特定问题的董事会小组委员会。除此之外，他们还会要求管理层提供补充报告，并确保董事会成员与核心高管、外部审计师和顾问进行定期交流。每次会议前，有责任心的董事会主席会监督董事会手册的编制，其中汇总了可能帮助董事们讨论议程项目的重要信息。
尽管做出了以上所有努力，非管理层董事与公司运营脱节的事实依然难以避免，而且他们的时间有限。结果就是，他们很难及时掌握大量可用信息。AI可以提供帮助。ChatGPT等经过良好训练的大语言模型，可以通过分析大量数据，发现董事自己分析所无法显现的相关模式和趋势。它能持续监控各种风险并提供早期预警，实现积极主动的风险管理。更重要的是，它能将所有这些信息浓缩为易于阅读的格式，减少董事会成员处理这些信息所需的时间和精力。
一些焦点小组的参与者已经意识到了这一点。两年前，在五家丹麦公司董事会上担任非管理层董事的布里特开始使用ChatGPT帮助她分析和组织管理层的报告、寻找评估基准、为董事会拟定问题，以及运行情景仿真。布里特将ChatGPT称为自己的“陪练”，在工作量减少的同时，她的会议准备程度以及对组织背景的理解水平也得以显著提升。亚历山大是两家瑞士公司董事会的主席，他会在会议前将董事会手册输入 ChatGPT 生成讨论问题和决策选项，然后通过与该工具进行对话，对这些问题和选项做出改进(以上均为匿名）。
向整个董事会提供更优信息。我们认识的大多数董事都喜欢情景规划。正如许多专家所指出的，将战略讨论锚定在可能的情景和未来结果上，通常比锚定在现状上更有效。然而，我们发现很少有董事会进行真正的情景规划和分析。大多数董事会主席都会以该做法过于复杂，而且董事会资源有限为由，为这种疏忽辩解。
AI可以解决这个问题，因为它比人类专家团队需要更少时间识别和评估基础变量的潜在变化，并估算它们可能为公司价值带来的影响（最近的一项研究表明，这正是LLM提升人类预测任务表现的方式）。来自奥地利的董事会主席格哈德举了这样一个例子：一年前，当公司管理层提议在东欧进行收购时，一位董事会成员要求使用 LLM 就标的公司所在国家做出三种情景分析。审议结果后，董事会成员认为这项投资超出了自己的风险承受能力，因此拒绝了这项提议。但是，这次实践最重要的成果在于，公司管理层在这次会议后，一直会通过情景分析来支持自己的建议。
在瞬息万变的商业环境中，情景规划和分析是企业的一项重要能力。适应性战略涉及大量实验，企业会通过这些实验产生新的数据，验证（或推翻）战略假设。AI也可以帮助企业识别有前景的实验，并降低运行成本。例如，数字孪生背后的技术可以通过引入模型，让模型变量发生变化时，对结果进行可靠仿真。一家钢铁公司的董事会利用AI生成的仿真结果，帮助公司决定投资现有生产设施，还是在新地区建设工厂(公司选择了第二种方案）。
一些董事会正在使用AI来验证决策。焦点小组的参与者之一、一家芬兰私营公司的董事会主席尤霍描述了董事们在2024年的战略务虚会上如何做到了这一点。在两天时间里，董事会成员和高管在一场半开放式的讨论中，针对公司的发展方向进行了辩论，对不同情景做出了分析。讨论结束后，他们将会前准备的材料输入 ChatGPT，请它选出最佳方案。LLM 给出的结论与董事会和管理层相似。尤霍认为，这次实验具有双重积极作用：既确认了董事会的正确性，又提高了AI的可信度。他计划在今后更广泛地使用AI工具。
来自荷兰的董事会主席凯瑟琳以类似方式使用了AI大模型Claude 3.7 Sonnet。她向Claude输入了公开信息，并提出了在为期一天的董事会务虚会上讨论过的同样的问题。Claude确认了董事会得出四项结论中的三项。随后，董事会花了更多时间讨论第四个结论，并最终保持了最初决定。总而言之，找出需要董事会进一步讨论的问题所花费的时间大幅减少，而且在董事会成员与AI互动的过程中，他们可以通过被称为“强化学习与人工反馈”（RLHF）的特性，使AI工具不断提高输出质量，并纳入企业文字信息中经常被忽略的隐性知识。
