研究显示，随着企业将AI决策逐步扩展至人工直接监督之外，决策可追溯性缺口正不断扩大，企业在合规、运营及客户信任层面面临的风险也随之增加

深圳2026年8月5日 /美通社/ -- Sumsub，首个由AI驱动、支持企业实现规模化合规的信任基础设施，今日发布《Sumsub亚太地区数字信任现状：AI治理基准报告》。报告显示，中国企业亟需提升对AI智能体（AI Agent，以下简称"智能体"）决策过程的追踪能力。

在中国，约97%的企业目前正在使用或试用多环节AI系统。然而，结构性错配依然存在，因为许多本地企业仍缺乏对AI决策路径进行监控和审计的基础设施，仅29%对追踪并解释其AI决策过程非常有信心。报告将这一现象称为"问责不对称"(Accountability Asymmetry)，即企业需要为AI作出的决策承担责任，却未必能够向监管机构、股东或客户清楚说明，AI作出了什么决定、依据是什么，以及这一决定是如何形成的。

该报告从三个维度对亚太地区企业在自主智能体的治理成效方面进行评估：AI目前在多大程度上能够独立行动（自主性/Autonomy），AI驱动结果的责任归属的明确程度（责任/Responsibility），以及这些决策可被还原和解释的程度（可追溯性/Traceability）。

报告关于中国企业的主要发现包括：

• 强有力地锚定AI责任归属的框架：75%的中国企业已制定明确指令，将AI相关结果的直接责任落实到具体个人（35%）或团队（40%），略高于亚太地区平均水平（70%）。

• 审慎划定高风险业务流程的风险边界：对于低风险、日常常规任务，89%的中国企业愿意交由AI处理，与亚太地区平均水平（88%）一致；但当任务涉及财务责任时，企业则表现得更加谨慎。

• 安全优先于AI应用的快速扩张：过去一年，26%的中国企业显著扩大了AI系统的应用范围或自主程度，略低于亚太地区30%的平均AI部署水平。这反映出企业更倾向于采取安全优先的策略，而非在缺乏充分管控的情况下快速扩张。

• AI治理能力仍有提升空间：中国企业在AI落地与治理体系搭建之间均衡投入，整体治理基准得分为68，略高于亚太地区平均水平的67.1分。

• 数据分析与核心运营最先体现实际价值：中国企业认为，AI目前在运营或工作流程处理（25%）以及数据相关任务（21%）中产生的实际影响最为显著，值得关注的是，产品 / 服务个性化场景占比达 18%，大幅高于亚太地区 9% 的平均水平，与欺诈检测、反洗钱和风险监控（18%）持平。

"中国企业在扩大智能体应用时所表现出的谨慎，并不意味着缺乏战略意图，而是反映出企业对安全与责任的高度重视。"Sumsub亚太区副总裁Penny Chai表示，"当决策涉及财务责任时，未成熟的追溯机制将会为企业带来难以承受的运营风险。因此，建立完善的追踪架构及安全防护机制，是企业实现关键场景AI应用安全规模化部署的重要前提。与此同时，监管框架与产业协作也将共同推动AI治理体系持续成熟。监管规则明确责任边界，而身份识别、决策追踪和审计记录等数字信任基础设施，则能够让AI问责真正落到实际应用中，帮助企业将合规要求转化为可验证的数字信任。"

亚太地区企业AI治理自评得分受监管成熟度影响
中国企业对自身AI治理表现的自我评分为68.0分，略高于亚太地区的平均水平，反映出受访企业认为自身在AI应用推进与治理能力建设之间保持了相对良好的平衡。与此同时，中国正持续推进相关标准建设，进一步完善智能体身份管理、协同交互和全程追溯等技术治理机制。2026年6月，中国发布《人工智能智能体互联》系列7项国家标准，围绕总体架构、身份码、身份管理、智能体描述、智能体发现、智能体交互及工具调用等关键环节，构建起覆盖"身份标识—能力描述—供需发现—协同交互—工具调用"的闭环式标准体系。该系列标准不仅补齐了智能体互联领域的标准空白，也为企业复用标准组件、降低定制开发成本、缩短产品上市周期，以及建立统一身份认证和全程追溯机制提供了更清晰的技术依据。

