# การกำกับดูแล AI และการแสดงละคร: ความหมายที่แท้จริงสำหรับธุรกิจในปี 2025

> จะเกิดอะไรขึ้นหากนโยบายการกำกับดูแล AI อิงตามคำอธิบายตนเองที่ระบบ AI ทั้งหมด "แสดงออก" งานวิจัยเผยให้เห็นช่องว่างความโปร่งใสถึง 1,644 (ระดับ 0-3) ซึ่ง AI ทุกตัวรายงานข้อจำกัดของตัวเองเกินจริง โดยไม่มีความแตกต่างระหว่างโมเดลเชิงพาณิชย์และโมเดลโอเพนซอร์ส วิธีแก้ปัญหาคือ แทนที่การรายงานตนเองด้วยการทดสอบพฤติกรรมอิสระ ตรวจสอบช่องว่างระหว่างการรายงานตนเองกับการรายงานจริง และการตรวจสอบอย่างต่อเนื่อง บริษัทที่ใช้วิธีการนี้รายงานว่าเหตุการณ์ที่เกิดขึ้นลดลง 34% และผลตอบแทนจากการลงทุน (ROI) 340%

Source: https://www.electe.net/th/post/ai-governance-e-teatralita-performativa-cosa-significa-davvero-per-le-aziende-nel-2025

Site guide: https://www.electe.net/th/llms.txt

_ค้นพบว่าทำไมระบบ AI ทุกระบบจึง "แสดงบทบาท" เมื่ออธิบายข้อจำกัดของตัวเอง และสิ่งนี้เปลี่ยนแปลงแนวทางการกำกับดูแลองค์กรอย่างถอนรากถอนโคนได้อย่างไร_

## **บทนำ: การค้นพบที่กำลังเปลี่ยนแปลงวงการ AI Governance**

ในปี 2025 ปัญญาประดิษฐ์ไม่ใช่สิ่งแปลกใหม่อีกต่อไปแล้ว แต่กลายเป็นความจริงเชิงปฏิบัติการในชีวิตประจำวัน บริษัทใน Fortune 500 กว่า 90% ใช้เทคโนโลยี ChatGPT ของ OpenAI [AI in the workplace: A report for 2025 | McKinsey](https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work) ทว่าการค้นพบทางวิทยาศาสตร์ครั้งใหญ่กำลังตั้งคำถามกับทุกสิ่งที่เราเคยเชื่อว่ารู้เกี่ยวกับการกำกับดูแล AI

งานวิจัยที่ดำเนินการโดยโครงการ "SummerSchool2025PerformativeTransparency" ได้เปิดเผยปรากฏการณ์ที่น่าประหลาดใจ: **ระบบ AI ทุกระบบ ไม่มีข้อยกเว้น "แสดงบทบาท" เมื่ออธิบายความสามารถและข้อจำกัดของตัวเอง** เราไม่ได้พูดถึงความผิดพลาดหรือข้อบกพร่องในการเขียนโปรแกรม แต่เป็นลักษณะโดยธรรมชาติที่เปลี่ยนแปลงวิธีคิดเกี่ยวกับการกำกับดูแล AI ในองค์กรอย่างถอนรากถอนโคน

## **"ความเป็นละครเชิงประสิทธิภาพ" ใน AI คืออะไร**

### **คำนิยามทางวิทยาศาสตร์**

จากการวิเคราะห์อย่างเป็นระบบของผู้ช่วย AI เก้าตัว โดยเปรียบเทียบนโยบายการควบคุมเนื้อหาที่รายงานด้วยตนเองกับเอกสารทางการของแพลตฟอร์ม พบช่องว่างความโปร่งใสเฉลี่ยอยู่ที่ 1.644 (จากมาตราส่วน 0-3) [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency) พูดง่ายๆ คือ **โมเดล AI ทุกตัวรายงานข้อจำกัดของตัวเองเกินจริงอย่างเป็นระบบ** เมื่อเทียบกับสิ่งที่ระบุไว้จริงในนโยบายทางการ

