該數據庫包含700多個AI風險，顯示AI系統的風險（51%）多于人為風險（34%），且這些風險更可能在AI部署后出現（65%），而非開發過程中（10%），然而，即使是最詳盡的AI框架也忽略了數據庫中約30%的風險。 

最常涉及的風險領域包括： 

? “AI系統的安全、故障和局限性” (76%)

? “社會經濟和環境危害” (73%)

? “歧視和有害影響” (71%) 

此外，MIT數據庫中提到的其他風險包括“隱私和安全” (68%) 以及“惡意行為者和濫用” (68%)，相比之下，“人機交互” (41%) 和“錯誤信息” (44%) 的關注度稍低。

這些基準風險有助于更好地理解AI在商業領域中的風險與收益之間的平衡，然而，關鍵問題在于如何確切地判斷收益何時超越了風險。行業專家認為，目前我們還沒有達到這個臨界點。 

Fordham大學Gabelli商學院的教授W. Raghupathi指出，引入新技術對任何企業來說都是一項重大挑戰，尤其是復雜的AI。規模、復雜性以及實施和部署的難度、升級、支持等都是技術相關的問題。此外，隱私、安全、信任、用戶和客戶接受度也是關鍵挑戰。再加上缺乏有效的成本衡量模型，這使得挑戰更加嚴峻。 

另一個挑戰是AI的采用速度非常快，甚至在任何已知和不可預見的風險浮現之前。“我們需要快速行動，并更快地思考，回答如何展示AI給企業帶來的價值，以及這是否值得冒險的問題，”LogicGate的產品和技術總裁Jay Jamison表示，“有很多AI解決方案可能能夠提高效率，但它們應如何與法規指南、安全風險和額外的治理需求等因素進行衡量？” 

Raghupathi指出，目前判斷AI的收益是否超過風險可能還為時過早。“應用程序的部署與其對業務的影響之間存在滯后。像低級自動化這樣的特定應用程序取得了成功，但支持戰略的高級應用程序尚未轉化為實質性利益。” 

他還提到，評估復雜應用程序與簡單自動化任務的影響和收益可能需要數年時間，因為我們還沒有評估這些好處的基準或定量模型。 

雖然AI目前備受業界關注，但這種熱度將不可避免地隨著新技術和新方法的出現而減退。隨著AI熱潮的消退，企業將更加仔細地評估其風險與收益。 

Jamison指出，隨著技術變得更強大，AI將消耗更多的能源，成本將不可避免地上升。“目前，AI既具有很高的價值又相對廉價，使許多企業能夠享受其帶來的好處，但這種情況不會永遠持續下去，最終賬單將到來。” 

他還強調，需要更強的AI治理來進行更有意義的風險評估。“企業必須考慮他們計劃如何以及為什么使用AI，并識別其使用中可能帶來的潛在風險。忽視這些問題是不可行的，必須有一個計劃來確保這些AI解決方案既安全又有效地使用。”