SAS最新研究显示：全球对生成式 AI 信任度大幅攀升，AI 保障措施仍待完善

构建可信 AI 体系的企业，AI 项目回报率翻倍概率高出60%，若忽视可信实践则代价高昂

北卡罗来纳州卡里市2025年9月30日/美通社/ -- 数据与人工智能（AI）领域的领先者之一SAS今日公布了一项最新研究，聚焦AI的应用场景、实际影响及可信度水平。该研究成果已收录于由SAS委托IDC编制的《IDC数据与AI影响力报告：信任必要性》（IDC Data and AI Impact Report: The Trust Imperative）。报告指出，IT及业务领导者对生成式AI（GenAI ）的信任度，显著高于其他各类AI。

Per new SAS and IDC study, trust in GenAI surges globally despite gaps in AI safeguards.

这项覆盖全球的AI应用与落地研究还发现，尽管优先推进可信AI建设的组织，其AI项目投资回报率翻倍的概率高出60%，但仅有40%的企业会在治理机制、可解释性及伦理保障措施方面进行投资，以提升AI系统的可信度。矛盾之处在于，虽然传统AI是当前发展最成熟、最可靠且可解释性最高的AI类型，但那些对可信AI系统投入最少的企业却认为，生成式AI（如ChatGPT）比传统AI（如机器学习）的可信度高出200%。

国际数据公司（IDC）AI与自动化实践研究总监Kathy Lange指出："我们的研究揭示了一个核心矛盾—无论实际可靠性或准确性如何，那些具备类人交互特性、且在社会层面更易被大众熟知的AI类型，似乎更能赢得高度信任。作为AI领域的提供商、专业人士及个人用户，我们必须直面两个关键问题：虽然生成式AI获得了信任，但它是否始终值得信赖？对于这一新兴技术，行业领导者是否采取了必要的防护机制与AI治理措施？"

完整研究报告可通过以下链接获取：http://sas.com/ai-impact

该研究基于一项覆盖全球的调研数据，共收集到来自北美、拉丁美洲、欧洲、中东及非洲、亚太地区的 2375名受访者反馈。调研对象中，IT 专业人士与业务部门负责人占比均衡，从技术、业务两大核心视角为研究提供了多元观点支撑。

新兴AI技术最受信任

总体而言，该研究发现，在各类AI应用中，生成式AI、代理式AI（agentic AI,）等新兴技术的受信任度显著高于其它发展更为成熟的AI类型。近半数受访者（48%）表示对生成式AI "完全信任"，还有三分之一（33%）的受访者对代理式AI持"完全信任" 态度。传统AI则是受信任度最低的类别—— 仅有不到五分之一（18%）的受访者表示对其完全信任。

尽管受访者对生成式AI和代理式AI的信任度较高，却也表达了多方面的担忧，具体包括数据隐私问题（62%）、透明度与可解释性问题（57%），以及伦理应用问题（56%）。

与此同时，量子AI（quantum AI）的受信任度正快速提升——尽管实现大多数量子AI应用场景所需的技术尚未完全成熟。全球近三分之一的决策者表示熟知量子AI，且有 26% 的受访者对该技术表示完全信任，即便目前其现实应用仍处于早期阶段。

AI防护措施滞后：削弱AI影响力，拉低投资回报率

研究显示，AI的使用率正快速攀升——其中生成式AI的表现尤为突出，其关注度与应用率（分别达到81%和66%）已迅速超越传统AI。这一趋势也引发了全新层面的风险与伦理担忧。

IDC研究人员发现，在所有地区，企业对AI的信任程度与该技术实际具备的可信度之间均存在偏差。研究数据显示，近八成（78%）企业声称完全信任AI，但其中仅有四成会通过采用AI治理、可解释性优化及伦理保障措施，使系统的可信度具备可验证性。

此外，研究还指出，在AI项目落地运营过程中，可信AI相关措施的优先级普遍较低。在受访者列出的企业三大优先级中，仅有2%的受访者将"构建AI治理框架"纳入其中，而表示已制定可信任AI政策的受访者占比则不足10%。然而，对可信AI措施的优先级下调，或将会阻碍这些企业在未来充分兑现AI投资的价值。

研究人员将受访者划分为"可信 AI 领先者"与"可信 AI 追随者"两类。领先者在相关实践、技术及治理框架上投入最多，以提升其 AI 系统的可信度—— 且显然已从中获得回报。数据显示，这些可信 AI 领先者实现 AI 项目两倍及以上投资回报率的概率，是其他企业的 1.6 倍。

AI发展受制于数据基础薄弱与治理缺失

随着AI系统自主性不断增强，并深度融入关键业务流程，数据基础的重要性也随之凸显。数据的质量、多样性及治理水平直接影响AI的应用成效。因此，智能化数据策略既是挖掘AI价值（如提升投资回报率、提高生产效率）的核心前提，也是规避相关风险的关键保障。

该研究指出，AI落地面临三大主要障碍：数据基础设施薄弱、治理机制不完善以及AI技能人才短缺。近半数（49%）企业表示，数据基础未实现集中化管理，或云数据环境未完成优化，是阻碍AI推进的主要瓶颈。紧随其后的两大痛点为：缺乏完善的数据治理流程（44%）和缺少AI专业技能人才（41%）。

在AI实施涉及的数据管理问题上，受访者反馈的首要挑战是难以获取相关数据源（58%）。其他主要担忧还包括数据隐私与合规问题（49%），以及数据质量问题（46%）。

"无论对社会、企业还是员工而言，可信任的AI都至关重要，"SAS首席技术官Bryan Harris表示，"要实现这一目标，AI行业需提高技术落地的成功率，人类需对AI输出结果进行审慎核查，而企业领导层则需借助AI为员工赋能。"

关于SAS

SAS是数据和人工智能领域的全球领导者。通过SAS软件和行业特定的解决方案，企业能将数据转化为值得信赖的决策。SAS赋予您"洞察的力量"(THE POWER TO KNOW®) 。

SAS和所有其他SAS Institute Inc.产品或服务名称均为SAS Institute Inc.在美国和其他国家/地区的注册商标或商标。®表示已在美国注册。其他品牌和产品名称是其各自公司的商标。版权所有© 2025 SAS Institute Inc.保留所有权利。

Editorial Contacts:

Jennifer James

Julia Norton

jennifer.james@sas.com

julia.norton@sas.com

919-531-0858

919-531-4661

www.sas.com/news