（澳洲會計師公會華東和華中區(qū)委員會會長、澳洲資深注冊會計師金科，資料圖）
南方財經 21世紀經濟報道記者吳斌 上海報道
對于人工智能泡沫的擔憂一度引發(fā)市場大跌，人們在忐忑中邁向未來。
澳洲會計師公會華東和華中區(qū)委員會會長、澳洲資深注冊會計師金科近日在接受21世紀經濟報道記者專訪時表示，人工智能產業(yè)目前確實存在局部過熱跡象，但是否會演變成類似2000年互聯(lián)網泡沫的系統(tǒng)性風險，還需觀察幾個關鍵信號，如CAPEX增速拐點、債務融資占比、盈利兌現(xiàn)率、政策監(jiān)管動向等。
綜合考慮人工智能產業(yè)目前的發(fā)展狀況以及與實體經濟的融合度，金科認為，重現(xiàn)互聯(lián)網泡沫時期的劇烈破裂風險可能性較小，AI與互聯(lián)網泡沫存在本質差異。
人工智能已經邁向現(xiàn)實，在千行百業(yè)生根發(fā)芽。澳洲會計師公會近日發(fā)布的《2025年商業(yè)科技應用調查》（以下簡稱《調查》）顯示，過去12個月，中國內地企業(yè)的人工智能應用率與應用成熟度實現(xiàn)同步提升。65%的中國內地受訪者預計，其所在企業(yè)未來12個月將進一步增加對AI技術的應用，較上一次調查躍升17個百分點。
展望未來，金科預計，人工智能會更廣泛地在不同行業(yè)加快垂直化深度發(fā)展，更緊密地與行業(yè)特性和企業(yè)自身的商業(yè)模式結合。隨著“十五五”規(guī)劃的開展，“人工智能+”驅動的新質生產力發(fā)展會為中國內地的企業(yè)帶來新的動能，催生更多創(chuàng)新的數(shù)智化新業(yè)態(tài)。
“人機協(xié)同”趨勢進一步顯化
《21世紀》：《調查》發(fā)現(xiàn)，企業(yè)正減少初級財會崗位、增加AI技能人才招聘。短期和長期AI對勞動力市場影響幾何？
金科：短期影響包括崗位結構性調整，人才需求快速分化。我們的調查發(fā)現(xiàn)，受AI應用普及影響，32%的受訪者表示，過去12個月企業(yè)減少招聘初級財會人員，與此同時，18%的企業(yè)積極為其財務部門擴招具備AI專業(yè)素養(yǎng)的人才。這一變化反映了AI正在重塑會計與財務行業(yè)的人才結構——重復性的工作職能加速自動化智能化，而具備技術與業(yè)務復合能力的人才需求迅速上升。這一趨勢創(chuàng)造了新的職業(yè)發(fā)展機遇，也伴隨對傳統(tǒng)財會職能的技能提升要求與轉型適應。
從長期影響看，業(yè)務流程轉型和崗位重構，“人機協(xié)同”趨勢進一步顯化。放眼未來，數(shù)字勞動力將更深入地融入各類企業(yè)與崗位，企業(yè)需推進業(yè)務流程再造與崗位體系重構，構建更加智能自主、無縫銜接的未來業(yè)務流程。復合型人才將成為就業(yè)市場的主流需求，兼具財會專業(yè)能力、AI與數(shù)智技術素養(yǎng)、全球化經驗與終身學習思維的人才將持續(xù)受市場青睞。
就業(yè)市場正逐步從“崗位替代”轉向“價值升級”，人才將更聚焦支撐戰(zhàn)略、支持決策、防控風險、跨部門協(xié)作等AI難以替代的高價值職能，形成“AI處理常規(guī)重復工作、人類專注核心價值創(chuàng)造”的人機協(xié)同新格局。
《21世紀》：中國內地企業(yè)AI應用正從廣度與深度雙向拓展，且自我開發(fā)與第三方技術結合程度領先亞太。你觀察到企業(yè)在深化AI應用過程中面臨哪些獨特挑戰(zhàn)？如何平衡自主開發(fā)與外部技術引進的關系？
金科：主要有三大挑戰(zhàn)。首先是成本投入與回報不確定性。正如我們剛剛分享的，財務成本和投資回報率是最突出的制約因素，40%的中國內地受訪企業(yè)將其列為科技應用首要挑戰(zhàn)；中小企業(yè)對此更加敏感，49%的中小型企業(yè)擔憂成本與低投資回報率。一方面，AI基礎設施（如算力、定制化模型開發(fā)）前期投入大；另一方面，部分企業(yè)因缺乏清晰的投資回報評估框架，難以量化AI對業(yè)務的實際價值，有可能陷入“投入看不到回報”的困境。
