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：

1. 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；
2. 业财整合，传输数据、设计数据湖结构、建设数据仓库；
3. 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；
4. 生成可视化BI看板；
5. 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）