9月16日至17日，2026 ITValue Summit数字价值年会在三亚举行。本届大会以“AI的系统落地”为主题，聚焦企业AI从项目交付走向能力建设、产业协同和实际价值兑现的路径。在连续第三届举办的CIOxCFO闭门会上，来自不同行业的企业CIO与CFO围绕“AI技术价值兑现”展开深度交流。钛媒体联合创始人、ITvalue发起理事万宁在主持中指出，AI时代CFO与CIO在企业内部管理中同样扮演关键角色，涉及价值投资、AI项目回报以及财务与IT的拉通。
万宁表示，从与CFO、CIO的交流中可以观察到几类典型问题：管理层与执行层之间存在“上热中温下冷”的状态，高质量数据稀缺，安全合规压力持续，AI收益难以衡量，组织变革难以跟上技术推进节奏。这些问题构成了当前企业AI落地的主要障碍。
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。在价值缺口方面，报告显示财务部门评估战略数据价值的方法参差不齐：仅21％的受访者会对AI项目进行ROI测算，28％尚未建立系统化方法，更多受访者采用相对主观的评估方式。练瑾雯指出，价值衡量需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。
流程缺口方面，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。练瑾雯建议优先场景应选择高价值、小切口、可量化、快验证的方向，用小切口积累信任。对于流程中存在的数据瓶颈，她将其归纳为数据质量、技能缺口、多源整合三方面原因，并指出数据问题的本质是业务问题而非纯技术问题。对多数企业而言，“在奔跑中治理”比“先治理再奔跑”更为现实。
规模缺口方面，试点难规模化存在四个原因：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。练瑾雯建议采取“战略上自上而下，战术上自下而上”的推进策略，由一把手解决“要不要做”，中层一线解决“怎么做”，节奏上保持“方向坚定、路径灵活、小步快跑”，并建立容错文化。信任缺口方面，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，整体准备程度普遍较低。
在角色演变层面，练瑾雯探讨了AI时代CFO与CIO的职能进化。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责任。她指出，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，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。
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转任董秘并推动数智化转型的经历，系统介绍了从BI体系搭建到Data Agent开发的完整路径。她将数字驱动决策划分为三个阶段：初期依靠人的经验野蛮发展；成熟期采用“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。雷志荣指出，AI落地难集中在两点：业务端需求描述不清、缺少体系性和前瞻性，以及缺乏高质量数据。
雷志荣强调，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，AI就是空中楼阁。她介绍了从BI到AI的完整流程：搭建涵盖战略发展、公司治理、财务分析、商业分析、绩效考核、风险管理的商业洞察体系；进行业财整合，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、知识图谱和评价标准体系，推动业务流程改造与数据源头标准化、标签化；生成可视化BI看板；最终在BI基础上开发Data Agent。
雷志荣指出，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，能够回答问题、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”的完整链路。她特别强调，“商业主导的AI”与“技术主导的AI”效能不同，商业角度的投入产出比是纯技术主导的数倍，必须有商业牵引、价值驱动，AI才能真正落地。
从实践结果看，雷志荣所带领的财务分析团队升级为数字战略部，采用“业务架构师+全栈工程师”敏捷开发模式，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。
本届CIOxCFO闭门会反映出企业AI落地正从技术验证阶段进入价值兑现的深水区。CIO与CFO的职能边界在AI转型中加速融合，价值定义、投资回报测算、数据治理与组织变革成为共同议题。在AI投入持续扩大的背景下，如何建立可量化的价值评估体系、如何将个体经验转化为组织能力、如何在数据不完美条件下做出有效决策，仍是企业需要持续回答的问题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