二是技術與組織適配的挑戰(zhàn)。《調查》結果顯示，AI輸出結果缺乏透明度與可解釋性（21%）、對數(shù)據(jù)安全與隱私保護的擔憂（16%）以及與現(xiàn)有技術系統(tǒng)深度融合的復雜性（14%）等問題均為AI的規(guī)模化落地帶來了挑戰(zhàn)。此外，技術挑戰(zhàn)也與企業(yè)規(guī)模相關，大型企業(yè)通常擁有較成熟的IT基礎，但其挑戰(zhàn)在于如何將AI系統(tǒng)與現(xiàn)有復雜的技術架構進行深度融合（20%）；而中小企業(yè)則更多受限于技術人才短缺（34%），導致AI應用難以有效推進和規(guī)模化落地。
此外，合規(guī)與風險管控壓力也不可忽視。隨著生成式AI與公共大語言模型的廣泛應用，企業(yè)面臨的數(shù)據(jù)泄露風險上升，網絡威脅也更為復雜。同時，全球范圍內對數(shù)據(jù)隱私與安全立法的不斷加強，要求企業(yè)在AI數(shù)據(jù)的采集、處理及使用全流程中確保合規(guī)。對于出海企業(yè)而言，各地AI治理規(guī)則的差異進一步提高了合規(guī)復雜度，企業(yè)需適配不同市場在數(shù)據(jù)隱私與AI倫理方面的監(jiān)管要求，增加了運營成本與法律風險。
在自主研發(fā)與外部技術引進的平衡策略上，不同企業(yè)選擇有差異。大型企業(yè)優(yōu)先布局核心技術自主研發(fā)，基于自主可控的數(shù)智化平臺進行深度集成與定制技術路線。同時，規(guī)劃并升級面向未來的新一代ERP系統(tǒng)與核心基礎設施，將AI能力打造為技術核心競爭力。
中小型企業(yè)受制于成本與資源限制，以引進成熟的外部標準化應用為主，優(yōu)先選用輕量化第三方AI工具降低成本與試錯風險。市場上不少針對典型財務場景的數(shù)字化產品和工具已經較為成熟穩(wěn)定，可以滿足大部分中小企的基本需求。
企業(yè)需要結合戰(zhàn)略規(guī)劃和業(yè)務需求，將資源集中用于與核心業(yè)務緊密關聯(lián)的場景，綜合考慮技術成熟度、成本預算、預期收益、政策要求、合規(guī)治理等關鍵因素。
AI與互聯(lián)網泡沫存在本質差異
《21世紀》：英偉達最新財報超預期，對人工智能的狂熱情緒仍在繼續(xù)，但實際上，短期內人們可能高估了人工智能的影響，大部分企業(yè)并未盈利。你是否擔憂泡沫風險？如果人工智能在很長一段時間是成本中心而益處有限，是否會出現(xiàn)類似互聯(lián)網泡沫時期的風險？
金科：AI長期作為成本中心的風險推演，與互聯(lián)網泡沫存在本質差異。我們的調查確實看到，約五分之二的受訪者指出，科技應用對企業(yè)的投資回報率偏低，另外有五分之一的受訪者指出人工智能的輸出結果缺乏透明度或可解釋性，這一問題在資源與技術人才有限的中小企業(yè)中更為普遍。人工智能產業(yè)目前確實存在局部過熱跡象，但是否會演變成類似2000年互聯(lián)網泡沫的系統(tǒng)性風險，還需觀察幾個關鍵信號，如CAPEX增速拐點、債務融資占比、盈利兌現(xiàn)率、政策監(jiān)管動向等。綜合考慮人工智能產業(yè)目前的發(fā)展狀況以及與實體經濟的融合度，重現(xiàn)互聯(lián)網泡沫時期的劇烈破裂風險可能性較小，核心差異體現(xiàn)在三個維度。
技術落地的深度不同。互聯(lián)網泡沫時期大量企業(yè)缺乏實際業(yè)務支撐，而AI已深度嵌入產業(yè)流程，例如，金融機構的風控模型、制造企業(yè)的智能制造、審計機構的數(shù)據(jù)分析，均已形成應用價值，即便短期不盈利，也通過效率提升、風險降低等方式創(chuàng)造隱性價值。
