9 月 12 日至 13 日，2025 ITValue Summit 数字价值年会在三亚如期举行。本届大会以 「AI 场景落地真相」 为主题，聚焦企业应用 AI 过程中的 「十大核心问题」，系统性拆解 AI 战略、可靠性、数据困境、场景选择、模型选型、行业落地、知识库构建、安全合规、人机协作与人才瓶颈等现实难题，力图为企业找到可落地、可借鉴的解法。
13 日下午，连续在大会期间举办了两年的 CIOxCFO 闭门会上，推动企业 AI 落地的两类关键角色——CIO 们和 CFO 们围绕当前 AI 技术在企业中的应用展开了深度交流。
会上，由钛媒体研究院和 ACCA 共同出品的 《数字化转型新范式》（下称 《报告》） 正式发布，这是该报告连续第四年推出，从过去三年 《数字化转型新思》 到如今 《数字化转型新范式》，报告名称的变化也展现了当前转型进程的变化。此外，今年报告的重要内容是在调研中总结了四大特征，并以对应案例进行了详细拆解。
此外，现场 CFO 和 CIO 们也在积极对话，探讨不同视角下的 AI 落地共识。
南方电网邱国峰博士以审计数字化转型为主题，对审计的现状与未来，以及构建智能审计生态进行了分享。
绿城中国数字化建设中心总经理补声东也以企业 AI 大模型落地实践为主题，对现阶段 AI 在企业的定位、企业成功应用大模型 7 大关键、大模型应用的技术路线和案例场景进行了分享。
数字化转型新范式—— 从共识转向价值深耕
在人工智能 (AI) 技术的推动下，全球经济的数字化转型正以前所未有的速度推进。对中国企业而言，持续关注并积极拥抱数字化转型，尤其是 AI 技术的应用，是适应市场变化、提升运营效率、增强创新能力的关键。
过去三年 《报告》 的研究重点回应了该领域的若干核心议题--数字化转型是否属于战略问题、其在推动商业模式变革中的必然性、阻碍收益实现的关键因素以及转型领导者的角色。
基于对这些根本性问题的持续追踪和思考，《报告》 逐步构建出不断演进的认知体系。在这一演进过程中，研究调研的典型案例，均在不同阶段体现出优秀企业数字化实践价值，并因此受到市场的广泛关注。
今年，《报告》 整合了一套全新的“ 数字化能力评估”，从“ 数字化价值维度” 和“ 数字化技术维度” 两个维度出发，旨在为企业更全更全面、更细致地了解当前的数字化水平，帮助企业识别在数字化转型过程中的优势和不足，从而制定更有效的转型策略。
本次调研的重要结论，是通过数字化能力数据洞察和企业转型实践观察，重点对比了领先企业与一般企业数字化转型的关键特征，并总结出领先企业的四大核心特点并结合案例进行了详细拆解。
例如，具有战略牵引特征的领先企业，凭借其卓越的战略远见与前瞻性的技术布局，构建并巩固可持续的竞争优势。
对应这一特征，《报告》 以国泰海通的案例进行了详细解读。2017 年，国泰海通前瞻性提出了“AI in ALL” 的应用策略，通过“ 人机同行” 大幅度降低专业门槛，提高运作效能。在行业中率先实现 AI 在投研、风控、服务、运营、协作、运维等领域的深入应用，助力企业提质增效。并在后续不断优化组织，加大科技投入和生态合作，夯实 AI 基础。积极拥抱大模型，在监管机构指引下打造自主 AI 核心能力。在 2024 年，国泰海通将 AI 定位从“ 赋能性” 提升为“ 变革性”，AI 发展策略升级为“ALL in AI”，深化场景赋能，推动 AI 从“ 提效工具” 向“ 变革力量” 实质性跨越；将大模型作为公司变革的重要力量，去驱动组织变革与流程创新，推动整个公司业务、经营管理模式的创新。从而提升公司收益。
其他三大特征也分别有首旅如家、蒙牛、中顺洁柔作为代表案例进行了深度剖析。（更多信息可点击获取 《数字化转型新范式》 报告）
CFO视角：AI 重塑审计定位
