问题——应用热度上升与治理能力不足并存。
当前，人工智能正从技术工具走向生产要素，渗透到研发、运营、客服、医疗等多个场景。
与会人士认为，首席信息官的职责也随之变化：不再只是技术系统的管理者，而是企业战略推进、风险把控与跨境协同的重要枢纽。
然而，多份行业调查反映出一个突出现象：不少企业已经启动或试点相关项目，但在全公司范围内形成明确制度、流程与责任边界的仍属少数。
项目跑得快、制度跟不上，成为制约AI规模化应用的重要瓶颈。
原因——技术迭代加速、场景不确定与制度建设滞后叠加。
与会人士分析，治理“缺位”并非企业不重视，而是人工智能演进速度远超传统管理模式的更新周期。
一方面，新技术形态持续出现，尤其是能够自主执行任务的智能体等应用方向，使既有的软件管理、权限控制与审计框架面临挑战；另一方面，企业在尚未完全厘清应用边界、投入产出和风险画像之前，往往难以一次性搭建“完备方案”。
此外，跨部门协同成本高、数据质量参差、合规要求复杂等现实因素，也导致治理体系容易停留在文件层面，难以形成闭环。
影响——治理短板放大风险，也抬高商业化门槛。
与会人士指出，缺乏治理不仅可能带来数据安全、隐私保护、算法偏差、内容可靠性等风险，还会直接影响企业对外合作与跨境经营：一旦监管要求不一致，企业需要为不同地区分别配置流程、审计与合规证明，项目成本与时间周期显著上升。
以欧盟为代表的地区正在推进更为系统的监管框架，对高风险场景提出更严格要求，客观上提高了进入门槛；而以创新驱动为导向的地区更强调在发展中规范，强调通过内部治理工具“把风险关进笼子”，以保障创新速度。
监管分化在短期内难以消失，企业若缺乏可迁移、可解释、可审计的治理能力，将更难在全球市场形成稳定竞争力。
对策——以“负责任”促“可持续”，把治理从成本项转为价值项。
围绕如何破局，与会人士提出，负责任人工智能不应被理解为单纯的合规清单，而应成为提升决策质量、增强客户信任、降低运营波动的管理能力。
其关键抓手主要体现在三个层面：一是夯实数据治理底座，明确数据来源、质量标准、使用授权与留痕机制，确保“关键燃料”可控可查；二是建立贯穿全生命周期的管理流程，从需求评估、模型选择、测试验证、上线监控到复盘迭代形成闭环，特别是在敏感行业场景强化人工复核与分级授权；三是打造敏捷治理机制，面对新技术快速变化，治理规则要能够迭代更新，形成“边试点、边评估、边完善”的动态模式，避免“一套制度用三年”的滞后。
前景——标准协同与能力互认或成跨境合作突破口。
与会人士普遍认为，全球产业界对“可对接的标准体系”存在现实需求：标准越分裂，企业跨境合规成本越高，创新扩散越慢。
推动在术语体系、风险分级、测试评估、审计框架等方面形成更多共识，有助于降低跨区域运营摩擦。
与此同时，首席信息官群体正处于连接技术与业务、连接内部治理与外部规则的关键位置：既要推动企业在组织层面形成统一的责任链条，也要在供应链与合作伙伴层面推动能力互认、流程对齐。
可以预期，未来一段时期内，围绕AI治理的竞争将不仅是技术能力之争，也将是管理能力、合规能力与协同能力之争。
人工智能的快速发展既带来机遇，也伴随挑战。
在全球治理体系尚未成熟的当下，企业需平衡创新与风险，而国际合作将成为破解监管差异、推动技术落地的关键。
唯有通过协作与共识，才能实现AI技术的可持续发展，为全球经济注入持久活力。