9月15日消息，随着生成式AI加速融入企业业务与运营，企业对AI的关注正从“如何采用AI”转向“如何规模化应用AI并实现实际业务价值”。SAS结合IDC研究洞察最新发布的《数据与AI影响力报告：信任的新经济学》显示，企业AI投资成效正因治理与信任能力出现明显分化：落实可信AI实践的组织，获得高投资报酬率（ROI）的概率可达其他组织的15倍。
信任差距拉大投资回报鸿沟
报告指出，重视可信AI实践的企业与未重视的企业之间，ROI差距正在持续扩大。拥有最完善治理、数据质量和可审计性实践的企业，其AI部署所带来的ROI至少是同行的两倍。相比之下，在可信AI方面落后的企业中，仅有不到1/20能达到同等ROI水平。
具体而言，投资可信AI举措的企业，其AI项目实现强劲或高ROI的概率高出15倍（62%对比4%）。而拥有最强可信AI实践的企业，在包括收入增长、成本节约和客户体验在内的13个不同业务指标上的收益平均高出1.85倍。值得注意的是，在具备可信AI实践的领军企业中，有85%今年正在将该领域投资增加10%以上，以进一步拉大与同行的差距。
SAS首席技术官Bryan Harris指出：“AI真正发挥作用时，可以带来很大的影响。然而，目前最先进的AI智能体在处理复杂任务时，错误率仍可能超过25%，这在高风险决策中是无法接受的。企业若要提高AI决策的准确性与可重复性，必须将领域专业知识融入智能体工作流，同时让人始终处于治理与监督的核心位置。”
可解释性缺失成AI落地主要障碍
报告深入探讨了阻碍AI应用落地的一大问题：当员工对AI决策缺乏信任时，他们会推翻AI输出结果而进行人工修正。这不仅加剧了AI可信度不足，还浪费企业时间、降低生产力并损害盈利能力。
数据显示，有97.2%的AI使用者表示至少曾在某些情况下推翻AI生成的建议，最常见的原因是AI无法说明其决策依据。受访者对生成式AI的信任度为76%，对自主程度更高的智能体AI则降至66%，凸显出随着AI系统自主性不断增强，人们对其可靠性的担忧也在加剧。
IDC副总裁Chris Marshall表示：“当AI变得更自主，企业面临的新挑战是如何维持人们对一套无法完全理解的系统的信任。我们的研究表明，更强大的监督机制、可解释性、问责机制与数据基础，正成为企业规模化应用AI的先决条件。”
数据基础设施薄弱制约AI规模化
AI决策的质量归根结底取决于其所依赖的数据。然而，大多数企业仍是在严重滞后或过时的数据及数据基础设施上部署AI。报告显示，拥有优化数据基础的企业，预计能从AI项目获得高ROI的概率高出4倍，且强制实施建立AI信任所需的“数据质量与可解释性控制机制”的可能性高出6倍。但目前全球只有17.5%的企业拥有成熟度足以满足智能体AI需求的完全优化的数据基础设施。
报告特别关注到大中华区市场。该地区治理体系建设推进速度快于底层数据基础设施建设，且在本轮发展周期中快于其他任何市场。大中华区已有61.5%的组织将自身AI成熟度评为“整合”或“转型”阶段，但数据基础设施达到“受管理”或“已优化”阶段的比例只有43.4%。接下来，大中华区企业仍须补强数据质量、数据治理与数据来源的可追溯性，并从一开始就将本地化要求融入数据基础设施和控制框架。
五项指标衡量可信AI成熟度
本次研究调查全球28个国家、2699名对企业数据与AI策略具有了解或影响力的决策者，涵盖银行、保险、生命科学与公共部门四大行业。报告以数据质量与治理、模型治理与监督、可解释性与公平性、负责任AI政策以及审计与问责五项维度评估组织的可信AI成熟度。
报告还聚焦各行业AI应用进展。研究显示，85%的AI领先银行已建立AI治理框架，而落后企业的这一比例仅为29%。在公共部门，41%的领先组织计划在未来一年将可信AI相关投入增加20%以上。生命科学行业则在AI规模化应用方面领先，23%的生命科学企业已将AI应用扩展至全公司范围，为各行业最高。