2026携手AI加速前行-治理到位提速有道研究报告

IBM凭借深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案、以及基于科学的研究创新，助力企业释放IBM凭借深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案、以及基于科学的研究创新，助力企业释放AI、分析和数据的潜能。/consulting/artificial-intelligence/watsonx/solutions/artificial-intelligence 12 15AI推动领导力重心迁移 181成功的组织会将治理视为一套动态框架⃞既具备适应性和韧性，高管表示超过四分之一(27%)的AI效率提升得益于完善的治理体系；而在AI伦理方面投入更多的组织，其AI业务利润要比其他组织高出34%。1四分之一的AI项目失败源于治理体系薄弱，但仍有超过半数的组织尚未建立针对AI风险、伦理与治理的清晰管AI推动领导力重心迁移AI推动领导力重心迁移智能系统亟需更智慧的在AI时代，治理并非企业发展的“刹车这一结论来自IBM商业价值研究院(IBMIBV)对全球1,000名高层业务与技术领导者展开的最新调研。受访高管将超过四分之一(27%)的效率提升驱动力归功于完善的治理体或许出人意料的是，AI治理一这一常被视为阻碍创新的壁垒和走过场的合规事后补救一如今已成为实现业务影响力与业务成果的决定性因素。事实上，市场本应预见这一趋势，因为AI的发展速度太快，仅靠被动应对问题的监管模式已难以适配。富有远见的AI的发展速度太快，仅靠被动应对问题的监2AI推动领导力重心迁移AI推动领导力重心迁移智能系统亟需更智慧的那么，领先组织究竟如何搭建完善的AI治理体系？其他组织又该如何迎头追基于来自17个行业和7个地区的高管观点，深入剖析了关键因素，阐释了自适应治理在智能体AI规模化时代的运作方式，及其加速业务运行的原因。报告中的案例研究还展示了两家公司如何确立强有力的集中式AI治理职能。此外，报告还深入分析了最高管理层高管，尤其是首席执行官（CEO），在将AI治理转化为业务成功驱动因素的这一过程中的关键作用。报告最后以一份行动指南收尾，就首要行动步骤提出了建议。纵观全文，我们分享了有关当今AI风险与效益的研究发现，也指出落实有效的AI治理所面临的主要障碍。随着AI系统变得愈加自主且难以预测，静态治理模型终将失效⃞包括那些为速度更慢、更透明的系统而打造的传统模型风险管理方案。成功的组织会将治理视为一套动态框架⃞既具备适应性和韧性，也能和技术发展同步演进。34AIAI推动领导力重心迁移智能系统亟需更智慧的不同组织对相关术语的界定存在差异，为统一认知，特制定以下基础定义作为参AI伦理议题包括数据责任与隐私保护、公平性、可解释性、稳健性、透明度、环境可持AI治理：组织通过制定内部规章制度、调配专业人员、搭建流程体系和部署技术系统，在AI全生命周期内实施引导、评估、监控和纠偏，确保AI系统按组织意图运行，符合可观测性：通过持续监控与可视化管理，确保AI系统在实际应用中始终遵循伦理与合规标准。这一能力使组织能够实时发现并管理风险，保留详尽的审计轨迹以支撑问责机制，同时保证透明度。同样重要的是，可观测性可以推动持续改进⃞通过实时绩效数据优化模型，使监管能力随着周期的推移而变得更加智能。3AI驱动的可观测性：一种依托机器学习解读大规模遥测数据的监控方法，挖掘人工难以识别的规律、异常点与潜在风险。这一方法推动团队从被动响应，转向主动预测和5AIAI推动领导力重心迁移本次研究中，几乎所有组织都表示，计划在未来一年内采用更先进的AI技术，例如自主型系统。然而，将为AI打造坚实治理基础放受访者表示其组织尚未建立完善的数据与治理框架。4变化之中。AI正以不断改写规则的节奏演化，持续重塑数据流、业务流程、甚至决策流程本身。当技术及其应用场景每个季度都在迭代，制定固定的治理政策注定是徒劳的。而且，这种复杂性并不仅仅体现在速度上。传统IT治理主要管理应用、用户与数据三者之间的交叉关系；AI则增加了第四个维度⃞模型本身⃞以及模型与前三者之间不断变58%的受访者表示其组织尚未建立完善的数据与6AIAI推动领导力重心迁移在这种环境下，组织需要的是更智能、更具适应性、深度一体化的治理体系。