南方电网邱国峰博士介绍，传统审计面临五大痛点：一是形式重于实质；二是独立性受质疑；三是手段落后，档案堆里找问题；四是人力密集；五是事后、赌博式、考古式审计。
而当前，AI 正驱动的审计范式变革。他举了很多例子，比如，在核心工具上，在微软 Azure 云平台构建 AI 审计系统，整合大数据分析、机器学习及自然语言处理；在团队上，6 名 19-25 岁的工程师组成“ 算法灭霸团”，直接访问数据库密钥突破信息壁垒；在方法论层面，全量数据分析可以扫描数十年财政数据，实施风险监控可以通过 AI 系统 7×24 小时追踪异常模式 （如重复拨款、虚构供应商），将审计周期从“ 年” 压缩至“ 天”……
他对审计未来有四大判断：“ 算力密集” 代替“ 人力密集”；“ 全量审计“ 代替” 抽样审计；“ 区块链存证” 代替“ 审计底稿’；审计过程实时、公开“ 代替” 审计报告编申。
在这一趋势下，构建智能审计生态势在必行。
具体来看，审计工作模式的转变主要有五点：1、审计覆盖全面化: 抽样审计> 详细审计；2、审计技术智能化: 大数据、机器学习、自然语言处理、社会网络分析 3、审计信息多维化: 文本信息、音频信息、视频与图像信息；4、审计过程连续化: 连续审计+项目审计；5、审计组织中台化: 人+机> 审计数据中台；6、审计报告灵活化: 智能灵活报告模式。
最后，他对 AI 对审计职业的影响发表了自己的看法，在他看来，会计审计职业需要重新定位。那些熟悉数据处理和分析，并积累了大量统计、大数据、人工智能知识且具备洞察数据能力的人将会成为商业分析的高端人才、管理和开发 AI 的复合型人才，甚至是会洞察商机并创立 AI 独角兽企业的领军人才。
CIO应对：AI 将成为企业业务的“ 超级入口”
绿城中国数字化建设中心总经理补声东的分享围绕 AI 在企业中的定位及其实践展开，他指出 AI 目前处于 L2（推理者，基本的推理和问题解决能力） 和 L3（智能体，代表用户执行任务，具备自主行动能力） 之间，强调 AI 作为员工超级助理的角色，而非替代人力，旨在赋能员工提升工作效率。企业应根据 AI 发展阶段设定合理期望，聚焦于知识问答、问题解决和生产力提升三大方向，以实现 AI 技术的有效应用与价值创造。
在他看来，企业成功应用大模型的七大关键在于：1、企业成功应用大模型需更新意识、积极拥抱同时理性期待；2、注重高质量数据积累整理，包括私有数据补充；3、打造复合型团队，有机融合 AI 技术与业务需求；4、聚焦企业高价值业务场景，结合 AI 优势领域快速见效, 如制度优化等；5、衡量企业应用的效果，立项时明确价值点，定期复盘价值达成目标；6、要持续运营，“ 用起来” 是 AI 能产生价值的基础；7、要把 AI 应用当成一个持续演进的系统。
在大模型应用的技术路线上，他认为要避开大模型的不足，让大模型持续做它擅长的事情，是企业大模型应用技术路线选择要解决的核心问题。
他以房地产企业 AI 应用与运营策略为例，分享了如何通过 AI 提升企业效益。
例如，AI 技术提升房地产营销效率与客户成交率的案例中，通过 AI 筛选客户、优化标签系统及精准营销策略，显著提高了房地产成交率。AI 筛选意向客户，配合重点跟进二次来访客户，使现场成交率 X% 提升至 1X%。此外，通过产学研合作优化客户标签体系，结合第三方数据，实现精准营销。2025 年上半年，通过短信营销触达 50 万客户，最终成交 900 余户，节约营销成本约 1.X 亿。理论上，现场成交率可提升至 18%，对年销售额 2000 亿的企业而言，意味着巨大的利润增长潜力。
他总结称，当下，以大模型为主要技术的 AI 已经成为企业提质提效、业务变革的重要手段，我们必须积极拥抱，未来 AI 有望成为企业业务的“ 超级入口”。不同于传统业务系统，AI 的应用是一个渐进优化的过程，企业要谋划好技术路线、持续运营迭代，切忌浅尝辄止；建议选择技术成熟、容易出成效的场景入手，踩坑、试点、升级打怪，待团队工程化能力成熟后聚焦企业高价值业务领域，全面推进 AI 应用。
