导 读
AI飞速迭代、监管持续更新，很多科研停留在纸面，难以适配真实产业和政务场景。爱尔兰 EMPOWER 项目探索国家级有组织科研新范式，联动产学研政多方力量，围绕数据治理与负责任 AI 开展协同共创，用多元评价体系认可落地性成果。它用实践证明：优质的数据治理科研，从不只是学术产出，而是驱动行业创新、完善国家治理的核心动能。
当全球仍在人工智能引发的变革浪潮中探索前行时，爱尔兰国家数据治理、伦理与负责任人工智能计划“EMPOWER项目”已悄然完成了其历时数年的使命。这个由爱尔兰科研署旗下四大顶尖研究中心联合产业界、公共部门和政策制定者共同推进的国家级有组织科研项目，不仅产出了29项合作研究成果，而且在经济、社会、政策、公共服务、国际合作、健康与福祉、专业服务以及人力资源等多个层面产生了可衡量的影响。更重要的是，它在更深的层面上改变了爱尔兰乃至欧洲对数据治理和负责任人工智能有组织科研范式的认知与实践。
国家战略需求催生“非常规”研究计划
2020年，欧盟委员会发布了《人工智能白皮书》，标志着欧洲人工智能战略的全面启动。随后，《数据治理法案》《数据法案》《人工智能法案》等一系列监管框架相继出台，为确保数据被负责任地使用，仅与有合法需求的对象共享。但这在实际操作和管理中却面临诸多困难，无论是国家层面还是全球范围，都需要开发新的数据治理方法，明确权限、标准及实践规范，并运用智能技术实现流程自动化。为了应对这一挑战，EMPOWER项目于2021年应运而生。EMPOWER从设计之初就定位为“爱尔兰首个国家级混合研究计划”，其筹资目标超过1000万欧元，横跨学术界、产业界和公共部门，致力于研究有效且高效的数据治理，为全球数据生态系统的繁荣作出贡献。
“EMPOWER并非传统的科研项目构想。”EMPOWER项目总监、爱尔兰梅努斯大学创新价值研究院主任马库斯·赫尔弗特（Markus Helfert）在接受本报记者采访时表示，它从一开始就植根于现实挑战，与利益相关方共同定义问题、共同寻求解决方案的过程。项目启动之时，远程协作成为常态，监管环境快速演变，公众对数据使用和人工智能的审视日益严格。在这种高度不确定的环境中，EMPOWER必须构建一种既能保持战略方向一致，又能灵活适应变化的治理模式。
社群、共创、协作的实践
据赫尔弗特介绍，在EMPOWER项目正式启动之前，就已建立了一个强大的行业和公共部门利益相关方社群。这个社群积极参与研究议程的制定，并对新出现的挑战及拟议方案提供关键反馈。EMPOWER的研究架构围绕五个共创支柱构建，即数据市场、监管沙盒、隐私增强技术、治理与标准以及以人为本的设计与数据伦理。这些支柱并非由学术机构单独设计。相反，它们是与来自行业、公共部门、标准制定组织和政策制定机构的非学术合作伙伴共同协作塑造的。“这确保了EMPOWER项目在应对现实挑战的同时保持学术严谨性，并且每个方向都服务于一个连贯的国家级数据治理和负责任人工智能议程。”赫尔弗特告诉记者。
支撑这一跨学科结构的是一种领导模式，它结合了协调一致的分布式治理与各机构间的顶尖专业知识，这被证明是项目成功的关键推动力。EMPOWER汇集了多个来自爱尔兰科研署旗下研究中心的国际知名专家，确保了每个主题领域的知识深度和可信度。项目并未采取集中化的指挥与控制模式，而是通过联邦式的领导结构运作。每个研究中心在共享的治理框架内工作，该框架不仅明确定义了角色、职责和升级路径，同时还保持了学术自主性。
赫尔弗特认为，这种独立性与一致性之间的平衡，既促进了果断决策又不削弱协作关系，并确保了问责制和灵活性——这对于国家级、跨部门、跨学科的复杂研究至关重要。
