直击WAIC 2025｜专访德勤TMT行业主管合伙人程中：有效的AI治理范式应从被动向主动转变

“在生成式AI（人工智能）的热潮下，价值挖掘与风险防控的失衡已成为企业必须跨越的鸿沟。”“2025世界人工智能大会”期间，德勤中国提出，技术狂奔与风险管理的落差，本质是传统框架难以适配新变量。

如何让生成式AI的潜力真正转化为可持续的商业价值？德勤科技、媒体、电信行业主管合伙人程中在接受《每日经济新闻》记者（以下简称NBD）专访时表示，生成式AI治理并非是可暂缓的选项，企业须尽快行动起来。人员上明确权责、提升素养，流程上贯穿全生命周期控险合规，技术上借平台破解黑箱难题，三者协同才能在竞争中占据主动。

“过去一年，我们看到一种趋势：企业已从追问要不要做生成式AI，转向如何做得更好。”程中认为，真正的竞争在于谁能更快将技术转化为业务流程的实际增效，其中，聚焦至关重要，需优先投资可验证回报的实际案例。

德勤科技、媒体、电信行业主管合伙人程中

图片来源：企业供图

企业AI投资需经历漫长阵痛期

NBD：在企业的AI化重构过程中，推动AI迈向真正能被财务报表验证的ROI（投资回报率）闭环需要经历怎样的阵痛期？

程中：AI化重构过程通常有四个阶段。企业起初需要建立AI战略愿景，这个时候，管理层对AI的ROI预期与实际存在较大落差，且各部门多为自发推进项目，缺乏统一的方向与协同机制。

到了试点探索阶段，企业会通过小范围试点来验证AI在具体场景的可行性与效率提升潜力，但存在“价值量化难”的问题。同时，IT（信息技术）部门与业务部门协作不畅，模型部署与业务流程嵌入脱节。

接下来企业会将AI深度嵌入核心业务流程，此时业务团队容易对传统流程产生路径依赖，导致对AI决策的信任度不足。

最后才是财务映射阶段，企业建立起AI投资与财务指标的直接关联。当然这个时候，企业仍会面临阵痛，比如AI带来的客户满意度提升等间接收益难以量化入账。

NBD：面对企业旧系统改造的高成本，是否有轻量化方案实现整体的AI架构升级？企业现有AI投资应该如何规避技术路线颠覆带来的成本风险？

程中：多数传统企业面临遗留系统复杂、预算有限、AI人才缺乏等挑战，可通过“轻架构、软集成、分布式演进”实现AI架构升级。

所谓轻架构是将AI能力封装为API服务，降低对核心系统的重构压力；软集成是采用智能体、RPA（机器人流程自动化）与AI协同工具，将AI接入现有流程而非替代流程；分布式演进则是聚焦高ROI、高数据成熟度的场景（如客服、报告生成、供应链预测）优先落地，而非追求一次性全流程打通。

为规避技术路线颠覆带来的成本风险，建议企业对现有AI投资保持技术选型的灵活性，提前布局新兴技术，具备快速切换技术路线的能力。此外，通过与技术供应商签订灵活合同，约定技术升级、维护责任，也可降低技术路线变更成本。

如何破除幻觉与黑箱？投资可信AI

NBD：在流程中嵌入AI后，企业的日常决策如何摆脱大模型幻觉带来的负面影响？您认为最该优先解决哪类幻觉？德勤如何帮助企业量化幻觉导致的隐性成本？

程中：“幻觉”表现为输出流畅但存在事实错误或逻辑不严谨，可能损害业务判断和合规性。德勤提出的“可信人工智能框架”建议企业构建多层防线，比如明确人工审核角色，设置结构化事实核查环节，建立留痕和持续学习机制。

我们认为，最优先应解决的是结构性幻觉。这类幻觉常出现在AI输出表格、图表、摘要、数据分析结果时，表面上看逻辑清晰、格式整齐，但基础数据虚构、推理链条断裂，极易误导决策者，风险高于开放式文本幻觉。

正如你所说，幻觉带来的成本具有“隐形特征”，会产生客户被误导、运营错误、内容重复劳动，乃至声誉或法律风险的严重后果。要量化这些隐形成本，可以通过评估模型输出准确率、重复率等指标；用实际运营数据建模潜在影响；核算重工成本的时间和人效损失，形成ROI对比分析。

NBD：具体到医疗诊断、金融合规、司法文书等容错率近零的场景，该如何降低AI风险？

程中：我们建议通过系统性手段构建幻觉熔断机制，确保AI输出不直接用于高风险决策。技术路线选择需满足“确定性+可控性”，建议优先采用小模型与专家规则的混合架构，尤其在法律、合规等规则明确领域，其可靠性优于黑箱大模型。另外，用行业领域数据对模型微调，并对接专属知识库，可以提升输出准确率与可解释性。技术选型时必须具备详细日志能力，支持模型输出可追溯与责任归因。

图片来源：企业供图

NBD：当发展AI智能体提高到了企业的战略高度，董事会应该如何驱动员工更好地训练与应用智能体？对于媒体部署AI智能体完成基础写稿任务，您会提出怎样的风险警示与战略路线？

程中：我们建议董事会重新定义“人机”的价值边界，强调AI智能体是“增强工具”而非“替代者”，提供培训与奖励。比如，在媒体行业中，让编辑参与智能体的Prompt调教、内容审核和标准制定，也要注意设置“AI使用红线”，如敏感内容必须通过人工审核。

当前，AI写稿仍存在缺乏深度、事实偏差、版权纠纷、舆论争议等风险，在战略选择上，建议先用于基础场景，如资讯、数据稿等，然后对AI智能体进行针对性训练，利用自有数据提升其对媒体风格、内容要求的适应性，采用“试验沙盒+反馈闭环”机制，从低风险场景逐步拓展，在应用中持续优化，使AI智能体逐步成为团队的可靠协作伙伴。

生成式AI步入价值创造关键期

NBD：当董事会要求彻底消除幻觉并破解黑箱难题，您会如何做出建议？您认为有效的AI治理范式应该如何进行？

程中：我认为，要消除幻觉并破解黑箱难题，企业不仅要明确AI使用边界，还要提升技术的透明性与可解释性，将AI治理运营化。

有效的AI治理范式应该是从被动到主动的转变，如在战略层面，制定清晰的AI发展战略与目标，明确AI在企业中的定位与作用；在组织层面，设立专门的AI治理团队，负责监督AI应用合规性、风险管理等；在技术层面，采用可解释AI技术、数据治理工具，保障AI系统透明、可控；在文化层面，培养员工AI素养，树立正确使用AI的意识与态度。

NBD：多数企业仍将AI安全视为负担，如何破解这种思维惯性？安全投入在直接驱动营收时有怎样的具体表现？

程中：与将AI简单叠加于遗留系统的零散方案不同，首先企业应该构建统一架构，使AI成为核心支柱，并在各流程中整合治理模型。德勤蓝图可以帮助企业有效完成网络战略与企业AI转型的协同规划，企业也要建设AI驱动的网络安全团队，提升团队与AI工具的协作能力。

保障数据安全可防止因数据泄露导致的客户流失，维持甚至增加营收。满足合规要求，企业能避免巨额罚款，确保业务正常开展。安全可靠的AI系统可提升客户满意度与忠诚度，促进客户复购与口碑传播，间接增加营收。

在实践中，某金融服务公司将AI集成到网络安全架构，实现威胁检测自动化，事件响应时间减少60%；某制造企业通过德勤治理框架，减少40%的停机时间，生产效率提升直接带动营收增长。