AI还可以分析董事会的流程。一家瑞士工业公司的董事会使用AI分析其群体动态、成员发言时间，和会议间的谈话语气，之后该工具会提出改进建议。一次会议后，它建议董事会“在会议开始时，给每位董事两分钟时间分享期望和担忧”“将用于管理层汇报的时间减少20%”“给董事X和Y更多发言时间，同时减少董事Z的发言时间”，以及“避免使用‘得了吧’和‘明摆着的事’等表达方式”。
让AI加入董事会。下一个合乎逻辑的步骤是让AI积极参与到董事会的讨论中，这也正在成为现实。2024年，阿拉伯联合酋长国最大的上市公司 IHC 任命了虚拟人 Aiden Insight 为 “董事会观察员”（board observer）。它没有投票权，但它参与IHC 董事会的讨论会被记录在正式的会议纪要中。
虚拟人Aiden是由总部位于阿布扎比的AI和云计算公司G42创建的。2024年3月，G42推出了BoardNavigator工具，将公司独有数据与LLM功能相结合，为董事会会议做好准备并可以参与其中。它可以实时倾听对话，识别关键讨论点，并提供见解和建议，也可以实时提供相关数据、建议具体解决方案，并引入新的框架，从而让董事会成员之间的对话变得更加丰富。
当然，Aiden和其他类似的产品还并不完美。由于缺乏情感和情境意识，ChatGPT 和其他类似产品很难在没有明确指令的情况下参与会议。它们很难为自己提出的建议据理力争，也很难针对反驳做出回应。这很可能就是它们经常会建议董事就有争议的问题进行表决的原因，但这一举动又可能会抑制讨论，引发冲突（所以明智的董事会主席很少会使用这种策略）。这些局限性可能源于防止破坏性行为而设置的程序安全机制；如果真是如此，这些局限恐怕难以消除。
这就引出了下一个问题：有哪些与AI相关的风险，以及如何规避这些风险？
管理风险
我们都或多或少对AI心怀畏惧，因此会放大使用它的风险。虽然有些风险确实存在，但在大多数情况下，这些风险都相对容易管控。让我们回顾一下焦点小组最常提到的担忧：
信息泄露。绝大多数参与者会将敏感信息泄露视为使用AI的一个主要风险。正如一位董事会副主席所解释的：“今天在ChatGPT输入我的董事会手册，明天竞争对手就会知道我们正在讨论的战略变化。”一位在两个董事会中担任主席的参与者也表达了同样的担心：“想要AI有效，就需要大量数据，因此使用它就等同于向公众公开我们的董事会会议。我绝不允许这种情况的发生。”然而信息泄露并不是使用AI的结果，而是一种与信息存储和访问方式相关的风险，而且早在AI工具普及之前就已经存在。
此外，我们也已经知道如何管理这种风险：公司通常会设立软件防护机制，并建立规章制度，以便让需要敏感信息的人能够访问这些信息，同时保证这些信息不会被不需要的人拿到。大多数公司已经对员工进行了数据安全方面的培训，也很容易将这些培训范围扩展到董事会成员。
OpenAI等主要AI大模型供应商会将LLM作为一项服务提供给客户，并保证其公司数据不会被用于基础模型的训练。德国的企业应用和商业AI软件巨头SAP则更进一步，利用基础模型来创建更小、更具成本效益的模型，这些模型则完全是在单个客户的专有数据上训练出来的。
样本偏差。更严重的问题在于，AI的预测结果取决于模型训练所使用的数据。正如一位董事会主席所说：“我们希望AI能帮助我们提高相对公司管理层的独立性，但如果用于训练的数据全部来自管理层，如何才能实现这一目标？”我们大多数人都听说过微软聊天机器人的种族主义表现。在这个令人震惊的故事背后，隐藏着一个重要事实：机器会反映出灌输给它们的训练数据中所蕴含的偏见。如果接受某些疾病治疗的黑人较少，那么收集到的有关这些疾病的汇总数据，可能就无法充分反映黑人罹患某种疾病的可能性。这种数据偏差经常会导致操作层面的不良后果，例如对患者的误诊。又比如在金融领域，样本偏差可能会导致银行拒绝向女性或少数族裔发放贷款。
对董事会而言，样本中的偏见可能会导致战略失误。例如，在一家欧洲工业公司，董事会批准了一项耗资巨大的全面健康与安全战略，该战略是管理层在对全公司员工进行调查，并组织焦点小组讨论后制定的。接下来的两年里，公司自身运营部门报告的健康与安全事故大幅减少，但在由承包商管理的业务中，报告的事故数量却增加了，因为这些业务并未被纳入管理层的原始研究。