在明确的治理边界内采取灵活的资助机制也是EMPOWER项目成功的关键。虽然整体计划的目标和问责要求是被明确界定的，但单个项目可以根据研究见解的出现而发展演变。由于监管框架也在发展，例如欧盟《人工智能法案》《数据治理法案》和《数据法案》以及“欧洲健康数据空间”在项目持续期间不断重塑优先事项，这种灵活性确保了相关性和政策的一致性。
真正的产学研共创与协作使EMPOWER区别于许多传统研究项目。像富达投资、诺华、华为、Meta、IQVIA和Genesys等行业合作伙伴并非只是被动的资助方。他们积极参与研究问题的制定，验证解决方案，并支持将成果转化到实际应用环境中。这确保了项目产出立足于实际需求，并能在学术界之外产生影响力。
“这些因素结合在一起，使得EMPOWER能够将治理视为高质量、相关性研究的战略推动力，而非行政负担。”赫尔弗特说道。
跨机构协作的治理创新
八个机构、四个世界级研究中心，每个都有独特的组织文化、激励机制和学科规范，如何协调是EMPOWER项目面临的首要管理挑战。“仅靠正式的管理架构是不够的，还需要积极的整合。”赫尔弗特表示。EMPOWER通过设立跨界协调角色来应对这种复杂性，这些角色包括专职的项目经理、执行官、实践社群负责人与共同负责人，以及积极参与的领导层、指导委员会和咨询委员会。这些角色充当了学术、产业和政策领域之间的“翻译者”。
除了机构协调，另一个核心的管理挑战在于平衡预定的目标与跨学科研究所固有的探索性。与大多数资助项目类似，EMPOWER启动时已设定好交付成果，并对行业合作伙伴、爱尔兰科研署和国家政策目标作出了明确的承诺。然而，数据治理研究是在一个高度动态的环境中进行的：监管解读不断演变，社会期望在变化，而且技术能力，特别是人工智能的进步速度往往超越政策工具。
因此，EMPOWER项目面临的挑战之一是确定何时坚持原有计划，何时进行调整。项目早期对监管合规的准备工作就是一个例子。随着与行业及公共部门合作伙伴接触的深入，一个核心困难日益凸显：重点不在于理解法规本身，而在于治理的可操作性，即如何将监管原则融入数据流程、人工智能系统、组织流程和日常决策。
“对这一困难的认识促使项目转向了对实用工具、标准和实施框架的开发。”赫尔弗特强调，这种调整并未被视为对计划的偏离，而是被定位为对现实世界复杂性做出的响应。这种定位对于维持资助方和利益相关方的信任至关重要。
这些经验凸显了EMPOWER案例研究的一个核心启示：有效的研究管理，不在于强制保持僵化的稳定，而在于设计能够促成明智适应、透明沟通和相互信任的机制。
同样关键的是核心领导和管理团队的卓越能力与互补性。该团队在政策制定、国际网络建设、利益相关方协调、沟通以及EMPOWER五大支柱的学术领导力方面各有专长，他们的结合不仅创造出一个管理高效的项目，更培育了一个充满活力的跨学科生态系统。这个系统能够影响政策辩论，推动严谨的学术研究，并在组织内部大规模地嵌入负责任的创新实践。
多维评估体系：
超越传统学术指标的贡献认可
在大型跨学科合作项目中，如何公平评估个体贡献，防止“搭便车”行为，是一个严峻挑战。EMPOWER的解决方案是构建一个多维度的评估框架，将“有意义的贡献”概念化为多维度且依赖于具体情境的指标。
传统学术产出（如出版物）是重要评估指标，但项目同样认可应用工具和模型的开发、对国际标准及政策框架的贡献、在行业对接和社群建设活动中的领导作用等非传统形式的贡献。
赫尔弗特谈道：“在数据治理研究中，一些最具影响力的工作，如起草标准或设计治理模型，并不总能立即转化为学术成果。因此，我们需要更广泛的绩效指标，包括财务指标，如共同资助和竞争性资助计划的参与程度。”
