研究显示：大中华区AI治理加速，数据基础建设仍待补强

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”。智能体AI的快速发展也进一步凸显了治理、可解释性与数据质量的重要性。SAS结合IDC研究洞察最新发布的报告显示，企业AI投资成效正因治理与信任能力出现明显差距——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。大中华区市场近一年在AI治理与信任能力上已有明显提升，但数据基础设施成熟度仍未完全跟上AI应用发展，成为企业扩大部署时需要补强的一环。

该报告指出，重视可信AI 实践的企业与未重视的企业之间，ROI 差距正在扩大。拥有最完善治理、数据质量和可审计性实践的企业（虽然目前在市场中占比相对较小）的表现持续优于同行，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。

研究人员发现，在许多企业中，由于系统可能无法提供正确结果或无法解释 AI 如何得出最终结论，员工越来越不敢依赖这些系统。随着 AI 自主性不断提升，这一问题也日益突出，使可解释性成为 AI 成功应用的关键因素。

AI 决策的质量归根结底取决于其所依赖的数据。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。而目前全球只有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，这在一定程度上制约了AI性能的发挥。

报告显示，大中华区治理体系建设的推进速度快于底层数据基础设施建设，且这一进程在本轮发展周期中快于其他任何市场。该地区已有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，而且需要从一开始就将本地化要求融入其中的数据基础设施和控制框架。

本次研究调查全球28个国家、2,699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，总分达80分以上者列为可信AI领先组织。

报告还进一步聚焦全球各行业的AI应用案例与研究发现，展现各行业领先企业如何推进AI应用。研究显示，银行业领先企业已不再将AI治理仅视为合规要求，而是将完善的AI治理体系视为提升竞争优势和保障运营的必要条件：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，增幅与各行业中最积极的企业持平。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。