过去两年，智能化浪潮席卷各行各业，成为企业管理者重点关注的核心议题。从大模型技术的突破性进展，到各产业的场景化应用，从AI工具的初步探索，到企业组织模式的深度变革，围绕人工智能的讨论持续升温，几乎所有企业都在思考：如何抓住AI机遇，实现高质量发展？
但行业共识已然形成：技术本身不会自动创造价值，再先进的AI能力，若脱离企业实际经营场景，也只是空中楼阁。真正决定企业数智化转型成败的，是能否找到适配自身发展阶段的应用场景，将AI技术能力转化为解决实际经营问题、提升核心竞争力的业务能力——所有智能化探索，最终都要回归业务本身，落地到具体的经营环节中。
7月3日，由钛媒体研究院与ACCA联合发起的《从数字化到AI》系列对话第一期正式上线。栏目特邀行业资深CFO和CIO开展跨界对谈，以财务视角、技术视角双维度拆解企业AI转型的痛点难点、落地路径与破局思路，为不同规模、不同行业的企业数智化变革提供了极具参考价值的实战经验。本期嘉宾阵容强大，包括无限极CFO兼副总裁陈松、格林美高级副总裁兼财务总监穆猛刚、中顺洁柔副总裁兼CIO杨森林，以及字节领高创始人/彩食鲜终生荣誉CTO乔新亮。
在长达两个小时的深度对谈中，两位CFO与两位CIO碰撞出诸多前沿观点，也还原了企业面对AI时的真实状态：部分企业已将AI深度融入业务链路，实现了价值转化；部分企业仍处于技术探索与场景试错阶段；有人认为AI会带来行业颠覆与岗位替代，也有人坚持从小场景、小切口入手，逐步积累AI应用经验。基于本次访谈核心观点，结合行业实战案例，我们梳理出企业AI落地的具体解决方案，助力企业避开转型误区，实现AI价值的最大化释放。
一、核心认知破局：企业AI落地的三大关键问题解答
（一）企业现在要All in AI吗？——无统一路径，适配性是核心
企业推进AI转型，从来没有放之四海而皆准的统一路径。企业所处的发展阶段、管理者的决策风格、主营业务领域、数字化基础水平等，都会直接影响AI战略的制定与战术执行。格林美高级副总裁兼财务总监穆猛刚在访谈中提到，多数企业的AI应用会经历“个人使用-部门应用-公司级推广”的渐进式过程，对于绝大多数企业而言，核心问题并非是否要拥抱AI，而是如何找到适合自身的切入场景，避免盲目跟风投入。
无限极CFO兼副总裁陈松分享了企业的实战经验：无限极的AI探索并非从零起步，而是建立在多年数字化建设的基础之上，实现的是数字化能力的跃迁。过去，企业数字化建设主要聚焦于流程在线、数据可视和管理透明，解决的是“效率提升”的基础问题；而现在，AI应用的核心是将沉淀的数据、成熟的流程和专业的行业知识，转化为可落地的经营洞察和行动建议，推动AI从单点工具向业务全链路渗透。
这一转变在财务领域体现得尤为明显：AI不再只是提升财务核算、报表编制效率的内部工具，而是逐步延伸至研发、生产制造、供应链、渠道管理、用户经营等核心业务环节。这也要求财务团队提前参与AI场景设计、价值判断和风险识别，成为连接技术与业务的桥梁。中顺洁柔副总裁兼CIO杨森林则以企业实践给出了有力佐证：得益于AI技术的场景化应用，中顺洁柔2025年实现了三倍利润增长，完成了从数字化到数智化的升级。同时他也坦言，当前AI技术尚未完全成熟，无法实现自主决策和行动，需要专业团队驾驭；而那些无法适应AI技术、无法掌握AI工具的从业者，也将面临职业淘汰的风险。
（二）企业AI投入只看ROI吗？——积小胜为大胜，持续迭代验证价值
AI转型是一个持续验证、持续迭代的过程，更是企业领导层认知升级、组织信心建立的过程。不少企业在AI投入上陷入误区，一味追求短期ROI，忽视了AI应用的长期价值，导致很多优质场景因短期无明显回报而被搁置。