智能体AI所做的自主决策可以在短短数小时内⃞而不是数月内⃞放大风险。只有自适应治理才能跟得上这种节奏。自主、以目标为导向的AI代理不只会执行指令⃞还会独立决策、串联一系列动作，并实时调整自身行为。这种速度与不可预测性足以压垮静态治理框例如，一款用于优化供应链的自主AI智能体，可系不完善的地区；客服场景中的AI助手，可能会在对话变得棘手时，解决问题的线路；一套金融分析系统，可能会逐渐形成难以察觉的偏差，从而给出失之偏颇的建议。这些运营层面的现实问题可能导致高昂的失败成本，破坏信任，使原本前相比之下，自适应AI治理体系，能推动企业全流程的实时优化。正如我们的研究所示，AI治理成熟度更高的组织，其安全指标提升了23%，员工相关指标（例如满意度与敬业度）提升了20%，AI采纳率也提升了18%⸺这很可能得益于治理增强了稳健性、智能体AI所做的自主决策可以在短短数小时内⸺而不是数月内⃞放大风险。只有自适应治理才能7AIAI推动领导力重心迁移受访高管认为过去两年呈上升趋势的AI相影子AI8AIAI推动领导力重心迁移AI治理绝非单纯的合规议题，而应是创造价值的AIAI推动领导力重心迁移AI治理的受阻点数据质量与管理不佳：AI数据质量与管理不佳：AI会放大数据问题，而薄弱的资源与技能缺口：AI资源与技能缺口：AI治理人才既要理解技术，又要掌握 >10AIAI推动领导力重心迁移如何在加快AI创新步伐的同时，保持对风险的有11IBM以现有管理体系为基础，正式搭建AI监管框架。“我们以《通用数据保护条例》（GDPR）为起点，”IBM全球隐私与负责任AI市场战略项目总监MichelleJutrasSteiner表示，“我们当时已经拥有成熟的隐私治理体系，并很快意识到，这套体系可以一工作。她用一句话点明了关键：“数据质量不佳，AI结果就不可能好。道理就是这么简单。”这种共识一对AI的信任始于对数据的信任一为企业级变革奠定了基础。IBM搭建了一体化资产清单管理体系，用以跟踪组织内5,500多个应用与流程、2,000多个数据集与AI模型的使用情况。借助这一统一视图，团队可以准确了解有哪些模型在这种可观测性让治理从被动应对转向主动预防，公司也借此识别依赖关系，自动化评估流程，实现规模化的风险管理。这一举措的成效是实实在在的：IBM自有数据和第三方33IBM并未设立单一职能的技术治理委员会，而是组建了负责任技术委员会，汇集业务部门、研究院、人力资源、市场营销和合规等不同职能的负责人，共同制定治理战略（见图4）。为了进一步落实AI治理，把问责机制嵌入整个组织，IBM指定业务负责人根据AI治理政策完成评估、确保合规性并开展复审。这让治理不再是开发完成前的“检查关4用AI治理AI4IBM的ernance解决方案为监管引入自动化与可观测性，实时掌握模型性目前已有超过1,600家技术供应商接受了技术伦理培训，伦理”、“值得从业人员信赖的AI”等课11AIAI推动领导力重心迁移负责任技术委员会负责任技术委员会利益相关者企业发展部门监管与法务团队行业监管合规团队内部审计团队金融服务监管办公室集成治理项目交付与技术服务(C&I-OPRT)评估审核与升级处理业务部门治理联系人/合规专家业务部门法务团队业务部门领导层工程数据治理团队技术开发团队AI能力团队目前已有超过1,600家技术供应商接受了AIAI推动领导力重心迁移这标志着治理模式从“向下授权”到“高层战略性领导”的转变。这不是微观管理，而往往更高，这体现了AI对业务的重要性。AI决策已户互动，到供应链管理，再到财务规划，其背后的风险与机遇覆盖面极广、影响重大，“仅凭政策无法确保合规落地，企业必须通过文化建设，让员工形成践行合规要求的自觉行为。”1213AI推动领导力重心迁移AI推动领导力重心迁移研究表明，如今75%的高管将AI伦理视为差异化优势的来源之一，而最具成效的组织会将“风险规避”（防范风险、合规落地）与“价值创造”（能力建设、创新驱动与信任提升）两大目标有机结合。5数据科学/机器学习/AIAI伦理委员会技术部门14AI推动领导力重心迁移AI推动领导力重心迁移一家领先的健康与日用消费品一家领先的健康与日用消费品零售商的高级总监启动了企业AI计划，通过引入外部供应商与自研产品相结合，打造AI能力。该高管分享了企业在AI治理方面的三大运营严格的治理流程。