Related articles
AI 转型的成败究竟取决于什么？
成败不在算法本身，而在算法之外：商业价值是否清晰、组织底座是否就绪、责任是否共担、专家经验是否被尊重。
9 月 16 日至 17 日，2026 ITValue Summit 数字价值年会在三亚如期举行。本届大会以“AI 的系统落地” 为主题，力求把企业 AI 从做出一个项目的讨论，进一步推进到能力建设、产业协同和实际价值。
CIOxCFO 闭门会已连续举办三届，本届闭门会上，推动企业 AI 落地的两类关键角色——CIO 们和 CFO 们围绕“AI 技术价值兑现” 这一话题展开了深度交流。
钛媒体联合创始人、ITvalue 发起理事万宁在主持中提到，“AI 时代，除了 CIO 更多从技术层面讨论 AI 共创的问题，在企业内部管理过程中，CFO 同样跟 CIO 扮演着重要角色，比如价值投资，AI 项目的回报，以及如何将财务与 IT 拉通。”
他进一步指出，经过近段时间与 CFO、CIO 们的交流，能够发现在于几点：可能是喊口号与做事之间出现了特别大的差距，管理层与执行层之间出现了上热中温下冷的状态；可能是高质量数据的稀缺；也可能是安全合规的问题，收益难以衡量，组织变革难以跟上的挑战。
ACCA 政策及洞察高级经理练瑾雯、ACCA 华南区专家指导小组主席雷志荣、绿城中国数字化建设中心总经理补声东、湖南星邦智能装备股份有限公司 CIO& 智慧研究院院长谢鹏，分别从问题挑战、数字底座、组织共治、价值度量等维度进行分享；在自由讨论环节，来自不同领域的嘉宾，就 AI 项目的组织推动、价值衡量，以及 CFO 与 CIO 的职能进化与边界融合等话题进行了深入探讨。
AI 转型的四个缺口与应对之道
ACCA 政策及洞察高级经理练瑾雯将企业 AI 落地的挑战归纳为四个结构性缺口—— 价值、流程、规模和信任。但这个四个缺口并非没有可解之道，需要重新定义价值、设计流程、建立复制机制并构建信任。
价值缺口上，报告显示财务部门评估战略数据价值的方法层次不齐：仅 21% 的受访者会对 AI 项目进行 ROI 测算，更多受访者采用相对主观的方式，28% 尚未建立系统化方法。重构派主张将最优个体经验固化到系统，工具派认为 AI 尚不成熟、追求极致效率，实用派主张 AI 先作为执行者融入现有流程。
路径无对错，需匹配企业文化与行业阶段。价值衡量要平衡长期主义与短期胜利，企业既不能用长期主义掩盖不作为，也不能用短期焦虑牺牲未来基础。
很多企业只是把 AI 当做更快、更好用的员工，却从未从流程角度重设任务边界、数据流与决策机制。报告将企业自动化分为五个阶段，多数企业仍停留在一至三阶段。建议优先场景应选高价值、小切口、可量化、快验证，用小切口积累信任。
对于流程中存在的数据瓶颈问题，练瑾雯将其归纳为数据质量、技能缺口、多源整合三方面原因。从企业所争论的结果上看，数据问题的本质是业务问题而非纯技术问题。对于多数企业，“ 在奔跑中治理” 比“ 先治理再奔跑” 更现实。长期看，数据质量的根本改善依赖于用系统替代不规范的人工节点；短期看，高管必须具备“ 在不完美数据中决策” 的能力。
在规模缺口方面，试点难规模化有四个原因：场景本身难复制、基础不统一、组织与机制缺失、经营逻辑不成立。人才能力影响推广速度，复制基础与推广机制决定规模上限。在推进策略上需选择“ 战略上自上而下，战术上自下而上” 一把手解决“ 要不要做”，中层一线解决“ 怎么做”。节奏上应“ 方向坚定、路径灵活、小步快跑”，建立容错文化，做到“ 小错不断、大错不犯”。
在信任缺口上，报告受访者高度担忧 AI 生成的洞察或基于不完整数据做出的决策，准备程度普遍很低。
