（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(jīng) 21世紀經(jīng)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(jīng)濟報道記者專訪時表示，人工智能產(chǎn)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(wǎng)泡沫的系統(tǒng)性風險，還需觀察幾個關(guān)鍵信號，如CAPEX增速拐點、債務(wù)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(chǎn)業(yè)目前的發(fā)展狀況以及與實體經(jīng)濟的融合度，金科認為，重現(xiàn)互聯(lián)網(wǎng)泡沫時期的劇烈破裂風險可能性較小，AI與互聯(lián)網(wǎng)泡沫存在本質(zhì)差異。
人工智能已經(jīng)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(yīng)用調(diào)查》（以下簡稱《調(diào)查》）顯示，過去12個月，中國內(nèi)地企業(yè)的人工智能應(yīng)用率與應(yīng)用成熟度實現(xiàn)同步提升。65%的中國內(nèi)地受訪者預(yù)計，其所在企業(yè)未來12個月將進一步增加對AI技術(shù)的應(yīng)用，較上一次調(diào)查躍升17個百分點。
展望未來，金科預(yù)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(jié)合。隨著“十五五”規(guī)劃的開展，“人工智能+”驅(qū)動的新質(zhì)生產(chǎn)力發(fā)展會為中國內(nèi)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(diào)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(jié)構(gòu)性調(diào)整，人才需求快速分化。我們的調(diào)查發(fā)現(xiàn)，受AI應(yīng)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(wù)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(wù)行業(yè)的人才結(jié)構(gòu)——重復(fù)性的工作職能加速自動化智能化，而具備技術(shù)與業(yè)務(wù)復(fù)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(zhuǎn)型適應(yīng)。
從長期影響看，業(yè)務(wù)流程轉(zhuǎn)型和崗位重構(gòu)，“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(wù)流程再造與崗位體系重構(gòu)，構(gòu)建更加智能自主、無縫銜接的未來業(yè)務(wù)流程。復(fù)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(shù)素養(yǎng)、全球化經(jīng)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(zhuǎn)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(fù)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(nèi)地企業(yè)AI應(yīng)用正從廣度與深度雙向拓展，且自我開發(fā)與第三方技術(shù)結(jié)合程度領(lǐng)先亞太。你觀察到企業(yè)在深化AI應(yīng)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(shù)引進的關(guān)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(wù)成本和投資回報率是最突出的制約因素，40%的中國內(nèi)地受訪企業(yè)將其列為科技應(yīng)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(chǔ)設(shè)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(wù)的實際價值，有可能陷入“投入看不到回報”的困境。
二是技術(shù)與組織適配的挑戰(zhàn)。《調(diào)查》結(jié)果顯示，AI輸出結(jié)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(shù)系統(tǒng)深度融合的復(fù)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(shù)挑戰(zhàn)也與企業(yè)規(guī)模相關(guān)，大型企業(yè)通常擁有較成熟的IT基礎(chǔ)，但其挑戰(zhàn)在于如何將AI系統(tǒng)與現(xiàn)有復(fù)雜的技術(shù)架構(gòu)進行深度融合（20%）；而中小企業(yè)則更多受限于技術(shù)人才短缺（34%），導(dǎo)致AI應(yīng)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(yīng)用，企業(yè)面臨的數(shù)據(jù)泄露風險上升，網(wǎng)絡(luò)威脅也更為復(fù)雜。同時，全球范圍內(nèi)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(fù)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(shù)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(shù)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(shù)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(chǔ)設(shè)施，將AI能力打造為技術(shù)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(yīng)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(wù)場景的數(shù)字化產(chǎn)品和工具已經(jīng)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(jié)合戰(zhàn)略規(guī)劃和業(yè)務(wù)需求，將資源集中用于與核心業(yè)務(wù)緊密關(guān)聯(lián)的場景，綜合考慮技術(shù)成熟度、成本預(yù)算、預(yù)期收益、政策要求、合規(guī)治理等關(guān)鍵因素。
AI與互聯(lián)網(wǎng)泡沫存在本質(zhì)差異