產業(yè)基礎的扎實度不同。當前AI產業(yè)已形成“硬件-模型-應用”的完整鏈條，從芯片、開源模型的成本優(yōu)化、到行業(yè)場景的定制化落地，構建了多層次的產業(yè)生態(tài)。目前一些開源模型也支持企業(yè)低成本、高性能靠近主流模型效果，緩解企業(yè)投入壓力。
政策與監(jiān)管的引導不同。“十五五”規(guī)劃建議明確要求，加快人工智能等數(shù)智技術創(chuàng)新，全面實施“人工智能+”行動，相關配套政策也支持企業(yè)獲取低成本資金，用于AI基礎設施（如算力建設）、垂直領域大模型研發(fā)（如財務多模態(tài)大模型）等多種途徑；同時“人工智能+”行動將催生智能原生（AI Native）新模式新業(yè)態(tài)，以及結果即服務（RaaS）、模型即服務（MaaS）等智能原生服務體系。放眼全球，各地的AI治理框架也正逐步完善，規(guī)范行業(yè)發(fā)展，減少盲目投機空間。
要降低泡沫風險、推動AI從成本中心轉向價值中心，企業(yè)需把握三大關鍵。
錨定應用價值，避免技術跟風。企業(yè)應聚焦自身業(yè)務痛點選擇AI場景，例如財務領域優(yōu)先落地票據(jù)處理、成本分析等可量化效果的應用，而非盲目布局大模型；參考“投前明確價值指標、投后分階段驗證”的方法論，確保技術投入與業(yè)務價值強綁定。
平衡短期成本與長期能力。中小企業(yè)可通過“外部引進+輕量化定制”降低初期投入，依托公共算力平臺與共性技術服務控制成本；大型企業(yè)可聚焦核心業(yè)務自主開發(fā)，同時通過生態(tài)協(xié)同共推行業(yè)進步，整合成本，避免單一企業(yè)承擔過重的資金壓力。
把握政策紅利，對沖周期風險。借助“十五五”規(guī)劃倡導的“全國一體化數(shù)據(jù)市場”“協(xié)同創(chuàng)新”等方向，參與產學研聯(lián)合體、行業(yè)生態(tài)共建，既降低單個企業(yè)的轉型門檻，又通過產業(yè)協(xié)同提升整體盈利概率，形成“風險共擔、價值共享”的格局。
AI邁向現(xiàn)實
《21世紀》：在你專注的金融領域，生成式AI在提升效率的同時也引發(fā)一系列擔憂。目前哪些金融場景已具備規(guī)模化應用條件？如何建立可信AI的治理框架？
金科：目前已具備規(guī)模化應用條件的金融場景。在金融服務領域，生成式的AI聊天工具已經廣泛應用于銀行、保險、證券等行業(yè)，通過全渠道觸點高效連接客戶，整合內部系統(tǒng)數(shù)據(jù)提供個性化咨詢，增強客戶黏性與服務體驗；國內多家金融機構已經上線了智能編碼助手，用于支持內部系統(tǒng)研發(fā)與代碼生成；智能合同審核與自動化估值；智慧辦公，用于會議紀要整理與報告撰寫等。
風險管控領域，在信貸風控、量化投資等核心業(yè)務中，AI大模型和工具能夠通過大數(shù)據(jù)分析提升風險識別精準度。其中，量化投資場景已實現(xiàn)成熟落地，如交易員助理、金融產品報價等，是當前金融科技發(fā)展的重點方向。此外，國內也有多家金融機構上線了基于生成式AI的反洗錢（AML）及合規(guī)內審（如KYC）智能應用。
財會審計領域，目前業(yè)內領先的各大會計師事務所正積極將大模型與生成式AI技術引入審計、稅務與咨詢業(yè)務，包括風險識別、審計數(shù)據(jù)分析、原始憑證和票據(jù)信息提取、異常檢測，以及底稿、備忘錄等交付物的自動生成等常見基礎工作，顯著提升業(yè)務處理效率。
如何構建可信AI治理框架？在治理機制上，從“被動合規(guī)”轉向“主動構建”。企業(yè)從應對監(jiān)管要求轉向體系化治理，主動搭建覆蓋數(shù)據(jù)采集、模型訓練、應用落地全流程的治理框架，系統(tǒng)化防范數(shù)據(jù)泄露與合規(guī)風險，以可信治理贏得市場信任。
