数据和AI影响力报告：信任的必要性

信任困境是 AI 发展的主要障碍：全球近半数（46%）组织存在 AI 信任与实际系统可信度之间的不匹配，导致 AI 潜力无法充分发挥，ROI 显著降低。解决信任困境需要持续投资于治理框架、人才培养和基础设施建设。
AI 投资回报与战略目标密切相关：将 AI 用于提升客户体验、扩大市场份额和增强业务弹性的组织，比单纯追求成本削减的组织获得更高的 ROI。战略性 AI 项目能显著提升市场份额和改善客户体验。
从 GenAI 到 Agentic AI 需要更强大的基础：Agentic AI 的应用受限于数据基础、治理和人才短缺。49% 的组织指出非优化的云数据环境是主要障碍，其次是数据治理不足（44%）和人才短缺（41%）。
量子 AI 受到高度关注但应用尚处早期：30% 的全球决策者熟悉量子 AI，25% 信任它，尽管实际应用罕见。量子 AI 在物流、金融、网络安全和气候建模等领域具有巨大潜力，但技术仍处于实验阶段。
GenAI 信任度远高于机器学习：尽管 GenAI 容易出错，但用户对其信任度是机器学习的 3 倍。这种信任主要源于其直观性和交互性，而非实际可靠性。

生命科学行业：在 AI 和数据基础设施成熟度方面领先，但未来对可信 AI 的投资计划相对保守。主要挑战包括数据基础、专业人才和数据治理。
保险行业：当前可信 AI 实施力度较大，但在支持 agentic AI 的可信 AI 投资方面相对保守。主要挑战包括数据基础、数据治理和人才短缺。
银行业：在可信 AI 实施方面表现最佳，并计划大幅增加未来投资。主要挑战包括数据治理、人才短缺和数据集中化。
政府机构：AI 成熟度较高，但数据基础设施成熟度相对滞后，可信 AI 实施力度和未来投资计划均落后于其他行业。主要挑战包括数据基础、数据治理和人才短缺。