Chương 30 — Thể chế vốn cho đồng sáng tạo giữa con người và tác nhân thông minh

第三十章　人与智能体共同创造的资本制度

共同创造的参与结构正在发生变化。一个人可以借助人工智能完成资料整理、方案生成、代码编写与结果检查；组织可以部署持续接收任务、调用工具并与其他系统交互的智能体。过去由一个岗位完成的工作，可能变成多人、多组织与多个智能体接续完成的过程。若仍以“谁最后提交文件”认定全部贡献，就会看不见任务设计、数据供给、授权、验证和风险承担；若把智能体每次输出都记作独立贡献，又会制造大量没有对应价值的记录。

本章把“AI智能体”用作制度建模中的操作性称谓：它是能够在设定目标和权限范围内执行若干任务、调用工具并产生可观察结果的软件系统。这里不预设它具有自然人或组织的法律地位，也不以技术标识直接赋予其财产、收益或治理请求。它可以成为贡献链中需要识别的行动节点，权利义务仍须依据具体制度、适用法律和真实主体的授权来安排。这个未来制度构想是否提高协作质量，还需要在具体场景中检验。

前章讨论了权利义务如何随条件变化。本章要追问更基础的问题：当部分行动由智能体完成时，谁提出目标，谁允许它行动，谁验证结果，谁承担损失，谁有资格主张收益？区块链能够保存部分授权和状态变化的可核验记录，但记录完整不等于贡献真实，更不等于责任已经得到分配。

一、人、组织与AI智能体之间的贡献链

“人与智能体共同创造”首先是关系命题，不是关于产出数量的口号。一个有用的成果可能依次涉及需求提出者、任务分解者、数据与知识提供者、模型或工具提供者、部署与维护组织、具体操作者、审核者、实际使用者。智能体在链条中生成内容、检索信息或执行操作，但它的行动条件来自其他主体：有人给定目标和权限，有人配置模型与工具，有人提供可用资料，有人决定是否接受结果。共同创造的记录应让这些环节可区分，同时避免把每个环节机械折算为一份独立收益。

贡献链至少需要区分三种关系。第一是因果参与：某个输入或行动在事实上影响了结果。第二是制度认可：事前规则将哪些参与界定为可评价贡献，并要求什么证据。第三是权益形成：经确认的贡献在何种条件下转为报酬、资本记录或其他请求。三者不能画等号。模型提供者可能是按服务合同取得费用，而非分享每次使用成果的权益；操作者可能仅履行雇佣职责，也可能依特别安排取得项目收益；一段自动生成的中间文本即使被记录，也未必满足组织对可用成果的要求。

可以从“任务—行动—验证—吸收—结果”的链条建模。任务记录说明谁设定目标、为何需要完成、允许使用哪些资料和工具；行动记录说明智能体调用了什么权限、生成了何种可复核中间成果；验证记录说明谁检查了事实、质量与适用性；吸收记录说明组织是否真正采用并把结果纳入工作能力；结果记录说明采用后产生了什么影响，以及影响如何与其他因素区分。链条中的每一项都可以有状态、证据和异议入口，不应把最后一项的经济结果倒推为所有上游环节都已形成资本。

同一智能体也可能代表不同主体行动。由企业部署的采购智能体、由供应商部署的报价智能体，即使采用同类模型，其授权来源、利益方向和责任承担者都不同。一个智能体服务多个项目时，需要按任务或组织划分记录和权限，不能用统一技术身份替代具体代理关系。相反，同一组织更换模型或工具版本，仍可能保持组织责任的连续性。链上标识记录“哪个系统实例执行了操作”，并不自动回答“它代表谁、根据什么授权、谁有权撤回”。

共同创造中的“人”同样不能被淡化为提示词输入者。界定公共目标、识别真实需求、作出取舍、承担照护与信任关系、处理受影响者异议，都可能是关键贡献，却不总表现为可计数的数字产物。制度若只奖励高频、标准化的机器可见事件，会把难以记录的协调、维护和责任承担挤到边缘。贡献链因此要保留人工说明、共同确认与争议复核，而不是追求每个行为都自动计分。

二、任务授权、行动证据与责任归属

智能体能够调用工具时，最重要的问题不是给它一个独立账户，而是限定它能够代谁做什么。任务授权应包含委托主体、任务目的、可访问的资料与系统、可采取的操作、金额或资源上限、持续时间、需要人工批准的节点、禁止行为和停止条件。权限应能被撤回或到期失效；委托主体、系统运营者和被授权执行者之间的关系应在记录中保持可追溯。授权范围越大，对审批、监控与恢复能力的要求越高。

