仅61%的中国企业建立了对接监管且符合数据与AI监管要求的正式流程，较AI领军企业低9个百分点；仅54%的员工信任AI生成的洞察并将其用于日常决策，较领军企业低7个百分点——普华永道2026年全球AI效能研究揭示了中国企业在AI治理与信任层面的结构性短板。在AI应用能力与基础投入均处全球领先的背景下，治理合规与员工信任正成为制约AI效能转化的关键瓶颈，亟待从制度建设走向执行落地。
AI治理——从顶层设计到执行落地的断层
全球调研指出，领军企业对治理高度重视，确保其以加速交付而非拖慢进度的方式落地。AI领军企业更有可能采用成文的“负责任的AI”框架——覆盖从用例筛选到应用监控的全流程，其概率是其他企业的1.7倍；同时设立跨职能AI治理委员会的概率也是其他企业的1.5倍。
中国企业在AI治理的顶层规划和制度建设上已基本实现向全球领先水平对齐，包括建立“负责任的AI”框架、跨职能治理委员会及数据安全合规体系。然而，在从制度到执行的转化环节，中国企业的表现明显落后。仅61%建立了对接监管且符合数据与AI监管要求的正式流程，较领军企业低9个百分点。这一差距反映出“有制度、缺执行”的普遍困境——顶层设计完善，但在具体操作层面仍面临合规意识不足、执行标准不统一、跨部门协同不畅等问题。
随着国内AI监管规则逐步细化，《生成式人工智能服务管理暂行办法》等法规的落地执行对企业提出了更高的合规要求。企业需要将治理从“制度建设”推进到“执行落地”阶段，包括在高风险AI用例部署前开展合规审查，建立标准化的合规操作流程，定期开展内部审计等。
员工信任——AI采纳率的隐形瓶颈
全球调研指出，有效的技能提升旨在教会员工如何在日常工作场景中应用AI。领军企业更倾向于为员工提供持续的、基于岗位的AI学习，其高管团队也更有可能以身作则，通过参加培训课程并在工作中显性地使用AI来树立良好榜样。AI领军企业表示员工参与持续的、基于角色的AI学习课程的可能性是其他企业的1.7倍，且这些员工信任AI生成的洞见的可能性是其他企业的两倍。
中国企业在AI落地的人员和组织层面展现出极强的执行驱动力。激励机制的设定、岗位培训的普及度、业务与技术团队的协同共创均优于领军企业水平，管理层的高参与度构建出一个拥抱AI、积极尝试的良好态势。然而，这种高强度的资源与制度投入并未完全转化为同等的决策质量——仅54%的员工信任AI生成的洞察并将其用于日常决策，较领军企业低7个百分点。
信任不足会直接降低AI的实际使用率，导致技术投入无法转化为业务价值。当员工对AI输出持怀疑态度时，他们要么忽略AI建议继续沿用传统方法，要么花费大量时间验证AI输出——两者都削弱了AI应有的效率提升效果。信任缺失还可能导致企业错失AI驱动的决策优化机会，使AI投资回报率低于预期。
治理与信任的协同效应
治理与信任之间存在显著的协同效应。当企业建立了完善的AI治理框架（包括明确的责任划分、透明的决策流程、可靠的防护机制），员工对AI的信任度会显著提升。反之，缺乏治理透明度的AI系统会加剧员工的不信任感，形成“不透明→不信任→不使用→价值无法验证→更不透明”的恶性循环。
AI领军企业通过设定防护机制与操作规范进一步筑牢员工信任。当人们清楚了解AI的授权使用范围、何种情况需向上呈报以及责任归属时，便能更自信地运用该技术。这种治理与信任的协同效应使领军企业能够更快地推广AI应用，更高的采用率产生更丰富的数据和反馈，每一次部署都在不断地改进系统并提升影响。
中国企业需要打通从治理到信任的价值链。一方面，加快建立跨业务、技术、合规部门的AI治理委员会，落地符合国内AI监管要求的框架，在高风险AI用例部署前开展合规审查。另一方面，通过标准化模板、轻量审查等机制兼顾治理要求和落地效率，避免治理成为创新的阻碍。同时，通过透明的治理机制和清晰的沟通，逐步建立员工对AI的信任。
从合规到信任的实践路径
企业可从以下方面推进治理与信任建设。
第一，建立跨职能治理委员会。参考AI领军企业，设立由业务、技术、合规、法务等部门共同参与的AI治理委员会，负责AI战略方向、风险评估和合规监督。跨职能治理委员会的设立概率是其他企业的1.5倍，是有效平衡AI创新落地与合规风险的关键机制。
第二，落地负责任AI框架。建立覆盖用例选择、设计、部署和持续监控全流程的负责任AI框架。借鉴领军企业实践，通过标准化构建模板、快速检查点和常态化监测等机制，让常规用例高速流转，团队只需将最高风险的项目提交委员会审核，避免全量审批带来的流程阻滞。
第三，完善基于岗位的AI培训体系。建立持续的、基于角色的AI学习课程，帮助员工在日常工作场景中应用AI。高管团队以身作则，通过参加培训课程并在工作中显性地使用AI树立良好榜样，管理层的高参与度能有效提升员工的信任度和采纳意愿。
第四，建立透明的防护机制。明确AI的授权使用范围、何种情况需向上呈报以及责任归属，通过清晰的沟通和透明的机制筑牢员工信任。当人们清楚了解AI的能力边界和决策逻辑时，便能更自信地运用该技术。
第五，将信任度纳入AI效能评估。定期测量员工对AI的信任度和使用意愿，将其作为AI项目成功的关键指标之一。通过持续的反馈和迭代，不断优化AI系统的透明度和可解释性，逐步缩小与领军企业在信任度上的差距。
