全球 AI 支出正在逼近一个很难忽视的数字。
Gartner 预计，2026 年全球 AI 支出将达到 2.527845 万亿美元，同比增长 44%。其中大部分增长来自基础设施、软件和服务。
但预算越大，一个更基础的问题越无法回避：到底谁有权决定 AI 怎么用，谁检查结果，出了问题又由谁负责？
Pearl Meyer 在 2026 年 5 月和 6 月调查了 116 名董事、CEO、其他 C-level 高管和高级管理者。只有 34% 的 C-level 受访者认为，公司里由谁负责 AI 决策这件事“始终清晰”。董事和非 C-level 高级管理者的比例反而更高，分别是 53% 和 57%。
这两组数字来自不同研究，不能拿来计算相关性。放在一起的意义是看见同一时间发生的两种速度：资本和技术能力扩张很快，组织责任结构却没有同步更新。
这是一项领导责任信号，不是全球高管普查
先说明数据边界。
Pearl Meyer 的样本只有 116 人，覆盖董事、CEO、高管和高级管理者，约三分之一来自金融业。它适合揭示管理层之间的认知差，不代表全球所有高管都有相同比例。
Gartner 的 2.5 万亿美元则是全球市场预测，不是这 116 家样本公司的合计投入，也不等于所有支出都会直接进入企业内部 AI 项目。
真正值得关注的是：最接近 AI 跨部门执行的 C-level 高管，反而最不确定最终决定权属于谁。
“大家都参与”经常意味着没人对完整结果负责
AI 很少只属于一个部门。
技术团队关心模型、系统与安全；业务团队定义场景；财务追踪投入回报；法务判断合规；HR 处理岗位和培训；数据团队维护资料质量。
分工广泛并不是问题。问题是每个人只负责一段，最后没有人对端到端结果负责。
一个名义上的“AI 负责人”也解决不了这个问题。公司必须在具体项目里写清楚：谁决定目标和预算，谁让 Agent 跑起来，谁审核来源与风险，谁能叫停，谁批准结果正式生效。
同一个人可以承担多个角色，但每个角色不能空着。
CEO 看到战略窗口，其他高管看到团队承压
调查还问了员工能否继续承受更多组织变化。
63% 的 CEO 认为可以。其他 C-level 高管只有 33% 同意，非 C-level 高级管理者为 40%。
CEO 看到的是竞争窗口和董事会压力。执行层看到的是旧系统没有退出、新工具持续进入、员工既要完成本职工作，又要学习和修补新流程。
如果 AI 项目只增加工具和试点，却没有删除旧工作、重画职责和保护学习时间，它就不会带来转型，只会增加一层额外劳动。
董事会以为结构够了，管理层知道大改还没开始
当被问到未来三年是否必须显著改变公司的运营方式时，88% 的 CEO 和 79% 的 C-level 高管说需要；董事中只有 42% 同意。
预算获批、平台采购和试点启动，很容易制造“结构已经就绪”的错觉。真正困难的部分是重新安排权限、数据入口、审核路径、绩效指标和异常处理。
一年后追问 ROI 时，如果这些责任仍不清楚，讨论很容易退化成互相甩锅：技术怪业务没配合，业务怪模型不可靠，财务说看不到回报，董事会最后问 CEO 为什么没有结果。
把“谁负责 AI”拆成五个可以检查的角色
“谁负责 AI”过于抽象。每个项目开始前，更应该回答五个问题：
- 决定人：谁确认问题值得解决，并批准目标和预算？
- 执行人：谁让 Agent、工具和业务流程真正运行？
- 审核人：谁检查来源、质量、权限和风险？
- 升级人：出现异常或冲突时，谁有权暂停并升级处理？
- 批准人：谁决定结果可以发给客户、影响经营或进入正式记录？
这不是为了给每次执行增加五道审批。低风险、可逆的工作可以让 Agent 直接完成；高风险或影响正式数据的动作才需要明确的审核和批准。
责任必须跟着执行记录留下来
一张责任矩阵只能说明设计。真正的问责发生在每次执行里。
在 Buda 中，Agent Session 保留任务、工具调用和可见产物，Skill 保存经过验证的方法，Automation 记录定时执行和运行状态。管理者能看到工作如何发生，而不是只收到一句“AI 做的”。
当 Agent 的结果要修改客户库、知识库或其他正式业务数据时，Busabase 可以让它先提交 ChangeRequest。人查看具体差异、来源和修改理由，批准后再合并，并留下审核轨迹。
Buda 负责让 Agent 执行可见；Busabase 负责让重要变化在成为可信记录前经过判断。
AI 投资变成公司能力，不是从预算获批开始。它从每项工作都能回答三件事开始：目标是谁定的，结果是谁批准的，后果由谁承担。
阅读 Agent Workspace 文档，先选择一个真实 AI 项目，把五种责任写清楚，再决定哪些执行可以交给 Agent。
来源：Pearl Meyer Q2 2026 Market Intelligence Survey、Gartner 2026 AI Spending Forecast