最后，练瑾雯探讨了 AI 时代 CFO 与 CIO 的角色演变。在 AI 转型和组织边界日益模糊的背景下，CFO 和 CIO 的角色与能力都在持续演变，CIO 面临“ 成为六边形战士” 还是“ 坚守 IT 主战场” 的路径选择，而 CFO 则承担起价值定义、投资组合管理、可信治理和跨部门流程共建等呼应四类缺口的责任，其角色因行业、组织规模和架构不同而有所差异。
练瑾雯的看法是，最后一公里只能靠专家的真实经验，越往后专家越稀缺。组织越大，财务对数据与技术的职责越明显，同时 IT 与财务的融合程度、CFO 自身的角色迭代与能力提升，也因企业成熟度不同而存在显著差异。
从 BI 到 Data Agent，先搭商业逻辑再谈 AI
作为 ACCA 华南区专家指导小组主席，润德教育董秘，雷志荣结合自身从 CFO 转任董秘、推动数智化转型的经历，系统介绍了如何搭建 BI 体系并自然过渡到 Agent，最终让 AI 成为管理层的战略顾问。
在她看来，数字驱动决策经历了三个阶段：初期靠人的经验野蛮发展；成熟期靠“ 人+BI” 模式，用数据看板辅助科学决策，充当管理层的“ 导航仪和驾驶舱”；AI 原生阶段则借助 AI Agent 实现人机协同，起到辅助驾驶的作用。
雷志荣指出，AI 落地难集中在两点：业务端需求描述不清，缺少体系性、前瞻性，以及缺乏高质量数据。她强调，BI 是 AI 的数字底座，BI 负责搭建商业洞察体系、湖仓一体、完成数据治理、建立数据血缘关系和知识图谱，AI 才能在此基础上开发。如果只拉 BI 看板、不建结构化数据库和知识图谱、回头还在补数据血缘，AI 就是空中楼阁，难以实现。她介绍了从 BI 到 AI 的完整流程：
- 搭建商业洞察体系，涵盖战略发展、公司治理、财务分析、商业分析、绩效考核、风险管理；
- 业财整合，传输数据、设计数据湖结构、建设数据仓库；
- 清洗数据，建立全量数据字典、数据血缘关系、知识图谱、评价标准体系，并推动数据治理，即业务流程改造、数据源头标准化、标签化；
- 生成可视化 BI 看板；
- 在 BI 基础上开发 AI(Data Agent)。
由于 BI 是静态展柜、固定报表，而且看板众多、指标繁杂，用户难以快速定位数据，因此开发 Data Agent，用自然语言即可查询数据、分析经营、获取趋势判断。雷志荣强调，Data Agent 不仅是智能问数工具，更是中高层管理人员的专家指导顾问，它不仅回答问题、进行分析、给出标准评价、提示风险，并引导下钻归因分析及行动建议，协助管理层实现“ 数据→ 洞察→ 决策→ 行动→ 复盘” 完整链路。
雷志荣强调，“ 商业主导的 AI” 与“ 技术主导的 AI” 效能不同，商业角度投入产出比是纯技术主导的几倍，一定要有商业牵引、价值驱动，AI 才能真正落地。从结果上看，她所带领的财务分析团队升级为数字战略部，用“ 业务架构师+全栈工程师” 敏捷开发的模式，2 人团队用半年开发完 BI、三个多月开发 AI（即 Data Agent，商业洞察智能体），增量成本为零。
她认为，“ 流水的 AI 工具，铁打的商业逻辑”。商业逻辑是价值创造的恒定内核，在 BI 与 Data Agent 开发中，必须以真实的商业场景、决策链路和指标体系为锚点，AI 的价值不在于工具本身的先进性，而在于它能否被有效嵌入业务闭环、解决具体的经营问题。因此，希望把战略管理和经营分析思路传输给 AI，让它起到 CFO 角色的保驾护航作用。
企业级 AI 的三方共治与价值兑现
绿城中国数字化建设中心总经理补声东分享了企业级 AI 从建设到落地的完整实践，核心逻辑是“ 三方共治、价值兑现”，三方共治是业务定义、技术保障、财务验证，即引入业务、财务和数字化共同做数字化内容，业务负责定义场景，IT 负责技术实现，财务负责价值验证，法务合规安全贯穿全程。