该零售商的AI治理小组是一个集中管理团体，负责确保所有AI项目都按要求完成各个审批步骤。为此，治理小组会定期组织会议，由项目团队说明其合规措施如何与治理小组的管控方案保持一致。通过评审的项目才能进入下一阶段。该总监表示，作为一家与大量合作伙伴、供应商、客户和其他生态参与方广泛开展合作的大型前确保所有伦理相关参数全部达标。其内部审计流程被称为“AI伦理引擎”。与供应商合作前，他们会先进行背景调查，评估其行业发展状况、客户基础、声誉和能力。这一过程可能持续两到四个月。在选定供应商后，他们会先启动试点项目。若成功指标与伦为利益相关者创造价值。该零售商在AI能力上的投入十分可观，目标是提升客户互动体验，推动市场策略和客户增长。该总监指出：“单靠AI或单靠人都难以取得成功，但两者结合可以创造出精准且高效的成果。”比如，部署在这家零售商客户服务场景中的AI能力并不会取代客服投入资源为这些员工提供额外的技能培训，从而提高员工留用率。这一方法既能为客户AIAI推动领导力重心迁移下必须落地的核心能力。现代AI技术，尤其是自主型系统，具备极高的运行速度与自主性，一旦治理滞后，都可能导致风险失控，且后续难以补救。这种紧迫性又被多数企业所面临的实际运营挑战进一步放大，比如游离于正式管控之外的影子AI项目、不一致的供应商监管机制、碎片化的数据生态，这些都会导致治理标准难以统一。以下为企业高管提供可立即落地、高价值的行动举措，助力企业强化现有AI治理体系，同时为搭建可迭151616AIAI推动领导力重心迁移说明应优先建设数据质量管道、数据溯源能力以及自动化验证机制。高质量且管理得当的数据是可信AI的基础。这意味着必须将数据治理嵌入AI开发周期的每一个阶段⃞从数据获取与准备，到模型训练与部署⃞将其视为持续性的要求，而非一次性的数据私与安全措施。强有力的数据治理不仅有助于加快合规落地进程，增强利益相关者的信心，还能为后续的AI项目沉淀可复用的数据资产。一些组织已经将数据治理原则与实践从源头防止偏差。可将数据治理与前瞻性的数据伦理审查相结合，在数据进入训练集前，识别代理变量等可能引发算法偏见的风险点；同时在模型实际运行中，部署数据漂量化治理差距。选取一个高价值的AI应用场景按照现有治理流程开展全流程演练，追踪每一个流程延迟、工作交接环节与管理模糊点，不仅要识别问题，更要将它们量化。例如，决策究竟被卡在什么环节？哪些审查环节能够提升管理清晰度，哪些属于重把治理定位为机遇推动力。让高管深度参上述演练，使其认识到治理对绩效与机遇的推动作用，从而不再只是将其视为风险过滤器。领先组织每季度进行一次治理评估，通过总结经验不断改进治理流程，并为低风险项目开辟“快速审批通道”。在AI治理成熟度制定风险应急流程。赋予治理负责人和产品负责人明确、书面的授权，一旦AI系统突破风险阈值，这些负责人应立即暂停或下线模型；同时定期对该流程进行压力测试，确保其在紧急情况下能有效运营。有效的“熔断机制”，前提是企业全员明确触发条件、风险升级流程与后续处置措施。在AI治理成熟度更高的组织中，71%已制定出明确的AI开展跨职能演练。模拟需要触发“熔断机制”的实际业务场景；确保模型下线后的恢复步骤与应急流程一样，经过充分演练。把法务、合规、产品与工程等多个团队纳入演AIAI推动领导力重心迁移以天计量，而不是以季度。静态政策跟不上智能体AI的发展速度。要建立起持续监快速事件响应机制，同时以“天”为周期更新政策，而不是以季度。在AI治理成熟度更情况。要建立相应机制，从每一次事件或变更请求中提炼经验，并反哺治理框架，使治让治理真正服务于客户价值。自适应治理体系不仅要降低风险，还应同样着力于把握机遇⃞如捕捉市场窗口期，改善客户体验。可以考虑设立“政策沙盒”，让团队在模拟的强化生态体系中的AI治理。领导者需要把治理视为运营节奏的一部分，将其嵌入项目规划、产品评审、供应商选择以及客户互动等关键流程。同时要牢记，相比内部自研的AI，外部供应商/合作伙伴提供的AI，以及嵌入AI功能的传统软件，由于透明度更低，文化让治理真正“生根”。让领导层公开参与治理评审，并表彰提前识别和应对风险、准时交付的团队，以此强化这种治理思维。在AI治理成熟度更高的组织中，超过一半表1717AI推动领导力重心迁移AI推动领导力重心迁移AI推动领导力重心迁移AI治理正从一套“保障规则”转变为一项“设计原则”。