AI可以當董事嗎？在10年前，大家也許覺得是噱頭，現在卻愈來愈有可能實現。只是很少有董事和董事長意識到AI為董事會帶來的價值。本文說明AI為董事會提供的助益、潛在的風險，以及如何培訓董事將AI運用於董事會。

插圖／貝絲．古迪（Beth Goody）

2014年，總部位於香港的Deep Knowledge Ventures正式任命一套演算法擔任董事，能在這家創投公司的投資決策上投下一票。當時，大家還認為這項人事令只是噱頭。這套演算法的工作，只是根據人類選定的參數，分析量化數據，然後提出基本建議，供董事會討論。演算法的好處在於速度比人類數據分析師更快，但當時還很少有觀察家認為虛擬董事有朝一日會普及。

時間快轉10年，你可能認為，有鑑於機器學習的顯著進步，眾人應該會對AI擔任董事的價值有不一樣的想法。但整體而言，情況並非如此。從2024年6月到9月，我們邀請歐洲、亞洲與北美上市與私人企業共超過50名的董事長、副董事長及委員會主席，進行了幾次焦點團體討論，企業名單包括ASM、Lazard、雀巢（Nestlé）、諾和諾德（Novo Nordisk）、任仕達（Randstad）、山德士（Sandoz），以及殼牌（Shell）。我們請參與者將他們關注的各項議題依重要性排序，而AI的排序相對落後，遠遠不及像是「全球局勢」或「與執行長或重要股東互動」等議題。大多數參與者表示，自己頂多是偶爾因個人需求而使用AI，但從未或極少用於專業職務。例如一位董事長就表示：「我從來沒想過要用AI來準備開董事會。」

本文觀念精粹

問題所在：很少董事意識到，AI可能有助於他們與管理團隊和其他董事進行實質、有充分資訊及有策略重點的討論，並為討論預做準備。

原因：董事擔心使用AI可能使公司面臨資訊洩漏的風險，也擔心AI容易暗藏偏誤，並且可能讓決策錨定於過去。面對這些風險，董事或許並不了解該如何減輕。

解決之道：為董事提供培訓，讓他們能夠自在地使用AI，並具備相關技能。先協助他們用AI來提升個人生產力，再嘗試將AI帶進會議—例如以最佳治理實務來訓練AI，然後讓它擔任績效教練。

但看到AI科技近來的發展，再加上虛擬人已經成為常見的商業介面，讓AI機器人參與董事會討論的想法已經不再有噱頭的感覺。雖然我們焦點團體的大多數參與者仍舊懷疑能否運用AI協助董事職務，但也有不少人提出自己使用AI的正面經驗。例如有一位就會有系統地使用大型語言模型（large language model, LLM）來尋找公司、競爭對手與董事會議程的額外資訊。另一位則會用AI來協助訂定董事會的討論事項，第三位則會在開董事會的時候，用ChatGPT來測試各項假設，以及嘗試為管理團隊的提案生成其他替代方案。

在以下內容，我們將建議董事會成員可以怎樣使用AI，提升辨識與管理各項策略機會及風險的能力。接著，我們也會檢視一些AI的常見風險，並研究如何降低風險。最後，我們會提出一種能適應不同情境、邊做邊學的流程，讓AI成為董事會審議時不可或缺的助力。

取得AI帶來的好處 在我們的焦點團體中，大多數董事長與資深董事都很樂意承認AI做為個人生產力工具的價值，像是能夠自動化處理行程安排、會議紀錄等日常任務。這些人也承認，AI能為企業營運提供重要助益，從與零售顧客互動，到軋鋼生產線的運作都能幫得上忙。然而就比較少人意識到，AI可能有助於他們與管理團隊和其他董事進行實質、有充分資訊及有策略重點的討論，並為討論預做準備。這可是一大失誤。對於董事的工作，AI有3種方式能夠提供助力。

為個別董事提供協助。董事並不是一種全職工作，常常每年只開會4次，而且又同時任職於多個董事會。然而，他們任職董事會時卻會為所屬的組織做出關鍵決策。也就不意外，一項2016到2020年在17個歐洲國家所進行的研究指出，董事與高階主管之間的資訊落差，成了董事會的一大挑戰。

傳統上，董事長會嘗試以各種方式縮小這項落差。例如在開會時結合實地考察，讓董事能夠與員工見面，以及在董事會底下設置委員會，來深入研究各項具體問題。此外，董事長也會請管理團隊提供補充報告，並確保董事與重要高階主管、外部審計人員及顧問有定期互動。每次開會前，負責任的董事長也會監督準備會議資料，裡面摘錄重要資訊，有助於董事在議程項目上的討論。