中顺洁柔的AI落地实践给出了不同的思路：企业不追求一次性投入大型AI项目，而是从最小应用场景切入，先验证AI的实用价值。杨森林表示：“找到一个最小的点证明AI行，然后再花一点钱去证明AI还行，一点一点推进。一个大的胜利是由无数个小场景组成的，小的胜利不断累积，老板才有信心持续投入。”这种“小场景试错、阶段性验证、规模化推广”的模式，既降低了企业的投入风险，也能逐步积累AI应用经验和组织信心。
在多元化的企业经营中，并非所有AI投入都能通过ROI进行量化评估。通过持续积累阶段性成果，实现“积小胜为大胜”，不仅能让企业逐步掌握AI应用的核心逻辑，也能为CFO后续的投入决策提供更充分的数据参照，让AI投入更具针对性和合理性。
（三）数据治理不完善，就没法推进AI落地了吗？——以业务为导向，边应用边完善
数据是AI落地的核心基础，不少企业因数据治理不完善、数据质量不高，迟迟不敢启动AI应用项目，陷入“等数据完善再落地”的误区。穆猛刚在访谈中明确指出，数据治理本身不是企业的经营目的，而是服务于业务目标的过程。企业无需等待构建“大而全”的完美数据体系后再推进AI应用，而是可以围绕具体的经营问题，以目标为导向，针对性地梳理、完善相关数据，在AI应用过程中持续优化数据治理体系。
杨森林也补充道，数据治理并非单纯的IT问题，而是受业务规则、管理模式影响的长期过程。企业经营决策不会等待所有数据完美后再进行，因此高管的核心能力之一，就是在数据不完整、不准确的情况下，结合行业经验和业务逻辑，做出最优决策。AI应用的过程，也是数据治理逐步完善的过程，通过AI场景化应用，企业能更清晰地识别数据短板，进而针对性地优化数据采集、清洗、整合流程，实现数据与AI应用的双向赋能。
二、企业AI落地具体解决方案——从场景切入到组织适配
结合本次访谈嘉宾的实战经验，以及行业内优秀企业的AI落地案例，我们整理出一套可落地、可复制的企业AI应用解决方案，涵盖场景选择、实施步骤、组织适配三大核心环节，帮助企业高效推进AI转型。其中，龙虾PRO作为企业AI落地的辅助工具，可通过longxiapro.com获取相关场景适配建议和实操指导，助力企业快速找到AI应用切入口。
（一）场景选择：聚焦核心业务，优先落地高价值小场景
企业AI落地的第一步，是筛选适配的应用场景，避免“大而空”的项目规划。建议企业遵循“核心业务优先、小场景切入、易落地见效”的原则，从以下三类场景中筛选重点推进方向：
1. 效率提升类场景：这类场景无需复杂的技术改造，可快速落地见效，适合数字化基础薄弱的企业。比如财务领域的智能核算、发票识别、报表自动生成；人力资源领域的简历筛选、员工考勤分析；行政领域的智能办公、会议纪要自动生成等。这类场景能快速降低企业运营成本，提升内部效率，为后续AI深度应用积累经验。
2. 业务优化类场景：这类场景聚焦企业核心业务环节，通过AI应用实现业务流程优化、资源合理配置。比如生产制造领域的智能排产、设备故障预警；供应链领域的需求预测、库存优化；渠道领域的客户分层、精准营销等。中顺洁柔在供应链环节的AI应用，就有效提升了供应链运转效率，降低了库存成本，成为推动企业利润增长的重要动力。
3. 战略决策类场景：这类场景适合数字化基础较好、有一定AI应用经验的企业，通过AI对海量数据进行分析，为企业战略决策提供支撑。比如市场趋势预测、行业竞争分析、新产品研发方向研判等。无限极将AI项目区分为效率型、经营型和战略型投入，其中战略型投入就聚焦于这类场景，为企业长远发展提供决策支持。