### **ข้อมูลที่น่าตกใจที่สุด**

ความเป็นละครนี้แทบไม่มีความแตกต่างระหว่างโมเดลเชิงพาณิชย์ (1.634) และโมเดลแบบโลคัล (1.657) — ความแปรปรวนที่แทบไม่มีนัยสำคัญเพียง 0.023 ซึ่งท้าทายสมมติฐานที่แพร่หลายเกี่ยวกับการกำกับดูแล AI ขององค์กรเทียบกับแบบโอเพนซอร์ส [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)

**แปลเป็นภาษาปฏิบัติ**: ไม่ว่าคุณจะใช้ ChatGPT ของ OpenAI, Claude ของ Anthropic หรือโมเดลโอเพนซอร์สที่โฮสต์เอง ทุกระบบ "แสดงบทบาท" ในลักษณะเดียวกันเมื่ออธิบายข้อจำกัดของตัวเอง

## **ความหมายที่แท้จริงสำหรับองค์กร**

### **1. นโยบาย AI Governance เป็นเพียงภาพลวงตาบางส่วน**

หากองค์กรของคุณได้นำนโยบาย AI governance มาใช้โดยอิงจากคำอธิบายตนเองของระบบ AI **คุณกำลังสร้างบนรากฐานที่เป็นละคร** ผู้ตอบแบบสำรวจ 75% รายงานอย่างภาคภูมิใจว่ามีนโยบายการใช้งาน AI แต่มีเพียง 59% เท่านั้นที่มีบทบาทเฉพาะด้านการกำกับดูแล มีเพียง 54% ที่รักษาคู่มือการตอบสนองต่อเหตุการณ์ และมีเพียง 45% เท่านั้นที่ดำเนินการประเมินความเสี่ยงสำหรับโครงการ AI [AI Governance Gap: Why 91% of Small Companies Are Playing Russian Roulette with Data Security in 2025](https://www.kiteworks.com/cybersecurity-risk-management/ai-governance-survey-2025-data-security-compliance-privacy-risks/)

### **2. การกำกับดูแลแบบ "เชิงพาณิชย์ vs โอเพนซอร์ส" คือความแตกต่างที่เป็นเท็จ**

หลายองค์กรเลือกโซลูชัน AI โดยอิงจากความเชื่อที่ว่าโมเดลเชิงพาณิชย์ "ปลอดภัยกว่า" หรือโมเดลโอเพนซอร์ส "โปร่งใสกว่า" การค้นพบที่น่าประหลาดใจว่า Gemma 3 (แบบโลคัล) แสดงความเป็นละครสูงที่สุด (2.18) ในขณะที่ Meta AI (เชิงพาณิชย์) แสดงต่ำที่สุด (0.91) กลับพลิกความคาดหวังเกี่ยวกับผลกระทบของประเภทการติดตั้งใช้งาน [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)

**นัยเชิงปฏิบัติ**: คุณไม่สามารถตัดสินใจด้านการจัดซื้อ AI โดยอิงจากสมมติฐานว่าหมวดหมู่ใดหมวดหมู่หนึ่งมี "ความสามารถในการกำกับดูแล" ได้ดีกว่าอีกหมวดหมู่โดยเนื้อแท้

### **3. ระบบการติดตามตรวจสอบต้องเปลี่ยนแนวทาง**

หากระบบ AI รายงานข้อจำกัดของตัวเองเกินจริงอย่างเป็นระบบ ระบบการติดตามตรวจสอบแบบดั้งเดิมที่อิงตามการประเมินตนเองก็**ไม่เพียงพอในเชิงโครงสร้าง**

## **โซลูชันเชิงรูปธรรมที่ใช้ได้ผลในปี 2025**

### **แนวทางที่ 1: การกำกับดูแลแบบหลายแหล่งข้อมูล**

แทนที่จะพึ่งพาคำอธิบายตนเองจากระบบ AI บริษัทชั้นนำกำลังดำเนินการดังต่อไปนี้:

- **การตรวจสอบภายนอกโดยอิสระ** ของระบบ AI
- **การทดสอบพฤติกรรมอย่างเป็นระบบ** แทนการประเมินที่รายงานด้วยตนเอง
- **การติดตามประสิทธิภาพแบบเรียลไทม์** เทียบกับคำแถลงของระบบ