經過這種種努力，還是有一項問題難以避免：非執行董事沒有參與公司營運，而且時間也有限，因此要他們吸收大量可用的資訊實在是一大挑戰。AI在這裡就能幫得上忙。ChatGPT之類的LLM經過適當訓練之後，能夠分析大量數據，找出董事自行手動分析時或許無法發現的相關模式與趨勢。此外，這也能用來持續監控各種風險、提出早期預警，實現主動風險管理。更重要的是，AI能把這些資訊全部濃縮成方便閱讀的格式，節省董事處理資訊所需的精力與時間。

“非執行董事沒有參與公司營運，而且時間也有限，因此要他們吸收大量可用的資訊實在是一大挑戰。AI在這裡就能幫得上忙。

焦點團體的一些參與者已經意識到了這一點。兩年前，在丹麥5個董事會擔任非執行董事的布麗特（Britt）開始用ChatGPT幫助自己分析與組織管理團隊的簡報、找出比較基準、草擬董事會上的問題，以及完成各項模擬。布麗特表示，ChatGPT成了她的「陪練伙伴」，讓她對會議的準備程度以及對組織背景的理解顯著提升，同時減輕了工作量。（所有名字均為化名。）亞歷山大（Alexander）是瑞士兩家企業的董事長，他會在開會前將會議資料輸入ChatGPT，生成討論問題與決策選項，再與這套工具對話加以改進。

為整體董事會提供更良好的資訊。我們認識的董事，多半熱愛進行情境規畫（scenario planning）。許多專家都指出，討論策略的時候，如果聚焦在可能情境與未來結果，往往會比聚焦在現況更有成效得多。然而，我們發現董事會很少進行真正的情境規畫和分析。多數董事長省略這項做法的理由，是認為這件事太複雜，而董事會的資源又很有限。

AI能夠解決這個問題，因為它只要遠遠少於人類專家團隊所需的時間，就能找出並評估各個潛在變項可能的改變，及估算這些改變可能對企業價值造成什麼影響。（一項最近的研究顯示，LLM正是以這樣的方式提升人類在預測任務上的表現。）在奧地利的一位董事長葛哈德（Gerhard），就舉了這樣的例子：一年前，管理團隊提議要在東歐某國進行一項收購，當時有位董事就請LLM針對收購對象所在的國家生成3種可能情境。檢視這些情境後，董事會成員認為這項投資已經高於他們的風險承受能力，因此決定駁回。但這裡最重要的一項影響在於，經過該次會議，管理團隊都會用情境分析來強化提案。

面對不斷變化的商業環境，情境規畫與分析是企業的關鍵能力。適應性策略（adaptive strategy）背後需要大量實驗，企業透過這些實驗取得新數據，才能驗證或推翻自己的策略假設。AI則能夠協助企業找出有潛力的實驗，並降低執行這些實驗的成本。舉例來說，數位雙生（digital twin）背後所運用的科技，就能夠妥善模擬模型中某些變項的改變會帶來怎樣的影響。像是有一家鋼鐵公司的董事會，就用AI生成的模擬來協助決定是要投資現有生產設施，或是到新的地區蓋新工廠。（最後該公司選擇了第二個選項。）

有些董事會也用AI來驗證自己的決策。焦點團體有一位來自芬蘭某私人公司的董事長尤霍（Juho），談到自己的董事是怎麼在2024年的策略度假會議做到這點。當時董事與高階主管花了兩天，以半結構式討論來分析各種情境，辯論公司的發展方向。完成後，他們把自己準備的材料輸入ChatGPT，請它選出最佳選項。最後ChatGPT給的答案與董事會及管理團隊所得出的結論十分類似。尤霍表示，這次練習有雙重的正面效果：既證實了他們的正確性，也提升了AI的可信度。他打算未來會更廣泛使用AI工具。

另一位來自荷蘭的董事長凱瑟琳（Catherine），也以類似的方式運用AI程式Claude 3.7 Sonnet。她向Claude輸入從公開來源取得的資訊，並向它提問；這個問題她曾跟董事會在單日度假會議中討論過。董事會得出的4項結論中，有3項與Claude相同。於是董事會又花了一些時間討論第四項結論，最後還是維持原來的決定。這裡的重點在於，董事會要判斷哪些議題需要進一步討論的時候，這種做法能夠大大減少需要的時間。董事會成員與AI互動時，可以透過所謂「人類回饋強化學習」（Reinforcement Learning with Human Feedback, RLHF）的功能來改進AI，讓AI工具的產出品質不斷提升，並將那些常常不會出現在公司書面資訊的隱性知識納入這套工具。