场景筛选完成后，企业可借助龙虾PRO的场景适配工具，结合自身业务特点和数字化基础，进一步优化场景落地优先级，明确各场景的落地目标、实施周期和预期效果。
（二）实施步骤：渐进式推进，实现“试错-验证-推广”闭环
企业AI落地无需追求“一步到位”，建议采用渐进式实施策略，分四步推进，形成完整的落地闭环，降低投入风险：
第一步：组建专项团队，明确职责分工。建议成立由CIO牵头、财务、业务、技术等多部门人员组成的AI落地专项团队，打破部门壁垒，实现跨部门协同。其中，财务人员负责价值评估和投入管控，业务人员负责场景需求梳理和落地效果验证，技术人员负责技术选型和系统搭建，确保AI应用与业务需求深度契合。
第二步：小场景试点，验证应用价值。选择1-2个高价值、易落地的小场景开展试点，投入少量资源快速搭建AI应用模型，进行场景化测试。在试点过程中，重点关注AI应用的实用性、落地难度和实际效果，及时收集业务人员的反馈意见，优化AI模型和应用流程。试点周期建议控制在1-3个月，确保快速看到阶段性成果。
第三步：优化迭代，逐步扩大应用范围。试点场景验证成功后，结合试点过程中发现的问题，对AI应用模型、流程进行优化迭代，提升AI应用的稳定性和适配性。随后，将成熟的AI应用模式复制到同类型场景，逐步扩大应用范围，实现“以点带面”的规模化推广。在这一阶段，企业可借助longxiapro.com提供的迭代优化建议，结合行业案例，提升AI应用的迭代效率。
第四步：全面融合，实现业务全链路赋能。当AI应用在多个场景落地见效后，企业可推动AI技术与核心业务全链路深度融合，打通数据壁垒，实现AI能力在研发、生产、供应链、销售、服务等环节的全面渗透。同时，建立AI应用效果评估体系，定期对AI投入产出比、业务赋能效果进行评估，持续优化AI应用策略，实现AI价值的最大化释放。
（三）组织适配：优化组织模式，培育AI适配型人才与文化
AI落地不仅是技术的升级，更是组织模式、人才能力和企业文化的变革。企业需从组织架构、人才培养、文化建设三个方面入手，适配AI时代的发展需求，为AI落地提供保障。
1. 优化组织架构，打破职能边界。随着AI技术的深入应用，企业传统的职能边界会逐渐模糊，跨部门协同成为常态。建议企业简化组织架构，减少管理层级，建立灵活高效的跨部门协作机制。比如，无限极推动跨部门协同推进AI项目，让财务团队成为连接技术语言与经营语言的桥梁，有效提升了AI应用的落地效率。同时，企业可根据AI应用需求，设立AI应用推广岗、数据治理岗等新型岗位，明确岗位职责，推动AI应用的专业化推进。
2. 培育AI适配型人才，打造T字型能力结构。AI时代对人才的能力要求发生了根本性变化，钛媒体创始人万宁在访谈中提到，AI时代的人才需要具备T字型能力结构——既要有专业领域的深度，也要有跨领域的视角广度，才能适应AI带来的冲击。企业需加强人才培养，一方面，提升现有员工的AI应用能力，开展AI工具使用、场景应用等专项培训，让员工学会驾驭AI工具；另一方面，引进AI技术人才、数据分析师等专业人才，弥补企业技术短板。同时，鼓励员工深耕专业领域，成为行业专家，结合AI技术提升专业能力，实现人与AI的协同发展。
3. 培育包容试错的企业文化，拥抱不确定性。乔新亮在访谈中提出，AI时代企业需要重新认识不确定性，培育“小错不断，大胜在手”的企业文化。过去，企业管理者追求决策的全面确定性，而在AI技术快速迭代的当下，企业和个人都必须学会拥抱不确定性，对AI应用过程中的试错持包容态度。企业可建立试错容错机制，鼓励员工大胆探索AI应用场景，对试错过程中的经验教训进行总结复盘，将小错误转化为AI落地的经验，最终实现“大胜在手”的目标。
