现在，大多数组织都运行或试点使用公司数据操作的人工智能代理，每一步都有有限的人力指导，在Veeam Software的数据和人工智能信任差距报告中，这一份额达到88%。本应密切关注他们的系统还没有赶上。
这个差距是报告的核心。大多数高管表示，他们的数据问题已经阻碍了他们的人工智能。这些问题是熟悉的：过时的数据、自相矛盾的数据，以及被锁在互不通信的系统中的数据。在不稳定的数据上行事的代理所做的不仅仅是一个错误。在有人注意到之前，它可以在数千个决定中重复这个错误。
显然没有人负责
人工智能代理的责任没有固定的家。一些公司指向创新领导，一些指向工程，一些指向数据团队，一些指向安全。相当多的人承认，它被分为几个没有真正结构的群体。当经纪人做错事时，通常没有人能抓住它。
所有权很重要。当安全主管拥有问题时，发现行为不端的代理人的信心会上升，而当责任分担时，没有明确的线索时，信心就会下降。分散工作感觉安全，往往会让结果变得更糟。
领导和他们的技术团队正在查看不同的地图
首席执行官比他们的首席信息官和首席信息官更有信心，他们对公司对正在使用的每个人工智能系统都有全面了解。这很重要，因为首席执行官通常是制定合规和风险规则的人。领导者在库存中缺少部件，会根据他们看不到的间隙进行通话。
这里的利害关系正在随着监管而上升。《欧盟人工智能法案》对在没有必要监督和记录保存的情况下部署高风险人工智能系统的公司进行实际的财务处罚。许多高管表示，该法案改变了他们的投资方式，许多首席执行官都觉得已经准备好了。他们的技术团队不太确定。
影子人工智能已经无处不在了
几乎每个组织都知道其员工正在使用从未获得批准的人工智能工具，而大多数领导者都认为这是一个问题。常见的回应是培训活动、访问控制和网络监控。想要公司未批准的工具的员工可以简单地切换到个人设备并继续使用。只有四分之一的组织为其所有员工提供经批准的工具，因此人们可以接触到任何可用的工具。
报告中的好消息是，修复触手可及。一小群公司结合了雄心、知名度和治理，几乎所有的公司都报告了人工智能工作的可衡量的业务成果。Veeam首席执行官Anand Eswaran用一行总结了这一模式：“大多数组织没有人工智能采用问题；他们有人工智能信任问题。”其他人的起始动作都是不光彩的。找出您持有的数据，决定谁拥有这些数据，并在代理之前找到差距。
原文链接地址：https://www.helpnetsecurity.com/2026/06/23/ai-trust-gap-research/