AI還能用來分析董事會的流程。例如某家瑞士工業公司的董事會，就用AI來分析董事會的團隊互動、成員發言時間，以及開會期間對話的語氣，然後這套工具會提供改進建議。例如某次會後，AI就建議董事會「在會議一開始，給每位董事兩分鐘時間表達自己的期待與顧慮」「將安排給管理團隊的簡報時間減少20％」「給X董事和Y董事更多的發言時間，但減少Z董事的發言時間」，並且「避免使用『拜託喔』和『這還用想？』之類的表達」。

“有某家企業的董事會，就用AI來分析董事會的團隊互動、成員發言時間，以及對話的語氣，然後這套工具會提供改進建議。

成為董事會的一員。從邏輯來看，下一步就是讓AI積極參與董事會討論，而且目前已有這樣的跡象。2024年，阿拉伯聯合大公國最大的上市公司IHC任命虛擬人Aiden Insight擔任「董事會觀察員」（board observer）的角色。Aiden Insight雖然沒有投票權，但參與IHC董事會討論的內容都會列入正式的會議記錄中。

Aiden是由G42所打造，這是一家總部位於阿布達比的AI與雲端運算公司。2024年3月，G42推出BoardNavigator工具，能將企業專屬數據結合LLM功能，為董事會開會預做準備並參與會議。這項工具會聆聽現場對話，找出關鍵討論點，並提供見解與建議。此外，這項工具也能提供相關資料，建議具體的解決方案，並即時提出新架構，讓董事的討論更豐富。

當然，Aiden和其他類似程式還不完美。像ChatGPT這樣的程式以及其他程式，既缺乏情緒也缺乏情境感知，如果沒有輸入明確的提示，很難參與討論。目前它們還很難辯護自己提出的建議、回應各種反對意見；或許正是如此，它們常常會建議董事對各種有爭議的議題進行投票，但這樣的做法卻可能扼殺討論、引發衝突（正因如此，明智的董事長很少採用這樣的策略）。會有這樣的局限，或許是因為程式本身的安全設定，防止AI出現破壞行為。但如果真是如此，就很難要AI放下這樣的做法。

這就引出下一個問題：AI會帶來哪些風險？又要如何降低這些風險？

管理各種風險

對於AI，大家某種程度上都抱著一種被制約的恐懼，因此也就放大了使用AI的風險。雖然風險肯定存在，但管理上其實多半相對容易。現在就讓我們看看在焦點團體訪談最常提到的問題：

資訊洩漏。大多數參與者認為，使用AI的一大風險就是洩漏敏感資訊。一位副董事長就表示：「今天我把董事會的開會資料提供給ChatGPT，明天競爭對手就會知道我們正在考慮哪些策略調整。」有一位同時擔任兩家企業董事長的參與者也有這項擔憂，他指出：「AI要發揮效果，就需要大量數據，所以使用AI就像把我們董事會開會過程公開給大家知道。我絕不可能允許這種事發生。」然而，資訊洩漏並不是因為使用AI。資訊洩漏的風險，是跟資訊如何儲存與取得有關，而且早在AI工具普及之前就已經存在。此外，我們也早就了解該如何管理這樣的風險：各家企業固定採用軟體安全措施，並且訂定各種程序規則，確保需要敏感資訊的人能夠取得，而不需要的人就無法接觸。大多數企業都已經對員工進行數據安全培訓，要將這種培訓延伸到董事會成員並不困難。

“資訊洩漏並不是因為使用AI。資訊洩漏的風險，是跟資訊如何儲存與取得有關，而且我們也早就了解該如何管理這樣的風險。

而像OpenAI這些主要的AI供應商，是將LLM當成服務來提供，並保證不會使用各家企業的數據來訓練基礎模型。至於德國企業應用與商業AI領域的龍頭企業SAP則更進一步，運用基礎模型打造出更小、更具成本效率的模型，再專門針對單一客戶，以其專屬數據進行訓練。

樣本偏誤。更嚴重的問題在於，AI的預測會受訓練模型時採用的數據所影響。正如一位董事長表示：「我們希望AI能夠協助我們更獨立，少受管理團隊的影響，但如果我們訓練AI時，用的都是管理團隊提供的資訊，怎麼可能達成目標？」大多數人應該都聽過，微軟（Microsoft）有一個會種族歧視的聊天機器人，這件事除了令人震驚，背後還隱藏了一個重要的事實：提供什麼訓練數據給機器，機器就會反映出深植在這些數據裡的偏誤。要是因病接受治療的黑人數量不夠多，針對這些疾病所蒐集到的整合數據或許就無法充分反映黑人罹患某種特定疾病的可能性。而這種有偏誤的數據，就常常導致實際作業出現不良後果，例如病患的誤診。又或者在金融領域，樣本偏誤可能導致銀行不願為女性或少數族群提供貸款。

