海事人工智能领域的信任鸿沟

2026 年海事人工智能调查的主要发现

由 Thetius 和 Marcura 对 60 位海事专业人士开展的调查得出了八项发现：

1. 人工智能已成为日常工作的一部分：63% 的受访者每天使用人工智能。

2. 核查确实耗费时间：55% 的受访者每周至少花一小时核查或修正人工智能输出。

3. 计入核查时间后，人工智能仍能节省时间：85% 的受访者表示，计入核查时间后，人工智能总体上仍为他们节省了更多时间。

4. 有些人工智能错误造成了实际后果：15% 的受访者表示，人工智能错误曾造成实际的财务、客户、声誉或运营影响。

5. 多数人对信任程度持中间态度：57% 的受访者在五分制量表中，将对人工智能输出的信任度评为中间值。

6. 人们希望有明确指定的责任人：80% 的受访者部分或强烈赞同，每项商业决策都应始终由明确指定的人员承担责任。

7. 人工智能代理已提上议程：72% 的受访者表示，其所在组织正在使用、试点或计划使用人工智能代理。

8. 治理滞后于使用：只有 28% 的受访者表示，其所在组织的治理跟上了人工智能的使用步伐。

人工智能在海事领域的应用有多广泛？

对于大多数受访海事专业人士而言，人工智能已成为日常工作的一部分：63% 的人每天使用，若计入每周使用者，这一比例升至 80%。大多数人认为自己能够跟上变化步伐。45% 的人表示基本跟得上，22% 表示应对自如，另有 27% 表示需要付出切实努力。

不过，使用并不等于成熟。只有 8% 的受访者认为所在组织在人工智能应用方面已成熟并建立了治理。“采用这件事已经不是什么新鲜事了，早就过时了。”奥尔堡大学商学院副教授 Agnieszka Urszula Nowinska 表示。她说，现在的问题是“我们能以多快的速度、多好的方式实现这一点？”

人工智能已融入海事日常工作的哪些方面？

在海事领域，人工智能已用于起草合同措辞、审阅文件、整理往来函件和辅助分析。租船合同审阅就是一个例子：措辞上的细微改动，可能对高价值协议产生重大影响。人工智能可以标记可能造成高昂代价的条款，由租船经理作出商业判断。Tomini Chartering 商务董事总经理 Thomas Stjernholm 将公司正在实施的人工智能辅助租船合同系统称为组织的“集体大脑”。

其他用途仍在逐渐出现。10% 的受访者选择了航次指令和规划，认为这些是目前工作中使用人工智能的领域；3% 选择了索赔准备。另请参阅：人工智能风险分析如何改变租船合同谈判和海事人工智能应用案例。

海事公司从哪里获取人工智能工具？

在本次调查中，通用服务提供商是海事公司获取人工智能能力的最大单一来源，但并未占多数。42% 的受访者表示，其所在组织主要从 ChatGPT 或 Copilot 等通用服务提供商获取人工智能能力；10% 表示来自海事专业供应商。其余受访者所在组织选择内部开发（23%）、使用经过内部调整的供应商工具（13%）或表示不确定（12%）（图表 1）。

计入核查时间后，人工智能还能节省时间吗？

对大多数受访者来说，答案是肯定的。55% 的受访海事专业人士每周至少花一小时核查或修正人工智能输出。然而，计入核查时间后，仍有 85% 的人表示人工智能总体上为他们节省了更多时间。73% 的人表示，人工智能使他们能够完成原本无法完成的工作。核查可能抵消收益，但对大多数人而言并非如此。

报告指出，关键在于完整的人机协作流程是否优于被取代的流程。60% 的受访者愿意在日常任务中接受偶尔出现人工智能错误，以换取节省的时间。报告预计，随着风险升高，这种容忍度会大幅降低。

什么是核验成本？

核验成本是指在能够放心使用人工智能生成的工作成果或据此采取行动之前，核查这些成果所需的时间和精力。Thetius 与 Marcura 的 2026 年报告提出了这一术语。它不只是审阅所花的时间：在人工智能输出与原始材料之间来回切换、查找证据以及修正错误，都属于核验成本。当这些工作所耗费的精力超过人工智能辅助流程带来的收益时，核验成本就会成为问题。关于应保留哪些核查、如何降低其余核查成本，请参阅如何衡量并降低航运业的核验成本。

