2026 年 10 月 1 日，The Interline 刊出一篇长文，讨论时尚行业愿意让 AI 决定多少事。文章引用了当年发布的 AI Report 2026 的调查结果，十个人里有九个表示自己每天在家里和工作里都在用 AI，只有大约四分之一的人信任它的输出，信任到愿意拿它支撑一个重要决定。文章作者 Ben Hanson 的观察是，行业对 AI 的使用速度，已经超过了它对 AI 的信任程度。
这组数字放在一起，说明一件事。AI 已经进了员工的日常工作，但它没有进公司的制度。
一个设计师用它出图，买手用它写商品描述，区域经理拿它做竞品分析。财务在整理会议纪要的时候，也把内容粘进了对话框。这些动作每天都在发生，多数公司没有一条规定说清楚什么可以做什么不可以做。没有规定不等于没有风险，只等于风险由个人承担。
三种风险最现实。第一种是数据。员工把客户名单、未上市的新品图、供应商报价粘进对话框，这些内容去了哪里，公司不知道。第二种是错误。AI 给的一个数字看起来很像真的，被直接放进汇报材料，到了董事会才被发现不对。第三种是责任。一份方案出了错，谁签的字谁负责，但方案是 AI 写的，写的人说自己只是照抄。
三种风险背后是同一个问题，公司没有把 AI 当成一项需要管理的工具，而是当成员工自己找来的帮手。这个状态在几十人的公司里问题不大，在几千人的公司里，一年能积累出几十起说不清的事。
服装企业还有一个特殊之处，公司里最值钱的东西大多没有明确的保密等级。客户画像、版型数据、对面料手感的描述，这些内容既不在系统里，也没有对应的管理规定，员工用起来毫无顾忌。
做对的样子是先把规矩写下来，不需要很长，四行就够。
第一行写谁能用。哪些岗位开放，哪些岗位需要申请，试用期员工和外聘人员怎么处理。这一行看着琐碎，实际是数据边界的第一道门。第二行写什么数据不能进。客户个人信息、未公开的财务数据、未上市的产品设计、合同原件，这四类一律不进外部模型。第三行写什么结论必须人工复核。凡是涉及金额、对外承诺或者人事决定的输出，必须有人重新算一遍再签字。第四行写出错怎么处理。发现错误多久内上报，谁负责追溯，什么情况下暂停使用某个工具。
四行写完之后，还要配两件东西。一件是一个内部清单，列出公司批准的 AI 工具，以及每个工具允许的使用场景。员工不用猜哪个能用。另一件是一次半天的培训，不讲原理，只讲三个真实案例，每个案例说清楚错在哪、后果是什么、以后怎么做。
做错的样子有两种极端。一种是全面禁止，发一个通知说上班时间不许用 AI。这种通知在发布当天就失效了，因为员工照用，只是不告诉公司。另一种是完全放开，谁想用就用，出了问题再说。两种做法方向相反，结果一样，都是管理层不知道真实情况。
还有一个容易被忽略的动作，把用得好的人找出来。同一批员工里，总有人用 AI 把一件事从两天压到两小时。这些人的方法比任何培训材料都有用，把他们找出来，让他们在内部讲一次自己怎么用，效果远好于请外部讲师。这件事成本很低，多数公司没做。
AI 这件事推进到第二年，差距不在工具有多先进，在公司有没有把它接进日常管理。有规矩的公司，员工敢用、会用、出了事有人兜。没规矩的公司，员工偷偷用，管理层最后一个知道。
希纪在给服装企业做 AI 经营改革时，第一步会把这家公司已经在用的 AI 场景摸一遍。摸完会发现，实际发生的事情比管理层以为的多得多。这张清单，是后面所有动作的起点，也是唯一不需要预算、今天就能开始的一步。