本报告探讨了在人工智能应用已启动的情况下，人工智能准备就绪意味着什么。报告基于2024年至2026年间完成的26项联合国开发计划署人工智能景观评估（AILA），提出了“反向解读人工智能准备情况”的观点，即准备情况并非取决于应用前的条件，而是取决于在应用过程中，各国能否将政治关注、交付系统、数据、基础设施、人才、生态系统和治理联系起来，以塑造人工智能的采用。
报告识别出六种反复出现的模式：
- 政治关注并非主要制约因素：许多国家已将人工智能视为国家优先事项，但挑战在于建立实施人工智能所需的法规、资金、协调机制、执行能力和问责制。
- 人工智能的采用通常是通过系统而非策略进行的：与人工智能相关的后续选择，正通过采购、软件、数字公共基础设施、供应商关系、行业计划以及私营部门活动来做出，往往在正式的人工智能政策决策可见之前就已发生。
- 数据决定了采纳是否转化为实施：行政数据、公共部门数据、行业数据、语言数据以及共享的数据基础设施，共同塑造了人工智能系统是否能够可靠、可重用、包容、可监控以及安全地持续改进。
- 基础设施决定了行动者的能力：基础设施、计算能力和网络连接的可获得性与可负担性，以及人才、制度能力、融资和适当的治理安排，共同塑造了各国将人工智能应用于本地需求、与供应商谈判、管理风险以及在符合国家优先事项的条件下持续采用人工智能的能力。
- 生态系统决定了基础是否能够转化为本地价值：若要实现人工智能的采用能建立国内能力、经济机遇、更强大的公共体系以及本地价值创造，而非加深对外部开发技术的依赖，那么公共需求、企业、初创公司、大学、金融、公民社会、标准以及采购途径都需要相互连接。
- 治理的有效性体现在实施层面：当人工智能被采购、部署、监控、质疑、修正和问责时，负责任的AI最为关键，这发生在其运行环境中。
报告认为，人工智能的采用已进入公共机构、市场、服务和数字系统，更深层次的风险是缺乏管理的采用。政府和国家级生态系统需要知道人工智能正在进入哪些领域，谁在塑造决策，正在创建哪些依赖关系，正在构建哪些能力，谁可能受益或受损，以及当系统失败时责任应归于何处。
报告最后提出了三个与人工智能应用决策相关的关键问题，旨在帮助政府、发展伙伴及生态参与者识别在推广过程中需要凸显、组织、资助、管理、衡量或再利用的内容，以检验人工智能活动是否透明到足以供机构施加影响，是否规范到足以在民众间建立信任，是否可再利用到足以提升能力，以及是否可衡量到足以实现学习。
