航空公司的AI客服编了一个退款政策，法院说：航空公司得认
2024年2月，加拿大航空（Air Canada）被卑诗省民事裁决法庭判赔。一个叫 Jake Moffatt 的乘客在购票前咨询了航空公司的AI客服，AI告诉他可以在事后申请丧亲折扣。等他真去申请，航空公司说这条政策不存在，AI编的。法庭裁定：航空公司的AI客服代表公司，AI说的话算数。
这个案子后来被反复引用，但大部分讨论停在"AI幻觉"——技术没做好，模型瞎编了。这个归因太偷懒。航空公司在部署AI客服时，没有提前画一条线，说明白哪些决策AI可以做、哪些必须转人工。AI客服被放出去跟客户对话，等于被默认授予了全部决策权限。问题出在架构设计漏了一层。
AI商业架构里最被忽略的一层：决策权限分配
大部分人理解AI商业架构，关注的是技术栈——选什么大模型、搭什么智能体、接什么数据源。这些确实重要，但它们是"能力层"，解决的是"AI能不能做到"。在能力层之上还有一层，叫"权限层"，解决的是"AI被不允许做到什么"。
决策权限分配这件事，说白了就是一张表格：列出所有AI可能遇到的决策场景，标注哪些AI可以直接执行、哪些需要人工确认、哪些AI只能给建议不能执行。听起来简单，但很少有企业在AI项目启动前做这件事。
原因之一是这件事不属于任何一个现成的部门。技术团队觉得这是业务决策，业务团队觉得这是系统配置，最后没人做。AI系统带着完整的决策权限上线，等到出了事才回来补课。Air Canada 案的教训很直接：部署前画完权限矩阵，比出了事再补课省事得多。
三类决策，三种权限
不是所有决策都该交给AI，也不是所有都该留给人。按风险和可逆性，决策大致分三类：
- 执行型决策：规则明确、后果可逆。比如订单状态查询、库存信息同步、标准FAQ回复。这类决策AI可以直接做，出错也容易撤回。
- 判断型决策：有规则但有例外，后果半可逆。比如退款审批、折扣给不给、订单改不改。这类决策AI可以给建议，但执行需要人工确认，或者设置金额阈值，超过阈值转人工。
- 创造性决策：没有标准答案，后果不可逆。比如定价策略、客户关系处理、品牌对外发声。这类决策AI只能做参考，不能直接执行。
Air Canada 的AI客服犯错的地方在于：它被当成了执行型决策系统来部署，实际上它在跟客户对话时，随时可能做出判断型甚至创造性决策。"能不能给折扣"是典型的判断型决策——AI没有权限直接承诺，但它承诺了。
为什么企业不愿意前置做这件事
决策权限矩阵不是技术问题，是一个需要业务和技术两边坐在一起才能完成的工作。难度不在"画表格"，在"让业务部门把决策场景一个一个列出来"。
大多数AI项目是技术部门发起的。技术团队的倾向是先把系统搭起来，让AI跑起来，然后再说权限的事。这种顺序的后果是：AI先获得了全部权限，后面再做限制等于"从AI手里收回权力"，而收回权力比一开始就不给要难得多。业务部门也乐得不参与前期讨论——觉得这是技术的事，出了事再找技术。等到 Air Canada 这种事情发生，业务部门才发现"AI替我做的决策我不知情"。
还有一个更深层的原因。决策权限分配本质上是让企业承认：不是所有流程都应该交给AI。这跟"全面AI化"的叙事有张力。企业在采购AI服务时听到的承诺往往是"AI可以帮你做X、Y、Z"，没有人愿意在采购阶段就说"其实X和Y不该交给AI"。但不说，不代表这个问题不存在。它只是被推迟到了事故发生的时候。
如果现在要画这张表，怎么开始
企业准备部署AI系统，或者已经部署了但没做过权限分配，可以先做三件事。
第一，把AI系统所有可能触发的决策场景列出来。不用很正式，一张电子表格就行。场景名称、触发条件、当前由谁决策、决策后果可逆还是不可逆。列的时候让业务部门的人一起，不要让技术团队关起门来猜。
第二，给每个场景标注权限级别。建议用三级：可自动执行、需人工确认后执行、仅提供参考不执行。标注的时候问自己一个问题：如果AI在这个场景做了一个错误的决策，撤回成本是多少？撤回成本高的一律不给自动执行权限。
第三，上线后定期复查。AI系统会越用越聪明，业务场景也会变。半年前不适合AI自动决策的场景，半年后可能变了。复查的频率不用太高，季度一次够用。
这三件事不复杂，但需要有人牵头。这个角色最好是业务和技术的桥梁——在震楠商业策划的AI商业架构服务中，这个角色叫"决策权限架构师"，专门负责这件事。如果你不确定自己企业的AI系统权限画得对不对，可以参考我们的一些实际项目案例，或者看看HaiAwake方法体系里关于AI商业架构的部分。
常见问题
Q：AI商业架构和AI系统架构有什么区别？
A：AI系统架构关注技术层——模型选型、数据管道、部署方案。AI商业架构关注业务层——决策权限分配、流程重构边界、人与AI的协作规则。两者缺一不可，但大部分企业只做了前者。
Q：决策权限矩阵需要多详细？
A：不需要穷尽所有场景，覆盖80%的高频场景就够了。关键是把"不可逆决策"标出来——这类决策无论如何不能给AI自动执行权限。
Q：已经上线的AI系统怎么补做权限分配？
A：先限制AI的执行权限到最低（全部转人工确认），再根据场景逐个放开。这比"从全部权限开始逐步收紧"更安全，虽然初期体验会差一些。
Q：小企业也需要做决策权限分配吗？
A：规模越小，决策场景越少，做起来越快。反而更适合从一开始就养成习惯。等业务做大了再补，场景会多到列不完。