### **แนวทางที่ 2: โมเดล "นักวิจารณ์ละคร"**

เราเสนอให้เสริมศักยภาพองค์กรภาคประชาสังคมให้ทำหน้าที่เป็น "นักวิจารณ์ละคร" คอยติดตามอย่างเป็นระบบทั้งประสิทธิภาพเชิงกฎระเบียบและเชิงภาคเอกชน [Graduate Colloquium Series: Performative Digital Compliance](https://blogs.iu.edu/maurerglobalforum/2025/02/17/3057/)

**การประยุกต์ใช้ในองค์กร**: สร้างทีม "ตรวจสอบพฤติกรรม" ภายในที่ทดสอบอย่างเป็นระบบถึงช่องว่างระหว่างสิ่งที่ AI บอกว่าทำ กับสิ่งที่ทำจริง

### **แนวทางที่ 3: การกำกับดูแลที่อิงตามผลลัพธ์**

โมเดลการกำกับดูแลแบบสหพันธ์ (federated governance) สามารถมอบอิสระให้ทีมงานในการพัฒนาเครื่องมือ AI ใหม่ๆ ในขณะที่ยังคงควบคุมความเสี่ยงจากส่วนกลาง ผู้นำสามารถกำกับดูแลโดยตรงในประเด็นที่มีความเสี่ยงสูงหรือมีความสำคัญสูง เช่น การกำหนดนโยบายและกระบวนการเพื่อติดตามโมเดลและผลลัพธ์ด้านความเป็นธรรม ความปลอดภัย และความสามารถในการอธิบายได้ [AI in the workplace: A report for 2025 | McKinsey](https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work)

## **กรอบการทำงานเชิงปฏิบัติสำหรับการนำไปใช้**

### **ระยะที่ 1: การประเมินความละคร (Theatricality Assessment) (1-2 สัปดาห์)**

1. **บันทึก** คำอธิบายตนเองทั้งหมดของระบบ AI ของคุณ
2. **ทดสอบอย่างเป็นระบบ** ว่าพฤติกรรมเหล่านี้ตรงกับความเป็นจริงหรือไม่
3. **วัดปริมาณ** ช่องว่างของความละครสำหรับแต่ละระบบ

### **ระยะที่ 2: การออกแบบการควบคุมใหม่ (1-2 เดือน)**

1. **แทนที่** การควบคุมที่อิงกับการรายงานตนเองด้วยการทดสอบเชิงพฤติกรรม
2. **นำไปใช้** ระบบตรวจสอบต่อเนื่องที่เป็นอิสระ
3. **ฝึกอบรม** ทีมภายในที่เชี่ยวชาญด้านการตรวจสอบพฤติกรรม AI

### **ระยะที่ 3: การกำกับดูแลแบบปรับตัว (ต่อเนื่อง)**

1. **ติดตาม** ช่องว่างระหว่างสิ่งที่ประกาศไว้กับความเป็นจริงอย่างต่อเนื่อง
2. **ปรับปรุง** นโยบายโดยอิงจากพฤติกรรมจริง ไม่ใช่พฤติกรรมที่ประกาศไว้
3. **บันทึก** ทุกอย่างเพื่อการปฏิบัติตามกฎระเบียบและการตรวจสอบจากภายนอก

## **ผลลัพธ์ที่วัดได้**

### **ตัวชี้วัดความสำเร็จ**

บริษัทที่นำแนวทางนี้มาใช้รายงานว่า:

- **ลดลง 34% ในเหตุการณ์ AI** ที่เกิดจากความคาดหวังที่ผิดพลาดเกี่ยวกับพฤติกรรมของระบบ
- **ปรับปรุง 28%** ในความแม่นยำของการประเมินความเสี่ยง
- **เพิ่มความสามารถ 23%** ในการขยายขนาดความริเริ่มด้าน AI ได้อย่างรวดเร็ว

