数据治理管不住 AI：Agentic 时代为何需要统一治理框架

一家大型保险公司曾上线一套准确率达 96% 的 AI 核保系统，却在三个月后被发现在某欠发达县域系统性给出过低的核保通过率。事后复盘，「数据质量高」恰恰掩盖了「数据代表性不足」——训练集 97% 来自一二线城市，欠发达地区占比不到 3%。这一案例折射出数据治理与 AI 治理之间的结构性缺口：数据治理审查准确性、完整性与及时性，却不审查代表性；而 AI 治理团队接手时才发现，上游早已失控。

从数据治理到 AI 治理：边界的迁移

数据治理回答的是「这数据可信吗」，AI 治理回答的是「这模型的决策可信吗」。综合 EU AI Act、NIST AI RMF、ISO 42001 等主流框架，AI 治理聚焦四大核心领域：

公平性与偏见检测：解决「准了也不公平」的问题，防范系统性歧视。
可解释性与透明度：EU AI Act 明确要求高风险 AI 系统必须可解释。
模型风险与持续监控：模型上线后会因数据漂移而性能下降，需持续监控。
问责制与合规：明确权责归属，并将控制措施映射到具体监管要求。

Alation 在其 AI 治理白皮书中进一步区分了两种常被混淆的问题：一是「AI 合规治理」，追踪哪些模型已部署、哪些法规适用；二是「治理 AI」，确保 Agent 消费的知识——业务定义、数据质量信号、语义模型——在每个平台上都准确、一致、可辩护。即便一项 AI 系统通过所有合规检查，若基于不一致的语义模型推理，仍可能产生自信但错误的输出。

全球监管加速落地，AI 治理成为必答题

欧盟《AI 法案》按四层风险分级，核心条款于 2026 年 8 月全面适用，违规最高可罚全球营收 7%。美国于 2025 年底签署国家 AI 政策框架行政令，2026 年 6 月追加前沿模型自愿预发布审查机制。中国则通过《全球人工智能治理倡议》《人工智能全球治理行动计划》建立算法备案、大模型安全评估、生成内容标识三大制度。国内的 DCMM 2.0 自 2026 年 7 月 1 日起，对 4 级及以上认证强制要求企业具备 AI 自动化质量校验、智能安全审计与 AI 驱动的元数据发现能力。AI 治理已从「要不要做」的选择题变成「怎么做好」的必答题。

与此同时，数据治理的内涵被 DCMM 2.0 重写：安全评分从 15% 提升到 25%，新增数据资产域（产权登记、价值评估、资产入表）以及数据应用流通域（外部数据管理、AI 数据应用）。2018 年的数据治理是「守住数据不出事」，2026 年的数据治理则是「让数据变成资产增值」。

三层关联：AI 治理与数据治理的结构性咬合

OvalEdge 的白皮书用一句话概括两者关系：「AI 治理扩展数据治理，而不是替代它。」依赖关系是单向的——AI 治理无法补偿薄弱的数据治理基础。数据质量、血缘、认证定义是模型可靠性的底座。

但关系不是单向的。AI 治理反过来在三个方向「倒逼」数据治理升级：

数据代表性：传统数据治理关注「准不准」，AI 时代还需关注「全不全、偏不偏」。
语义一致性：同一指标在 Snowflake、Databricks、Tableau 上的定义必须统一，否则 Agent 跨平台调用会得到不一致的答案。
数据使用权：Agent 读取客户数据用于分析、训练还是自动化决策，合规要求完全不同。

监管也在把两者「焊死」在一起。EU AI Act 与 GDPR 在涉及个人数据时必须同时遵守；DCMM 2.0 也将数据治理与 AI 治理能力评级整合到同一框架。未来的审计只会问一个问题：从数据到模型到决策，治理证据链是否完整？

Agentic AI 放大治理缺口

Agentic AI 不仅做预测和推荐，更会理解目标、拆解任务、调用工具、执行工作流。在治理薄弱的环境中，小的数据问题、访问失败或策略缺陷会被放大成下游实际行动。Everest Group 的研究显示，企业级 Agentic AI 试运行项目进入生产阶段的比例仅约五分之一。更值得警惕的是成本本身正在成为治理风险——Uber 在 2026 年前四个月就耗尽了全年的 AI 编码预算。推理、检索、API 调用与 Agent 工作流的消耗若没有统一视图，糟糕的数据质量与薄弱控制会持续推高成本。

五步路线图：构建统一治理

综合 IBM、OvalEdge、Everest Group 与 Alation 的实践框架，统一数据治理与 AI 治理可分五步推进：

以数据治理为地基、AI 治理为楼层：并行推进，数据治理先行半步，避免 AI 在「等待期」无治理运行。
建立共享清单：数据资产与 AI 系统统一管理，数据合约自动链接到模型卡片与系统卡片。
延长血缘到模型端：审计证据需串联血缘、质量、访问权限、模型行为、Agent 动作与监控结果。
让 AI 继承认证定义：业务术语独立于任何单一平台，集中管理并同步到所有需要它的系统。
明确「中间地带」的联合所有权：血缘、敏感数据、合规等共享区域由 CDO 与 CAIO 联合拥有，弥合数据出口与模型入口之间的责任断裂。

在 Agentic AI 阶段，数据治理与 AI 治理不再是两个独立项目，而是同一条证据链的两个端点。能否打通这条链路，将直接决定企业 AI 应用从试运行走向规模化的速度与可信度。