必要核验与剩余核验有什么区别？

必要核验是指核查的力度与错误可能造成的后果相称。当人工智能建议可能改变公司的合同立场，或港口限制可能影响某项租船交易是否可行时，这种核验尤为重要。在制裁相关事务中，即使人工智能此前表现良好，仍可能需要可靠证据和审计轨迹。

剩余核验则源于不确定性和信任不足。用户持续核查，是因为他们并未完全信任系统、不理解系统如何得出答案，或不知道谁对结果负责。报告认为，公司应保留第一类核验并减少第二类核验；不过，在系统仍处于建立阶段时，进行一定程度的剩余核验完全合乎理性。

公司如何衡量核验成本？

衡量核验成本，意味着将整个流程与基准进行比较，但这个基准很难获得。“我们没有基准数据。”Seaspan 业务转型主管 Rajesh Gopinathan 表示。报告建议，除了审阅时间，还应统计升级处理造成的延误和查找证据的成本，以及输出被修改或推翻的频率。报告还指出，如果审阅者没有经过适当验证便批准输出，那么较短的核验时间并不能证明工具成熟。

人工智能在海事工作中出错的频率有多高？

海事专业人士核查人工智能输出时，经常会发现错误。47% 的受访者表示，有时会发现错误；18% 表示经常发现，8% 表示几乎总能发现。其余人表示很少（22%）或几乎从不（3%）发现错误，另有 2% 表示不知道或不核查。此外，15% 的受访者表示，人工智能错误已经造成实际的财务、客户、声誉或运营影响。另有 12% 表示，错误在造成影响之前就被发现了（图表 2）。

对于影响这一问题，45% 的受访者回答“没有”，28% 表示“不知道”。错误不总是显而易见。“如果内容听起来不错，人们就会相信。问题在于，人工智能的假设可能隐藏在看似专业的文字里。”MARANICS 首席执行官 Thomas Örnevik 表示。

海事专业人士信任人工智能输出吗？

大多数受访海事专业人士对信任程度持中间态度。57% 的受访者在五分制量表中，将对人工智能输出的信任度评为中间值；高度信任或高度怀疑的人相对较少。70% 的受访者表示，在对重要商业决策采取行动之前，他们总会核查人工智能建议。

经过验证的可靠性会改变许多人的做法，但并非所有人都会改变。如果某项输出长期证明可靠，47% 的受访者会大幅减少核查或完全停止核查。38% 的人仍会进行大部分或全部核查。Digital Exchange 的 Kordlar 表示：“目标不是最大限度地信任，而是校准信任。对于已证明能够完成的工作，系统应得到相应信任，而不能假定它在所有情况下都可靠。”

人工智能影响商业决策时，谁来承担责任？

大多数受访海事专业人士认为，应由明确指定的人员承担责任。80% 的受访者部分或强烈赞同，无论人工智能将来有多强大，每项商业决策都应始终由明确指定的人员负责。不过，访谈显示，行业对于这项责任应由公司还是个人承担，并没有统一看法。

Kordlar 认为，必须尽早明确答案：“我不认为‘是人工智能作出的决定’可以成为责任归属的合理终点。责任可以分担，但应在部署前明确，而不是等出了问题之后再协商。”

报告提出，应先明确目标及其负责人，再选择工具。报告呼吁建立审计轨迹，记录使用了哪个系统、系统访问了哪些信息，以及人员是否修改或拒绝了系统的建议。领导层也需要准确了解实际情况，但只有 40% 的受访者认为其组织的高级管理层对人工智能有现实的认识。

海事人工智能需要多少人工监督？

报告认为，对海事人工智能的人工监督应根据错误后果来确定，而不是根据技术本身来决定。敏感信息或较不熟悉的任务通常需要更严格的控制。对于错误容易发现和纠正的低风险工作，可以采用较轻的监督；一旦系统证明可靠，还可以转为抽样检查。后果严重的决策则应要求正式的人工批准。