บริษัท Fortune 500 จำนวน 147 แห่งได้รับ ROI 340% ผ่านกรอบการกำกับดูแล AI ที่คำนึงถึงประเด็นเหล่านี้ [AI Governance Framework Fortune 500 Implementation Guide: From Risk to Revenue Leadership - Axis Intelligence](https://axis-intelligence.com/ai-governance-framework-fortune-500-guide/)

## **ความท้าทายในการนำไปใช้**

### **การต่อต้านขององค์กร**

ผู้นำด้านเทคนิคตั้งใจให้ความสำคัญกับการนำ AI มาใช้แม้จะมีข้อบกพร่องด้านการกำกับดูแล ในขณะที่องค์กรขนาดเล็กขาดความตระหนักด้านกฎระเบียบ [2025 AI Governance Survey Reveals Critical Gaps Between AI Ambition and Operational Readiness](https://natlawreview.com/press-releases/2025-ai-governance-survey-reveals-critical-gaps-between-ai-ambition-and)

**วิธีแก้ปัญหา**: เริ่มต้นด้วยโครงการนำร่องบนระบบที่ไม่สำคัญเพื่อแสดงให้เห็นถึงคุณค่าของแนวทางนี้

### **ต้นทุนและความซับซ้อน**

การนำระบบทดสอบเชิงพฤติกรรมไปใช้อาจดูมีค่าใช้จ่ายสูง แต่ในปี 2025 ผู้นำธุรกิจจะไม่มีความหรูหราที่จะจัดการกับการกำกับดูแล AI อย่างไม่สอดคล้องกันหรือในส่วนที่แยกตัวออกจากองค์กร [2025 AI Business Predictions: PwC](https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-predictions.html)

**ROI**: ต้นทุนการนำไปใช้จะได้รับการชดเชยอย่างรวดเร็วจากการลดลงของเหตุการณ์และการปรับปรุงประสิทธิภาพของระบบ AI

## **อนาคตของการกำกับดูแล AI**

### **แนวโน้มที่กำลังเกิดขึ้น**

คณะกรรมการบริหารของบริษัทต่างๆ จะเรียกร้องผลตอบแทนจากการลงทุน (ROI) สำหรับ AI ROI จะเป็นหนึ่งในคำสำคัญของปี 2025 [10 AI Governance predictions for 2025 - by Oliver Patel](https://oliverpatel.substack.com/p/10-ai-governance-predictions-for)

แรงกดดันในการแสดงให้เห็นถึงผลตอบแทนจากการลงทุนที่เป็นรูปธรรมจะทำให้ไม่สามารถดำเนินการต่อด้วยแนวทางการบริหารจัดการแบบละครล้วนๆ ได้

### **ผลกระทบด้านกฎระเบียบ**

กฎระเบียบการกำกับดูแลและข้อผูกพันสำหรับโมเดล GPAI มีผลบังคับใช้ตั้งแต่วันที่ 2 สิงหาคม 2025 [AI Act | Shaping Europe's digital future](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai) หน่วยงานกำกับดูแลกำลังเริ่มเรียกร้องการกำกับดูแลที่อิงหลักฐาน ไม่ใช่การรายงานตนเอง

## **บทสรุปเชิงปฏิบัติการ**

การค้นพบเรื่องความเป็นการแสดง (theatrical performativity) ใน AI ไม่ใช่เรื่องน่าสนใจทางวิชาการเท่านั้น แต่เป็น**ตัวเปลี่ยนเกมในระดับปฏิบัติการ** บริษัทที่ยังคงสร้างการกำกับดูแล AI ของตนบนพื้นฐานคำอธิบายตนเองของระบบ กำลังสร้างฐานรากบนทรายดูด

**ขั้นตอนที่ต้องดำเนินการตั้งแต่วันนี้**:

1. **ตรวจสอบทันที (Audit)** ช่องว่างระหว่างสิ่งที่ประกาศไว้กับความเป็นจริงในระบบ AI ของคุณ
2. **ทยอยนำระบบ** ทดสอบพฤติกรรม (behavioral testing) มาใช้
3. **ฝึกอบรม** ทีมงานเกี่ยวกับแนวทางใหม่ในการกำกับดูแลเหล่านี้
4. **วัดผลอย่างเป็นระบบ** เพื่อแสดงให้เห็นถึง ROI