“允许生成建议”和“允许作出承诺”是不同权限。智能体可以整理报价、提出合同草案，但是否可以向外签订合同、转移资产或确认他人贡献，必须单独授权。对重大权益变动，可以要求由具有相应权限的人复核并签署；对低风险、可逆的小额操作，可以在预定限额内自动执行。这样的分层不是在所有环节形式化地加入一个人工点击，而是让不同风险对应实际有效的控制。

行动证据也不能只保留最终答案。可核验记录应能够关联任务编号、授权版本、智能体与工具版本、关键输入来源、调用的外部资源、操作时间、输出摘要、人工审查和后续修改。敏感数据及完整过程不必全部上链；可以在适当受控环境中保存原始材料，在共享账本上记录摘要、签名、状态与访问规则。哈希只能帮助检查材料此后是否被改动，不能证明输入本来真实，也不能证明智能体推断正确。

证据保留需要比例原则。为每个低风险动作保存完整推理轨迹，可能增加隐私、商业秘密与运营负担，且未必提高可解释性。制度应先明确争议时必须回答的问题，再确定保存哪些输入、工具调用和人工决定；对高影响操作提高记录粒度，对日常低风险操作允许抽样检查。记录的目的在于复核授权、事实与结果，而不是用一份庞大的日志制造“责任已经可追溯”的外观。

责任归属应沿实际控制与义务来源追问。委托人若给出不当目标，不能把后果完全推给执行系统；部署组织若赋予过宽权限或忽略明显异常，应说明其管理责任；数据提供者若违反其保证，需要依据其承诺处理；审核人若只形式签字，也不能因“人工在环”就当然解除责任。多个主体可以分别承担不同环节的义务，不能因为存在多个参与者就出现无人负责的空档。具体责任及救济仍须按照适用制度和法律判断，账本只能保存支持判断的事实链。

这种区分与现有风险治理研究相接。NIST 的 AI 风险管理框架〔1〕强调人机配置中的角色、责任与监督应被明确规定和记录；其关于智能体身份与授权的概念文件〔2〕也把身份、权限和可核验行动列为需要解决的问题。这些资料为制度设计提供问题清单，并不代替具体组织对授权与责任的决定。

三、自动化成果如何影响贡献评价与收益安排

自动化改变了产出成本，也改变了“贡献”的可比性。一个人用智能体一天生成上百份文本，不应仅因数量大就获得上百倍贡献；另一个人花时间核验事实、识别错误并承担发布责任，也不应因输出件数少而被忽略。评价对象应从动作量转向经确认的有用成果及其形成条件：它是否解决真实任务、是否达到质量要求、是否被实际使用、是否减少重复劳动、是否产生新的可持续能力，以及是否造成额外的核验与风险成本。

需要分别记录自动化程度与人类贡献性质。自动化程度可以描述任务中哪些环节由工具完成，但不能直接推出人的贡献比例。任务设计、领域判断、异常处理、复核和长期维护的价值，并非用“人手敲了多少字”衡量。反过来，使用高成本工具也不当然意味着更高贡献；工具费用是成本，组织吸收的有效能力才可能与长期资本形成有关。

收益安排应先明确制度目标。若目标是补偿已完成劳动，可以规定成果验收后的报酬；若目标是激励持续维护，可以把部分收益与后续可用性或服务义务相连；若目标是分享长期共同创造的增量，则需要说明可分配资源、风险承担、归属周期和受益资格。模型供应商、平台、员工与客户可能各有合同价格、服务费用或合作分配，不能把所有关系都塞进一个“AI贡献积分”。更不能因智能体在账本上拥有地址，就推论它应直接取得资本份额或治理席位。

在共同使用工具的团队中，还应防止双重归因。某项自动化成果可能依赖组织购买的模型、团队长期积累的资料、个人提出的问题和另一组人的复核。制度可以给不同环节建立贡献事件及证据关联，规定哪些投入已由工资、采购价或服务费覆盖，哪些新增成果允许另行参与分配。若同一成本或成果在多个账户中反复计入，不仅扭曲收益，还会夸大已经形成的资本。贡献分配可以依事前约定加上复核程序，不宜由系统根据调用次数自动推定“公允比例”。

自动化也可能使原有岗位价值下降或工作内容迁移。制度不能只讨论效率收益归谁，还应讨论培训、转岗、过渡期、已有承诺和退出安排。对因共同知识、历史数据与员工经验训练或配置而成的能力，要明确使用授权、保密、补偿及持续维护责任；对被替代的具体劳动，不能凭一条新规则追溯取消已取得的报酬或贡献记录。共同成长的含义，是把新能力带来的收益与调整成本纳入可审议的制度，而不是假定技术进步会自动公平分配。

因此，智能体的成果进入资本记录要经历更严格的区分：输出被生成，不等于任务已交付；交付被接受，不等于成果可跨期使用；被持续使用，不等于特定个人拥有相应资产；形成长期能力，也不自动确定收益权或所有权。每一步都需要对应的事实、制度条件和责任主体。这与本书对贡献、资本和权益的基本界定保持一致。

