与会者指出，AI 带来的组织变革是”根本性的”，而非对既有流程的小修小补。哈佛商学院教授 Tsedal Neeley 强调，这”不是渐进式调整，而是引入全新的系统、流程与结构”。该院教授 Mitchell Weiss 透露，去年秋天哈佛商学院成为”或许唯一一所要求每个学生都配备 GPT Plus”的商学院，且费用由学校承担——它正把 AI 素养当作未来管理者的基本功来培养。

透明，是监管的通用工具

法学教授 Noah Feldman（曾担任 Facebook 监督委员会顾问）认为，企业当下就该建立”出错时对外披露、对内透明”的机制，为日后监管强制透明做铺垫。他直言：”监管从来都依赖透明这一关键工具，没有例外。”在监管形态上，国有化是最极端、也少有人支持的选项；更务实的路径是刑法、成文民事规则与行政规章，且大概率由既有监管机构分头接管，而非新设一个专门的 AI 监管局。

纳斯达克美国交易所董事 Anita Lynch 补充说，Meta、Google 等公司虽在 2023 年 7 月自愿承诺 AI 安全标准，却”没有硬性约束阻止它们另起炉灶”。她判断，政府监管将设定”最低标准”，但企业现在就能建立更高的内部标准。

像对待电力一样对待 AI

斯坦福计算机科学家 Andrew Ng 曾把 AI 比作电力：电力行业监管严格却保持灵活，AI 监管也应如此——具体用途难以穷尽预判，但不等于不必尝试。哈佛法学院教授、Berkman Klein 互联网与社会研究中心主任 Jonathan Zittrain 则提议，用政策激励企业披露”尚不违法却有些可疑”的行为，例如对主动公开者设定赔偿上限，从而改变企业激励。

这场讨论的底线共识是：AI 风险已是现实问题，不能等”通用人工智能”到来才仓促应对；在速度与安全的权衡上，社会或许尚无定论，但”认真谈起来”本身已是第一步。