在治理舉措上，筑牢合規(guī)防線，降低風險成本。企業(yè)需建立覆蓋AI全生命周期的治理機制，包括數(shù)據(jù)采集合規(guī)性審查、模型透明度評估、隱私保護措施（如數(shù)據(jù)脫敏）等，出海企業(yè)需前瞻性研究目標市場的AI監(jiān)管政策（如歐盟分級治理要求），將合規(guī)建設納入戰(zhàn)略規(guī)劃。
公共部門要構建有公信力的AI治理框架，不僅要滿足合規(guī)要求，還要為用戶提供清晰的指導、信心和道德準則，明確界定哪些工具是允許使用的，以及可以使用的條件、如何審查和驗證輸出結果等，以確保適當?shù)娘L險管理、隱私和問責機制。
《21世紀》：財務成本與低投資回報率被列為科技落地的主要障礙。在你直接領導和推動的數(shù)十款業(yè)內領先的數(shù)字化創(chuàng)新產品中，有哪些方法論可幫助企業(yè)在技術投入與商業(yè)價值之間建立可量化的關聯(lián)？
金科：要搭建“投前–投中–投后”全流程評估框架。技術投入前鎖定核心業(yè)務挑戰(zhàn)，將技術價值與可量化業(yè)務指標綁定，通過咨詢技術專家，就企業(yè)自身進行評估并選擇最合適的解決方案。建立“對標成效”的投資回報評估框架，助力企業(yè)有效衡量績效、收集反饋意見以評估成效，并推動與戰(zhàn)略目標一致的持續(xù)改進，避免盲目投入。投中要從“方案可行”切換到“規(guī)模化可持續(xù)”，重點考慮技術可用性、業(yè)務滲透率、合規(guī)實時性、數(shù)據(jù)/模型漂移以及運維與成本等維度。投后開展定性定量分析，及時全面評估價值產出，形成PDCA（計劃 - 執(zhí)行 - 檢查 - 處理）循環(huán)，根據(jù)業(yè)務變化與技術發(fā)展動態(tài)調整評估指標與投入策略。
分階段驗證，降低無效投入。中小企業(yè)可優(yōu)先采用輕量化第三方AI工具，待驗證價值后再逐步加大投入；大型企業(yè)可按“試點–推廣–深化”路徑推進，先選取一到兩個典型場景（如財務、人力資源、市場、客服）落地，積累經驗后再推廣應用至更多職能部門并協(xié)同發(fā)展。此外，企業(yè)可同時依托國內各級政府部門的配套政策，針對科技創(chuàng)新的資金扶持，包括專項補貼、再貸款、利率等，緩解前期技術投入的成本壓力。
破解實踐痛點
《21世紀》：相比大型企業(yè)，中小企業(yè)更受困于技術人才短缺與投入回報不確定性。你會建議他們采取哪些差異化策略以低風險啟動數(shù)字化轉型？
金科：中小型企業(yè)需要聚焦核心業(yè)務，審慎投入。中小型企業(yè)因資源相對有限，更需要優(yōu)先考慮能提升核心業(yè)務的技術方案，確保每一項投入都具有明確的業(yè)務價值和產出。
優(yōu)選成熟、標準化解決方案。在業(yè)務流程適配的前提下，優(yōu)先采用市場上經過充分驗證的標準化數(shù)字解決方案。這類方案不僅采購與部署成本低、實施周期短，也可以顯著降低項目試錯成本，減少因技術成熟度不足、技術人才短缺而帶來的失敗風險，也可以避免承擔無法預估的后期運維負擔。
分階段推進技術應用。以階段性的方式分步推進AI投資，能夠幫助中小型企業(yè)在成本可控的前提下逐步驗證效果，避免“一步到位”帶來的風險。
定期回顧技術應用表現(xiàn)。持續(xù)評估技術應用的實際表現(xiàn)，并與實施前進行對比分析，確保技術路線與整體業(yè)務戰(zhàn)略保持一致。
提升員工數(shù)字素養(yǎng)。面對技術人才短缺，可通過“數(shù)字素養(yǎng)提升”與“場景化工具培訓”提升員工使用數(shù)字工具的能力。讓業(yè)務人員掌握如何與數(shù)字工具協(xié)作、在本職工作中善用數(shù)字化工具，往往比追求技術深度更切合中小企業(yè)的實際情況。員工的數(shù)字技能提升，也有助于減少企業(yè)數(shù)字化轉型的阻力，形成“工具善用—效率提升—文化認同”的良性循環(huán)。