四、防止规模化虚假贡献、代理串谋与责任空缺

智能体降低了生成记录的成本，也降低了制造“看起来像贡献”的成本。同一控制人可以批量创建账户、相互提交任务与评价；多个智能体可以交换内容、循环引用并制造使用量；组织内部也可能为了完成考核，把无需求的产出写成已交付成果。共享账本能够保存这些记录，却不会因记录不可轻易修改而使其变真。规模化虚假贡献是制度输入端的问题，不是账本最终性能够单独解决的问题。

防范应从任务来源开始。贡献事件需要关联真实需求、授权预算或资源、可验收标准与受益方；评价不能只由生产者控制，必要时引入业务使用者、独立复核或抽样审计。重复、近似和循环交易可作为异常线索，却不能仅凭相似度或同一网络地址宣告作弊。系统应允许解释、复核和申诉，避免反欺诈模型把合法的团队协作误判为串谋。

代理串谋往往跨越技术身份。两个表面独立的智能体可能受同一运营者控制；一个审核智能体可能由成果提供方配置；人工批准者也可能只按智能体建议机械签字。应披露实质控制、资金关系和角色冲突，设置相互独立的审查路径，并对关键环节实施职责分离。独立性不是多设几个地址，而是使提出、验证和裁决权不能由同一利益方向无约束地掌握。

安全威胁还会改变“是谁行动”的判断。外部文本可能诱导智能体偏离原任务，过宽的工具权限可能使其执行本不应执行的操作，凭证泄露可能让他人冒用其身份。防护应包括权限最小化、输入与工具调用隔离、异常监控、限额、停机与恢复，以及对高影响操作的独立确认。OWASP 关于智能体应用风险的资料〔3〕把工具误用和身份权限滥用列为重要攻击面；本书据此提出的治理要求仍需按具体系统的威胁模型验证。

责任空缺则是另一类风险。组织可能把任务交给外部智能体，外部服务商又调用其他工具，最终人人声称只是提供通用技术。制度应在部署前确定对外负责的主体、内部追责与追偿路径、事故报告义务、证据保全责任及受影响者的申诉入口。跨组织合作时还须明确谁能暂停系统、谁能纠正错误权益记录、谁承担已发生给付的处理成本。技术链条可以很长，面对受影响者的责任通道不能无限后移。

对于高风险或大规模自动化，治理还需要总量边界。每个主体可自动提交多少待核验贡献、自动获得多大额度权益、在何种异常阈值下转入人工复核，都应事前设定并定期审议。限制既不能只靠模型自报“我有信心”，也不宜一律以产出数量处罚高效率协作。应综合任务价值、证据质量、历史错误率、风险规模和纠错能力，并公布规则改变的授权与救济方式。

最终要检验的不是智能体是否“像人一样拥有贡献账户”，而是制度能否更准确地把真实需要、有效行动、持续能力和可兑现承诺连接起来。可比较的指标包括虚假或重复贡献的发现率、误伤合法贡献的比例、从异常出现到责任确定的时间、审核成本、被采纳成果的长期可用性，以及参与者对收益规则的可理解程度。只有当这些指标相对于可行的非区块链方案有所改善，且成本与权力集中风险可接受，才有理由认为共同账本提供了额外价值。

五、行动证明、风险分级与责任密度

人机协作要进入资本治理，不能只证明“某个智能体做过什么”，还要证明该行动处在何种委托关系中。一个可复核的行动单元至少应关联九项内容：任务目的、委托主体、被授权智能体、模型与工具版本、可用数据范围、实际操作、人工审查、组织采用和异常处置。它们共同形成行动证明，但并不要求全部原始内容公开或上链。

记录深度应当与风险匹配。低风险、可逆、影响范围小的任务，可以保留任务、版本、结果与抽样审查；中等风险任务需要明确数据来源、工具权限和独立验收；涉及资产转移、对外承诺、人员权益或不可逆影响的高风险任务，应要求事前批准、限额、双重确认、实时监测和可执行的停止机制。分级的意义在于把稀缺的人类注意力放在高影响节点，而不是让“人工在环”沦为对所有结果的机械盖章。

本书进一步提出“责任密度”这一设计指标：在一段自动化流程中，能够改变他人权利、资源或机会的每个关键节点，都应当找到至少一个有能力采取行动、具有明确义务并可被追究的人或组织。责任密度不是责任主体越多越好。主体过多却没有首要回应者，会形成扩散；只有一个名义责任人却没有权限和信息，也只是形式承担。需要检查的是责任是否覆盖风险节点，以及受影响者能否沿一条有限路径获得说明和补救。

