一项由 IBM 商业价值研究院发起、覆盖 33 个国家 2000 名技术高管的调查显示：三分之二（67%）的 CIO（首席信息官）与 CTO（首席技术官），要为并不完全受自己控制的 AI 系统承担责任。与此同时，70% 的受访者表示，技术在整个企业内的部署速度，已经快过 IT 部门能够追踪的节奏；77% 的人认为，AI 的采用速度已经超出了自身的治理能力。

更棘手的是顶层压力：80% 的受访者称，其 CEO 已下达加速 AI 转型的强制指令。也就是说，一边是自上而下”加快用”，一边是治理框架远未跟上。

智能体规模暴涨，事故随之而来

调查预计，到 2027 年，企业平均部署的 AI 智能体数量将达到 1661 个，较当前增长 38%。然而只有 11% 的高管表示，已为未来一年预期中的智能体部署规模”完全准备好”。

失控已经显现。受访组织在过去一年里，平均发生了 54 起需要人工干预或纠正的 AI 智能体事故；其中 17% 被归为高危。在那些高危事故中，37% 造成了数据泄露或安全突破，33% 引发了级联式系统故障，17% 触发了合规问题。

“影子 AI”才是真正的缺口

分析师指出，问题的根源在于去中心化的 AI 部署。业务团队——采购、财务、人力、市场——正绕过 IT 治理，独立引入 AI 工具。正如 Forrester 首席分析师查理·戴所概括的：AI 采用由业务主导，嵌入在各类软件服务、云平台与开发工具中，绕开了中心 IT，带来了”影子 AI”。

与传统”影子 IT”只引入未受管理的软件不同，影子 AI 引入的是未受管理的”判断”。其风险不限于安全与合规，还包括失控的成本、监管暴露、提示词注入攻击，以及智能体层本身的漏洞。Greyhound Research 的分析师桑奇特·维尔·戈吉亚的总结颇为中肯：控制权一旦触及多个平台就会分散，但责任并不会随之转移。

治理必须成为”运营能力”

好消息是，治理并非无计可施。数据显示，将治理机制直接嵌入 AI 系统本身的组织，其相关事故比主要依赖人工监督的组织少了约 25%。IDC 亚太区大数据与 AI 研究负责人迪皮卡·吉里提到，目前仅有约 16% 的组织拥有统一的 AI 治理模型。

可行的方向包括：建立集中的可观测性，让技术负责人看得见”正在跑什么、能触达什么、如何叫停”；在预置护栏内实行”受治理的去中心化”，让业务单元保留部署权；以及强化数据治理。NIST 的 AI 风险管理框架、COBIT 等，都是企业级治理可借力的工具。

对于正在加速 AI 落地的企业而言，这套挑战具有普遍性：当决策权分散、而问责仍集中在顶部时，填补”问责鸿沟”的关键，不是把一切收归中央，而是让治理更早、更可见地嵌入技术运行的每一步。