AI 工作實務
AI 專案跨 HR、IT、營運三個主管,誰能說了算?一張權責表避免「三方都同意、沒人負責」
HR 希望加快新人訓練,IT 擔心帳號權限,營運認為內部資料不完整。三方都說支持 AI,但三個月後專案仍未開始。問題不是缺少共識會議,而是沒有區分「誰有最終業務責任」與「誰有不可被跳過的安全否決權」。

教學方法專題|案例、時程與表單為編輯設計示例,非客戶實績或已完成的產品實測。
核心答案:HR 希望加快新人訓練,IT 擔心帳號權限,營運認為內部資料不完整。三方都說支持 AI,但三個月後專案仍未開始。問題不是缺少共識會議,而是沒有區分「誰有最終業務責任」與「誰有不可被跳過的安全否決權」。
專題編輯:Iris Hsieh|高階主管、轉型專案負責人

圖說:天地人原創編輯流程圖,為教學示意,非真實企業現場或產品操作畫面。
「共同決策」常被誤用為「責任不明」
跨部門 AI 專案常有多個利害關係人,但不等於每項決定要三位主管共同負責。應把決策拆開:業務是否值得做,由流程擁有者負責;技術是否可安全實作,由 IT 與資安提出不可逾越條件;人員培訓是否達標,由 HR 或人才發展主管評估。當某項風險超出公司既有政策時,應循正式風險核准機制,不可用主管投票取代資安規範。
一張表分清五種權限
| 決策項目 | 最終業務決定 | 必須會簽 | 執行責任 | 阻擋條件 |
|---|---|---|---|---|
| 選定試點問題 | 營運流程負責人 | HR、IT | 專案經理 | 無可驗收成果 |
| 確認資料可使用 | 資料擁有人依公司制度核准 | 資安、法務 | 資料管理者 | 無合法權限 |
| 啟用系統介接 | IT 系統擁有人 | 資安、營運 | 開發/維運 | 未通過測試 |
| 安排員工訓練 | HR/業務主管依權責核准 | IT、資安 | 訓練團隊 | 無安全教材 |
| 擴大到正式流程 | 專案贊助人或授權委員會 | 營運、IT、風險 | 流程擁有人 | 風險未解除 |
這是可依公司治理調整的示範權責表,不是法律強制規定的單一標準。重點是每一項決策只有明確的決定者,並保留安全、合規與資料權限的獨立控制。
一個最容易衝突的案例
HR 想用 AI 分析員工教育訓練的需求,營運想加入工作績效資料,IT 則認為目前沒有合法核准的資料合併目的。正確程序不是要 IT「配合業務需求」,而是先釐清目的、最小資料範圍與合法使用條件。若無法取得合規資料,專案應縮小成匿名化、任務層級的訓練需求分析;仍有疑義時就停止。
同樣地,即便 IT 可以技術上提供某個 API,也不代表可以替業務決定對客戶的正式承諾。可做到與被授權做到,是兩件事。
決策卡:讓會議結束後有人能採取行動
每次決策記錄八欄:decision_id、待決問題、可選方案、業務決定者、風險會簽者、決議日期、剩餘風險、下次檢視時間。超過期限未決時,由指定的專案贊助人召開升級會議,但不得繞過硬性合規門檻。
會議摘要提示詞:
請將以下不含機密資訊的 AI 專案會議紀錄轉成決策卡。只列出已明確決議事項;任何尚未核准的資料存取、系統寫入與個人資料處理,標示「未授權」。不得根據與會者語氣推測已經同意。另列待確認責任人與截止日期。
衡量治理是否生效
不看開了多少協調會議,而看有多少決策有主人、多少風險在正式上線前被阻擋、多少阻塞能在合理時限內被解除。NIST AI 風險管理框架強調治理、監測、應對與持續改進;企業可以把這些原則轉成具體的決策權責,而不是再增加一層空泛的 AI 委員會。
做決策之前,先指定哪一種問題由誰決定
「能不能購買工具」是採購與預算問題;「工具能不能讀取資料」是資料授權與風險問題;「成果是否能交付客戶」是營運品質與契約問題。若把三件事放在同一張會議決議中,通常會因為有人對其中一項有疑慮,而整案停滯。把問題拆開後,能先核准低風險的準備工作,同時對未解決的高風險項目維持阻擋。
用四個衝突題目測試權責表
當 HR 希望導入 AI 排班建議,但資安認為資料集含敏感資訊,是否可以退回合成資料進行流程教學?當 IT 表示工具可安裝,但採購合約尚未簽署,誰有權開始付費?當營運要求 AI 自動寄送客戶通知,但客服主管尚未確認文字及補救責任,誰有權停止?當專案已上線但出現異常,由誰先暫停、誰批准恢復?
這四種測試要能在會議結束時指出唯一的業務決策者、必要會簽及安全否決條件。若仍回答「大家共同決定」,權責表就還沒完成。
避免把決策速度當成唯一 KPI
有些延遲是資訊不足,應補證據;有些延遲是責任沒指定,應升級協調;有些延遲是風險未解除,則停止才是合格結果。專案管理者可以追蹤每種原因的案件數與解決時間,但不能把「最少被資安阻擋」當成管理績效。

圖說:依本文工作方法繪製的原創示意流程;並非系統實測畫面。
讀者可立即使用的工作資產
範本:ai_decision_rights.csv 教學工作包(ZIP)。此檔案包含教學用的示例資料,不是實際企業統計或已完成測試的證據。
資料來源與適用邊界
- NIST:Artificial Intelligence Risk Management Framework: Generative AI Profile。
- NIST:AI RMF Core。
- OWASP:AI Agent Security Cheat Sheet。
本篇以官方文件與通用流程治理原則為基礎,並提出原創工作方法;不代表對任何企業租戶、ERP 版本或 AI 產品完成實機測試。價格、方案、法規與功能會變動,採購或正式部署前應與供應商、IT、資安及資料責任人查證。教學數據與案例均為模擬。
讀者下一步: 將範本帶回企業,先由實際流程擁有人確認現況與限制,再決定是否需要企業內訓或 AI 導入試點。
本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。
查看內容製作與更正說明









