79% 的企业员工绕过 AI 治理政策

79% 的企业高管表示，员工在绕开企业的 AI 治理政策工作

企业在 AI 治理上已经做了功课。它们写好了政策、建好了框架、归档了文档。91% 的高管表示自己的组织已经具备这些。给自己发一朵小红花吧。

但当你深入挖掘，就会发现这些规则就像独角兽或平衡预算一样，只是一个漂亮的理论对象。它们存在于文档中，但没有真正落地。

根据 Zapier 对 548 名来自 500 人以上企业的美国总监、副总裁和 C 级高管的一项新调查，近五分之四的高管表示，员工正在积极绕过或变通治理流程，以更快地部署或修改 AI 驱动的 工作流。

那些在这件事上走在前面的企业，靠的不是写一份更好的 PDF。它们靠的是将治理直接嵌入工具本身，这样遵守规则不再是需要你记住去做的事——而是工具唯一允许你做的事。

本报告深入探讨是什么在驱动这些变通行为，以及当治理不再只是一份 PDF 时，更严格的监督是什么样的。

41% 的高管表示，其组织的目标是快速推进并在过程中不断完善治理，即使这会带来合规风险

41% 的高管表示，其组织的目标是快速推进并在过程中不断完善治理，即使这会带来合规风险

80% 的高管表示其公司有审计流程，但 28% 表示他们的 AI 政策实际上并未得到一致执行

80% 的高管表示其公司有审计流程，但 28% 表示他们的 AI 政策实际上并未得到一致执行

41% 的高管表示 AI 治理的所有权因部门而异，导致整个组织的问责制度不一致

41% 的高管表示 AI 治理的所有权因部门而异，导致整个组织的问责制度不一致

41% 的高管表示，其组织的目标是快速推进并在过程中不断完善治理，即使这会带来合规风险

先从问题的规模说起：52% 的高管表示，员工绕过治理流程是其组织中普遍存在的问题。另有 27% 表示这个问题集中在特定团队。只有五分之一的人表示这种情况很少发生或从未发生。也就是说，五分之四的高管基本上在描述自己的组织像一个治理建议箱。

在 500 至 4999 名员工的企业中，大约 81% 至 82% 的高管报告员工在绕开治理流程工作。只有在 5000 人以上的企业，这个数字才有所下降，降至 64%。

这个差距让人感觉最大的公司做得最好——直到你再想一秒，意识到它可能意味着相反的情况：在这些巨型组织中，领导层和实际工作之间有无数层级，这意味着许多高管根本不知道有多少规则在被规避。报告的违规行为减少并不等于违规行为减少。

造成这个可见性问题的部分原因在于企业部署方式的分歧。41% 的高管表示，其公司的主要方式是快速迭代，尽快将工作流投入生产——即使这意味着要在过程中完善治理和合规护栏。

与此同时，47% 的人表示，他们的组织会等到治理和测试完全锁定后才进行部署。这些数字接近到可以抛硬币决定，这意味着员工并不是真的在绕过治理，而是在领导层尚未解决的争论中选边站。如果高管层不能就方法达成一致，政策文件本来就不可能守住底线。

这与软件部署中长期存在的紧张关系是一样的：先发布再修复，还是在上线前做到完美。区别在于，当一个有问题的功能发布时，你推送一个补丁。当一个不受治理的 AI 工作流同时触及你的 CRM、Slack 和计费系统时，补丁就有点难写了。

后果往往是切实可见的。47% 的高管表示，AI 工作流问题已导致人工工作量或运营成本增加。41% 表示这导致了面向客户或用户的错误。26% 表示这影响了收入——这个数字往往终于让政策文件感到紧迫。85% 的高管表示 AI 正在整个企业中运行高度关键或任务关键型工作流，显而易见，现在不是敷衍了事的时候。

随工作流一起移动的治理正是 Zapier 的设计初衷，它赋予员工构建和运行 AI 工作流的自由，同时让 IT 保持对代理可以访问什么以及可以在哪些已连接应用上执行操作的控制权。

80% 的高管表示其公司有审计流程，但 28% 表示他们的 AI 政策实际上并未得到一致执行

拥有审计流程和真正执行审计所发现的问题，是两个不同的挑战。

审计基础设施基本存在。80% 的高管表示，其组织有一个正式流程来定期审查 AI 治理政策。

与此同时，28% 的受访高管表示，他们的正式政策存在于纸面上，但未在团队或用例中得到一致执行。这种治理的缺失会阻碍 AI 转型：员工孤立地使用 AI，而你无法有意义地或可靠地在整个组织中扩展 AI 使用。

在不能一致执行政策的组织中，64% 的高管表示其 AI 驱动的工作流支撑着关键业务功能，一旦中断将造成明显的运营或财务影响。这意味着财务审批、客户沟通和 HR 流程都在运行着不遵守组织为其设定的规则的工作流。显然，护栏是可选的。

公司规模在这里讲了一个有趣的故事。中型企业在一致执行方面最为挣扎。在 1000 至 2499 名员工的公司中，41% 的高管报告说，虽然正式政策存在，但未得到一致执行。相比之下，在 500 至 999 名员工的公司中这一比例为 26%，在 2500 名以上员工的公司中为 23%。

大多数高管至少模糊地意识到需要改变。近一半（49%）的人表示，其组织已有一套适当的制衡体系，但认为可以改进。几乎所有剩余的受访者走向了另一个极端：46% 的人表示他们目前的方法是适当的，不需要任何改变——这比数据所支持的乐观得多。说治理正在actively让他们失望的高管只是少数，仅占 4%。但考虑到这些工作流上运行的是什么，这并不是一个完全令人安心的数字。