在亚太其他市场，不同的监管环境同样直接影响了各市场企业的自评得分。泰国（70.3分）和菲律宾（69.6分）由于较早与严格的数字法规及商业要求接轨，位居区域前列。印度（68.5分）仍较多依赖书面合规要求或较为严格的市场准入规则，中国香港（66.7分）、澳大利亚（66.7分）和印度尼西亚（66.0分）等则正持续调整现有隐私框架，以覆盖自主运行的AI系统。新加坡（65.6分）已推出代理式 AI 模型治理框架(Model AI Governance Framework for Agentic AI)，企业普遍根据此较为成熟的技术标准衡量，因此倾向较严谨的自我评估。马来西亚（62.4分）位居区域末位，当地企业正为即将出台的AI治理法案做准备。

高监管行业引领亚太AI治理水平
在本次评估中，高度监管行业整体表现领先。其中，金融服务业以69.6分位居榜首，这主要得益于严格的合规标准，以及区域内最高的审计追踪机制采用率（68%）。IT及软件服务业以68.8分紧随其后，不过，其激进的部署速度带来了风险，可能导致实际应用超越治理能力。

相比之下，财务责任相对较低的行业，往往更重视AI带来的即时效用，而非治理能力建设。电商平台得分为65.4分，虽然大量使用AI工具推动销售，但受利润空间有限影响，较少采用独立审计，采用率仅为29%。出行与配送行业以64.4分位居末位。该行业更强调运营速度，却相对忽视监督与追踪机制。一旦自动化AI系统发生故障，其物流运营便可能因缺乏有效监控而面临系统性风险盲区。

突破技术障碍，推动AI安全扩展
随着智能体逐步进入更复杂、更高风险的业务流程，中国企业下一阶段需要解决的重点，已不只是扩大应用范围，而是确保相关系统能够被有效追踪、审查并顺利接入现有业务架构。调研显示，应对现代AI模型本身的技术复杂性（63%）、控制建立可追溯机制所需的高昂成本（46%），以及实现对第三方AI活动的全面追踪（44%），这些问题直接影响企业对AI决策过程的记录与还原能力，也增加了跨平台管理和责任追溯的难度。

从纸面合规迈向可验证的信任机制
在智能体时代，真正的数字信任不能只停留在制度文件和合规清单上。企业需要建立统一的管理机制，确保每一次自动化操作都能对应到获得授权的智能体，以及负责监督这一操作的具体人员。通过完整记录智能体获得了什么授权、与其他系统进行了哪些交互，以及做出操作时的相关背景信息，企业才能及时了解AI系统正在做什么，并在出现问题时明确责任归属。市场对于这一转变已基本形成共识：96%的中国企业表示，已准备采用第三方验证解决方案，将智能体的自主操作与经过验证的身份体系关联起来。

如欲详细了解《Sumsub亚太地区数字信任现状：AI治理基准报告》的完整内容，请点击以下链接下载：https://sumsub.com/ai-governance-benchmark-apac/

调研方法说明：
《Sumsub亚太地区数字信任现状：AI治理基准报告》旨在评估亚太地区企业在AI自主性、责任归属与可追溯性方面的治理能力。该研究采用综合性的混合研究方法，于2026年4月至6月期间，由Sumsub携手新加坡金融科技协会开展，由Blackbox Research独立进行的定量调研，并结合高管圆桌讨论。

本次研究覆盖澳大利亚、中国、中国香港、印度、印度尼西亚、马来西亚、菲律宾、新加坡和泰国九个亚太核心市场，共调研720名资深专业人士，涉及金融服务、IT及软件服务、电商和出行四大行业。所有受访者均为经过筛选的企业决策者，并直接负责AI战略、落地执行或风险监督。