算法治理入门可以从五个责任问题开始：目标由谁设定，执行权限由谁持有，证据由谁检查，谁能申诉或暂停，角色和规则改变后怎样留痕。技术系统里“有审核”不等于责任清楚，关键是把对象、权限、证据和决定写成可复核记录。
本文先解释《算法三权分立》提出的规则制定、执行操作、判断评估三类功能，再用一份虚构的内部会议纪要摘要任务展示责任卡，最后比较制度概念读物与组织领导读物的不同用途。
算法治理入门：规则制定、执行与判断分别问什么
| 功能 | 作者类比中的对象 | 治理问题 |
|---|---|---|
| 规则制定 | 代码与模型设计、优化目标、约束和允许的输入输出 | 目标为何这样设定，谁能修改，受影响者如何表达异议？ |
| 执行操作 | 算力、能源、训练、基础设施和运行权限 | 谁能启动、停止或改变运行，权限和依赖怎样记录？ |
| 判断评估 | 评估、审计、基准、复核和对结果的解释 | 证据来自哪里，标准由谁选择，冲突和申诉怎样处理？ |
Hamilton Mann 将这三类功能类比为应相互制约的算法治理职能，并主张它们不应集中于同一不受约束的行为者。这是一项规范提案，不直接推出所有企业都必须设置三个法人、部门或法定机构，也不保证审计者天然独立、中立或合规。
算法权力责任分工：虚构会议纪要摘要卡
以下是完整填写的虚构纸面示例。本站没有上线这项 AI 功能，也没有真实会议、人员、模型运行或人工审核结果。任务是：根据批准的内部会议源记录，生成一份待审摘要，供业务负责人决定是否发布。
- 目标与未知：业务负责人设定目标为“忠实概括已确认决定、行动项和待定问题”；不确定事实必须保留为“待确认”，不得补写结论。
- 规则制定：任务说明限定允许使用的源记录、摘要栏目、不得省略的异议和禁止新增的事实；规则变更需保存版本与理由。
- 执行操作：执行角色只生成待审摘要，不自动发送邮件、不修改原始会议记录、不替负责人确定行动项。
- 事实复核：复核者逐项检查摘要能否定位到源记录，是否漏掉反对意见、条件和未决事项；存在利益冲突时需显式说明。
- 签发与暂停：业务负责人可批准、退回或暂停；来源缺失、版本冲突、重要遗漏、无法核实或无人具备复核能力时暂停。
- 申诉与纠错：被摘要内容影响的人可以指出误述或遗漏；纠错记录保留原摘要、修改内容、依据、负责人和日期。
- 证据包：源记录版本、任务说明、工具版本、草案、审查依据、冲突说明、批准/退回决定和角色变更日志。
- 仍需验证：真实使用者需求、摘要遗漏类型、渠道与权限、审查能力、实际工作量和错误影响均未知。
数据与模型问责机制：记录责任，不制造客观信任分
问责记录应回答“谁以什么依据作了什么决定”，而不是把复杂责任压成一个分数。数据来源、模型或工具版本、目标和约束、运行权限、审查标准、未知项、申诉与暂停记录需要能互相指回。角色改变时，旧记录继续保留，并注明新角色从何时开始承担哪项职责。
需要进一步理解任务负责人、复核者和签发人的分工，可以参考AI 时代领导力的责任卡；需要画系统边界和反馈，可以参考系统思维阅读方法。
算法审计阅读路线：生命周期材料、框架和政策语境
Raji 等在 2020 年论文《Closing the AI Accountability Gap》中提出贯穿内部 AI 开发生命周期的算法审计框架：不同阶段形成文件，最终汇入审计报告，并用组织价值和原则核对过程决定。这支持“证据责任要随生命周期留痕”的阅读方法。
审计材料和报告可以承载过程记录与评议，还需核对材料完整性、谁作了判断及证据是否支持结论。材料存在不自动证明审计独立、标准合适、问题已修复或法律义务已满足。读论文时应继续问：谁委托审计，谁选择标准，审计者能访问什么证据，发现问题后谁能暂停或纠正，审计结论会怎样被申诉。
NIST AI RMF 1.0（2023）用 GOVERN、MAP、MEASURE、MANAGE 组织风险活动，并明确它是自愿、非行业特定的框架。GOVERN 是横向贯穿功能，不是线性流程里完成一次就结束的第一步，也不是系统已安全或合规的证明。
OECD AI Recommendation于 2019 年通过、2024 年修订，其中的问责、可追溯性和风险管理属于国际政策指导语境。它可以帮助读者识别概念和比较问题，不是中国法或自动适用于所有组织的制度模板。
两本书分别适合制度概念和组织责任
算法三权分立概念解释：《算法三权分立》
Hamilton Mann 的《算法三权分立》书内版权页标注 2027 年第一版。书中讨论算法权力、人的价值、算法合宪性、问责，以及规则制定、执行操作和判断评估三类功能的规范类比。
如果你的问题是算法权力为什么需要制约、功能集中会产生什么风险、谁应拥有申诉与纠错能力，这本书适合做社会与政治哲学阅读。读后可以把作者提案与现实组织结构分栏，分别标注“书中主张”“现有事实”“待讨论制度”，避免把概念直接写成现行法律。
组织所有权与问责：《领导力算法》
Shrey Shivam 的《领导力算法：数据、AI 与智能系统时代的组织设计》面向数据、AI、产品、技术和转型领导者。目录讨论组织孤岛、数据与产品、代理系统、治理、角色和最终问责。
如果问题是组织内部谁拥有数据、模型、产品目标和风险决定，这本书适合建立责任地图。本文将它作为组织责任读物，不把它当作模型实现或法律合规操作教程；书中案例和组织框架需要回到当前组织事实复核。
查看《领导力算法：数据、AI 与智能系统时代的组织设计》的目录与试读
用四个问题决定下一步阅读
- 我的问题是权力制约，还是组织所有权与执行责任？前者读制度概念，后者读组织领导。
- 目标、权限、证据和申诉分别由谁负责？先完成责任卡，再找缺失章节。
- 我需要理论框架、生命周期审计，还是当前组织事实？不要让一种材料代替另一种。
- 发现问题后谁能暂停和纠错？没有权力和证据路径时，继续补制度条件。
需要更通用的概念—证据—假设方法，可以先读科学与思维阅读路线。两本书服务不同问题，没有必要捆绑开始。
本文于 2026 年 11 月 9 日核对资料。书目事实来自两本授权 EPUB 的术语表、版权、前言、目录及必要章节，未完整通读，也未部署或审计真实系统。会议纪要责任卡是虚构纸面示例，没有真实人员、数据、模型运行、审查或治理效果。