《21世紀》：數(shù)據(jù)質量不佳是大型企業(yè)科技應用痛點。在推動數(shù)據(jù)分析與商業(yè)智能（BI）軟件落地時，你有哪些實踐經驗可破解數(shù)據(jù)孤島、提升數(shù)據(jù)資產價值？
金科：大型企業(yè)要破解數(shù)據(jù)孤島并提升數(shù)據(jù)資產價值，不在于某一個技術工具，而在于體系化能力的重建：從治理體系、生命周期管理到戰(zhàn)略導向。只有當企業(yè)把數(shù)據(jù)視為重要戰(zhàn)略資產，并以制度化流程化的方式管理，才能真正釋放數(shù)據(jù)價值，使其成為推動企業(yè)運營優(yōu)化與增長決策的關鍵動力。
數(shù)據(jù)治理是企業(yè)數(shù)字化轉型的基礎。高質量的數(shù)據(jù)是挖掘數(shù)據(jù)價值、形成數(shù)據(jù)資產的前提。數(shù)據(jù)治理是一套通過政策、標準、流程與組織架構，對數(shù)據(jù)資產進行全生命周期管理（采集、存儲、處理、共享、歸檔/銷毀）的系統(tǒng)性框架；其核心在于明確數(shù)據(jù)主權、確保數(shù)據(jù)質量、滿足合規(guī)要求、降低操作風險，并為分析建模提供可信基礎。缺乏有效治理，將導致“臟數(shù)據(jù)”流入模型，引發(fā)偏差決策、監(jiān)管處罰及聲譽損失；反之，可提升數(shù)據(jù)可用性與透明度，釋放數(shù)據(jù)要素價值，驅動業(yè)務增長與持續(xù)創(chuàng)新。
構建數(shù)據(jù)生命周期管理機制。數(shù)據(jù)的治理需要持續(xù)進行，不僅在前期需要投入資源，還需要配套的流程與管控，將數(shù)據(jù)作為關鍵資產進行全生命周期管理，通過制度、流程與系統(tǒng)結合，確保持續(xù)的數(shù)據(jù)可控、可信、可用。
將數(shù)據(jù)戰(zhàn)略與業(yè)務目標對齊。數(shù)據(jù)治理應服務于企業(yè)整體戰(zhàn)略和業(yè)務發(fā)展。通過將業(yè)務目標（如KPI/OKR）拆解為具體的數(shù)據(jù)需求，明確所需數(shù)據(jù)的類型、質量與來源，形成“戰(zhàn)略—業(yè)務—數(shù)據(jù)”的閉環(huán)管理，實現(xiàn)數(shù)據(jù)驅動業(yè)務決策。
強化數(shù)據(jù)基礎與錄入規(guī)范。在實施層面，需明確數(shù)據(jù)字典、字段定義與數(shù)據(jù)血緣，統(tǒng)一錄入標準與校驗規(guī)則，加強輸入控制與處理邏輯管理，從源頭提升數(shù)據(jù)質量，避免因基礎不牢導致后期數(shù)據(jù)混亂、難以使用。
借鑒成熟方法與標準化方案：數(shù)據(jù)治理在行業(yè)內已有成熟的方法論與工具體系，如《數(shù)據(jù)管理能力成熟度評估模型（DCMM）》（GB/T 36073-2018）是我國在數(shù)據(jù)管理領域發(fā)布的首個國家標準，由工信部牽頭、全國信標委大數(shù)據(jù)標準工作組于2018年3月發(fā)布，其覆蓋8 大能力域，包括數(shù)據(jù)戰(zhàn)略、治理、架構、應用、安全、質量、標準、生存周期，28個過程域和詳細的等級標準可用于系統(tǒng)評估并持續(xù)改進組織的數(shù)據(jù)管理能力。
實現(xiàn)“全球化與本地化”平衡
《21世紀》：結合你協(xié)助企業(yè)出海的經驗，不同區(qū)域市場（如東南亞vs歐美）的數(shù)字化轉型需求存在哪些差異？科技解決方案應如何實現(xiàn)“全球化與本地化”的平衡？
