AI治理鸿沟：企业面临所有权困境

概述

企业的AI投资组合扩张速度远超其跨企业治理能力。大多数组织运行在一个竞争激烈的平台环境中，每个平台都声称自己是”主要”AI层；很少有组织能自信地检测出生产环境中模型漂移或失效的情况；而单一被引用最多的控制障碍是缺乏对整个AI栈负责的所有者。结果是一个不断扩大的控制鸿沟——雄心和支出超越了可见性、所有权和成本控制——自主智能体已经造成了真实的财务和运营失败。

本系列VentureBeat Pulse研究调查了企业AI控制鸿沟：有多少平台声称是主要AI层，谁实际负责跨平台的AI行为治理，组织能否检测出生产中的模型失效，什么阻碍了跨平台治理，以及自主智能体的财务和运营控制失败如何已经显现。

核心发现是一个控制鸿沟——企业积极扩张AI与他们能够看到、拥有或治理的AI之间的差距。近五分之三(58%)的企业正在净增AI举措，其中”显著扩张”是最大的单一态势。

然而，85%的企业运行着两个或更多平台，每个都声称自己是”主要”AI层，只有8%的企业整合为一个平台。面对这种竞争环境，40%表示他们非常有信心会检测出模型漂移、行为不安全或生产失效的情况——但只有10%通过主动监控和警报来支持这种信心，其余依赖于人工审查。扩张AI的机制远远领先于控制它的机制。

首先，这个鸿沟是一个所有权问题。只有三分之一(38%)表示目前由中央团队治理AI，五分之一(20%)表示每个平台团队独立治理自己的AI；跨平台治理的最大障碍是缺乏单一的责任所有者(32%)，大约六分之一(17%)表示没有任何角色承担正式责任。同样的真空出现在支出方面：近一半(49%)将影子AI——在公司卡上运行且未经中央监督的未经授权的智能体管道——视为最严重的控制失败，另有25%遭遇了失控的”无限循环”智能体账单。企业在标准化控制之前已经很好地标准化了雄心。

研究方法

VentureBeat作为其持续进行的Pulse Research系列的一部分进行了此项调查，该调查工具重点关注企业AI控制鸿沟——跨多个AI平台的治理、可观察性和成本控制。回应被过滤至拥有100名以上员工的组织，为本次分析排除了选择”其他”作为其工作职能的受访者，留下一个可识别角色的基础(n=145)；所有数据都来自单一的第二季度2026年(6月)的调研。

按组织规模划分，样本倾向于中型企业和大型企业：100-499名员工和500-2,499名员工的企业各占23%，领先于10,000-49,999名员工(22%)和2,500-9,999名员工(20%)的企业，50,000名以上的企业占11%。按角色划分，样本偏向高级和技术角色：顾问和顾问(20%)、CIO/CTO/CISO(18%)、工程/IT总监(14%)、产品和项目经理(13%)以及企业架构师(12%)构成了核心。技术/软件行业占比最大，为41%，其次是金融服务和专业服务(各12%)，以及医疗保健/生命科学和制造/工业(各10%)。

研究结果应被视为方向性信号而非精确测量；这是自我选择的样本，并非概率样本。在单一数据点可能脆弱的情况下，报告依赖于回应的方向和分组，而非确切的百分比。

发现1：扩张超过控制

AI投资组合增长速度快于治理能力

我们询问企业描述其AI投资组合在过去12个月中如何变化。增长占主导地位，但有相当一部分企业有意识地放缓。

扩张占主导地位。将”显著扩张”(33%)和”净正增长”(25%)结合起来，近五分之三的企业(58%)正在净增AI举措。然而，相当一部分企业有意识地放缓：约四分之一(23%)正在积极优化——扩大有效举措并削减其余部分，另有12%保持投资组合不变。只有少数(3%)暂停以先建立治理体系。

这是每一个后续鸿沟背后的引擎：企业正在加速进入一个他们尚未学会看到或拥有的领域，并且有4%的企业甚至无法描述自己的投资组合。这里记录的雄心正是发现3和4中可见性和所有权不足的后果，而非学术性问题。

发现2：没有单一的”主要”AI层——表面竞争激烈

超过五分之四的企业运行多个平台，每个都声称拥有优先地位

我们询问企业目前有多少平台声称是组织的”主要”AI层——ERP、EHR、ITSM、生产力套件或数据平台，每个都将自己定位为重心。几乎没有单一答案。

定义条件是竞争性优先地位。将两个多平台类别相加，85%的企业至少有两个平台各自声称自己是主要AI层，超过三分之一(36%)描述了一个公开的四方或更多方的竞争。只有8%的企业整合到单一层，另有6%甚至没有映射这个问题。这是治理困难的结构性原因：没有一致的重心可以从中进行治理。每个平台都带来自己的AI、自己的控制和自己假设——正如发现3所示，谁跨平台治理的问题越来越没有确定的答案。

发现3：治理在中心被主张但实践中存在争议

中央团队在纸面上拥有所有权；在实践中，它正在分化

我们询问谁实际负责治理今天所有这些平台上的AI行为，以及哪个职能承担主要责任。表面答案令人安心，但细节并非如此。

在表面上，中央治理职能是主要答案——但只有三分之一(38%)声称拥有一个，远未达到多数。分布的其余部分进一步削弱了这一点：五分之一(21%)表示所有权不明确或团队间存在争议，五分之一(20%)表示每个平台团队只是独立治理自己的AI，另有19%表示根本没有人解决这个问题。

当我们询问哪个角色实际拥有责任时，问责进一步分化——CIO/CTO/CISO以27%领先，首席AI官或同等职位占22%，令人震惊的是17%表示还没有人承担正式责任。即使声称有中央团队的情况下，指定的所有者通常是通用技术高管，而非专门的AI权威。治理功能更多地存在于组织结构图的愿望中，而非操作现实——这是发现4中检测差距的前提条件。

发现4：检测差距——信心存在但主要是手动

只有十分之一拥有主动监控和警报

我们询问企业对检测出生产环境中漂移、行为不安全或未能正确完成任务的人工智能模型的信心有多大。这是控制鸿沟的核心。

这是报告的核心数据。虽然40%表示他们非常有信心会检测出失效的模型，但这种信心的绝大部分依赖于人工审查(30%)而非自动化——只有10%实际上拥有主动监控和警报系统。

在另一端，超过四分之一结合了两个被动回答——没有系统性可见性(8%)和依靠被动报告(20%)。这意味着近三分之一的企业对AI模型在关键环境中的表现几乎没有任何了解。这种信心与现实的差距恰恰解释了为什么智能体已经在造成实际损害：大多数组织无法及时发现问题。

当智能体失控时，后果可能是严重的。近一半(49%)的企业将影子AI——未经授权的智能体管道使用公司资源运行且不受中央监督——视为最严重的控制失败，另有25%遭遇了失控的”无限循环”智能体账单。这些案例表明，当缺乏可见性和所有权时，AI不仅会失效，还会造成真实的经济损失。

治理AI的挑战不仅在于技术，更在于组织结构和责任分配。随着AI投资组合的持续扩张，企业必须优先考虑建立明确的治理框架，确保AI的部署和运营是可见、可控和负责任的。否则，控制鸿沟只会继续扩大，带来更大的财务和运营风险。

关注微信号：智享开源 ，及时了解更新信息。