AI智能体介入企业业务执行的授权结构、法律效力与风险控制

更新时间: 2026年11月18日 15:00:11

随着人工智能从信息生成工具向能够调用工具、访问业务系统、执行任务并影响外部交易的智能体演进,企业内部传统以自然人为中心的授权与控制机制,开始出现结构性新缺口。企业可能在法律上没有取得相应权利或授权,却在组织上批准了AI应用;也可能在组织上仅批准有限任务,却在技术系统中向智能体开放了超范围的数据和操作权限;还可能法律与组织授权均已完备但技术配置和运行机制未能准确落实授权边界。上述情形共同构成企业AI应用中的授权不一致风险。

 

因此,企业AI应用中应当将法律授权、组织授权和技术授权区分为三个相互关联但不能相互替代的层次:法律授权回答某项行为是否具有合法权源及对外效力基础;组织授权回答企业内部由谁决定、谁负责、谁可以指挥或批准该行为;技术授权回答AI系统在运行中实际上能够访问什么资源、执行什么操作以及在何种条件下执行。应以“法律允许范围为外部边界、组织批准范围为内部边界、技术可执行范围为实际执行边界”为原则,技术可执行范围不得超出组织批准范围,组织批准范围不得超出法律及合同允许范围。

 

一、AI进入经营执行环节后企业授权体系出现新的控制缺口

 

企业早期使用AI工具主要表现为搜索、问答、翻译、文本生成、资料整理和分析建议。此类应用通常由员工提出问题、人工判断结果,再由员工决定是否采取行动。AI的作用主要体现为信息辅助,不会进入企业内部以制度和业务流程管控岗位职责、审批流程和操作权限的管理架构和运行机制。

 

随着大模型与业务软件、应用程序接口、企业数据库和自动化工作流深度连接,AI应用逐渐由“提供建议”转向“参与执行”。AI智能体(能够理解意图、自主规划、调用工具完成复杂任务的AI系统,比如腾讯WorkBuddy、阿里千问办公、飞书智能体、钉钉悟空等办公AI工具,企业引进的采购、销售、人力资源、工业生产等智能体)可以接收任务、拆解目标、调用外部工具、查询或修改业务数据、生成并发送信息、触发审批流程,甚至在特定配置下完成订单、付款、排产和设备控制。此时,企业面对的已不只是AI输出是否准确的问题,而是AI是否有权实施某项业务执行动作,在企业内部这些执行动作是否在批准和受控范围内,以及系统是否真正阻止AI越权执行的问题。

 

传统企业授权体系主要围绕自然人建立:公司章程和治理机构决定重大事项,管理制度划分部门职责,岗位说明书配置工作权限,授权委托书明确代理事项,业务系统按照员工账号分配操作权限。而在当下,AI智能体开始进入企业的业务流程后会出现至少三个漏洞:其一,法律上的权利或授权并未取得,企业却通过AI系统实施数据处理、内容使用或对外交易;其二,企业内部仅批准AI进行查询或草拟,技术人员却为其开放了提交、发送、修改或支付的权限;其三,企业已通过制度批准某项AI应用,但系统权限、凭证、插件或子智能体仍保留超出批准范围的能力。因此,AI应用合规管理必须从单纯的“AI工具使用管理”升格为“AI应用授权管理”,深入到AI通过工具调用、系统接口、自动化流程对数据、业务记录、合同关系、财产利益和物理设备产生影响的各类业务领域。这就需要明确企业如何将法律上可实施的边界、组织内部批准的边界与技术系统实际开放的边界融合进统一的合规控制机制。

 

二、企业AI应用行为的法律性质:不能把智能体等同于民事代理人

 

《电子签名法》第九条规定“数据电文有下列情形之一的,视为发件人发送:(一)经发件人授权发送的;(二)发件人的信息系统自动发送的;(三)收件人按照发件人认可的方法对数据电文进行验证后结果相符的。当事人对前款规定的事项另有约定的,从其约定”;《电子商务法》第四十八条明确规定,电子商务当事人使用自动信息系统订立或者履行合同的行为,对使用该系统的当事人具有法律效力;第四十九条进一步规定,在符合要约条件的商品或服务信息发布后,用户选择商品或服务并提交订单成功,合同成立,但当事人另有约定的除外。《民法典》第一百六十一条规定民事主体可以通过代理人实施民事法律行为;第一百六十二条规定代理人在代理权限内以被代理人名义实施的民事法律行为,对被代理人发生效力。所以,可以把AI智能体理解为民事主体或代理人应用的自动化信息处理和执行系统,AI输出和执行行为的法律效果应当结合具体法律规定、当事人约定、系统控制关系、对外表示方式、组织授权以及相关主体的过错和注意义务来具体判断。

 

这些法律规定还能说明,法律将自动化信息系统产生或发送的数据电文、订立或履行合同的行为归属于使用该系统的当事人,法律效果归属于相关主体。但该归属仍须结合具体交易类型、系统配置、当事人约定及其他法律规则判断,不能扩大解释为所有AI输出或工具调用都当然构成企业意思表示。

 

AI应用的第一层是信息生成,不当然产生对外法律效果;第二层是内部系统操作,可能影响企业内部管理和数据安全,但未必直接形成对外法律关系;第三层是对外交易或高影响执行,法律后果可能直接涉及合同、侵权、劳动、产品质量和安全生产责任。因此,企业授权管理应当围绕AI应用的实际法律和经营效果分级,一个只生成采购建议的模型,与一个能够直接向供应商发送采购订单的智能体,可以使用同一基础模型但其授权风险有巨大差别。

 

三、法律授权、组织授权与技术授权的合规边界

 

