聊企业 AI 治理，最容易得到的是一个漂亮但空洞的回答："我们有 AI 使用政策。"几乎所有大公司都能拿出一份签了字的文件。但一份 2026 年 9 月发布的调研问了一个更狠的问题：当业务催着你赶紧把一个 Agent 推上线、而治理流程要走三天审批时，你会不会直接把那份政策绕过去？
给出答案的是安永（EY）的《US AI Risk and Governance Survey》。它在 2026 年 5 月 28 日至 6 月 15 日间，访问了 202 位美国上市公司（年营收至少 10 亿美元）的资深 AI 决策者。样本不大，但含金量高——全是真正在大规模部署 AI 的一线负责人。结论构成了一记响亮的耳光：98% 的受访者声称公司已有正式的 AI 治理政策，然而同一批人里有 47% 承认，为了紧急部署曾经绕过自家这套治理流程。
一、98% 与 47% 之间：那道叫"橡皮图章"的缝
先把这组核心数字摆在一起看：
| EY 调研指标（n=202，美国上市公司 AI 决策者） | 占比 |
|---|---|
| 称公司已有正式 AI 治理政策 | 98% |
| 承认曾为紧急部署绕过该治理流程 | 47% |
| 无法检测内部未经授权运行的 AI Agent | 26% |
| 高管层对全部在用 AI 工具缺乏完整可见性 | 41% |
| 经历过一次造成实质负面影响的 AI 事故或失败 | 36% |
98% 对 47%，几乎可以当成一句话读：接近一半的企业，其 AI 治理政策在真正需要它把关的时刻是被跳过的。政策不是没有，而是"重要但不紧急"——一旦业务侧按下"今天就得上线"的加速键，那套审批、评估、留痕的流程就成了第一个被牺牲的东西。
这正是治理领域一个经典陷阱的最新版本：把"有一份政策"等同于"有一个控制"。一份锁在共享盘里的 PDF，和一个会在 Agent 越权时真的报警、真的拦截、真的留下证据的系统，是完全两回事。EY 的数据说明，绝大多数企业目前拥有的是前者，却在向董事会汇报时把它当成了后者。
二、更尴尬的一半：治理框架是为"上一个时代"的 AI 写的
调研还捕捉到一个正在快速扩大的错配。在使用 Agentic AI 的企业中，85% 表示他们已经有成规模的 Agent 在替人干活——跑代码、下库存采购单、检测网络安全事件等；但与此同时，49% 表示自己的治理框架并没有针对 Agent 这一形态做过专门更新。
这个数字组合的意味很直白：将近一半的企业，是拿着一套为"报表格、答问题"的传统 AI 设计的治理规则，去管一群会自己动手改系统、下单、调接口的自主 Agent。老框架管的是"输出内容合不合规",而 Agent 的真正风险在于"行为"——它调了哪个 API、动了哪张表、在无人复核下做了哪个决定。用管内容的尺子去量行为，天然量不准。
这一点和我们此前看到的两份材料严丝合缝地接上了：微软数字防御报告强调"每个 Agent 都要有独立身份、能被归因和撤销",Uber 则因为"纯算法处置、没有真人实质复核"被罚了 8.25 亿欧元。EY 的调研补上了中间那块拼图——原来近半数企业压根没为 Agent 修改过治理框架，那么"给 Agent 发身份证、留审计痕迹"这些动作，自然也就无处落地。
三、26% 看不见影子 Agent：治理失效的第一个物理证据
如果说"绕过流程"还是意愿问题，那下面这个数字就是实打实的工程能力缺口：26% 的受访企业表示，它们根本无法检测内部是否有未经授权的 AI Agent 在运行;41% 表示高管层看不到公司里到底在用哪些 AI 工具。
换句话说，四分之一的巨头连"我们家现在跑着多少个 Agent、都是谁偷偷装的"都没有一张完整的清单。这在传统 IT 时代是不可想象的——没有资产台账就谈不上安全，这几乎是入门常识。但 AI Agent 来得太快、太散、太容易自助开通（一个员工用一个 API key 就能起一个能读写系统的 Agent），把很多企业原有的资产管理和采购管控直接击穿，形成了业内所说的 "agent sprawl（Agent 蔓延）"。