而對於董事會來說，樣本偏誤則可能造成策略失誤。例如有一家歐洲工業公司，管理團隊對全體員工進行調查與焦點團體訪談後，提出了一項全面且昂貴的健康及安全策略，董事會也予以批准。接下來兩年間，該公司自身作業時所發生的健康與安全意外程度確實明顯下降。然而，管理團隊原本的研究並未納入承包商，這些承包商所管理的作業則是增加了意外發生的程度。

當然，AI工具提供的資訊和建議會反映出樣本偏誤，但也能用科技提供一些保障。在數據層面，企業定期進行數據稽核、套用各種偏誤偵測協定，都能降低種族或性別歧視等風險。而另一種更有效的保障方式，則是讓使用者意識到偏誤的存在。只要數據具備了適當的人口統計標記，使用AI工具的人就能請AI針對例如性別或族群進行分析，了解出現偏誤反應的可能性。

錨定過去。這是董事會一項很特別的風險，因為董事會的職責就是做出能夠、或說是應該要改變現狀的決策。如果AI的建議都是根據過去的數據，那麼仰賴這些建議就可能讓董事會注定重蹈歷史覆轍。等到AI分析的數據終於反映出競爭環境某種重大變化，可能也已經來不及讓企業搶占先機。

許多董事級別的高階主管都已經發現了這種危險，於是傾向更倚賴直覺來判斷數據的權重。例如一家比利時食品企業的執行長就告訴我們：「我大量使用AI來協助學習，但我絕不會依賴AI來做出策略決定。策略講的是未來，而AI對未來一無所知，雖然AI對過去可說瞭如指掌，但過去並不能預測未來。」他說的當然沒錯，但還是忽略了一點：他自己的直覺本身也是基於過去的經驗，因此還是錨定於歷史。

如果確保AI工具整合最新的數據，就能大大降低錨定效應。如果所選的AI工具能夠提供因果關係的說明，也可能減輕錨定效應。最新一代的LLM，所謂的推理模型，就與過去的LLM大有不同；推理模型得到提示之後，並不會根據相關性做出預測，而是透過一系列因果推理得出結果。針對模型考慮的某個變項，如果數值已經過時或者變得不那麼重要，董事會就能討論調整權重、或是更新變項。舉例來說，要是某個AI模型認定利率將會上升而建議減少借貸，但又有另一項獨立分析預測利率將會下降，董事會就可能不接受AI工具的建議。

前面也討論過，如果董事會想用AI工具預測未來，也可以要求它進行情境分析與模擬。只要先找出作業環境可能出現的變化，就能要求AI模擬在基礎假設出現特定變化時可能帶來的結果。此外，也可以要求AI工具研究這些假設出現變化的機率，以及變化的方向。

正如本次討論所顯示，雖然企業可以在技術上採取某些預防措施，降低使用AI的風險，但到了董事會層面，風險管理的本質其實是要讓自己更懂得如何使用這套工具。就讓我們來看看企業與董事長該怎樣達成這項目標。

學習使用AI

很少有董事接受過AI使用的培訓，因此許多董事在和AI互動時都有挫折感。一位焦點團體的參與者就告訴我們：「老實說，我試過AI，但很快就放棄了。AI能提供大量的資訊，但我根本不知道哪個是真、哪個是假，而且裡面絕大多數也跟我要的無關。」董事不願使用AI，還有另一個常常避而不提的原因：對於在數位時代之前成年的人來說（許多現任董事正是如此），AI實在是種太陌生的科技。使用AI會讓他們感到焦慮，因為光是要學著用好AI，過程就需要犯錯、感到不舒服、還可能失去掌控的感覺。

到頭來，這只會是個短期的問題，因為隨著時間過去，會有愈來愈多董事屬於數位原住民。企業在選任董事的時候，也可以鎖定那些具有數位素養的人選，這些人也就更可能將AI融入董事會的工作。但就目前而言，如果要求具備數位素養，可用的人才庫也許就會受到限制。再過10年左右，高水準的數位素養將會成為幾乎所有專業人士都具備的基本技能；但在那之前，董事需要接受AI使用的培訓。