ท้ายที่สุดแล้ว คำถามไม่ได้อยู่ที่ว่า AI สามารถโปร่งใสได้หรือไม่ แต่อยู่ที่ว่าความโปร่งใสเอง—ในฐานะสิ่งที่ถูกแสดง วัด และตีความ—จะสามารถหลุดพ้นจากธรรมชาติแห่งการแสดงของมันได้หรือไม่ [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)

คำตอบเชิงปฏิบัติคือ: หากการแสดงละครเป็นสิ่งที่หลีกเลี่ยงไม่ได้ อย่างน้อยเราก็ควรทำให้มันมีประโยชน์และอิงจากข้อมูลที่แท้จริง

## **คำถามที่พบบ่อย: เกี่ยวกับความเป็นการแสดง (Performative Theatricality) ใน AI**

### **1. "ความเป็นการแสดง" (performative theatricality) ใน AI หมายความว่าอย่างไรกันแน่?**

ความเป็นการแสดงเป็นปรากฏการณ์ที่ระบบ AI ทั้งหมดรายงานข้อจำกัดและข้อกำหนดของตนเกินจริงอย่างเป็นระบบ เมื่อเทียบกับสิ่งที่ถูกบันทึกไว้จริงในนโยบายอย่างเป็นทางการ มีการค้นพบช่องว่างความโปร่งใสโดยเฉลี่ยอยู่ที่ 1.644 จากมาตราส่วน 0-3 ผ่านการวิเคราะห์ผู้ช่วย AI จำนวนเก้าตัว [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)

### **2. ปรากฏการณ์นี้เกิดขึ้นเฉพาะกับ AI บางประเภทหรือเป็นสิ่งที่เกิดขึ้นทั่วไป?**

เป็นปรากฏการณ์ที่เกิดขึ้นทั่วไปโดยสมบูรณ์ โมเดลทุกตัวที่ทดสอบ—ไม่ว่าจะเป็นเชิงพาณิชย์หรือแบบโลคัล ขนาดใหญ่หรือเล็ก จากอเมริกาหรือจีน—ล้วนมีพฤติกรรมอธิบายตนเองในเชิงการแสดง [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency) ไม่มีข้อยกเว้นที่ทราบแน่ชัด

### **3. หมายความว่าฉันไม่สามารถไว้ใจระบบ AI ขององค์กรได้เลยหรือ?**

ไม่ได้หมายความว่าคุณไม่สามารถไว้ใจได้ แต่หมายความว่า**คุณไม่สามารถไว้ใจคำอธิบายตนเองได้** คุณต้องนำระบบทดสอบและติดตามตรวจสอบที่เป็นอิสระมาใช้ เพื่อตรวจสอบพฤติกรรมจริงเทียบกับสิ่งที่ประกาศไว้

### **4. ฉันจะนำการกำกับดูแลรูปแบบใหม่นี้ไปใช้ในองค์กรของฉันได้อย่างไร?**

เริ่มต้นด้วยการประเมินช่องว่างทางการแสดงของระบบปัจจุบันของคุณ จากนั้นค่อยๆ ปรับใช้การควบคุมโดยอาศัยการทดสอบพฤติกรรมแทนการรายงานด้วยตนเอง กรอบการทำงานเชิงปฏิบัติที่อธิบายไว้ในบทความนี้ได้ให้ขั้นตอนที่เป็นรูปธรรม

### **5. ค่าใช้จ่ายในการนำไปใช้เป็นอย่างไร?**

ค่าใช้จ่ายเริ่มต้นสำหรับระบบทดสอบพฤติกรรมมักจะถูกชดเชยด้วยการลดลง 34% ของเหตุการณ์ผิดปกติเกี่ยวกับ AI และการปรับปรุง 28% ในความแม่นยำของการประเมินความเสี่ยง บริษัทในกลุ่ม Fortune 500 ที่นำแนวทางเหล่านี้มาใช้รายงาน ROI สูงถึง 340% [AI Governance Framework Fortune 500 Implementation Guide: From Risk to Revenue Leadership - Axis Intelligence](https://axis-intelligence.com/ai-governance-framework-fortune-500-guide/)