毫无疑问，AI工具提供的信息和建议会反映出样本偏差。然而，技术也为此提供了一些保障措施。在数据层面，公司可以通过定期的数据审计，以及采用偏见检测规程，来降低种族或性别歧视等风险。而用户对偏见的警觉则是一种更有价值的保障措施。用户还可以利用AI工具去探索带有偏见回应的可能，例如在存在相应人口统计标识的前提下，让AI针对性别或种族群体做出特定分析。
锚定历史数据。这对董事会来说是一个特殊风险，因为董事会的任务是做出能够（也可以说应该）改变现状的决策。AI基于历史数据的建议可能会让董事会重蹈先前错误的覆辙。当反映竞争环境中某些重大变化的数据开始被纳入基于AI的分析中时，公司可能已经错失先机了。
许多董事会层面的高管都意识到了这种危险，因此更倾向于依靠对数据权重的直觉判断。正如一家比利时食品公司CEO告诉我们的：“我会广泛使用AI进行学习，但我绝不会依赖它做出战略选择。战略关乎未来，而AI对未来一无所知，尽管它对过去几乎了如指掌。但过去并不能预测未来。”他当然是对的，但他忽略了一点，那就是他自己的直觉本身同样是基于过去的经验，所以它们也是以历史数据为锚点的。
保证AI工具能够涵盖最新数据，可以大大削弱锚定效应。同样，选择一款能够提供因果解释的AI工具也可以减轻锚定效应。被称为推理模型的最新一代LLM与之前的 LLM相比就发生了重大转变，它们对提示的响应就是通过因果推理链，而非相关性预测。如果模型考虑的变量数值已经过时或没那么重要了，董事会就可以讨论对变量做出权重调整或更新。例如，一个AI工具会因为模型假定利率上升而建议减少借款计划，但如果独立地分析预测利率会下降，那么董事会就可能会拒绝该建议。
如前所述，董事会还可以让AI工具进行情景分析和仿真来预测未来。在确定运营环境可能发生的变化后，董事会可以要求AI模拟基本假设发生指定变化时可能出现的结果，也可以指示AI去探索这些假设发生变化的可能性，以及变化方向。
正如以上论述，尽管公司可以采取一些技术性的预防手段缓解风险，但在董事会层面所做的风险管理，本质上是让大家成为更聪明的工具使用者。接下来，我们来看看公司和董事会主席是如何做到这一点的。
学习使用AI
很少有董事会成员接受过使用AI的培训，所以许多董事在使用AI时会感到沮丧。一位焦点小组的参与者告诉我们：“坦率地说，我试过AI，但很快就放弃了。它是会提供很多信息，但我不知道哪些是真的，哪些是假的。而且大部分都无关紧要。”董事会成员犹豫不决的另一个通常不会明说的原因是，很多现任董事属于数字时代到来前就成长起来的群体，对他们来说，AI是一项陌生的技术，使用AI会带来焦虑，因为学习如何很好地驾驭它会涉及犯错、不适和潜在失控。
最终，这是一个短期问题，因为随着时间的推移，越来越多的董事将会来自数字原住民。公司还可以将目标锁定在具备数字素养的董事会候选人身上，他们更有可能有能力将AI融入董事会的工作中。不过，就目前而言，对数字素养的要求可能会缩小可用人才池的范围。在未来十年左右的时间里，在高水平的数字素养成为每个专业人士都具备的基本技能之前，董事们都将需要接受使用AI的培训。
1 打造参与氛围。我们建议董事会主席首先与董事们进行一对一沟通，评估每位董事的知识水平和兴趣，分享他们对AI的态度和经验，并讨论AI在董事会中的潜在应用。无论是否有外部AI专家在场，他们都可以在董事会层面开展这些对话。或者，董事会主席可以请一位已经使用过AI的董事向其他成员推广这项技术。这里的第一阶段中，至关重要的是要在董事会层面揭示与AI相关的风险，无论是真实还是想象的风险，并说明如何管理这些风险。如果董事们意识到这些风险可以得以有效规避，他们就会更愿意尝试AI。
根据这些对话内容，董事会主席应该根据相关人员的学习风格和时间进行安排，为需要培训的人因材施教，创造个性化的学习机会。这些培训应该包括与经验丰富的AI教练进行一对一辅导，理想情况下这些教练是来自公司内部。同时，培训不应只关注界面的使用，还要关注AI能在多大程度上提升董事作为董事会成员的个人效能，以及董事会的集体效能。
