核心观点
- **负责任的人工智能（AI）**对于可持续创新至关重要，但实施差距仍然存在。
- 研究发现，不到1%的企业已经全面 operationalized 负责任的 AI。
- 负责任的 AI 实施差距滞后于其重要性认知，导致企业面临内部和外部挑战。
- 本 playbook 提供了九个关键行动，涵盖三个关键维度：战略与价值创造、治理与问责制、开发与使用。
关键数据
- 负责任的 AI 实施差距从 2024 年的 14% 上升到 2025 年的 19%。
- 81% 的企业仍处于负责任的 AI 的前两个早期阶段。
- 53% 的美国人口使用生成式 AI 工具，但只有 1% 能正确回答所有关于基本 AI 素养的问题。
- 59% 的工人对生成式 AI 对工作安全性的影响表示严重担忧，而只有 29% 的高管认为工人担心失业。
研究结论
- 企业领导者需要采取行动克服内部障碍，例如评估 AI 使用和风险、投资负责任的 AI 人才和工具等。
- 政府领导者需要解决生态系统挑战，例如监管碎片化、地缘政治竞争等。
- 本 playbook 提供了一个灵活的框架，企业可以根据自身具体情况进行调整。
- 负责任的 AI 实施需要企业领导者和国民政策制定者的共同努力。
三个关键维度
1. 战略与价值创造
- 领导层需要制定长期、负责任的 AI 战略和愿景，以创造价值。
- 数据治理对于解锁 AI 创新至关重要，需要建立可信的数据治理框架。
- 设计弹性的负责任 AI 流程，以确保业务连续性。
- 任命和激励 AI 治理领导者，并建立问责制。
- 采用系统化、整体化和特定于上下文的风险管理方法。
- 提供负责任 AI 实践和事件响应的透明度。
2. 治理与问责制
- 任命和激励 AI 治理领导者，并建立跨职能协调机制。
- 采用系统化、整体化和特定于上下文的风险管理方法。
- 提供负责任 AI 实践和事件响应的透明度。
3. 开发与使用
- 以负责任的设计作为默认选项，推动 AI 创新。
- 通过技术支持扩展负责任的 AI 应用。
- 提高负责任的 AI 素养，并为劳动力转型创造机会。
案例研究
- Telefónica 的多方面负责任 AI 战略。
- 迪拜 AI 密封防止欺骗性做法。
- 沙特阿拉伯 外国数据托管的法律框架。
- Infosys “合规至上”的通用标准。
- e& 的跨职能 AI 治理结构。
- Hiroshima AI Process 国际行为准则和报告框架。
- IKEA 的负责任 AI 素养计划。
- Accenture 的 Trusted Agent Huddle 重新发明 AI 治理。
政府行动建议
- 沟通司法管辖区负责任的 AI 目标。
- 激励行业实施负责任的 AI。
- 促进安全共享，例如通过监管沙盒和数据共享市场。
- 促进开放和包容性的数据生态系统。
- 提供基础支持，例如资源和工具、生态系统倡导者等。
- 解决监管紧张局势和模糊性。
- 原型设计 AI 治理框架。
- 促进司法管辖区互操作性。
- 激励采用负责任的 AI 标准。
- 促进负责任的 AI 素养基础的一致性。
- 创造素养和专家人才的途径。