错误一旦传到组织外部，风险就会发生变化。“我们最谨慎的是错误被传到外部。内部错误可以被发现和处理，但外部错误可能损害声誉。”Islands Unlimited 船长兼运营经理 Jack Kitching 表示。报告补充说，是否升级处理应由输出可能造成的业务后果触发，而不能仅依据工具的置信度。另请参阅：为什么海事索赔仍需要人工参与。

海事领域准备好迎接智能体人工智能了吗？

在受访海事专业人士中，对智能体人工智能的兴趣超前于实际准备程度。72% 的受访者表示，其所在组织正在使用、试点或计划使用人工智能代理。但只有 15% 的受访者表示，组织已做好治理准备，能够应对人工智能采取行动而非仅提出建议的情况。问及治理是否已为智能体人工智能做好准备时，30% 的人表示“部分准备好”，23% 表示“没有”，18% 表示“不知道”，另有 13% 表示完全没有治理机制（图表 3）。

智能体系统可以访问信息、保留上下文并调用连接的工具执行任务，这也可能加大错误的后果。Kordlar 表示：“如果出了问题，人员没有足够的信息、时间或准备来有效干预，那么即使给他们一个人工覆盖按钮，也不一定能形成有意义的人类控制。”

报告引用了英国国家网络安全中心的建议：从低风险任务开始，通过界定清晰的用例逐步引入智能体。信任应随着任务逐步建立。一个能够可靠地从文档中提取信息的系统，并不意味着它已经证明自己能够提出商业建议。另请参阅：为什么智能体人工智能是海事领域的下一次飞跃。

什么样的人工智能输出值得信任？

报告认为，人工智能输出的可信度取决于其背后的数据、测试和反馈闭环。起点应是为具体任务提供可靠的信息基础，而不是先清理所有数据集。正如 MARANICS 的 Örnevik 所说：“更好的数据不等于更多的数据。”报告建议使用历史案例测试系统，并将用户的修正反馈纳入评估。应逐项任务评估表现：一个系统可能非常擅长提取日期，却不太可靠地解读合同义务。

人工智能会削弱技能吗？员工接受了多少人工智能培训？

海事专业人士既认为人工智能可以帮助员工更快积累经验，也认为它可能带来风险。75% 的受访者表示，人工智能让经验较少的同事能够更快胜任工作，因为他们可以获取原本需要多年才能积累的知识。然而，88% 的受访者对过度依赖人工智能可能随着时间推移削弱人的技能和判断力表示了至少一定程度的担忧。培训情况参差不齐：只有 30% 的受访者表示，其所在组织提供过一定程度或全面的安全使用人工智能培训。

“不要让人工智能取代肌肉记忆。”Marcura 产品与战略增长高级副总裁 Janani Yagnamurthy 表示。

人工智能治理跟上应用步伐了吗？

调查显示，海事领域的人工智能治理落后于应用步伐。只有 28% 的受访者表示，其所在组织的治理已跟上内部人工智能使用的步伐。在其他回答中，25% 表示人工智能使用的发展已超过治理进度，23% 表示其所在组织完全没有治理机制。20% 的受访者表示不确定，另有 3% 未作答（图表 4）。

即使建立了治理机制，其管理对象往往也是工具，而非决策。只有 8% 的受访者表示，其所在组织的人工智能治理包含对受人工智能影响的决策进行人工签批。更多受访者表示，治理内容包括获批工具清单或可接受使用政策。一家航运公司的高级 IT 与网络安全负责人认为，人工智能不能被当作其他软件一样看待：“它不是 PDF 文件和 Acrobat PDF 阅读器。这是一个能够访问你数据的人工智能工具。”

报告建议建立一份正在使用的人工智能系统清单，并明确每个系统的负责人。报告还建议询问供应商：客户数据如何存储、是否用于训练模型，以及系统更新时会发生什么。人工智能治理应纳入现有的风险与合规架构。监管也在不断发展。《欧盟人工智能法案》自 2026 年 8 月 2 日起普遍适用，但部分条款有更晚的实施时间表；该法案关于人工智能素养的要求自 2025 年 2 月起已开始适用。

什么是影子人工智能？它在航运业有多常见？

影子人工智能是指未经组织批准或监督，便将人工智能工具或账户用于工作。在海事领域，这可能意味着使用公开模型协助起草合同措辞或审阅往来函件。48% 的受访者表示，其所在组织的人员至少偶尔会在工作中使用未经批准的人工智能工具。