有些公司根本没有经常检查。29% 的高管表示，其组织每季度或更低频率审查其 AI 治理政策，另有 2% 每年或更低频率审查。对于触及财务审批和客户数据的工作流，每季度审查治理大致相当于闻到烟味才去检查烟雾探测器电池。

AI 能力发展很快，团队使用它们的方式也在快速变化。在这一切中保持治理策略在正轨上比听起来要难。建立更有韧性的治理意味着实施能够实时控制访问和跟踪操作的 AI 工具，这样监督就能以与工具本身相同的速度进行。

当 AI 正在运行任务关键型工作流时，每季度检查一次不是控制策略。Zapier 作为 AI 代理与其连接的应用程序之间的托管层。每个连接都经过 OAuth 认证，没有任何东西可以在你的政策允许的范围外运行。

41% 的高管表示 AI 治理的所有权因部门而异，导致整个组织的问责制度不一致

企业在谁拥有 AI 治理方面几乎平分秋色。超过一半（51%）的高管表示其公司有一个专门的团队负责 AI 治理，而 41% 表示所有权因部门或业务单元而异。在实践中，这意味着同一家公司的两名员工可能在完全不同的规则下运作。

我们询问了高管，当工作流发生故障时会发生什么，他们通常会说责任通常落在几个相关方身上，包括：

集中式 AI 团队：57%

集中式 AI 团队：57%

运营该工作流的个人或团队：51%

运营该工作流的个人或团队：51%

构建或配置它的人：46%

构建或配置它的人：46%

这些群体经常重叠，使得当问题发生时，真正的问责很容易完全丢失。在实践中，这意味着"谁拥有这个？"的答案在技术上每个人都是，在会议上这意味着没有人。

当所有权如此分散时，关于数据使用、偏见和问责的 AI 伦理问题也没有明确的归宿。

幸运的是，有一些事情确实能产生作用，而且它们都不涉及写一份更好的政策文件。

准确了解你的组织中运行着什么

如果你不能——不先问别人——回答你的组织中有多少 AI 工作流是活跃的，以及谁授权了每一个，那就是缺口。集中化访问管理是一项必须来自高层的决策，因为 IT 只能执行领导层实际已授权的内容。

当代理和自动化流程在 IT 不知情的情况下连接到公司工具时，事情很快就会失控。通过 Zapier，跨数千个应用的安全的、OAuth 管理的认证使得在大规模上执行这一点变得容易得多，而不依赖于共享密码或手动凭据跟踪。

在部署之前定义所有权，而不是之后

随着 AI 工作流变得越来越复杂并触及更多团队，问责变得更加模糊。当出现问题时谁负责应该在工作流上线之前决定，而不是在事故迫使对话之后。近四分之一的高管表示，问责在团队之间共享，但分配不一致，这表明所有权通常在上线前没有解决。

任何参加过事后会议的人都知道这是怎么回事。某个东西坏了，人们像车灯下的鹿一样环顾四周。由于 AI 工作流同时触及多个系统和团队，似乎从来没有人有一个直接的答案；只剩下当其他人都找到借口离开时还留在房间里的那个人。

将护栏构建到工作流本身中

当员工有动力快速行动，而工具本身不执行任何边界时，书面政策的作用有限。随工作流一起移动的治理意味着规则是有效的，无论是否有人记得阅读手册。目标是赋予团队高效使用 AI 的自由，同时组织保留对这些工具可以访问什么和执行什么的控制权。

政策文档不会阻止代理做不应该做的事。无论你的团队使用什么模型或代理，Zapier 的 AI Guardrails 都会监控工作流，并在任何看起来不对劲时标记。

问题从来不在于我们是否应该治理 AI。问题一直是治理能否跟上部署它的人。随着 AI 代理在更多互联系统中承担更多关键工作，保持治理执行在正轨上需要的不仅仅是一份写得好的政策。在这方面走在前面的企业已经将监督直接构建到 AI 的运作方式中、访问如何被管理的方式中，以及跨组织中每个工具的操作如何被跟踪的方式中。

这正是 Zapier 的用武之地：它是 AI 代理与完成工作所需的应用程序之间的治理层。因为如果治理只覆盖一个模型或一组工具，一旦事情变得有点混乱，它就会停止工作。

治理必须随工作一起移动，跨每个代理、每个应用和每个使用它们的团队。Zapier 处理 9000 多个集成的认证、权限和监督，因此 IT 保持可见性而不减缓任何人的速度。

该调查由 Centiment 为 Zapier 执行。调查于 2026 年 5 月 7 日至 2026 年 5 月 11 日期间进行。结果基于 548 份已完成调查。为符合资格，受访者被筛选为 500 人或以上企业中在核心业务工作流中使用 AI 的美国总监、副总裁和 C 级高管。受访者直接了解其公司的 AI 战略和治理实践。数据未加权，总体样本的误差幅度约为 ±4%，置信水平为 96%。

只有 50% 的企业领导者表示 AI 益处是普遍的——尽管采用率已达 97%

只有 50% 的企业领导者表示 AI 益处是普遍的——尽管采用率已达 97%

AI 安全风险：7 种威胁及如何管理它们

AI 安全风险：7 种威胁及如何管理它们

AI 转型是一个治理问题。以下是解决它的方法。

AI 转型是一个治理问题。以下是解决它的方法。

什么是 API 集成？你需要知道的一切

什么是 API 集成？你需要知道的一切