法律授权回答的是谁基于何种权源,可以对何种对象实施何种行为,在何种目的、范围、期限和条件下实施?如果权源不存在、已经失效、被撤回或超出范围,即使企业内部批准、技术系统允许,也不能据此补足法律依据。某一AI应用在某些法律关系中可以实施并能够产生预期法律效果,其合法依据需要基于法律授权。

 

组织授权回答的是企业内部决定谁可以指挥、批准和承担管理责任,对内建立职责、审批和追责机制,对外通过职务外观、授权代理、交易惯例和相对人合理信赖影响法律效果。组织授权不是简单确定“谁可以登录AI系统”,而是明确谁有权决定引入某一AI工具、谁确定应用目的、谁批准数据范围、谁确定智能体可执行的业务动作、谁审核高风险输出、谁批准对外交易、谁负责持续监督,以及出现异常时谁有权暂停或撤销。

 

技术授权回答的是系统通过身份认证、访问控制、应用程序接口、数据访问规则等技术机制,指引和约束AI模型或智能体在系统运行过程中能够访问的资源、读取或修改的数据、调用的工具、执行的动作及条件。并非AI模型或智能体技术能力。

 

笔者认为,法律授权涉及不同权利基础和对外效力,组织授权涉及内部治理和外部权利外观,技术授权涉及系统能力,这三个维度的授权之间的关系是在同一业务的AI应用场景下,技术可执行范围不得超过组织批准范围,组织批准范围不得超过法律及合同允许范围,任何具体AI应用都应先确认其合法权源,再确定企业内部批准边界,最后将可执行能力配置到不超过前两者的范围。企业如果仅有“允许使用某AI工具”或“授权某智能体处理采购工作”等概括性表述,无法形成可执行的授权边界。

 

四、授权不一致的主要类型及其风险后果

 

法律授权缺失而组织授权与技术授权均予以放行。比如,企业批准员工将客户个人信息输入外部模型但缺乏适当处理依据或必要告知,从而导致个人信息侵权、行政责任和合同违约等风险。

 

组织授权缺失而技术权限开放。比如,员工或智能体可调用付款、删除、外发接口但未获得相应审批,从而导致越权操作、内部控制失效、损失持续扩大等风险。

 

组织授权有限但技术权限过宽。比如,批准AI仅生成采购计划草稿却配置为可自动发单,从而导致超授权交易、表见代理争议、供应商索赔等风险。

 

法律与组织授权具备但技术授权执行不可靠。比如,经合规审查后决策层已批准处理范围,但AI应用系统无法识别数据等级或阻断敏感数据外发,从而导致数据泄露、无法证明采取必要措施等风险。

 

授权已撤销技术凭证仍有效。比如,员工离职或项目终止后仍能登录智能体调用系统,从而导致持续越权、数据持续暴露风险。

 

内部限制与外部权利外观冲突。比如,企业内部规定不得自动报价但智能体长期以企业名义向客户发送确定报价,从而导致相对人善意信赖、交易效力和责任争议。

 

五、法律授权、组织授权与技术授权一致性的解决方案

 

企业实施三个维度授权的一致性控制需要通过以下九个步骤来完成:盘点AI应用资产→拆解AI行为链→识别法律权源→确定组织授权→建立技术权限矩阵→开展一致性核对→实施技术与流程控制→开展有效性测试→持续监测与改进。

 

法律授权、组织授权和技术授权分别解决合法性、内部治理和系统可执行性问题,不能缺省也不能相互替代。法律授权层识别和评估相关业务的权利基础、法律依据、合同许可、代表与交易权限、法定前提或条件,形成法律授权清单、禁止事项清单、适用规则;组织授权层构建清晰的决策规范,从具体业务层面明确业务负责人、岗位职责、审批权限、监督和停止权,形成组织授权矩阵、业务流程管控清单、岗位合规职责清单;技术授权层固定AI应用的使用人身份和凭证、可调用数据、工具和API范围、操作动作和运行条件,形成技术权限矩阵,部署策略配置和有效接口控制。

 

三个维度授权的核心内容和各自产出确定后,将需要AI模型或者智能体介入的某项业务的法律、组织、技术边界逐项映射形成授权一致性检查表,然后在AI模型或者智能体执行前进行策略判断形成第一道关口:在AI智能体调用工具、访问数据或执行高影响动作前,应核实当前任务是否具有有效法律依据、组织批准和技术权限。第二道控制关口是AI模型或者智能体自动化执行中进行人工确认、限制和阻断,对异常调用、超额度行为、未授权数据访问、异常外发、模型或权限变更进行识别、阻断、告警和追溯。最后是执行后进行监测与异常处置。整个过程要对授权版本、身份、数据、调用、审批、执行、结果和变更记录进行存证留痕,最终形成可追溯的运行档案和审计记录,只有制度和流程文本没有执行记录不能证明控制措施真实运行;只有日志没有合法权源和有效审批不能证明行为合法。证据链必须与授权链对应。

 

以上解决方案主要用于企业部署、集成和使用AI系统的治理设计,不替代对模型开发、训练数据、算法备案、生成内容标识、行业许可和其他专项监管要求的独立审查。而且不是所有AI输出都需要设置与合同签署、付款相同强度的审批;控制强度应与行为影响、可逆性、损害范围和法律要求相匹配。

 

对企业而言,真正有效的AI合规治理不是简单禁止AI,也不是把全部责任交给员工或供应商,而是让AI的每一项需要受控的执行动作都能明确法律上凭什么可以做,企业内部应遵守什么审核流程,由谁批准,技术上如何确保被批准的事项按要求执行。只有当这三个问题在同一业务流程中得到一致回答,企业才能建立起有效且落地的AI应用合规控制体系。

 

作者:陈德宁