据TechRadar报道，随着人工智能嵌入关键公共服务，主权AI正成为政府面临的重大战略问题。这篇由Exponential-e公共部门与统一平台高级总监撰写的文章认为，真正的主权不只是数据存放在哪里，而是对AI从数据驻留、访问方式到模型治理和测试的整个生命周期保持控制。
文章指出，当前许多讨论仍把主权简化为地理问题，即数据存储在哪里、基础设施由哪个国家托管、信息是否留在国境内。这些问题重要，但只是图景的一部分。对公共部门而言，AI正从试验走向服务，医疗、教育以及中央和地方政府都依赖需要保持安全、韧性和可问责的数据与系统，失去控制的后果远大于聊天机器人给出错误回答。
文章认为，把信息留在英国并不自动使AI部署具备主权。一个组织可能将数据托管在国内，却依赖外部模型、平台或服务，对其可见性和控制力有限，可能并不完全了解信息在哪里处理、模型如何访问信息，以及系统变化后会发生什么。这带来更广泛的依赖问题。随着AI工具更深地嵌入公共服务，团队需要理解的不只是数据在哪里，还包括数据与决策之间有什么。
文章提到，随着AI从简单助手转向能代表组织采取行动的代理，风险正在上升。AI系统的自主性越强，知道它能访问什么信息、能影响什么决策、最终问责落在哪里就越重要。
在方法上，文章主张“把AI带到数据身边”，而不是把敏感数据自动发送到AI所在之处。公共部门采用AI时，不应从模型出发问哪些数据可以连接，而应从要改善的服务或决策出发反向设计。文章称，组织缺的往往不是洞察，而是决策，因此不应把所有问题都交给同一个生成式AI模型，而应根据问题选择技术：部分应用适合生成式AI，其他可能更适合传统自动化、机器学习或优化算法。目标不是使用最新技术，而是安全有效地取得正确结果。
文章还指出，治理不能事后补上。主权不只是网络安全问题。安全固然根本，治理同样重要。公共部门需要能解释AI在做什么，测试它是否按预期运行，并保持适当的人类监督。AI基于概率，相同输入不总产生完全相同结果，也可能生成看似可信却错误的答案，这与传统软件不同。AI应被视为需要持续测试和治理的对象，而非部署后就不管。这意味着安全、合规和风险团队应从项目一开始就参与，而不是系统建成后再批准。
文章称，这还意味着围绕数据访问和使用建立明确规则，确保AI系统运行有透明的审计轨迹，最重要的是从第一天起就把人类监督设计进系统。没有正确的基础，这些都无法实现。主权AI战略需要安全的云环境、有韧性的连接、强大的网络安全和合适的数据架构。