AI Execution Boundaries
方法 · OntologyAction 方法体系 — 中文 · English
As AI systems become capable of taking actions, a governance boundary that was previously implicit is becoming explicit. We call this boundary the AI Execution Boundary.
AI 系统正在从「生成回答」走向「执行动作」——发起退款、审批交易、修改客户记录、变更配置、触发业务流程。回答错了可以重新生成；动作做错了，会改变业务系统的真实状态。
当执行主体从人变成 AI，一条过去由流程和权限体系隐含兜住的边界，必须被显式定义。我们把它称为 AI Execution Boundary（AI 执行边界）。
五个必须能回答的问题
治理 AI 执行边界，意味着企业能明确回答：
- AI 可以执行哪些动作？
- 在什么条件下可以执行？
- 哪些必须经过人工审核？
- 哪些必须被阻止？
- 当规则无法裁定时，会发生什么？
第五个问题最常被忽略，也最危险。
设计时：三个维度
要显式定义执行边界，设计时需要三个维度——这与本体优先架构的三层模型一脉相承：
- Ontology（是什么）：AI 所处的业务世界——对象、关系、业务概念。没有它，「订单」「已完成」「退款」对系统只是字符串。
- Policy（允许什么）：什么条件下允许、什么必须人工、什么禁止——金额阈值、状态约束、风险条件。
- Action（做什么）：AI 能执行的业务操作，以及它会造成什么状态变更。
三者合起来回答：在什么业务语义和规则下，AI 可以做什么。
运行时：三种规范裁定状态
每次 AI 发起动作时，Policy Evaluation 对照当前业务事实求值，产出三种规范裁定状态（Canonical Evaluation States）之一：
- PROOF：可证明该动作被现行 Policy 明确允许；
- VIOLATION：可证明该动作违反现行 Policy；
- UNDEFINED：无法证明允许或违规——Policy 裁定不了。
裁定由 PDP（Policy Decision Point） 做出，由 PEP（Policy Enforcement Point） 强制落实——放行、阻断，或落实附带义务（如「大额退款须人工审批」：明确允许 + 一条义务，而不是第四种裁定状态）。
UNDEFINED 不是一种决策，而是裁定能力的缺失。 把它显式化，才能看见原本不可见的事实：
Policy coverage gaps are governance gaps.（策略覆盖的缺口，就是治理的缺口。）
边界显式化之后，治理成熟度可以度量：Policy Decidability Rate（策略可裁定率） = (PROOF + VIOLATION) ÷ 到达 Policy Evaluation 的动作请求数。
方法闭环
text
Design-Time：Ontology + Policy + Action
↓
Execution Boundary Assessment（设计时边界评估）
↓
Runtime：Policy Evaluation → PROOF / VIOLATION / UNDEFINED
↓
PDP → Decision → PEP
↓
Action（+ Evidence / 可裁定率度量）它不重新发明权限系统或策略引擎，解决的是更上游的问题：在 AI 真正获得执行能力之前，企业是否已经清楚地定义了 AI 可以做什么、什么条件下可以做、什么必须被阻止——以及规则裁定不了时怎么办。
延伸阅读
- When AI Can Act Why Actions Must Become First-Class Governance Objects（English · 本站）
- 上一篇索引：Insights
- Framework：本体优先架构
This methodology is being developed as part of an ongoing effort to define practical governance patterns for agentic AI systems.