为了减少“搭便车”行为，EMPOWER较少依赖激励机制，而更多地依靠结构透明度。项目清晰地阐明了责任和预期贡献，同时定期的进展报告确保了各团队工作的可见性，并使问题能够被及早发现和应对。更为重要的是，项目还认识到不同职业阶段研究人员的差异。
“我们对职业生涯早期研究者、博士后和资深学者的期望值相应地进行了校准，并且被明确认可指导和监督工作的实质性贡献。”赫尔弗特解释道。
影响力传播：
从认知到行动的四阶段模型
赫尔弗特向记者介绍，EMPOWER项目的影响力传播可概括为一个四阶段模型：认知建立→深度参与→合作意愿→实际行动。
在认知建立阶段，项目通过《爱尔兰时报》报道、DataGovernance.com、LinkedIn“研究员周刊”专题等渠道，建立全国范围内的知名度。这种认知通过有针对性的外延活动发展为更深层次的参与，包括爱尔兰科研署案例研究、行业网络研讨会（特别是医疗健康领域）、开放数据与数据共享论坛、“从政策到实践”系列活动、都柏林科技论坛等。
随着参与的深化，催生出开展结构化合作与知识交流的意愿。这体现在实践社群的巩固壮大、参与爱尔兰首席信息官与信息技术峰会和爱尔兰服务数据战略研讨会、欧洲“基因组数据基础设施”和“欧洲健康数据空间”共同行动项目等欧洲倡议、行业与政策咨询委员会的积极贡献中。
这种累积的动力最终转化为行动，体现为持续的跨部门合作、切实的政策与组织影响，以及《爱尔兰数据治理路线图》的发布——为落实负责任的数据治理和人工智能提供了实用指南。
持久遗产：制度与文化变革
当被问及“超越出版物和专利，项目最重要的遗产是什么”时，赫尔弗特的回答明确而深刻：“EMPOWER最重要的遗产在于它所促成的制度与文化变革。”
除了正式成果，EMPOWER还展示了如何培育和维持一个由学术界、产业界、公共部门以及政策利益相关方共同参与的国际网络。这种基于社群的模式增强了信任，促进了共享学习，并将负责任的数据治理实践更深地植根于参与的组织中，确保了项目的影响力在资助期结束后依然能够持续。
“通过诸如‘数据治理实践社群’等举措，EMPOWER为研究人员、政策制定者、行业从业者和公众创造了可持续参与的论坛。这些关系在单个项目结束后依然得以延续，并持续影响关于国家数据战略和人工智能治理的讨论。”赫尔弗特举例说。
此外，EMPOWER还推动了共享治理词汇和工具包的开发。诸如数据管理角色、治理路线图、元数据标准和信任框架等概念现已融入组织实践，特别是在爱尔兰健康服务执行局这样的公共部门中。这项工作直接强化了爱尔兰应对“欧洲健康数据空间”的准备工作。
赫尔弗特强调：“或许最重要的是，EMPOWER促成了一个根本性的思维转变。合作伙伴们不再仅询问系统是否符合规定、数据能否共享，而是越来越多地评估数据和实践是否可信、可解释且为社会所接受。这种转变——从将合规视为最低要求，到将治理视为创新的推动力——反映了一种深刻的文化变迁。”
赫尔弗特认为，这种转变也标志着一种更广泛的认识：负责任人工智能和数据治理本质上并非技术挑战。它们是组织转型的挑战，涉及技能发展、流程重塑、领导力建设以及技术负责任地融入复杂制度环境。虽然人工智能的技术进步以前所未有的速度发展，但可持续的采纳需要与行业及公共部门的现实紧密结合、促进持续改进、并明确将不确定性视为固有条件而非例外的研究模式。在这方面，EMPOWER表明，融合技术、组织、监管和伦理视角的跨学科研究不仅是可取的，而且是必要的。正是这种跨部门协作探究的模式，才使得大规模的负责任创新成为可能。
中国社会科学报记者 陈密容
原标题：爱尔兰有组织科研促进数据治理范式革新
来源：中国社会科学报
责任编辑：赵琪
新媒体编辑：程可心
如需交流可联系我们
热门跟贴