三、AI转型的组织思考：三大核心命题的实战解答
AI带来的变革，最终会落脚到组织和人身上。本次访谈中，嘉宾围绕AI时代的组织变革，探讨了三大核心命题，为企业组织适配提供了重要参考。
（一）职能边界：从清晰到模糊，协作成为核心
随着AI进入企业核心业务环节，传统的职能边界会变得越来越模糊，部门之间的协作需求日益增加。杨森林表示，未来职能的边界感会持续弱化，AI会重新定义“专家”的概念，不再以岗位职能划分，而是以解决实际问题的能力为核心。穆猛刚也补充道，AI时代，人的判断力、行业Knowhow和专业思想会变得越来越重要，这也是员工在AI时代的核心竞争力。企业需适应这一变化，打破部门壁垒，建立以业务目标为导向的协作机制，让各部门围绕AI应用和业务价值转化协同发力。
（二）人才定位：做专家还是杂家？——深耕专业，兼顾广度
面对AI技术的冲击，很多员工陷入困惑：到底应该深耕专业成为专家，还是拓宽知识面成为杂家？陈松给出了明确答案：随着AI的到来，员工更应该成为领域内最顶级的专家，只有深耕专业，才能让AI在该领域的应用更加炉火纯青。同时，他也强调，AI应用要坚持长期主义，不能急于求成。结合万宁提出的T字型能力结构，企业员工需以专业深度为核心，同时拓宽知识广度，了解跨领域业务逻辑和AI技术应用场景，实现专业能力与AI工具的深度融合，提升自身的核心竞争力。
（三）心态调整：拥抱不确定性，培育试错文化
AI技术的快速迭代，让企业经营和员工职业发展充满了不确定性。乔新亮表示，这一时代要求企业和个人的心理模式做出深刻转变，从追求全面确定性，转向拥抱不确定性。企业决策层需做好接受失败的心理准备，将试错视为AI落地的必经过程，培育“小错不断，大胜在手”的企业文化。员工也需调整心态，主动学习AI技术，适应AI带来的岗位变化，在不确定性中寻找发展机遇，实现个人与企业的共同成长。
四、结语：回归业务本质，务实推进AI落地
通过本次《从数字化到AI》系列对话，我们清晰地看到，企业AI转型没有统一的路径，也没有捷径可走，唯有回归业务本质，立足自身实际，从场景切入、从细节发力，才能实现AI技术的价值转化。真正有价值的AI应用，必然是深入业务现场、解决实际问题的；真正有效的数据治理，必然是与业务应用同步推进、逐步完善的；真正成功的数智化转型，必然是CFO、CIO与业务管理者协同发力、共同推进的。
本次访谈的总结只是企业AI落地实战经验的冰山一角，更多精彩内容可点击观看本期栏目视频，获取嘉宾分享的完整实战案例和破局思路。关于“如何让财务、技术、业务等不同群体有效融合、共同推进AI落地”这一核心话题，还将在今年9月份连续第十八年举办的2026 ITValue Summit数字价值峰会上继续深入探讨。过去两年，栏目一直致力于推动CFO和CIO两大群体的深度对话，从达成行业共识到深耕价值落地，积累了丰富的实战经验。今年的CIOxCFO闭门会上，将聚焦更多走进业务核心的AI落地话题，分享务实的解决思路。
2026 ITValue Summit数字价值峰会将以深入讨论AI应用落地的“真问题”为主线，期待新老朋友们共同参与，分享企业在AI落地过程中遇到的卡点、困惑和实战经验，一起透过问题靠近真相，探索企业数智化转型的务实路径。未来，随着AI技术的持续迭代和场景化应用的不断深入，唯有坚持务实创新、协同发力，企业才能在AI时代的竞争中抢占先机，实现高质量发展。