一家航运公司在推出企业人工智能工具之前进行了一次内部调查。“调查发现，集团内超过 50% 的人员正在使用 22 种不同的生成式人工智能应用。”该公司的一位高级 IT 与网络安全负责人表示。奥尔堡大学的 Nowinska 认为，更有用的问题是：“人们一开始为什么会这么做？”

报告认为，禁止使用未经批准的人工智能通常行不通。提供更好的、经批准的替代方案才有效，前提是替代方案足够好，让员工真正愿意使用。另请参阅：为什么海事人工智能失败的原因在人，而非技术。

海事公司应如何应对人工智能信任与治理问题？

《赢得信任：海事领域的人工智能》为海事公司提出了五项优先事项：

1. 从工作流着手：从具体的工作流或问题出发，而不是先寻找部署人工智能的场景，并梳理当前的工作方式。这份流程图将成为评估新工作流的基准。

2. 衡量完整的人机协作流程：直接将人工智能辅助工作流与其取代的流程进行比较，考察耗时、质量、能力和创造的价值。

3. 根据出错后果确定核验力度：减少因不确定性而进行的核查，而不是削减决策实际需要的核查。信任应经过校准，针对每项任务逐步赢得，而不是假定整个系统都值得信任。

4. 将核验转变为学习过程：记录审阅者发现的问题，而不是任务完成后就将其丢弃，因为反复出现的修正可能指向底层数据或工作流中的问题。

5. 明确责任归属并建立治理：无论系统是内部开发还是外部采购，都应明确每个由人工智能赋能的工作流由谁负责，以及问题应上报给谁。直接向供应商提出治理相关问题，并为员工提供足够好、真正愿意使用的获批选项。

报告执行摘要称，海事行业已经不再讨论人工智能是否有用。“现在尚待解决的问题是，如何在获得生产力提升的同时，建立信任、问责和治理机制，从而能够放心使用人工智能。”

对于海事公司而言，弥合信任鸿沟意味着逐项明确：工作需要多少核查、由谁对结果负责，以及治理是否跟得上日常使用。

下载完整报告

:

五项优先事项及调查图表

免费 PDF 包含调查图表、访谈见解以及五项优先事项的完整内容。

调查是如何开展的？

《赢得信任：海事领域的人工智能》基于对 60 位海事专业人士开展的调查，以及对海事运营商、技术专家和研究人员进行的深度访谈。Thetius 与 Marcura 合作开展研究，报告由 Matt Stevens 撰写。Marcura 最初在《赢得信任》研究公告中分享了主要调查结果。本摘要由 Marcura 编写。

• 行业：38% 为技术提供商，17% 为船东兼运营商，10% 为船舶管理公司，8% 为轻资产运营商，2% 为不定期或现货运营商，25% 为其他。

• 资历：27% 为高级管理人员，27% 为中层管理人员，25% 为 C 级高管，13% 为专家，8% 为一线员工。

• 地区：未公布。

如何解读数据：

• 样本偏向：样本偏向技术提供商和高级职位；受访者仅有 60 人，因此解读较小的差异时应谨慎。

• 未公布的信息：调查日期、地区、访谈人数、各问题的答题人数，以及问题是否允许多选。

• 需注意之处：部分图表按原样统计合计为 99% 或 101%；“成熟且已治理”这一比例为 8%，但没有公布相应图表。关于治理进度的问题中，23% 的受访者选择“没有治理”；关于智能体准备情况的问题中，这一选项的比例为 13%。

• Marcura 受访者：受访者中有两位——Saurish Nandi 和 Janani Yagnamurthy——任职于 Marcura。

2025 年研究：2026 年报告是 Thetius 与 Marcura 2025 年报告《超越炒作》的后续研究。今年的受访者与上一年不同。因此，报告将其与 2025 年的比较视为观点变化的迹象，而非严格可比的趋势；本摘要不重复这些比较。

引用方式：Thetius 与 Marcura 合作，《赢得信任：海事领域的人工智能》（2026），Matt Stevens 撰写。对 60 位海事专业人士开展的调查。