《21世紀》：英偉達最新財報超預(yù)期，對人工智能的狂熱情緒仍在繼續(xù)，但實際上，短期內(nèi)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(wǎng)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(wǎng)泡沫存在本質(zhì)差異。我們的調(diào)查確實看到，約五分之二的受訪者指出，科技應(yīng)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(jié)果缺乏透明度或可解釋性，這一問題在資源與技術(shù)人才有限的中小企業(yè)中更為普遍。人工智能產(chǎn)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(wǎng)泡沫的系統(tǒng)性風險，還需觀察幾個關(guān)鍵信號，如CAPEX增速拐點、債務(wù)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(chǎn)業(yè)目前的發(fā)展狀況以及與實體經(jīng)濟的融合度，重現(xiàn)互聯(lián)網(wǎng)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(shù)落地的深度不同。互聯(lián)網(wǎng)泡沫時期大量企業(yè)缺乏實際業(yè)務(wù)支撐，而AI已深度嵌入產(chǎn)業(yè)流程，例如，金融機構(gòu)的風控模型、制造企業(yè)的智能制造、審計機構(gòu)的數(shù)據(jù)分析，均已形成應(yīng)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(chǎn)業(yè)基礎(chǔ)的扎實度不同。當前AI產(chǎn)業(yè)已形成“硬件-模型-應(yīng)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(gòu)建了多層次的產(chǎn)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(dǎo)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(shù)創(chuàng)新，全面實施“人工智能+”行動，相關(guān)配套政策也支持企業(yè)獲取低成本資金，用于AI基礎(chǔ)設(shè)施（如算力建設(shè)）、垂直領(lǐng)域大模型研發(fā)（如財務(wù)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(jié)果即服務(wù)（RaaS）、模型即服務(wù)（MaaS）等智能原生服務(wù)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(zhuǎn)向價值中心，企業(yè)需把握三大關(guān)鍵。
錨定應(yīng)用價值，避免技術(shù)跟風。企業(yè)應(yīng)聚焦自身業(yè)務(wù)痛點選擇AI場景，例如財務(wù)領(lǐng)域優(yōu)先落地票據(jù)處理、成本分析等可量化效果的應(yīng)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(shù)投入與業(yè)務(wù)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(shù)服務(wù)控制成本；大型企業(yè)可聚焦核心業(yè)務(wù)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(dǎo)的“全國一體化數(shù)據(jù)市場”“協(xié)同創(chuàng)新”等方向，參與產(chǎn)學研聯(lián)合體、行業(yè)生態(tài)共建，既降低單個企業(yè)的轉(zhuǎn)型門檻，又通過產(chǎn)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(lǐng)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(yīng)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(yīng)用條件的金融場景。在金融服務(wù)領(lǐng)域，生成式的AI聊天工具已經(jīng)廣泛應(yīng)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(nèi)部系統(tǒng)數(shù)據(jù)提供個性化咨詢，增強客戶黏性與服務(wù)體驗；國內(nèi)多家金融機構(gòu)已經(jīng)上線了智能編碼助手，用于支持內(nèi)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(lǐng)域，在信貸風控、量化投資等核心業(yè)務(wù)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(chǎn)品報價等，是當前金融科技發(fā)展的重點方向。此外，國內(nèi)也有多家金融機構(gòu)上線了基于生成式AI的反洗錢（AML）及合規(guī)內(nèi)審（如KYC）智能應(yīng)用。
財會審計領(lǐng)域，目前業(yè)內(nèi)領(lǐng)先的各大會計師事務(wù)所正積極將大模型與生成式AI技術(shù)引入審計、稅務(wù)與咨詢業(yè)務(wù)，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(chǔ)工作，顯著提升業(yè)務(wù)處理效率。
如何構(gòu)建可信AI治理框架？在治理機制上，從“被動合規(guī)”轉(zhuǎn)向“主動構(gòu)建”。企業(yè)從應(yīng)對監(jiān)管要求轉(zhuǎn)向體系化治理，主動搭建覆蓋數(shù)據(jù)采集、模型訓(xùn)練、應(yīng)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(shè)納入戰(zhàn)略規(guī)劃。
公共部門要構(gòu)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(dǎo)、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(jié)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(wù)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(lǐng)導(dǎo)和推動的數(shù)十款業(yè)內(nèi)領(lǐng)先的數(shù)字化創(chuàng)新產(chǎn)品中，有哪些方法論可幫助企業(yè)在技術(shù)投入與商業(yè)價值之間建立可量化的關(guān)聯(lián)？
金科：要搭建“投前–投中–投后”全流程評估框架。技術(shù)投入前鎖定核心業(yè)務(wù)挑戰(zhàn)，將技術(shù)價值與可量化業(yè)務(wù)指標綁定，通過咨詢技術(shù)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(shù)可用性、業(yè)務(wù)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(chǎn)出，形成PDCA（計劃 - 執(zhí)行 - 檢查 - 處理）循環(huán)，根據(jù)業(yè)務(wù)變化與技術(shù)發(fā)展動態(tài)調(diào)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(wù)、人力資源、市場、客服）落地，積累經(jīng)驗后再推廣應(yīng)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(nèi)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(shù)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(shù)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(zhuǎn)型？
金科：中小型企業(yè)需要聚焦核心業(yè)務(wù)，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(wù)的技術(shù)方案，確保每一項投入都具有明確的業(yè)務(wù)價值和產(chǎn)出。
優(yōu)選成熟、標準化解決方案。在業(yè)務(wù)流程適配的前提下，優(yōu)先采用市場上經(jīng)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(shù)成熟度不足、技術(shù)人才短缺而帶來的失敗風險，也可以避免承擔無法預(yù)估的后期運維負擔。
分階段推進技術(shù)應(yīng)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(shù)應(yīng)用表現(xiàn)。持續(xù)評估技術(shù)應(yīng)用的實際表現(xiàn)，并與實施前進行對比分析，確保技術(shù)路線與整體業(yè)務(wù)戰(zhàn)略保持一致。
