安全准备不足成企业AI落地的最大障碍
Linux Foundation最新发布的一份研究报告,为所有正在积极拥抱AI浪潮的企业敲响了警钟:AI安全准备不足,现已成为企业部署AI、实现业务创新的最大阻碍。核心矛盾其实非常直白——企业在AI应用上的宏伟规划,与其自身安全保障能力之间的鸿沟,正变得越来越大。

网络安全公司趋势科技在题为《为AI驱动的企业筑牢安全防线》的报告中,披露了一个令人担忧的数据:67%的受访者承认,即便清楚知道存在安全隐患,来自管理层或市场的压力仍然迫使他们加速推进AI项目。换句话说,并非不知道风险,而是“无暇顾及”。
那么,企业究竟该如何破局?根据Linux Foundation Research本周在北美开源峰会上发布的《2026年技术人才现状报告》,大多数企业正采用“双轨并行”策略:一方面招募具备安全意识的专业人才,另一方面对现有员工进行技能提升培训,力求同时弥补AI与安全两个领域的能力短板。
报告中的数字很能说明问题:57%的组织将“提升现有员工技能”视为应对人才短缺的首要手段,这一比例高于“招募新人才”(49%)。更值得注意的是,高达94%的受访者认为技能提升“重要”、“非常重要”或“极为重要”。这种广泛共识的背后,是越来越多企业意识到——AI系统一旦进入生产环境,安全防护就必须同步跟上,否则无异于“裸奔”。
报告发现,安全与隐私方面的顾虑在短短两年内几乎增长了两倍:从2024年的17%猛增至2026年的48%,如今已成为AI落地的头号障碍。与此同时,97%的组织表示正在全力推进AI,但57%的组织承认,在安全与风险管理领域存在“显著的能力缺口”。
这种矛盾在数据层面表现得更为尖锐:48%的组织将安全顾虑列为AI落地的首要障碍,43%表示这些顾虑正阻碍他们从AI项目中获取实际价值。这一担忧的优先级甚至超过了成本管理(36%)、综合技能短缺(34%)以及遗留系统限制(30%)。此外,40%的受访者反映其网络安全与合规团队人手严重不足——这进一步加剧了保障快速扩张的AI系统安全性的难度。
实际上,我们面对的已不再是单纯的工具问题,而是一场深层次的“安全准备危机”。Linux Foundation联合KodeKloud、LF Research及Linux Foundation Education共同完成的研究得出一个清醒的结论:制约AI成功落地的关键因素,并非AI工具本身的好坏与成本,而是组织自身是否有足够的能力来管理和守护这些AI系统。
从技术栈的各个层面来看,受访者普遍反映能力缺口广泛存在:57%在AI安全与风险管理方面能力不足,57%在AI运营与监控方面存在短板,54%在成本优化上力不从心,45%在AI基础设施专业知识方面有所欠缺。整体图景十分清晰:大家都在争分夺秒地将AI推向生产环境,但在管理持续风险所需的人员与流程投入上,还远远不够。
HackerOne也得出了类似的判断,直接将当前局面定义为“AI安全缺口”。尽管几乎所有组织部署的AI系统数量都比一年前更多,但只有66%的组织表示会对超过61%的AI/ML系统进行正式测试——这个比例显然不足以支撑大规模应用。
Linux Foundation教育部门高级副总裁兼总经理Clyde Seepersad在报告声明中直截了当地指出:“AI安全与运营方面的障碍依然存在,净招聘规模持续增长,而对现有团队进行技能升级正在创造真实的商业价值。”他还特别强调,这一招聘趋势与“AI正在消灭技术岗位”的流行说法正好相反——AI非但没有引发裁员潮,反而加速了技术人才需求的增长,甚至连初级岗位也迎来了更多机会。
回顾2025年,各组织的净招聘效应达到26%,比此前预测高出五个百分点。展望2026年,净招聘预计将达到31%,比此前预期高出八个百分点。通常被认为最易受自动化冲击的初级IT岗位,预计净招聘增幅将达到8%,比上年报告高出两个百分点。招聘增长在各个技术方向全面开花:软件开发岗位增长28%,技术管理增长22%,IT运营增长17%,质量保障与测试增长16%。AI似乎并非在取代员工,而是在重塑并扩展技术团队的构成——尤其是在那些着力构建安全与运营成熟度、以支撑大规模AI部署的组织中。
