企业如何构建负责的可信AI：从风险应对到价值赋能

导语：78%的企业已开始部署AI，但仅23%建立了系统化的AI治理框架。当AI决策引发争议，谁来负责？数据来源是否合规？模型是否存在不可解释的偏差？——这些已不再是技术问题，而是企业战略转型的核心挑战。[1]

一、AI时代，风险结构正在发生根本性转变

在传统IT系统中，企业面对的是明确的代码逻辑与可预测的系统故障。而当AI深度融入业务决策流程，风险结构已发生质变：决策逻辑不可解释、风险传导路径复杂、责任边界模糊。

安永最新Responsible AI Pulse survey显示：65%的企业在AI决策出现争议时无法明确责任归属，52%的企业缺乏对AI模型的持续监控机制，47%的企业无法在监管问询中提供完整的证据链。

这不是技术能力的问题，而是治理能力的缺失。

企业具备强大的技术能力，却缺乏系统化的治理能力——企业内外部AI服务快速上线，但制度与控制措施滞后。数据在持续流动，模型在不断迭代，风险却在悄然积累。

如果说数字化转型解决的是效率问题，那么AI时代必须解决的是“可信问题”。构建可信AI，不只是提升模型表现，更是建立一套可解释、可审计、可追溯的治理体系。

二、行业纵深：当AI从“效率工具”演进为“决策引擎”

这一转变在消费品与零售行业表现得尤为明显。

在该领域，AI正从“效率工具”快速演进为“决策引擎”。越来越多企业开始将AI应用于销售预测、备货优化、渠道动销分析以及消费者偏好洞察，通过整合电商平台、门店终端及会员体系数据，驱动产品研发、生产计划与营销策略的动态调整。例如，基于历史销售与实时渠道数据进行智能补货预测，或通过消费者画像分析反向指导新品开发，已成为领先企业提升周转效率与市场响应速度的关键手段。

然而，这一过程中也暴露出新的挑战：数据来源分散、口径不一致，模型决策逻辑难以解释，预测偏差影响库存与生产决策，甚至在自动化决策中出现责任界定不清的问题。这些问题的本质，并非单一技术能力不足，而是企业在数据治理、模型治理与AI风险管理方面尚未形成体系化能力。只有在“数据可控、模型可信、过程可追溯”的基础之上，AI才能真正成为驱动业务增长的核心能力。

在此背景下，构建面向业务价值的AI治理体系，已成为消费品与零售企业实现规模化AI应用的关键前提。这不仅要求企业夯实数据治理基础，更需要引入系统化的AI治理框架与专业能力，确保AI在提升运营效率的同时，实现风险可控与价值可持续释放。

三、安永AI治理框架：从风险应对到价值赋能

面对AI治理的系统性挑战，安永[2]提出“可信AI治理框架”，将AI治理从被动合规转向主动赋能，实现“治理即能力”。

在“安永AI治理框架”的视角下，框架锚定监管合规与法规遵从性和法律义务、声誉及道德风险管理、企业价值实现与竞争优势三大核心维度，构建起从风险规避到价值创造的闭环逻辑。

同时，安永针对三大核心维度拆解并梳理成了9个核心领域：

1、法规遵从性与法律义务：应对法规演变的“必选项”

全球AI治理规则正加速更迭——通用性法规（如欧盟AI法案、美国各州AI条例）与行业专属义务（如审计领域的执业标准、金融服务业的反洗钱/合规要求、医疗健康的数据隐私准则）交织，形成密集的合规约束网络。违规成本空前抬升，例如欧盟AI法案下最高可处3500万欧元或全球营业额7%的罚款，倒逼组织将治理实践视为规避法律风险的“必选项”。

2、声誉与道德风险管理：从“被动应对”到“主动进化”

AI应用的“灰犀牛”风险持续暴露：算法偏见、内容幻觉（如生成式内容编造虚假信息）、误导信息传播会直接损害公众信任与品牌声誉；伦理层面，歧视性决策算法（如招聘中的性别偏见）、隐私侵犯（如人脸数据滥用）、嵌入偏见的AI模型可能引发客户疏离、集体诉讼等治理危机。反之，强治理能力可预防声誉损害，并推动AI系统向“公平、可解释、可问责”方向进化，实现从风险被动应对到伦理主动管理的跨越。

3、企业价值实现与竞争优势：治理驱动的“价值飞轮”

AI治理并非成本负担，而是价值放大的“引擎”：

- 技术层面，治理机制有助于提升模型质量、输出可靠性与可审计性，为企业规模化部署AI提供“安全基准”（如金融风控模型的可解释性要求）；

- 组织层面，结构化监督让AI研发与应用团队获得决策信心研发与应用团队获得决策信心降低返工率、风险延迟与声誉损失概率（如制造业AI质检系统的快速迭代）；

- 战略层面，数据显示，建立正式治理框架的企业更能将AI用例从“试点”推向“运营化”，最终驱动持续的投资回报（ROI）与市场竞争壁垒（如零售业AI供应链的全链路优化）。