这里必须给一条口径提醒：以上所有百分比都来自决策者的自我申报,反映的是"管理者认为/承认的状态",不是外部审计后的客观测量。而且样本清一色是美国十亿美金级上市公司——它们已经是全球 AI 治理资源最充裕的一档企业。所以更稳妥的解读是：连最有钱、最该规范的这一档都做到这个程度，其余企业的真实水位只会更低，而不是更高。方向比绝对数值更值得警惕。
四、为什么"写政策"和"做控制"是两门完全不同的生意
把这五个数字串起来，会发现它们指向同一个根因：大多数企业的 AI 治理停在了"文档层",没能下沉到"工程层".一份政策文件回答的是"我们应该怎样",而一套控制要回答的是三个具体得多、也难得多的问题：
- 识别：现在公司里到底有哪些 Agent 在跑、各自有什么权限？（对应那 41% 看不全、26% 检不出的缺口）
- 拦截：当一个 Agent 试图做一次高利害操作（改账、封号、下大额采购）时，系统能不能在"那一刻"强制要求人工复核、或直接阻断？（对应那 47% 能绕过流程的软肋——因为绕过靠的是人治，而不是架构上绕不过去的硬卡点）
- 留证：每个动作是否留下了不可篡改、且下游审计方无需信任 Agent 供应商就能独立验证的日志？（对应出事后的追责与举证）
这三件事没有一件是靠"再发一封全员邮件重申政策"能完成的，它们全是基础设施。这也解释了为什么 47% 能轻松绕过流程——如果治理只是一道人工审批的门，业务加把劲就能推门而过;只有当治理被编进 Agent 的运行底座，越权动作从架构上就过不去，它才不再是"建议",而成为"事实".
五、36% 已经付过学费：事故不是假设，是既成事实
最后压上一块最沉的石头：36% 的受访企业已经历过一次"造成实质负面影响的 AI 事故或失败".注意措辞——不是"差点出事""发现隐患",而是已经产生了真金白银或声誉上的负面后果。也就是说，在被调查的这批顶级上市公司里，超过三分之一已经为治理赤字买过单。
结合前面几篇我们分析过的真实案例，这条趋势线非常清晰：监管侧已经开始用罚单代替劝导（Uber 的 8.25 亿欧元就是一张"没有实质性人工参与"的账单）,供给侧厂商也在自曝攻击面（微软报告里四类手法占了 Agent 攻击的九成）。EY 这 36% 补的是需求侧最后一块——事故已经在企业内部发生过，只是很多尚未演变成对外披露的监管事件而已。它意味着"先上线、后补票"的策略，代价不再只是理论风险，而是大概率会兑现的账单。
对企业而言，这份调研最实用的价值，是给了一个自查清单：别再问"我们有没有 AI 政策"(98% 都有),而要逐条追问——上一次为了赶进度绕过治理是什么时候？我们能不能列出当前所有在跑的 Agent 及其权限？任何一个 Agent 想做高利害操作时，有没有一道它在架构上绕不过去的人工闸门？这三个问题只要有一个答不上来，那份 98% 的政策就还是纸。
六、把 EY 的五个数字变成一张落地优先级表
调研的价值不在数字本身，而在它能被直接翻译成行动顺序。把这五组数据按"先做什么、后做什么"重排，会得到一条清晰的治理工程路线：
| 暴露的问题（EY 数据） | 对应的第一步动作 | 为什么排在这个优先级 |
|---|---|---|
| 41% 高管看不全在用工具 / 26% 检不出未授权 Agent | 建立并持续维护一份全量 AI/Agent 资产台账 | 看不见的东西无法治理，盘点是一切控制的前置条件 |
| 49% 治理框架没为 Agent 更新 | 把治理对象从"输出内容"扩展到"行为与权限" | Agent 的风险在动手，老规则管不到调用 API、改数据这类动作 |