从机制到价值判断，技术与业务如何真正有机融合
在闭门会的自由讨论环节，现场嘉宾对更多实操中组织文化融合与理念碰撞等问题进行了探讨。
从 12 号的主论坛，到本次闭门会上，很多嘉宾都强调，一个成功的 AI 项目落地，需要 IT 技术和业务的人相向而行，但这两个群体如何有效融合、共同推进？
补声东表示，他此前提到的很多创新想法，实际上都源自一线员工。因此，在推进 AI 工作的过程中，高管们达成了一项重要共识：即 AI 的成功实施必须由相关业务部门承担首要责任。他明确表示，AI 不仅仅是数字化能力的提供者，而是一个平台。AI 能否成功在公司落地实施，关键在于业务部门的基准。“ 因此，我们在各种大会上反复宣传，强调业务部门的首要责任，我认为这是在进行文化宣导。” 补声东说。
“ 我们提出了公司内部的三方共创模式：首先，明确一线员工必须参与；其次，总部要发挥职能，最后才是数字化部门。” 补声东表示，验证一个 AI 功能最重要的是发现问题，通常在上线前会要求一线员工向我们提出 200 个以上的问题。“ 这是我们与一线团队共创的一个重要逻辑。我们认为创新都在一线。”
“ 我们需要与业务部门合作并创造价值。只有通过创造价值，我们才能获得认可，进而建立起信任。” 补声东表示，为了实现这一目标，必须首先确定相应的价值。“ 我也希望 IT 部门能够告知业务部门，所提出的需求必须与其创造的价值相对应，对于无法创造价值的需求，应当相应地进行调整。”
一旦业务部门体验到这种方式的好处，他们便不再满足于传统的做法—— 补声东表示，起初他们可能无法理解，甚至有业务领导来向我提问，质疑我提出这个要求的依据是什么？毕竟预算的批准权在财务部，他们凭什么提出这样的要求。因此，我们公司高层经过多次会议讨论，并在达成共识后，最终决定进行整改。业务部门在调整后开始对接，而我们的团队也已经习惯于按照业务部门的要求进行操作，认为提供满意的服务是他们的最大价值。
此外，如何计算 AI 落地的 ROI 仍是共创价值衡量的现实问题。
补声东分享说，在业务部门提出需求、项目立项时，就会要求业务部门必须承诺支持，并共同致力于达成目标。“ 通常，我们希望在上线半年后能够实现盈利，这是他们必须给我的承诺，没有这个承诺我就不愿意做。”
在确立业务部门的首要责任原则上，对项目进行分级管理，并对不同等级的项目设立不同等级的负责人，例如 S 类项目要求必须由业务部门的负责人与技术侧共同确定目标；而对于 A 类项目，则由副总负责设定目标。
业务目标有两个：一是称为成功目标，即功能目标，也就是 IT 的目标；二是业务成功标志，比如上线后能挣回来多少钱。
当然，还有一些大量的项目无法直接计算出收益。补声东和团队后来提出一个“ 运营效率提升” 的概念。
例如，原本每月 15 号才应进行的工作，现在每个月 5 号就完成了。这十天的时间可以用于财务结算，对任何工作都是如此，特别是当我们季度要开会的时候，需要准备季度报告，通常都需要到月底才能完成，但若是 5 号就能出数据，那么大概 10 号就能开会，两周内就能完成，这样就大大提高了整个公司的运营效率。
以及，公司全面预算系统以前做一些价格和利润关联的压力测试需要一个季度的时间，现在一个月就能计算一次。
在定价方面，补声东表示，以往在每个项目开盘前都会进行定价，并编制定价报告。成本人员需测算成本及利润情况。现在 1 小时就可以算出来。在领导审批时，他们可以立即看到价格调整对 IR 和 RE 的影响，这有助于领导快速做出决策。（本文首发钛媒体）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