点击链接下载报告：《企业级 AI：业财共治与价值兑现》
补声东指出，当前企业 AI 存在四个割裂：员工都在用 AI 但不用企业的 AI；高层说 AI 重要但业务中层没有需求；一线仍在手工合表；数据不敢接到公域大模型。此外，投入上第一年一大半花在模型和算法上，业务收益很难验证。
他强调建设顺序从经营结果反推：先锁经营目标，再抓获客、转化、交付、服务四大流程，每个场景写清给谁用、改变什么环节、基线是什么，否则无从验证。其解法是：三方共建、三方共治—— 业务出题、IT 答题、一线阅卷，同时，业务定义、技术保障、财务验证。
具体来讲，技术上不重建系统，为 100 多个存量系统做增强入口；用模型无感路由省成本，确定性计算交给独立计算引擎；业务规则以文字形式存入规则引擎。组织侧要求数据、流程、机制三就绪：审批由 AI 前置初审给出红绿灯，人只关注重点环节。补声东直言：“ 没有底座的 AI 就是空中楼阁，做 AI 之前必须做到 AI Ready 的组织—— 数据就绪、流程就绪、机制就绪。”
补声东提出要让员工持续使用，必须做到入口顺手、答案可信、任务闭环。入口要嵌入员工现有工作平台，答案要能溯源，明确引用章节，让用户点开就能看到出处。任务要闭环，不能只生成一段文字，要补充相似问题和相关 Skill。同时，还要让任务走进关键流程，改变关键作业和决策点。同时，高管强推一线不认、数据不行直接淘汰、业务不做第一责任人的不予立项。
补声东提出三层价值评估体系：能力提升、管理改善、经营贡献。立项必须回答功能目标和价值变现目标，建立价值基线，确认收益兑现。成本要算全成本，包括建设、运营、退出。他坦言，真实的 AI 价值是显性的减损还是加速了周转，并强调 AI 是驱动管理变革的工具，价值核算应是共同价值，不能把系统、人、组织变革的收益割裂区分，否则代价很大且 AI 没法干。
AI 是战略级问题，CIO 的翻身仗要靠算得清
作为湖南星邦智能装备股份有限公司 CIO 兼智慧研究院院长，谢鹏四年前跨界进入装备制造行业负责全球信息化。他开场立了两个前提：AI 不是目的、不是赶潮流；也绝不只是 IT 部门的事。
他认为传统 CIO 的价值边界正受挑战，要么被边缘化，要么变成大红人。“ 传统的 CIO，我认为他的价值边界已经非常受到挑战了，要么就被边缘化，要么又变成一个大红人。” 谢鹏说。
破局是建 AI 中台：一是让关键用户更低门槛地使用核心系统；二是在工艺、研发、质量管理中把老师傅的 Know-How 沉淀成知识库；三是给业务流定 L1 到 L5 的智能成熟度模型，L5 是像员工一样可被“ 多点连接” 的数字人。他在两年内上线了 92 个 Agent。
谢鹏介绍，公司自研了星邦门户项目 Starkey，把所有 Agent 做集成，基于 Agent 开发 Skill，让任何授权员工在门户中对接想操作的业务系统，降低传统应用系统使用门槛。同时接入高成本大模型，做全域报表输出和报表分析。
他认为，AI 对 CIO 而言是翻身仗，是延续职业生命的重要机会，因为 AI 帮助 CIO、CFO 和其他 CXO 改变了对话模式。他还在所有业务部门增加了 AIBP 岗位，运作一年，公司认为他们已能实现项目汇报。他希望数字化团队和业务部门找第一场景，让业务部门复制第二场景，持续复制，最终推动组织变革和管理变革。AI 在公司已经成为战略级问题。
谢鹏提出“ 先有度量再谈规模化”，今年他的 KPI 中 AI 回报占 30% 权重。他构建了 AI 运营看板，实时发布 AI 应用价值排名、使用次数、提效时长、Token 用量、直接价值转换、间接价值转换。
