主要观点：实施 AI 技术的竞赛在意图和实施之间造成了显著差距，尤其在治理方面。多数组织虽在从事 AI 治理但成熟框架匮乏，好的意图不足以应对治理问题，监管框架也不够，需建立有效 AI 治理结构，包括执行赞助与领导、跨职能代表、成熟度模型与评估框架、适应组织情境、伦理框架与控制机制等，从理论到实践需采取务实步骤，如从小处聚焦、构建跨职能团队、利用可视化框架工具、逐步推进成熟度等，金融服务机构的实例证明了渐进式实施的有效性。
关键信息：

• 77%组织在从事 AI 治理但仅少数有成熟框架，如 2025 年报告显示 96%组织用 AI 但只有 5%有治理框架。
• 治理失败导致诸多现实后果，如 Paramount 隐私诉讼、Change Healthcare 数据泄露、信用评分算法偏见等。
• 监管框架存在差异且合规性不足，需结合原则性治理框架。
• 有效 AI 治理结构包括执行赞助、跨职能代表、成熟度模型等关键组件。
• 伦理框架需转化为具体控制机制，如伦理影响评估等，且需人类监督和持续监测反馈。
• 实施需从小处聚焦、构建团队、利用工具、渐进推进等。
  重要细节：
• Zogby Analytics 2025 年报告数据显示组织在 AI 治理方面的差距。
• 各案例中组织因重视技术实施忽视治理框架而导致问题。
• ISO/IEC 42001 标准及相关治理结构关键组件的内容。
• 不同金融机构实施 AI 治理的具体步骤和成果。