研究：落實「可信任 AI」的企業，獲得高投資報酬率(ROI)的機會高出 15 倍

生成式AI加速進入企業應用，市場焦點已由「導入AI」轉向能否規模化部署並產生實際投資回報，代理型AI（Agentic AI）的興起也讓治理、可解釋性與資料品質受到更多關注。SAS最新結合IDC研究洞察的《資料與AI影響力：AI時代的信任經濟學》報告指出，企業AI投資成效正因治理與信任能力出現明顯差距。研究顯示，落實可信賴AI實務的組織，獲得高投資報酬率（ROI）的機率，可達其他組織的15倍；而台灣等大中華區市場近一年在AI治理與信任能力上已有明顯提升，但資料基礎成熟度仍未完全跟上AI應用發展，成為企業擴大部署時需要補強的一環。

可信賴AI成熟度出現分化 投資回報差距同步擴大

根據《資料與AI影響力：AI時代的信任經濟學》報告，重視可信任 AI 實踐的企業與未重視的企業之間，ROI 差距正在擴大。落實完善可信任AI實務的組織，不僅可能獲得高投資報酬- 在 AI 專案上獲得高投資報酬率( ROI) 的機率高出 15 倍（62% 對比 4%）。在營收成長、成本節省與客戶體驗等13項業務成果上的效益亦平均高出1.85倍；此外，在可信任 AI 領先企業中，有 85% 今年的相關投資增幅超過 10%，進一步拉大與同業的表現差距。
 
SAS技術長Bryan Harris指出：「AI發揮作用時，可以帶來很大的影響。然而，目前最先進的AI代理在處理複雜任務時，錯誤率仍可能超過25%，這樣的錯誤率無法用於高風險決策。」他表示，企業若要提高AI決策的準確性與可重複性，必須將領域專業知識納入代理型AI工作流程，同時讓人員持續參與治理與監督，才能縮短信任落差，並將AI轉化為市場競爭優勢。
 
IDC副總裁Chris Marshall表示：「當AI變得更自主，企業面臨的新挑戰，是如何維持人們對一套無法完全理解的系統之信心。」研究結果顯示，更完整的監督、可解釋性、問責機制與資料基礎，正成為企業成功擴大AI部署的必要條件。

AI自主性提高 信任與治理機制面臨考驗

報告亦探討了 AI 落地應用的一大隱憂：當員工對 AI 決策缺乏信任時，往往會主動介入並進行手動修正。這不僅會加劇 AI 的信任赤字，並可能消耗企業的時間、生產力與獲利能力。
 
有97.2%的使用者表示，至少曾在某些情況下推翻AI產生的建議，最常見的原因是系統無法說明其決策依據；受訪者對生成式AI的信任度為76%，對自主程度更高的代理型AI則降至66%。

AI應用成熟度提升　資料基礎仍待補強

資料與AI影響力報告同時觀察到，目前全球僅17.5%的企業擁有足以支撐代理型AI需求的完全最佳化資料基礎架構。擁有最佳化資料基礎的企業，預期從 AI 專案獲得高 ROI 的機率高出 4 倍，且強制推行建立信任所需之資料品質與可解釋性管控機制的機率高出 6 倍。
 
台灣等大中華區市場已有61.5%的組織將自身AI成熟度評為「整合」或「轉型」階段，但資料基礎架構達到「已管理」或「最佳化」的比例只有43.4%。
 
根據報告內容，SAS台灣總經理龔律安指出：「台灣等大中華區企業近一年在AI治理與問責機制上已有明顯進展，接下來仍須補強資料品質、資料治理與來源可追溯性。尤其代理型AI開始參與實際決策後，底層資料能否被追溯、治理機制能否落實到日常流程，都會影響AI是否能穩定產生可衡量的業務成果。」

五項指標衡量可信賴AI成熟度

本次研究調查全球28個國家、2,699名對企業資料與AI策略具有了解或影響力的決策者，涵蓋銀行、保險、生命科學與公營部門四大產業。報告以資料品質與治理、模型治理與監督、可解釋性與公平性、負責任AI政策，以及稽核與問責五項面向評估組織的可信賴AI成熟度，總分達80分以上者列為可信賴AI領先組織。在此框架下，可信任 AI（Trustworthy AI）是指具備可靠性、公平性、安全性、法規遵循與可解釋性，並具備明確治理及問責機制的 AI 系統。企業必須確保 AI 的決策過程能被理解與監督，並針對錯誤或缺失的 AI 輸出建立清楚的責任機制，使 AI 應用符合組織所訂定的治理規範。