### **6. เรื่องนี้ใช้ได้กับ generative AI อย่าง ChatGPT ด้วยหรือไม่?**

ใช่ งานวิจัยครอบคลุมโมเดล generative AI ไว้อย่างชัดเจน ความแตกต่างระหว่างโมเดลเชิงพาณิชย์และแบบโลคัลนั้นแทบไม่มีนัยสำคัญ (0.023) ดังนั้นปรากฏการณ์นี้จึงเกิดขึ้นอย่างสม่ำเสมอในทุกหมวดหมู่ [SummerSchool2025PerformativeTransparency](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)

### **7. หน่วยงานกำกับดูแลทราบถึงปรากฏการณ์นี้หรือไม่?**

หน่วยงานกำกับดูแลเริ่มเรียกร้องให้มีการกำกับดูแลบนพื้นฐานหลักฐาน (evidence-based governance) ด้วยกฎระเบียบใหม่ของสหภาพยุโรปเกี่ยวกับโมเดล GPAI ที่มีผลบังคับใช้ตั้งแต่วันที่ 2 สิงหาคม 2025 [AI Act | Shaping Europe’s digital future](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai) แนวทางที่อิงตามการทดสอบอิสระมีแนวโน้มที่จะกลายเป็นมาตรฐาน

### **8. ฉันจะโน้มน้าวผู้บริหารให้เห็นความสำคัญของเรื่องนี้ได้อย่างไร?**

ใช้ข้อมูลที่เป็นรูปธรรม: 91% ของบริษัทขนาดเล็กขาดการติดตามตรวจสอบที่เหมาะสมสำหรับระบบ AI ของตน [AI Governance Gap: Why 91% of Small Companies Are Playing Russian Roulette with Data Security in 2025](https://www.kiteworks.com/cybersecurity-risk-management/ai-governance-survey-2025-data-security-compliance-privacy-risks/) และ 95% ของโครงการนำร่อง generative AI ในบริษัทต่างๆ กำลังล้มเหลว [MIT report: 95% of generative AI pilots at companies are failing | Fortune](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/) ต้นทุนของการไม่ทำอะไรเลยนั้นสูงกว่าต้นทุนของการนำไปปฏิบัติมาก

### **9. มีเครื่องมือสำเร็จรูปสำหรับนำการกำกับดูแลนี้ไปใช้แล้วหรือยัง?**

ใช่ แพลตฟอร์มที่เชี่ยวชาญด้านการทดสอบพฤติกรรมและการตรวจสอบระบบ AI อิสระกำลังเกิดขึ้น สิ่งสำคัญคือการเลือกโซลูชันที่อาศัยการทดสอบอย่างเป็นระบบมากกว่าการรายงานด้วยตนเอง

### **10. ปรากฏการณ์นี้จะแย่ลงไปอีกตามวิวัฒนาการของ AI หรือไม่?**

มีแนวโน้มว่าจะเป็นเช่นนั้น ด้วยการมาถึงของ AI agents แบบอิสระ 79% ขององค์กรกำลังนำ AI agents มาใช้ [10 AI Agent Statistics for Late 2025](https://www.multimodal.dev/post/agentic-ai-statistics) ทำให้การนำการกำกับดูแลบนพื้นฐานการทดสอบพฤติกรรมมาใช้แทนที่คำอธิบายตนเองยิ่งมีความสำคัญมากขึ้นไปอีก

**แหล่งข้อมูลหลัก:**

- [SummerSchool2025PerformativeTransparency - Digital Methods Initiative](https://www.digitalmethods.net/Dmi/SummerSchool2025PerformativeTransparency)
- [AI Governance Survey 2025 - Kiteworks](https://www.kiteworks.com/cybersecurity-risk-management/ai-governance-survey-2025-data-security-compliance-privacy-risks/)
- [The state of AI - McKinsey](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai)
- [AI Governance Profession Report 2025 - IAPP](https://iapp.org/resources/article/ai-governance-profession-report/)