防止规模化虚假贡献，还需要把容量控制放在身份数量之前。即使每个智能体都有独立标识，同一实际控制人仍可能批量行动。制度可以按委托主体、任务预算、可核验需求和审核能力设置提交容量，对异常关联、循环采用和自我评价提高复核强度。容量限制应有明确理由和申诉路径，避免用反欺诈名义排斥高效率但真实的贡献。

最小试验可以选择一种不会直接处分重大资产的知识任务，让人工团队与人机团队在相同目标、资料和验收标准下工作。试验预先规定授权边界、审查抽样、错误分级和停止条件，同时记录生成数量、实际采用、复核负担、错误修正及责任定位。若自动化组只提高产出量，却显著增加无用结果、审核成本或责任查明时间，就不能把活动规模当作资本形成。

六、未来命题卡：可追责的人机共同创造

若这项命题只能在持续扩大监控、集中身份和强制使用单一平台的条件下成立，其制度代价可能超过效率收益。未来研究必须把生产率、参与者权利、责任可达性和基础设施权力放在同一评价框架中。

人与智能体的协作可能扩展共同创造的规模，却也使代理链、证据链和责任链更加复杂。制度技术的任务不是把智能体拟制为一个无需人负责的新资本主体，而是让每一项重要行动都能回到有效授权、真实成果、明确义务与可行救济。下一章将把视野移向多个组织之间：当不同制度的身份、贡献与权益记录需要相互解释时，如何保持协作，同时避免共同基础设施变成新的控制中心。

定稿补强：智能体安全、人类批准与责任主体

智能体应被视为具有可识别身份和有限能力的技术行动单元，而不是因能够自主执行就取得当然法律人格。每项高影响任务都要登记部署者、授权人、受益人、模型或服务供应者、数据与工具来源、许可和最终责任主体。责任主体不能因任务由多个模型、插件或代理链完成而空缺。

智能体威胁模型应覆盖提示注入、工具滥用、数据投毒、模型与供应链漂移、身份冒用、代理串谋和规模化虚假贡献。控制包括任务沙箱、最小工具权限、输入隔离、模型与工具版本、行动限额、运行监测、熔断、证据保留和定期再授权。可追踪身份只是追责条件，不能代替运行时限制。

自动推荐、自动评价和自动执行不得形成自我批准闭环。基本权利变化、大额分配、身份或资格取消、重大规则升级、例外裁决和对外不可逆履行，应由具名的人或有权组织批准；高风险事项配置双人复核。人类批准也必须是实质审查，系统应保留意见分歧、拒绝理由和复核时间，而不是用点击确认转移责任。

本章工具与图表

本章的制度关系可结合附录三、附录十三使用。附录用于形成可填写、可核对的工作成果，不能把模板中的默认项视为已经生效的组织规则。

图30-1　人、组织与AI智能体的授权—行动—责任链。 智能体可以执行任务和生成证据，责任必须沿授权与控制关系回到人或组织

本章注释

1. [SRC-001] 美国国家标准与技术研究院（NIST）：NIST 的 AI 风险管理框架。原文或官方页面

   • 本章引证：NIST 的 AI 风险管理框架。
   • 支持范围：用于说明公共机构对风险、身份、评估或技术能力的框架性要求，本书引用主题包括：NIST 的 AI 风险管理框架。
   • 使用边界：框架提供分析与控制依据，不替代组织对具体事实、成本和责任的独立判断。
   • 证据等级：B（官方机构、协议项目或公共组织发布的说明与指南）；链接状态：已完成可访问性核验，核验日：2026-10-08。

2. [SRC-059] 美国国家网络安全卓越中心（NCCoE／NIST）：Accelerating the Adoption of Software and AI Agent Identity and Authorization。原文或官方页面

   • 本章引证：概念文件。
   • 支持范围：用于说明公共机构对风险、身份、评估或技术能力的框架性要求，本书引用主题包括：概念文件。
   • 使用边界：框架提供分析与控制依据，不替代组织对具体事实、成本和责任的独立判断。
   • 证据等级：B（官方机构、协议项目或公共组织发布的说明与指南）；链接状态：已完成可访问性核验，核验日：2026-10-08。

3. [SRC-046] OWASP Foundation：OWASP 关于智能体应用风险的资料。原文或官方页面

   • 本章引证：OWASP 关于智能体应用风险的资料。
   • 支持范围：用于展示具体实现方式、工具接口或实践中的可行安排，本书引用主题包括：OWASP 关于智能体应用风险的资料。
   • 使用边界：实现资料用于说明可行技术路径，不等同于独立安全审计、法律效力或经营效果证明。
   • 证据等级：C（实现层或第三方技术资料，用于说明具体工具与实践）；链接状态：官方来源存在访问限制，已保留人工复核标记，核验日：2026-10-08。