> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-liu-bu-fen-yun-ying-pian/36-chi-xu-die-dai-yu-zhi-li.md).

# 第 36 章 · 持续迭代与模型治理

运营篇的最后，谈两件配套的事：持续迭代，和模型治理。前者让 AI 越用越好，后者让它在越用越多的同时不失控。

先说持续迭代。第 31 章讲过，AI 项目是演化式的，不是一次交付就定型。真正让它变好的，是真实使用中的反馈——收集它出的错、补上缺的数据、调整不顺的流程，建立一个"发现问题、改进、再验证"的循环。这个循环转得越勤，AI 就越贴合业务；循环一旦停下，它就会像上一章说的那样，慢慢漂移退化。迭代不是可选项，是维持 AI 有用的必要动作。

再说治理，这是随规模化而变得越来越重要的一件事。治理要管住几样东西。一是清楚地知道组织里用了哪些模型、哪些版本——否则会出现"影子 AI"：员工私自把敏感数据喂进各种不受控的工具，泄密风险在暗处累积。二是数据流向哪里，这直接连着合规（下一部分展开）。三是谁有权改什么，关键场景的变更要有管理，不能谁都能随手动。四是出了问题能不能追溯——第 29 章说过，走确定的知识结构的决策，比纯黑箱更容易讲清"凭什么"，这在需要问责的场景里格外要紧。

为什么规模化之后治理格外重要？因为当 AI 从一两个试点，扩散到组织的各个角落，如果没有治理，它就变成一堆分散的、会自信犯错的黑箱，谁在用、用了什么、数据去了哪，都说不清——这样的状态，一旦某处出事，往往是集中爆发。加上监管的要求越来越明确，治理从"锦上添花"变成了"规模化的前提"。

但治理有它的分寸，和第 32 章讲护栏时是同一个道理：它不该做成拖慢一切的官僚流程。治理的目的，是让组织能放心大胆地用 AI，而不是设一堆关卡让人不敢用、只好绕开——而员工一旦开始绕开治理，就又回到了"影子 AI"的老路。所以好的治理，是轻的、嵌在流程里的，让合规的用法成为最省事的用法；过度的治理会扼杀试错，而没有治理会在规模化后集中爆雷，要在两者之间找到平衡。这也正好接上下一部分要专门谈的合规与治理——当监管越来越紧，把这件事做在前面，是主动，而不是被动。

## 要点速查

* 持续迭代：AI 是演化式的，靠真实反馈建立"发现问题→改进→验证"的循环；循环停，AI 就漂移退化。
* 治理要管四样：用了哪些模型/版本（防影子 AI）、数据流向哪（接合规）、谁能改什么（变更管理）、出问题能否追溯（可审计）。
* 规模化后治理是前提不是点缀：AI 扩散到各角落，无治理=一堆会自信犯错的黑箱，出事集中爆发；监管也在收紧。
* 治理要轻、嵌在流程里，让合规用法成为最省事的用法；过度治理扼杀试错，无治理规模化后爆雷。

## 给管理者的三步

* 现在：摸清组织里到底有多少"影子 AI"（员工私自使用的不受控工具），这是治理的第一个盲区。
* 三个月：建立最小治理清单——模型/版本台账、数据流向、变更权限、可追溯，先覆盖高后果场景。
* 一年：把持续迭代的循环和轻量治理都嵌进日常流程，让"合规地用"成为最省事的默认路径。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-liu-bu-fen-yun-ying-pian/36-chi-xu-die-dai-yu-zhi-li.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.