提升員工數(shù)字素養(yǎng)。面對技術(shù)人才短缺，可通過“數(shù)字素養(yǎng)提升”與“場景化工具培訓(xùn)”提升員工使用數(shù)字工具的能力。讓業(yè)務(wù)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(shù)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(zhuǎn)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(zhì)量不佳是大型企業(yè)科技應(yīng)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(jīng)驗可破解數(shù)據(jù)孤島、提升數(shù)據(jù)資產(chǎn)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(chǎn)價值，不在于某一個技術(shù)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(dǎo)向。只有當企業(yè)把數(shù)據(jù)視為重要戰(zhàn)略資產(chǎn)，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(guān)鍵動力。
數(shù)據(jù)治理是企業(yè)數(shù)字化轉(zhuǎn)型的基礎(chǔ)。高質(zhì)量的數(shù)據(jù)是挖掘數(shù)據(jù)價值、形成數(shù)據(jù)資產(chǎn)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(gòu)，對數(shù)據(jù)資產(chǎn)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(quán)、確保數(shù)據(jù)質(zhì)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(chǔ)。缺乏有效治理，將導(dǎo)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(qū)動業(yè)務(wù)增長與持續(xù)創(chuàng)新。
構(gòu)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(guān)鍵資產(chǎn)進行全生命周期管理，通過制度、流程與系統(tǒng)結(jié)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(wù)目標對齊。數(shù)據(jù)治理應(yīng)服務(wù)于企業(yè)整體戰(zhàn)略和業(yè)務(wù)發(fā)展。通過將業(yè)務(wù)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(zhì)量與來源，形成“戰(zhàn)略—業(yè)務(wù)—數(shù)據(jù)”的閉環(huán)管理，實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務(wù)決策。
強化數(shù)據(jù)基礎(chǔ)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(zhì)量，避免因基礎(chǔ)不牢導(dǎo)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(nèi)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(lǐng)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(gòu)、應(yīng)用、安全、質(zhì)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(jié)合你協(xié)助企業(yè)出海的經(jīng)驗，不同區(qū)域市場（如東南亞vs歐美）的數(shù)字化轉(zhuǎn)型需求存在哪些差異？科技解決方案應(yīng)如何實現(xiàn)“全球化與本地化”的平衡？
金科：成熟市場強調(diào)數(shù)字能力深化，而新興市場更強調(diào)可用性與實操落地：在歐美等成熟市場，云基礎(chǔ)設(shè)施、AI平臺、網(wǎng)絡(luò)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(wǎng)絡(luò)質(zhì)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(chǔ)設(shè)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(dǎo)致區(qū)域數(shù)字化路徑不同的另一個關(guān)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(wǎng)絡(luò)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(diào)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(wù)法案》（DSA）與《數(shù)字市場法案》（DMA）這套“雙支柱”式法規(guī)，前者側(cè)重內(nèi)容安全與平臺透明，后者側(cè)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(gòu)上，集中管控與本地適配相結(jié)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(wù)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(nèi)核心管理者（特別是業(yè)務(wù)和財務(wù)負責人）領(lǐng)導(dǎo)搭建業(yè)務(wù)流程及科技應(yīng)用支撐體系，推動初期落地。此后，逐步加強本地團隊建設(shè)，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(zhì)的留學生、與本地專業(yè)機構(gòu)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(lǐng)域的專家，你認為2026年企業(yè)最應(yīng)前瞻性布局的技術(shù)方向是什么？請結(jié)合亞太地區(qū)技術(shù)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(shù)投資的核心方向。而在中國內(nèi)地，人工智能預(yù)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(jié)合。隨著“十五五”規(guī)劃的開展，“人工智能+”驅(qū)動的新質(zhì)生產(chǎn)力發(fā)展會為中國內(nèi)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(shù)和量子計算也正在亞太地區(qū)獲得越來越多的關(guān)注度，一些組織和企業(yè)已經(jīng)開始進行各種初期的商業(yè)化嘗試。
從調(diào)研結(jié)果來看，在前瞻性技術(shù)布局方面，無論中國內(nèi)地還是亞太區(qū)受訪市場，前三位的結(jié)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(shù)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(chǎn)力”，從“保障安全”到“以安全驅(qū)動增長”，使技術(shù)真正服務(wù)于企業(yè)創(chuàng)新、增長與競爭力提升。
本文鏈接：專訪澳洲會計師公會金科：AI與互聯(lián)網(wǎng)泡沫存在本質(zhì)差異http://www.sq15.cn/show-3-160049-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
上一篇： 全季在旅游市場，也強的可怕