不过，谢鹏认为 Token 成本因模型选择可差一个数量级，私有训练的回报也需与 CFO 反复核算。结论是，必须有一套公认的价值公式和评估委员会。
CFO 与 CIO 的边界、底线与共创
当“ 价值缺口” 被讲透之后，一个更棘手的问题浮出水面—— 过去投在数字化上的钱算不算白花？AI 的投入该由谁把账说清楚？CFO 与 CIO 的边界究竟在哪里？后半程的自由讨论环节，参会者依次给出了自己的答案。
某金融上市公司 CFO 把 CFO 的真实处境说得很直白—— 老板支持 AI 转型毋庸置疑，但一定会追问：投入到底多大、持续要花多少钱、什么时候能看到效果。她提出的第二个疑问更普遍：过去做数字化转型、搭数字中台、做系统对接投的钱，是不是白花了？以后 AI 的钱会不会又白花？她这次的收获恰恰是听到了否定答案：原来的钱没白花，AI 要建在数字化基础之上往前走，但这个点公司内部没人给老板科普过。她提出，价值衡量需要共创，不是 IT 单方面想出来，也不是业务单方面提出来，要大家共识衡量的价值是什么。
一位来自国企的 CFO 是带着失败案例来的。他们所在企业审批链条极长，智能审单方案大小模型都已选好，却卡在漫长流程里，期间选定的模型被换掉，最后卡在小模型买硬件上：集团要求共享资源，不同意自购服务器。他另一层思考是怎么把生产现场回传的运作数据用起来：原本打算做成 BI 给指定领导看，现在觉得不如直接上 AI 问答，数据产生的价值集成更好。他表示，CFO 比 CIO 多两横，多出来的是"预算"这道杠，所以 CFO 要向 CIO 学习去掉那两道杠。CFO 和 CIO 没有什么边界，目标都是朝着 CEO 去的，最后把数字、财务、预算、ROI 讲成同一个故事，共同朝着企业战略落地、价值实现。
另一位 CFO 表示，认为 AI 不再是一次性成本，这是它与过去 IT 建设的最大不同。他指出，过去 ERP 厂商在售前讲一个总应用成本的概念，说服客户投多少钱，本质是"验证值的购买”，而 AI 不再是一次性成本，后续 Token 消耗的成本是非常大的。他坦言自己最苦恼的是 AI+运营，最兴奋的是 AI+产品、AI+服务，公司已有近 20 个数字人接服务，一天一万多进线，比客服同事专业且稳定。他强调 AI 没有替代人，而是减少了增量需求，把转型过来跟 AI 做 SOP、补知识库的人变得不可替代。
一位嘉宾坦言自己比当时的 CIO 还紧张，想更快推进 AI，甚至会考虑要不直接批预算用于投 AI。她对财务的定位很明确：财务不划投资回报的上限，只划投资的底线。她认为 AI 落地到底是一个降本增效还是经营重构，需要思考。她原本想过两个部门合作更高效，但最终还是认为做财务时视角纯粹、客观，看 AI 时反而容易盲目想投钱，两个角色仍需并行。
作为私募股权投资方，另一位嘉宾则认为只要业务不愿意用，所做的一切都是浪费。一方面要对领导做预期管理，让他知道钱不能随便乱花；另一方面又要让他知道过去的成本还是有浪费的。Agent 有很多部门用得很深，但很多领导同事一点感觉和概念都没有。她强调不管是 CFO 还是 CIO，要在组织里做好建设，一定离不开对业务非常深度的理解，否则数据治理、流程、AGI 落地都无法真正做到公司愿意去用。
如今来看，CFO 与 CIO 的边界正在模糊，双方需要双向融合、共创价值衡量标准，但也不能互相替代，各自要坚守专业领域。无论 CFO 还是 CIO，当 AI 投资的价值验证已成焦点，做好 AI 落地的前提是对业务的深度理解，否则所有投入都可能变成浪费。（本文首发于钛媒体 APP，文｜TechHorizon，作者｜杨丽，编辑｜盖虹达）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