金科：成熟市場強調數(shù)字能力深化，而新興市場更強調可用性與實操落地：在歐美等成熟市場，云基礎設施、AI平臺、網絡安全體系和標準化SaaS生態(tài)較為完備，企業(yè)可以直接采用成熟的云原生解決方案，快速推進 BI、自動化、智能分析等高階能力。但在東南亞、中東、南美等新興市場，一些國家的云節(jié)點少、網絡質量不穩(wěn)、AI與數(shù)據(jù)安全平臺的可用性不足，需尋找可替代、可本地部署或更輕量的方案，確保在基礎設施條件有限的情況下仍能推進數(shù)字化運作。
本地政策與監(jiān)管要求不同。監(jiān)管差異是導致區(qū)域數(shù)字化路徑不同的另一個關鍵因素，需根據(jù)所在市場要求因地制宜。例如，東盟各國的網絡安全與數(shù)據(jù)合規(guī)呈“碎片化+趨嚴化”特征。以跨境傳輸為例，新加坡PDPA允許白名單+合同條款+個人同意三種方式并存，而泰國尚未發(fā)布充分性白名單，默認采用標準合同。歐盟GDPR則強調嚴格的數(shù)據(jù)隱私保護與跨境數(shù)據(jù)限制，需要嵌入符合歐洲標準的數(shù)據(jù)處理機制。近年來，歐盟更是進一步推出了《數(shù)字服務法案》（DSA）與《數(shù)字市場法案》（DMA）這套“雙支柱”式法規(guī)，前者側重內容安全與平臺透明，后者側重守門人反壟斷，把歐盟數(shù)字市場從“叢林時代”推向“規(guī)則時代”。
為了實現(xiàn)“全球化與本地化”平衡，在科技架構上，集中管控與本地適配相結合。在保障全球數(shù)據(jù)標準與集中管控的前提下，允許區(qū)域靈活采用符合當?shù)睾弦?guī)與業(yè)務特點的本地系統(tǒng)，既保持總部對全球的可視化，也保證當?shù)啬茼樌\營。
在組織與人才上，可以建立中國總部+海外本地團隊的雙軌人才體系。在初始階段，派駐國內核心管理者（特別是業(yè)務和財務負責人）領導搭建業(yè)務流程及科技應用支撐體系，推動初期落地。此后，逐步加強本地團隊建設，培養(yǎng)兼具企業(yè)文化認同與本地洞察的團隊，通過包括培養(yǎng)懂中文有潛質的留學生、與本地專業(yè)機構合作等方式，形成穩(wěn)定的當?shù)厝瞬殴┙o機制，實現(xiàn)持續(xù)運營。
《21世紀》：作為橫跨審計、數(shù)據(jù)分析、AI創(chuàng)新領域的專家，你認為2026年企業(yè)最應前瞻性布局的技術方向是什么？請結合亞太地區(qū)技術演進節(jié)奏給出建議。
金科：在亞太地區(qū)，人工智能的普及仍將持續(xù)加速，并繼續(xù)成為企業(yè)技術投資的核心方向。而在中國內地，人工智能預計會更廣泛地在不同行業(yè)加快垂直化深度發(fā)展，更緊密地與行業(yè)特性和企業(yè)自身的商業(yè)模式結合。隨著“十五五”規(guī)劃的開展，“人工智能+”驅動的新質生產力發(fā)展會為中國內地的企業(yè)帶來新的動能，催生更多創(chuàng)新的數(shù)智化新業(yè)態(tài)。從更前瞻性的角度看，空間技術和量子計算也正在亞太地區(qū)獲得越來越多的關注度，一些組織和企業(yè)已經開始進行各種初期的商業(yè)化嘗試。
從調研結果來看，在前瞻性技術布局方面，無論中國內地還是亞太區(qū)受訪市場，前三位的結果都是一致的，分別是人工智能、數(shù)據(jù)分析和可視化軟件、商業(yè)智能軟件。2026年，我建議企業(yè)在這三方面的技術布局要進一步邁向系統(tǒng)化、戰(zhàn)略化，從“用人工智能”到“用好人工智能”，從“數(shù)據(jù)使用”到“數(shù)據(jù)作為生產力”，從“保障安全”到“以安全驅動增長”，使技術真正服務于企業(yè)創(chuàng)新、增長與競爭力提升。
