9月16日至17日，2026 ITValue Summit数字价值年会在三亚举行，主题定为“AI的系统落地”。会场里最集中的讨论，不是模型参数，而是一个更现实的问题：AI转型的成败究竟取决于什么？
钛媒体联合创始人、ITvalue发起理事万宁在主持CIOxCFO闭门会时提到，AI时代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。他把当下的落差归纳为几种可能：喊口号与做事之间出现特别大的差距，管理层与执行层之间出现上热中温下冷的状态；也可能是高质量数据的稀缺，或是安全合规的问题，收益难以衡量，组织变革难以跟上。
四个缺口，先看清卡在哪
ACCA政策及洞察高级经理练瑾雯把企业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。
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。练瑾雯提到，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。
流程缺口上，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。
数据瓶颈被归纳为数据质量、技能缺口、多源整合三方面原因。练瑾雯的看法是，数据问题的本质是业务问题而非纯技术问题。对多数企业，“在奔跑中治理”比“先治理再奔跑”更现实。
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。推进策略上需“战略上自上而下，战术上自下而上”，节奏上应“方向坚定、路径灵活、小步快跑”。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。
练瑾雯还谈到AI时代CFO与CIO的角色演变：CIO面临“成为六边形战士”还是“坚守IT主战场”的路径选择，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。她的看法是，最后一公里只能靠专家的真实经验，越往后专家越稀缺。
先搭商业逻辑，再谈AI
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，介绍了如何搭建BI体系并自然过渡到Agent。
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；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。
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；
- 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，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，协助管理层实现“数据→洞察→决策→行动→复盘”完整链路。
她提到，“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。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，增量成本为零。她的判断是，“流水的AI工具，铁打的商业逻辑”。
三方共治，价值怎么算
绿城中国数字化建设中心总经理补声东分享了企业级AI从建设到落地的实践，核心逻辑是“三方共治、价值兑现”——业务定义、技术保障、财务验证，法务合规安全贯穿全程。
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。解法是业务出题、IT答题、一线阅卷。
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。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。”
他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。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。
价值评估上，补声东提出三层体系：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。
CIO的翻身仗，靠算得清
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。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。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。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。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。
边界在哪，账该谁来说清
后半程的自由讨论环节，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？
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？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。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。
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。
另一位CFO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，本质是“验证值的购买”，而AI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。他强调AI没有替代人，而是减少了增量需求。
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，另一方面又要让他知道过去的成本还是有浪费的。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。
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。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。
热门跟贴