在人工智能技术迅猛迭代的今天，算法已深度嵌入招聘筛选、信贷评估、保险定价、内容推荐乃至司法辅助等关键社会场景。技术效率提升的同时，其隐匿的偏见与不公正悄然放大——当某知名招聘平台被曝出系统持续降低女性候选人简历曝光率，当某大型银行智能风控模型对低收入社区用户授信通过率骤降47%，当某短视频平台推荐机制将少数族裔长期导向边缘化内容……这些并非孤立的技术故障，而是系统性伦理失能的集中爆发。而最令人警醒的，不是歧视本身的存在，而是企业在问题浮出水面后所展现的集体失语与应对真空：既无前置审查机制，亦无响应流程，更无责任追溯路径。

未建立AI伦理审查委员会，本质上是一种制度性缺位。它并非简单的组织架构遗漏，而是企业治理逻辑中对“技术向善”承诺的实质性悬置。伦理审查委员会本应是算法全生命周期的守门人：在需求定义阶段介入，识别潜在公平性风险；在数据采集环节监督样本代表性与标注偏差；在模型训练中嵌入公平性约束指标（如群体均等性、机会均等性）；在上线前开展多维度偏见审计，并留存可复现的验证报告。然而现实中，大量企业将AI项目交由技术部门单线推进，法务仅审核合规红线，业务部门紧盯KPI转化，伦理议题则被默认为“未来再议”的模糊地带。当算法被当作黑箱工具而非社会技术系统来对待，审查机制的缺席便成为必然。

这种缺位直接导致歧视事件爆发后的应对瘫痪。2023年某头部电商因个性化定价算法被发现对老年用户显示更高价格，舆情发酵24小时内，企业声明仍停留在“系统自动优化”“技术中立”等模糊表述，既未公布算法逻辑关键参数，也未说明是否已暂停相关策略。公众追问“谁负责伦理评估？”“是否有过歧视测试？”时，内部回应竟是“该模型由第三方供应商提供，我方未做独立伦理验证”。这暴露了双重失效：一是责任链条断裂——开发方、部署方、运营方相互推诿；二是响应能力归零——缺乏预设的危机分级标准、跨部门协同机制、受影响用户补偿方案及算法回滚预案。当歧视被证实，企业所能调动的往往只有公关话术与临时技术补丁，而非基于伦理框架的系统性纠偏。

更深层的危害在于信任的不可逆侵蚀。用户不再质疑某个具体错误，而是质疑整个技术决策体系的正当性。当一位被拒贷的母亲发现同资质男性申请人获批，而企业无法提供可理解的拒绝依据与申诉通道时，她失去的不仅是贷款机会，更是对数字社会基本公平的信念。监管机构亦因此转向强干预：欧盟《人工智能法案》明确要求高风险AI系统必须设立独立伦理监督职能；中国《生成式人工智能服务管理暂行办法》强调“建立健全算法机制机理审核、科技伦理审查等管理制度”。若企业持续以“技术复杂”为由回避制度建设，终将面临法律追责、市场排斥与人才流失的三重反噬。

重建信任的起点，绝非危机后的亡羊补牢，而在于将伦理审查从附加项转为基础设施。这需要董事会层面确立伦理治理权责，赋予委员会否决高风险算法上线的实权；需建立跨职能团队（技术、法务、业务、社会学、多元背景用户代表）的常态化评审机制；更需公开披露伦理审查要点、测试方法与结果摘要，在可控范围内推动算法透明。真正的技术成熟度，不在于模型参数规模或准确率峰值，而在于能否坦然接受审视，能否在偏见初露端倪时主动刹车，能否在错误发生后以制度化的谦卑完成修复。

当算法日益成为社会运转的隐形规则，企业若仍视伦理为装饰性摆设，那么每一次歧视事件的爆发，都不再是偶然的技术事故，而是对其治理能力赤字的公开宣判。未建委员会，不是留白，而是默许；无应对预案，不是从容，而是溃散。在代码与价值之间，必须筑起一道由制度、人员与勇气共同浇铸的堤坝——因为被放任的算法，终将冲垮所有未经伦理校准的商业逻辑。