即便在持续招人的同时,企业也在大力依靠内部技能升级来填补能力缺口。Linux Foundation认为,如果执行得当,这将转变为一项目战略优势。报告数据显示,技能升级在所有调查维度上都优于外部招聘:与单纯依赖外部招聘相比,内部培养人才在业务背景理解方面有7.9倍的优势,在员工留存方面有7.7倍的优势,在团队凝聚力方面有7.3倍的优势,在综合成本方面有5倍的优势,在工作质量方面有3.5倍的优势。Seepersad援引盖洛普的研究进一步强化了这一逻辑:替换一名技术专业人员的前期成本通常相当于其薪资的80%。结合团队成员掌握新技能所带来的切实投资回报,技能升级项目将与团队在AI进入劳动力市场饱和阶段后能否持续蓬勃发展紧密相连。因此,技能升级与交叉培训带来的业务影响,无论如何强调都不为过。
然而同样不容忽视的是,企业在AI安全方面的普遍滞后。几乎所有组织都承诺推进AI,但超过半数承认在安全、运营和监控上存在严重缺口。这意味着,未来AI落地的真正瓶颈,并不在于算法创新本身,而在于人的能力和组织能力。
报告最终结论掷地有声:AI能否真正创造正向价值,取决于企业能否切实保障系统安全,并充分发挥一支被赋能、持续成长的员工队伍所积累的机构知识。因此,能够在AI时代胜出的组织,必定是那些将安全准备与持续学习置于AI战略核心的企业,而不是在模型部署上线之后才把安全当作补救性事项来对待。
Q&A
Q1:Linux Foundation报告中提到的AI安全准备危机具体指什么?
A:Linux Foundation报告指出,AI安全准备危机并非单纯的工具问题,而是组织在将AI部署到生产环境时,缺乏相应的安全保障与运营落地能力。报告显示,安全与隐私顾虑两年内从17%飙升至48%,成为AI落地的首要障碍。57%的组织承认存在安全与风险管理能力缺口,43%的组织表示安全顾虑正在阻碍其从AI项目中获取实际价值。
Q2:面对AI安全能力不足,企业主要采取哪些应对措施?
A:根据Linux Foundation《2026年技术人才现状报告》,企业主要采取两类策略:一是对现有员工进行技能升级(57%的组织将此列为首要策略),二是招募具备安全意识的新员工(49%将此列为主要策略)。报告同时指出,内部技能升级在业务背景、员工留存、团队凝聚力、综合成本和工作质量等维度上均优于单纯依赖外部招聘。
Q3:AI的普及是否真的会导致大规模技术岗位裁员?
A:根据Linux Foundation报告,实际情况与“AI消灭技术岗位”的流行叙事相反。报告显示,2025年各组织净招聘效应达26%,2026年预计升至31%。软件开发、技术管理、IT运营等岗位均呈现增长态势,即便是通常被认为最易受自动化冲击的初级IT岗位,净招聘增幅也预计达8%。AI正在重塑并扩展技术团队,而非取代员工。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
Hermes Agent企业工作流优化方法
HermesAgent优化企业工作流需五步:配置跨平台消息网关统一任务入口,编写SOUL md规则文件设定行为边界,部署定时自动化任务实现无人值守,启用Repomix融合多源知识构建语义图谱,启动隔离式子智能体并行处理工单,提升自动化调度、跨系统协同与长期记忆复用能力。
Vidu如何生成微缩模型风格创意视频详细教程
生成微缩模型风格视频需多图参考、光学虚化特征、结构化提示词和胶片模拟协同。俯拍视频提供空间骨架,移轴样张引导虚化,提示词锁定微缩语义,VELVIA增强色彩块面,分段校准清晰带位置模拟光学倾角变化。
豆包AI搭建自动根据天气节假日调整推送策略的运营Bot
通过构建数据感知、策略路由、内容生成三层动态响应链,在豆包平台启用天气与节假日插件,配置嵌套if-else或变量注入路由逻辑,绑定差异化内容模板并设定条件触发,实现运营Bot自动识别天气突变与法定节假日,切换推送话术与内容策略。
通义万象制作写实宝石钻石光泽折射特写图技巧
生成写实宝石钻石特写图,提示词需按主体、材质、光学、构图、风格顺序组织,必须嵌入85mm微距镜头和f 2 8。开启高保真渲染,风格强度设为72-78,细节丰富度选“极致”。提示词尾部添加折射逻辑约束和纯黑背景指令,避免镜像反光和杂散光干扰。
谷歌发布PaLM2语言模型训练令牌达3.6万亿
谷歌正式发布PaLM2大语言模型,其训练数据规模高达3 6万亿令牌,是初代PaLM的4 6倍。尽管参数量缩减至3400亿,但凭借计算机优化扩张技术,其模型性能更强,推理速度更快,成本效率更高,在多项基准测试中表现优异。
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

