专家热议人工智能与企业合规：如何赋能？边界何在？

21世纪经济报道记者 杨希 北京报道 ChatGPT的爆火“激活”了各方对于人工智能技术的关注和讨论。

当前，人工智能技术主要应用在语音识别、图像识别、自然语言处理等方面。如科技部部长王志刚近日所说，市场期待人工智能领域能够有更多好成果，但也要注意怎样规范科技伦理，趋利避害。

近日，北京星来律师事务所与北京星来科技有限公司在京联合举办“人工智能与企业合规管理研讨会”，探讨人工智能与企业合规之间的关系。北京星来律师事务所主任王珺律师表示，法律行业应当正视人工智能的冲击，不过从另一个角度看，人工智能也在为法律行业赋能。

合规研究的智能化困境

论坛上，北京大学法学院教授白建军以银行败诉率及败诉原因为切入点，分析了银行业务环节的合规空间。具体来看，白建军从423万案例数据库中筛选出55.74万个商业银行败诉案件，即在样本中，商业银行的案件败诉率约为13.2%。当进一步按照商业银行类型分类可以看出，中小型商业银行的败诉率最高，白建军认为，应该加强中小型商业银行合规案件的分析。

白建军表示，前述课题证明了基于大量数据的量化分析存在价值。但实际研究过程中，课题组投入了大量的人工梳理判决书，并反复进行机器学习，提升了智能化水平，才能实现从自然语言写成的裁判文书文本中挖掘数据。白建军认为，这算不上所谓的“人工智能”。

白建军指出，ChatGPT也存在类似的问题，即“有多大碗吃多少饭”，ChatGPT只能基于其使用的数据库提供结果。因此，ChatGPT在法律研究以及合规研究领域应用就存在三方面问题：一是如何获得全量数据；二是如何能否发现规律，实现综合研究的智能化；三是如何适应司法的地方性。

中国全国企业合规委员会专家委副主任李近宇进一步指出，将人工智能应用到合规管理在现实中需要面对五大挑战：即数据的获取（包括数据的来源及质量）、结果的准确度、合规专业人员缺乏、运算过程不透明以及人工智能自身带来的合规风险。

在运算过程不透明这一方面，李近宇指出，机器学习存在数百层的自主学习神经网络。在自主学习过程中，我们无法辨别机器选取了哪些有利元素、使用了什么规则，而这些正是机器自我学习的来源，因此可能导致我们无法解释机器生成相关结果的逻辑和有效性。

李近宇分析，正因为前述原因，人工智能本身也可能存在合规风险，它产生的结论可能涉及如种族歧视等伦理问题，也可能存在侵犯隐私、商业秘密、知识产权等法律风险。

合规体系的三个层次

会上，爱立信(中国)移动通信有限公司东北亚地区首席合规官郭楠分享了他对于合规体系的思考。郭楠认为，合规体系应当从三个层面来理解，即合规是一种意向、是一个状态、是一个方法论。

郭楠解释道，合规是一种意向，是指企业的管理者谈合规经营是一种意向，即企业行为要合规，企业不想产生任何违法违规的情况或业务行为；合规是一个状态，如企业在经营时，观察到合作方处于一个合规的状态，才愿意与之合作或交易，这其中就蕴含了对对方合规状态的认可；合规是一个方法论，即合规是一个管理体系，企业需要将合规管理方法论与各种管理体系方法论贯彻到企业运行中去，并对其有效性进行验证。

具体到人工智能与合规管理的结合方面，郭楠认为，使用人工智能帮助企业建立合规管理体系是可能的，但合规与内控、审计等体系不同的是，企业内部能否真正形成合规文化，而这一点是通过人工智能无法直接实现的。

北京星来科技有限公司总编辑游涛则认为，虽然科技无限，但人工智能依然无法超越人类的集体智慧，相信人工智能与合规管理的结合应用将会为企业法治或者国家社会法治建设作出更大的贡献。

数据合规与商业变现

北京熠智科技有限公司创始人、首席执行官范学鹏分享了他对于人工智能相关的数据合规问题的思考。

范学鹏表示，从公开信息可以看出，ChatGPT使用的数据包括了版权已经过期的文学作品、公开的文件、维基百科、电影字幕等等公开信息。但即使这些数据是公开的，也并不意味着可以免费使用，即便可以免费使用也并不意味着能够商用。因此，ChatGPT的数据源本身存在一定合规问题。另一个与数据相关的问题是，ChatGPT所使用的公开数据事实上存在很多缺失，只包括人类通识，却缺少专业领域的专有数据作为支撑。

范学鹏指出，当前数据已经提升到了生产要素的高度，并且具有零成本无限复制的特点。因此，数据交易与其他交易具有显著区别。从实操层面来看，企业做数据合规事实上是在追求商业价值，满足企业商业变现的诉求。

范学鹏认为，数据也是一种资产，因此数据资产的转移也需要在相关部门的监管下进行。范学鹏建议，相关部门在建立大数据交易中心等数据交易部门时，应当进一步理清思路，明确数据产权转移与数据使用合规监管之间的差异。同时，还可参考“数据信托”这一前沿研究，进行进一步探索。

北京市京都律师事务所高级合伙人、前新奥集团总法兼首席合规官张利宾谈到，数据的商业化领域有两相对立的力量在相互对抗，同时目前我国的法律和商业规则都缺乏对数据资产的界定，但是随着数据经济的发展更多规则将会确立。张利宾认为，在数据相关领域，我国仍然未能做到“立规”，即明确相关规则。随着未来不同行业规则逐步确立，根据行业需求进行数字化产品开发会成为大方向。