当智能系统开始自主行动、学习与协同时，治理体系成为决定其是否与人类目标对齐的底层架构。未来的突破不在于加强控制，而在于数据、技术与领导力的智能协作，以确保机器的高速决策仍然能贴合治理成熟度并非通过单一项目，而是在日常决策中逐步完善的，这些决策既在化解风险，也在加速价值创造。通过聚焦数据质量、开展治理体系压力测试、建立快速熔断机制、打造适配AI发展速度的监管体系，领导者便能将治理体系从企业的风险短板，转化按照这种思路构建治理体系的组织，将成为行业发展的引领者。因为对AI系统的高度信任，此类组织的创新速度更快。而这份信任，源于实际的治理成效、而非主观假设。在未来的突破不在于加强控制，而在于数据、技术与领导力的智能协作，以确保机器的高速决策仍18覆盖17个主要行业，其中零售/消费品行业(13%)、受访企业均为规模较大的组织构成：35%的组织营收在100亿至200亿美元之间，27%的组织营收在200亿至500亿美元之间，15%的组织营收在500亿美元及战略是否与业务目标保持一致，以及组织在多大程度–流程维度：衡量组织通过专项团队、工具和文化实践，把AI治理落实到日常运营的流程。这一维度评估组织是否设置了明确的角色职责、偏差缩小举措、AI治理成熟度指数数，该指数所依据的分析框架由三大相互依存的维度构成，且三者同等重要。其中所蕴含的核心观点是：真正的成熟度源自战略基础、运营流程与抗风险能力三者之–风险防控与管控维度：衡量组织在识别、评估和管理AI相关风险方面，是否具备系统化的应对方式。这一维度涵盖模型监控、合规管理、公平性测试、可解释基于该综合指数的得分，我们将组织划分为三个不同的绩效层级：得分后25%的组织，其AI治理能力尚处于萌芽阶段，且各部门治理工作相互割裂；得分居中的50%为正在积极构建并标准化其治理框架的组织；位列16%欧洲6%16%欧洲英国6%26%亚太地区6%26%亚太地区8%北美8%拉丁美洲17171920/in/heathergentile/险和合规方面的挑战。她在金融服务、监管重点监管行业积累了丰富的经验。她也是IBM负责任技术委员会的产品代表成员，牵头制定产品/in/bcgoehring和业务职能的高级客户提供服务，与学者、客户专家合作，推动数据驱动的洞察并开发思想领导力内容。他在普林斯顿大学获得哲学学士学位，并修/in/bgreytok/律顾问。她同时担任IBM负责任技术委员会的联合主副总法律顾问，推动IBM基础模型业务的跨品牌全球发展。更早前她曾担任首席隐私办公室伦理与术开发与部署的伦理原则、实践和相关政策。母大学–IBM技术伦理实验室的共同创始人之一，现任/in/wouteroosterbosch/作为神经科学专业出身，WouterOosterbo注人类与数据的融合领域。这位经验丰富的跨科学领袖带领团队为全球客户提供服务，见证缺乏记录的数据“丛林”转变为可执行、可扩/in/kushvarshney/验，长期与跨学科团队、企业领导者、政策制定者和学术合作伙伴协作，推动可信且对社会有益的A他积极推动开源工具、技术标准和公平性、安全性、透明度和机器学习治理相关理论方法的发展，因对这些领子与计算机工程学士学位，并在麻省理工学院获得电气持独特的竞争优势。2120年来，IBM商业价值研究院一直是IBM的思想领导力智囊团。我们提供有研究支持和技术支持的战略洞察，帮助领导者做出更明智的业务决策。凭借我业、技术和社会交叉领域的独特地位，IBV每年都会针对成千上万高管、消费者和专家展开调研、访谈和互动，将他们的观点综合成可信赖的、振奋人心和行的洞察。访问IBM商业价值研究院中国官网，免费下载中文研究报告：/ibv/cn。由IBM商业价值研究院倾力呈现。IBM商业价值研究基于深度研究的战略洞察、数据与分析，助立即订阅：ibm.co/ideawatch/cn-zh/services/insights/tech-aihttps://ibm.co/agentic-ai-ethics-business-case/cn-zh/services/insights/tech-ai研究方法与技术，帮助他们在瞬息万变的商业1.Berente,Nicholas,MarialenaBevilacqua,MariannaGanapini,BrianGoehring,andFrancescaRosethics