| 47% 会为紧急部署绕过流程 | 给高利害操作设架构级硬卡点（而非人工审批门） | 能被"加把劲"推开的门必然会被推开，只有编进底座的拦截才绕不过 |
| 36% 已发生过实质事故 | 补齐不可篡改、可独立验证的动作审计日志 | 出过事却没有留证，等于既付了学费又没学到教训 |
这张表的读法是：它把"AI 治理"这个听起来务虚的大词，拆成了四个有明确先后关系的具体工程任务——先盘清家底，再更新规则去管住"行为",然后把最关键的那道闸门做成绕不过的硬约束，最后用日志兜住事后追责。值得注意的是，这四步里没有一步是靠"再发一次政策文件"完成的，这也正回应了第一节的核心矛盾：98% 的政策存在率之所以掩盖不了风险，恰恰是因为大多数企业把治理当成了一份要签署的文件，而不是一套要运行的系统。把文件思维换成系统思维，是这份 EY 调研给所有正在狂奔上线 Agent 的团队，最值钱的一句提醒。
FAQ
Q1：98% 有政策、47% 会绕过，是不是说明企业 AI 治理政策根本没用、干脆别写了？
A：不是"别写",而是"别只写"。政策是必要条件、远非充分条件。真正的问题在于把"有政策"误当成"有控制"。正确的做法是让政策往下游延伸出三件工程物：一份持续更新的 Agent 资产台账、一套嵌进运行时的权限与人工闸门、一条不可篡改的审计日志链。政策负责定义红线，工程负责让红线踩不动——两者缺一，才会出现"签字画押却照样绕过"的局面。
Q2：26% 连内部有没有未授权 Agent 都查不出来，这对普通企业意味着什么？
A：意味着"影子 AI"已经和当年的"影子 IT"一样成为常态风险。一个员工用一个 API key 就能拉起一个能读写核心系统的 Agent，绕过了采购和安全审查。务实的第一步不是买昂贵的治理平台，而是先做一次全量盘点：把公司里所有能调用模型、能对外发起请求的入口列清楚，再谈管控。你无法保护你根本不知道存在的 Agent。
Q3：这份 EY 调研样本只有 202、还全是美国大公司，能代表中国企业或中小企业吗？
A：不能直接照搬数值，但方向极具参考价值。样本小、且都是十亿美金级美国上市公司，它们是全球治理资源最厚的一档，所以各项比例更像是"上限乐观估计"而非普遍下限。合理的用法是把"98% 有政策 / 47% 会绕过 / 26% 查不到 Agent"当作一组警示性的结构比例——资源最好的企业尚且如此，资源更少的团队只会差距更大。数值别抄，趋势要认。
参考来源：
- EY, "US AI Risk and Governance Survey", 2026-09-15——样本 n=202 美国上市公司（年营收≥10 亿美元）资深 AI 决策者，调研窗口 2026-05-28 至 06-15；关键数据：98% 称有正式 AI 治理政策、47% 承认曾为紧急部署绕过治理流程、使用 Agentic AI 企业中 85% 已有 Agent 执行跑代码/下单/检测安全事件等任务而 49% 治理框架未针对 Agent 更新、26% 无法检测内部未授权 Agent、41% 高管对全部在用 AI 工具缺乏完整可见性、36% 经历过造成实质负面影响的 AI 事故——均为决策者自评口径，非外部审计
- 交叉印证（本站既有分析）：微软 2026 数字防御报告（Agent 攻击面四类手法占比）、荷兰 DPA 对 Uber 依 GDPR 第 22 条开出的 8.25 亿欧元罚单（"纯算法处置、无实质人工参与"的现实代价）、德勤《2026 企业 AI 现状》（74% 拟两年内部署 Agentic AI vs 仅 21% 具备成熟治理）——不同机构口径，仅作方向对照，不可简单相加
- 概念补充："agent sprawl（Agent 蔓延）"指员工自助开通、脱离资产台账与采购管控的 Agent 无序扩张，是 41%/26% 两项可见性缺口的直接成因