我们发现，通过有效的个人培训，恐惧和挫败感很快就会被对AI的热情所取代。正如我们焦点小组中的一位董事会成员所体会到的：“我有两次尝试AI的经历。第一次，我试着自学AI，但没取得什么进展。然而三个月前，我们的董事会主席为所有董事会成员组织了一次关于使用AI的研讨会。那次研讨会改变了我作为董事会成员的工作方式。从那时起，ChatGPT 就成了我形影不离的工作伙伴。”
2 实践集体实验。接下来，董事会主席应该缓慢地对董事会流程做出改变，开始尝试在董事会会议中使用AI工具。例如，使用具备通用知识的AI工具很容易实现，只需要董事会成员有充分的意愿就可以了。我们建议，在两到三次的会议中，董事会成员共同登录同一个基础 LLM，并在董事会会议的筹备和会议期间，分别设计各自的提示词，在会议结束后参加汇报会，分享使用的经验和教训，并提出改进意见。
当董事会成员开始发现AI工具很有帮助时，公司就可以使用公司治理的最佳实践去训练一个企业版的LLM，使其能够在董事会会议期间充当教练角色。董事们应将与自己在董事会中的角色相关的个人和专业信息输入LLM，这样就能保证AI给出针对每位董事职位、优先事项和职责量身定制的建议。董事会主席还可以提示该工具向董事会成员布置任务，并评估他们在会议中的表现。
一旦所有董事都能自如地使用AI来准备会议，并将其当做绩效教练后，就应该授予该工具访问公司特定知识的权限。它将需要使用来自组织内部各种来源的大量数据进行训练。最终，这将使AI能够为缩小公司管理层与董事间信息鸿沟提供帮助。对AI的训练不一定要一次性完成，公司可以从授权AI访问与董事会计划下次会议讨论的特定议题的数据开始，然后随着时间的推移，根据董事会对结果的满意程度，逐步延展训练范围。
创新的倡导者往往会试图绕过集体决策，转而利用自己正式和非正式的职权去推动新想法的实施。在将AI引入董事会这件事上，董事会主席要抵制这种冲动。重要的是，整个董事会应就AI的采用做出基于证据的决策，并共同为这些决策承担责任。
3 保持势头。即使成为一名积极的参与者，这一旅程也不会在AI进入董事会会议室的一刻结束。这项技术将随着时间的推移继续发展，董事们对它的了解也将在使用中不断加深。因此，董事会成员应将自己在使用AI上取得的进展作为会后和年度评估的重要部分。无论实际结果如何，董事们在使用AI上所做的努力都应受到赞扬。如果董事会主席对某位董事（或整个董事会）在推广AI上所做的贡献表示认可，就会传递出关于AI重要性的明确信号。在这一过程中取得的经验教训可以通过进一步的辅导和教育支持来加以巩固。
董事会主席个人对于AI的持续承诺对保持势头至关重要。当领导者向他人推广使用AI，而自己却不愿接受它时，团队成员就会对是否要全心投入AI十分犹豫。相反，如果董事会成员看到董事会主席在学习和应用新技术，并将其纳入董事会的持续讨论中，他们就会给予AI应有的关注。董事会主席也无需掩饰自己在学习有效使用这一新技术过程中的困难，因为这一弱点的暴露反而可以鼓励他人进行探索与尝试。
尽管将AI融入公司董事会的过程中存在挑战，但这也为提高绩效创造了重要机遇。我们相信，最终每个董事会都将拥有一名AI成员，甚至是一名拥有投票权的成员。精明的董事会会即刻着手提升AI素养以寻求先机。在AI的帮助下，他们无疑会更快做出更明智的决策，从而使公司领先于竞争对手。而且在许多情况下，他们也将能够在相当的时间内保持这种战略优势。
斯坦尼斯拉夫·谢克希尼亚是欧洲工商管理学院（INSEAD）的高级客座教授，“董事会主席领导力”项目的联合创始人兼联合负责人，Technoenergy AG公司的董事会主席。瓦列里·雅库博维奇是麦克创新管理研究所（Mack Institute for Innovation Management）的执行主任，沃顿商学院的兼职教授。
斯坦尼斯拉夫·谢克希尼亚（Stanislav Shekshnia）瓦列里·雅库博维奇（Valery Yakubovich）| 文
DeepL | 初译 张矩 | 校译 孙燕 | 编辑