企业引入 ESG 智能体后，错误决策应由谁负责

ESG智能体建议停用一家供应商，采购团队照做后产生劳动争议。企业需要先回答一个实际问题：谁会使用这项分析，使用后有权改变什么。否则建议再准确也难落地。治理问题常被误认为是缺一张仪表盘，实际更难的是把承诺、决策权与执行资源放到同一条线上。董事会需要看到哪些事项已经批准，哪些仍停留在口头表态，以及谁有权纠偏。

这类场景需要先校准数据边界。可以把章程、会议纪要、预算、岗位职责和项目台账关联起来。模型适合检索相互矛盾的表述，生成待核清单；审批和问责规则则应写成稳定的制度，由人确认后执行。初期不妨先保留建议依据、人工审批、替代方案和影响评估。资料进入系统前，应标清时间、地点、来源和权限；同名指标若定义不同，要先统一再比较。

下一步是把提示转成能执行的决定。在例会上，管理者最好同时看到事项的状态、阻碍原因和下一步决定。一个目标若反复延期，系统要提示它缺少预算、权限还是协作，而不是简单地把进度条涂成红色。管理层要明确谁核查、谁批准、谁验证效果，避免提醒在部门之间空转。把建议放进现有经营会议和工单流程，比另建一个无人查看的 AI 看板更有效。

即便智能体给出高置信度，停供、停产和公开声明仍应由具有授权的人作出，并允许事后追查决定过程。先让负责执行的人参与设计试点，列出他们最需要的证据和最担心的误判。模型只提供候选行动，负责人确认后实施；每周复盘一次，把错误建议和未解决问题留下来。实施记录还应保存使用的数据版本、决策人和被否定的备选方案。复盘时比较自动提示与传统流程各自漏掉了什么，避免只展示成功案例。

判断是否值得推广，需要复盘误判率、申诉处理与责任链。治理成效应看行动是否按期完成、风险是否降低、受影响者是否得到回应。报告中的好看数字只能是结果的一部分，不能替代会议决议、现场证据与持续跟踪。一次试点成功不能证明长期有效，至少应跨越不同班次、季节或业务周期观察。

风险控制也不能缺席：最终责任仍由企业的决策和监督岗位承担。把模型定位为提醒、梳理和解释工具，保留人工批准、异议表达与纠错渠道。这样即使系统出错，企业仍能说明当时依据、负责人以及后来如何修正。出现错误时，先控制可能的影响，再更正数据、通知受影响的人，并检查同类任务是否也被错误结论波及。

把每次异常和修正留在台账里，下一次同类问题出现时才能看到组织是否真的学会了改进。这样形成的 ESG 结果更可解释，也更容易被员工、客户与外部审查者理解。