Satu daripada Empat Eksekutif Akui Kesilapan AI Sampai ke Lembaga Pengarah: Kajian Workiva 2026

Tetapi kaji selidik yang sama mendedahkan bahawa 26% — satu daripada empat eksekutif—melaporkan bahawa audit dalaman telah mengesan kesilapan AI yang sampai ke khalayak luar atau ahli lembaga . Jurang antara keyakinan yang dinyatakan dan kegagalan yang didokumentasikan ini merupakan penemuan utama laporan tersebut.

Ketua Pegawai Kewangan Workiva, Barbara Larson, menyatakannya secara terus terang: "Keyakinan terhadap AI tanpa kawalan ke atas kualiti data adalah liabiliti, bukan strategi" .

Kualiti Data adalah Pautan Paling Lemah

Jurang keyakinan terletak di atas masalah yang lebih asas: kualiti data. Hanya 11% eksekutif percaya bahawa kualiti data organisasi mereka mencukupi untuk penggunaan AI . Baki 89% mengakui bahawa data asas mereka tidak bersedia untuk alat AI yang sudah mereka gunakan.

Ketidakpadanan ini mempunyai akibat yang nyata. 71% eksekutif berkata kualiti data yang lemah sekurang-kurangnya memberi kesan sederhana terhadap penggunaan AI dalam pelaporan kewangan dan kelestarian . Akibat utama kualiti data yang lemah yang dilaporkan adalah keputusan operasi yang buruk atau tertangguh, diikuti dengan denda kawal selia atau tindakan undang-undang serta kehilangan kredibiliti pelabur atau pemberi pinjaman .

Pelabur Memerhati dengan Teliti

Pelabur institusi tidak diyakinkan oleh keyakinan eksekutif. 89% pelabur institusi berkata mereka bimbang tentang ketepatan kandungan yang dijana AI dalam pendedahan korporat . Kebimbangan ini datang bersama tekanan kawal selia yang semakin meningkat untuk menganggap output AI sebagai rekod yang boleh diaudit dan bukannya draf tidak formal .

95% pelabur institusi percaya pemimpin memandang rendah risiko data pelaporan kewangan yang berpecah-belah . Dari masa ke masa, data yang lemah atau tidak boleh disahkan mungkin menghakis kredibiliti dengan pihak berkepentingan .

Keutamaan Infrastruktur: Jalan Ke Hadapan

Eksekutif bertindak balas dengan mandat infrastruktur yang jelas. Kaji selidik mendapati bahawa 96% eksekutif berkata penjajaran C-suite adalah penting untuk merobohkan silo data , dan 79% mengutamakan automasi data dan tadbir urus untuk menangani jurang data seluruh perusahaan . Kebanyakan organisasi membiayai peralihan ini dengan sokongan IT khusus (73%) dan belanjawan yang diperuntukkan (71%) .

76% pasukan audit dalaman sudah pun aktif menilai model AI organisasi mereka . Pemimpin perniagaan hampir sebulat suara bersetuju bahawa CFO, CIO, dan CSO mesti bersatu untuk tadbir urus data berjaya .

Keutamaan infrastruktur beralih daripada "pelaksanaan kepada orkestrasi" . CFO secara khusus mencari platform yang berfungsi sebagai "sistem kebenaran" tunggal—mendasarkan ejen AI dalam persekitaran data yang boleh dikesan dan gred kawal selia di mana setiap output boleh disahkan dan setiap pendedahan boleh dipertahankan .

Ejen AI Memasuki Aliran Kerja Pelaporan

Selari dengan penemuan kaji selidik, Workiva melancarkan tiga ejen AI binaan khas yang direka untuk beroperasi dalam pagar keselamatan yang boleh diaudit: Ejen Tie-Out untuk pemeriksaan konsistensi laporan kewangan, Ejen Penanda Aras untuk analisis pendedahan rakan sebaya, dan Ejen Pendedahan Kelestarian untuk pematuhan piawaian ESRS dan ISSB . Ejen ini tertanam dalam lapisan kecerdasan berterusan yang dipanggil Workiva Knowledge, yang mendasarkan output AI pada data, arahan, dan kandungan organisasi itu sendiri .

Seni bina jejak audit ini penting kerana output yang dijana AI dalam pemfailan kewangan terkawal kini merupakan kategori risiko yang dinamakan dalam Laporan Pengawasan Kawal Selia Tahunan 2026 FINRA . Risiko halusinasi adalah paling tinggi di mana AI mempunyai latitud paling banyak untuk menjana naratif—ulasan pengurusan, pendedahan nota kaki, dan bahasa ESG—yang merupakan wilayah yang tepat yang direka oleh ejen-ejen ini untuk kekal berlandaskan data sumber .

Kesimpulan

Kajian Penanda Aras Eksekutif Pertengahan Tahun 2026 Workiva melukiskan gambaran industri yang bergerak pantas dalam penggunaan AI tetapi bergerak terlalu perlahan pada asas data dan struktur tadbir urus yang diperlukan untuk menjadikan penggunaan itu selamat. Angkanya jelas: 84% keyakinan, 26% kesilapan dikesan, 11% data bersedia, 89% kebimbangan pelabur. Menutup jurang antara keyakinan AI dan kawalan AI kini adalah cabaran yang menentukan bagi pemimpin kewangan, risiko, dan kelestarian.