1. 提升董事使用AI的意願。我們建議董事長先與董事進行一對一談話，了解每位董事的素養與興趣高低，談談自己對AI的態度與經驗，以及討論AI可以如何應用在董事會。像這樣的對話可以在董事會開會時進行，現場可以安排、也可以無需外部AI專家在場。又或者，董事長可以請來已經在使用AI的董事，和其他董事分享推薦這項科技。在這個第一階段，必須在董事會上明確提出與AI相關的風險（包括真實與想像中的風險），並解釋管理風險的方式。要是董事了解確實有辦法有效降低這些風險，他們就會更願意試用AI。

根據這些對話所掌握的內容，董事長應該為需要接受培訓的董事安排個人化的學習機會，依據個人的學習風格與行程量身訂製。內容很可能要安排經驗豐富的AI領域教練進行一對一輔導，而理想的教練人選會是公司的內部人士。培訓時，重點不該只是介面的使用，更該強調AI能夠怎樣大幅提升董事的個人成效，以及董事會的集體成效。

我們發現，只要個人培訓發揮效果，董事對AI的恐懼與挫折很快就會轉化成一股熱情。例如參與我們焦點團體的一位董事就表示：「AI我就試用了兩次。第一次是我自己試著學怎麼用，效果很不好。但3個月前，我們董事長為所有董事安排了一次AI使用的工作坊，結果就完全改變了我的董事工作方式。從那之後，ChatGPT就成了我的好幫手。」

2. 讓董事共同嘗試。下一步，董事長應該開始慢慢改變董事會流程，在會議中嘗試使用AI工具。舉例來說，如果是使用一套對各領域都有基本了解的AI工具，只要董事有意願就能輕鬆上路。我們建議，用兩、三次會議，請全體董事登入同樣的基礎LLM，並在事前準備及會議過程中設計自己的提示。等到會議結束，再請董事參與事後檢討，讓大家分享經驗與教訓，找出改進的辦法。

等到董事開始感受到AI工具的確實用，就能讓企業以最佳的公司治理實務來訓練一套企業版LLM，用來在董事會開會期間擔任教練。這時候，董事應該在這套工具輸入與自己董事會職務有關的資訊，包含個人與專業的資訊，確保AI能夠提出量身打造的建議，符合個別董事的立場、優先事項與職掌。董事長還能要求AI工具為每位董事指派任務，並評估董事在會議上的表現。

等到所有董事都能夠完全自在地使用AI來準備會議、將它當成績效教練，就要讓這套工具取得公司的專屬資訊。這個時候，必須提供組織內不同來源的大量數據，為AI工具進行訓練。到頭來，這就能讓AI協助縮小公司管理團隊與董事之間的資訊落差。訓練AI並不需要畢其功於一役。企業的第一步，可以是讓AI取得董事會下一次會議某項待討論議題的相關數據。接著根據董事會對其協助成果的滿意程度，慢慢增加訓練的範圍。

提倡創新的人，常常會想跳過集體決策，改用自己正式或非正式的權力來推動新想法。但在將AI引入董事會時，董事長應該克制這樣的衝動，必須讓全體董事根據實際證據，共同決定是否採用AI。而且，相關決策的責任也該由全體董事共同承擔。

3. 維持動能。就算已經成功將AI導入董事會、甚至是已經讓AI積極參與其中，事情也並非到此為止。AI科技還是會隨著時間不斷發展，而董事對它的了解也會愈用愈增加。因此，董事應該要把自己使用AI的進展列入會後及年度評估的重要項目。董事只要嘗試使用AI，不論實際結果如何，都該得到讚許。如果董事長能表揚某位或全體董事出力推動AI，就會清楚傳達出AI的重要性。而學習到的經驗，可以再透過進一步的教練指導與教育支持來強化。

想要維持動能，董事長個人必須能對AI持續投入。如果領導人推動AI，卻只是叫別人使用AI、自己則是推三阻四，團隊成員對於投入AI，就會考慮再三。但如果董事看到董事長自己就在學習與應用這套新的科技，也運用在董事會當下的討論，他們就會開始關心。董事長在學習如何有效使用AI時，也不應該隱瞞自己遇到的困難，因為讓人看到這些脆弱之處，反而能鼓勵大家勇敢嘗試。

雖然要把AI融入公司董事會絕不簡單，但也能帶來提升績效的重大契機。我們相信，所有董事會最終都會加入一位AI董事，甚至還可能擁有投票權。要領先這股浪潮，聰明的董事會現在就會開始培養AI素養。它們只要更快做出更明智的決策（有AI協助肯定做得到），就能讓公司領先競爭對手。而且在很多時候，這樣的策略優勢它們也會維持一段時間。

“我們相信，所有董事會最終都會加入一位AI董事，甚至還可能擁有投票權。要領先這股浪潮，現在就要開始培養AI素養。

文章來源：哈佛商業評論 7月號