該研究基于一項覆蓋全球的調研數據，共收集到來自北美、拉丁美洲、歐洲、中東及非洲、亞太地區的 2375名受訪者反饋。調研對象中，IT 專業人士與業務部門負責人占比均衡，從技術、業務兩大核心視角為研究提供了多元觀點支撐。 

新興AI技術最受信任

總體而言，該研究發現，在各類AI應用中，生成式AI、代理式AI（agentic AI,）等新興技術的受信任度顯著高于其它發展更為成熟的AI類型。近半數受訪者（48%）表示對生成式AI "完全信任"，還有三分之一（33%）的受訪者對代理式AI持 "完全信任" 態度。傳統AI則是受信任度最低的類別 —— 僅有不到五分之一（18%）的受訪者表示對其完全信任。

盡管受訪者對生成式AI和代理式AI的信任度較高，卻也表達了多方面的擔憂，具體包括數據隱私問題（62%）、透明度與可解釋性問題（57%），以及倫理應用問題（56%）。

與此同時，量子AI（quantum AI）的受信任度正快速提升——盡管實現大多數量子AI應用場景所需的技術尚未完全成熟。全球近三分之一的決策者表示熟知量子AI，且有 26% 的受訪者對該技術表示完全信任 ，即便目前其現實應用仍處于早期階段。 

AI防護措施滯后：削弱AI影響力，拉低投資回報率

研究顯示，AI的使用率正快速攀升——其中生成式AI的表現尤為突出，其關注度與應用率（分別達到81%和66%）已迅速超越傳統AI。這一趨勢也引發了全新層面的風險與倫理擔憂。

IDC研究人員發現，在所有地區，企業對AI的信任程度與該技術實際具備的可信度之間均存在偏差。研究數據顯示，近八成（78%）企業聲稱完全信任AI，但其中僅有四成會通過采用AI治理、可解釋性優化及倫理保障措施，使系統的可信度具備可驗證性。

此外，研究還指出，在AI項目落地運營過程中，可信AI相關措施的優先級普遍較低。在受訪者列出的企業三大優先級中，僅有2%的受訪者將"構建AI治理框架"納入其中，而表示已制定可信任AI政策的受訪者占比則不足10%。然而，對可信AI措施的優先級下調，或將會阻礙這些企業在未來充分兌現AI投資的價值。

研究人員將受訪者劃分為"可信 AI 領先者" 與 "可信 AI 追隨者"兩類。領先者在相關實踐、技術及治理框架上投入最多，以提升其 AI 系統的可信度 —— 且顯然已從中獲得回報。數據顯示，這些可信 AI 領先者實現 AI 項目兩倍及以上投資回報率的概率，是其他企業的 1.6 倍。

AI發展受制于數據基礎薄弱與治理缺失

隨著AI系統自主性不斷增強，并深度融入關鍵業務流程，數據基礎的重要性也隨之凸顯。數據的質量、多樣性及治理水平直接影響AI的應用成效。因此，智能化數據策略既是挖掘AI價值（如提升投資回報率、提高生產效率）的核心前提，也是規避相關風險的關鍵保障。

該研究指出，AI落地面臨三大主要障礙：數據基礎設施薄弱、治理機制不完善以及AI技能人才短缺。近半數（49%）企業表示，數據基礎未實現集中化管理，或云數據環境未完成優化，是阻礙AI推進的主要瓶頸。緊隨其后的兩大痛點為：缺乏完善的數據治理流程（44%）和缺少AI專業技能人才（41%）。

在AI實施涉及的數據管理問題上，受訪者反饋的首要挑戰是難以獲取相關數據源（58%）。其他主要擔憂還包括數據隱私與合規問題（49%），以及數據質量問題（46%）。

"無論對社會、企業還是員工而言，可信任的AI都至關重要，"SAS首席技術官Bryan Harris表示，"要實現這一目標，AI行業需提高技術落地的成功率，人類需對AI輸出結果進行審慎核查，而企業領導層則需借助AI為員工賦能。"

關于SAS

SAS是數據和人工智能領域的全球領導者。 通過SAS軟件和行業特定的解決方案，企業能將數據轉化為值得信賴的決策。 SAS賦予您 "洞察的力量" (THE POWER TO KNOW®) 。

SAS和所有其他SAS Institute Inc.產品或服務名稱均為SAS Institute Inc.在美國和其他國家/地區的注冊商標或商標。 ®表示已在美國注冊。 其他品牌和產品名稱是其各自公司的商標。 版權所有© 2025 SAS Institute Inc. 保留所有權利。