从“规避风险”到“创造价值”，安永AI治理框架通过三大领域的协同，助力企业在合规底线内释放AI潜能，实现从“可用”到“可靠”，再到“可持续”的进阶。

四、安永协助企业构建可信AI的综合治理框架

安永提出的综合治理框架，以“从AI驱动业务提质增效，到AI综合治理能力提升，到AI数据基础建设，再到AI合规底线”为逻辑主线，形成完整风险管理体系。

在AI驱动业务创新的同时，企业也需应对技术应用衍生的业务风险、信息安全风险、合规风险等挑战。安永构建了分层递进、相互赋能的可信AI综合治理框架。该方案以数据治理为根基、合规遵从为底线、治理体系为骨架、业务价值为指向的完整能力体系。

1、AI应用场景规划与开发

- AI应用规划与设计咨询：提供从AI战略顶层规划到落地实施的全流程咨询，包括数据准备评估、系统架构设计、交互界面优化，确保AI应用既符合业务需求，又具备市场竞争力；

- AI应用场景化能力测评：将AI场景分解为具体任务，构建科学测试矩阵与数据集，评估模型产出质量、效率与错误率，分析根因并提出优化建议，助力客户持续提升AI应用效果；

- AI鉴证建信服务（SOC2/ISAE3000）：依据国际鉴证标准，对AI产品安全性、控制有效性进行独立检查并出具报告，建立AI厂商与消费者之间的安全信任。

2、构建综合治理能力——从评估到落地的AI治理体系搭建

- AI治理体系战略设计：基于安永可信AI治理框架，从AI战略与组织协同、AI风险与信任管理、AI生命周期管理、第三方AI供应链管理等九大领域，为企业量身定制治理架构；

- AI治理成熟度评估：通过现状调研、行业对标，全景式诊断企业AI治理水平，明确从“试点”到“运营化”的进阶路径。

3、夯实数据基础——AI数据治理与质量保障体系

- AI数据成熟度评估：从数据质量、元数据管理、数据血缘追溯等维度，检验数据治理对AI的支撑效能，夯实可信AI的数据根基；

- AI数据质量测试：针对AI训练数据与推理数据，通过综合评估和测试方法，识别数据偏见、标注错误、分布漂移等质量缺陷，分析根因并提出优化路径；

- AI数据安全与隐私保护：覆盖数据采集、存储、加工、应用全生命周期，强化脱敏加密、权限管控、隐私设计（Privacy by Design）等能力，守住数据安全红线。

4、筑牢合规底线——全球化AI监管合规认证体系

- 全球法规对标评估：精准对标欧盟《AI法案》（EU AI Act）、中国《生成式人工智能服务管理暂行办法》、美国各州AI条例等监管要求，识别合规缺口；

- 国际标准体系认证咨询：协助企业构建符合ISO/IEC42001（AI管理体系）、ISO/IEC5259（AI数据分析标准）等国际标准的治理框架，在获取权威合规认证过程中提供支持。

方案特点：以“支柱”与“红线”构建风险防控闭环

这一方案以AI治理成熟度为整体“骨架”，以数据治理、工具测评为两大“技术支柱”，以合规、安全隐私为贯穿全程的“风险控制红线”。三大维度协同作用，形成“数据基础-合规底线-综合治理能力”的闭环管理体系，帮助企业实现AI应用在技术创新与风险防控间的动态平衡，构建可信赖、可持续的AI发展路径。

通过这一综合治理框架，安永可为企业提供从风险评估到管控落地的全链路支持，助力企业在AI时代兼顾创新速度与风控精度，释放技术价值的同时守护发展韧性。

AI治理不是企业发展的“负担”，而是构建可持续竞争优势的关键。

安永建议：立即启动AI治理体系建设，制定系统化的治理路线图，将AI风险转化为业务增长的驱动力。

作者团队：

赵剑澐 Eric J Zhao

安永大中华区科技风险及数据智能服务主管合伙人

安永华明会计师事务所(特殊普通合伙)

Eric-j.zhao@cn.ey.com

胡怡 Lydia Y Hu

安永大中华区科技风险及数据智能服务合伙人

安永华明会计师事务所(特殊普通合伙)

Lydia.Y.Hu@cn.ey.com

注：

[1].数据来源：2025年安永《负责任AI脉动调查》(Responsible AI Pulse Survey)https://www.ey.com/en_uk/insights/ai/how-responsible-ai-can-unlock-your-competitive-edge?spm=5176.28103460.0.0.18417551eNy4rK本报告基于对21个国家的975位C-suite高管的调研，围绕AI治理领域收集反馈并形成深度洞察。报告系统分析了企业AI治理的现状、挑战与最佳实践，为全球企业提供了可参考的治理路径。

[2].安永华明会计师事务所（特殊普通合伙）

本文是为提供一般信息的用途所撰写，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。