编者按

12月5日,2026山东CIO联盟年会将在济南举行,本届年会以“让AI成为企业能力”为主题,聚焦业务价值、组织进化与CIO新使命。

正值企业制定2027年战略规划和年度预算之际,山东CIO联盟·AIHUB将围绕企业AI投资、技术架构演进与组织能力建设,陆续推出系列思考文章,为年会交流提供更多有价值的话题。

本篇,我们从一个现实的决策问题谈起:2027年,企业的AI预算应该花在哪里?

从购买AI产品,到建设企业智能能力

2026年即将过去,新一轮企业战略规划和年度预算正在展开。

对于企业管理者和CIO而言,一个越来越重要的问题摆在面前:2027年,企业应该如何投资AI?

是购买更多的算力,部署更强的大模型,建设统一的Agent平台,采购带有AI功能的管理软件,还是组建自己的AI技术团队?

过去两年,人工智能技术的发展速度远超预期。从大模型到推理模型,从知识库到智能体,从AI辅助编程到AI自主开发软件,AI的能力边界不断扩展,企业应用AI的方式也在发生变化。

但技术的快速迭代,也给企业投资决策带来了新的挑战。今天看起来先进的技术方案,半年后可能已经不再具有优势;今天需要大量专业人员实施的项目,明年可能只需要一个小型团队就能完成。

企业需要思考的,不仅是如何跟上技术发展的速度,更是如何让今天的投入,在未来持续产生价值。

哪些能力可以从市场上购买,哪些能力必须掌握在企业自己手中?哪些投入会随着技术进步而贬值,哪些投入反而会随着AI能力的提升而不断增值?

这可能是制定2027年企业AI预算时,更值得思考的问题。

一、从应用AI到拥有AI能力

2026年,在山东CIO联盟和AIHUB组织的企业走访、案例交流、工业AI论坛和专题研讨中,我们越来越清晰地感受到,企业对AI的关注正在发生变化。

从最初关注模型选型、算力部署、知识问答、办公提效,逐渐深入到更加具体的业务问题:

AI能否理解复杂的研发知识和工艺经验?

AI能否连接ERP、MES、PLM等业务系统,完成跨系统的业务任务?

AI能否帮助企业进行生产异常分析、质量追溯和经营预测?

企业能否利用AI自主开发业务应用,而不再完全依赖外部软件供应商?

如何让AI应用从个人使用走向部门协同,最终形成组织能力?

这些问题指向一个共同的方向:AI正在从一种辅助工具,逐步走向企业业务运行体系。

员工使用AI完成一份报告,是个人效率的提升;企业通过AI持续发现经营异常、分析业务问题并推动问题解决,则可能形成一种新的组织能力。

两者之间存在本质区别。

2027年,企业不仅要考虑增加多少AI应用,更应该考虑如何把一次次AI应用的经验,沉淀为可以复用、持续迭代的企业能力。

二、让AI真正理解企业:建设企业上下文

同一个大模型,为什么在不同企业中能够创造的价值存在巨大差异?

除了模型本身的能力,一个重要因素是AI对企业的了解程度。

以制造企业的订单交付为例。

当管理者提出一个看似简单的问题:“哪些订单有延期风险?我们应该采取什么措施?”

AI不仅需要知道客户订单、库存数量和生产计划,还需要了解设备能力、物料采购周期、工艺路线、客户优先级、质量要求、成本约束以及企业内部的业务规则。

这些信息分散在不同的业务系统、技术文档、管理制度以及员工长期积累的经验中。

能够访问企业数据,不等于能够理解企业业务。

我们将这些帮助AI理解企业、判断问题和完成任务的信息,统称为企业上下文。

它不仅包括数据和文档,还包括:

企业的业务对象及其相互关系;

业务流程、规则和专业术语;

产品知识、工艺知识与专家经验;

企业经营目标和管理要求;

组织结构、岗位职责和业务权限;

历史决策、执行结果与反馈。

过去,企业的数据治理主要服务于信息系统、统计分析和管理决策。未来,还需要进一步考虑如何让这些资产能够被AI准确理解和有效使用。

企业不一定要从建设一个庞大的知识库或完整的企业本体开始。更可行的路径,可能是从真实业务场景出发,逐步构建、验证和积累AI所需要的上下文。

模型可以更换,技术平台可以升级,但企业独有的知识、经验、业务逻辑和组织记忆,是企业长期积累的资产。

当模型越来越强大时,高质量的企业上下文有可能变得更加重要。

这是2027年值得企业持续投入的一个基础方向。

三、从回答问题到完成任务:建设企业智能执行能力

过去的软件主要由人来操作。

员工需要学习不同的软件,进入不同的系统,查询数据、填写表单、传递信息、处理异常、推动流程。

Agent技术带来了一种新的可能性:员工只需要表达目标,AI就可以在授权范围内理解任务、制定计划、调用工具、连接系统,并完成部分业务工作。

例如,在制造企业中,一个质量异常分析Agent,可以尝试:

读取质量检测结果,调用生产记录,查询物料批次,检索历史质量案例,结合工艺要求分析可能的原因,提出处理建议,并在人工确认后发起整改流程。

在这个过程中,AI不再只是一个知识问答工具,而是参与了完整的业务任务。

这也意味着,企业过去建设的ERP、MES、CRM、PLM等系统,其使用方式和价值定位可能发生变化。

这些系统仍然承担着重要的交易处理、业务规则、流程控制和数据记录职责。但部分查询、分析、交互和跨系统协调工作,未来可能由Agent承担。

企业不必急于推倒重建已有的信息系统,而应该重新审视这些数字化资产:

哪些数据可以开放给AI?哪些业务功能可以被AI调用?哪些流程可以重新设计?哪些操作必须保留人工审批?

与其分别为每一套软件增加孤立的AI功能,不如思考如何形成可连接、可复用、可治理的企业智能执行能力。

四、重新审视软件投资:建设企业自主开发能力

AI Coding可能是未来几年对企业IT建设方式影响最深远的技术之一。

过去,企业建设一个新的业务应用,需要经历需求调研、方案设计、开发、测试、系统集成和上线实施等多个阶段。

很多企业存在大量个性化、长尾的业务需求。这些需求具有一定价值,却因为开发成本太高、实施周期太长,长期无法得到满足。

AI正在降低软件开发和系统集成的部分成本。

业务人员借助AI表达需求、构建原型,IT人员利用AI完成代码开发、接口连接、测试和持续迭代,这些新的软件建设方式正在出现。

虽然复杂企业软件的可靠性、安全性和长期维护仍然需要专业的软件工程能力,但企业自主开发与定制轻量应用的门槛已经出现下降的趋势。

这值得企业重新思考传统的软件采购与建设策略。

哪些标准化、成熟的业务功能应该继续采购?哪些体现企业差异化竞争力的应用可以自主建设?哪些过去因为成本原因无法实现的业务需求,现在值得重新评估?

对于具有一定IT基础的企业,2027年或许应该拿出一部分预算,用于建设自身的AI Coding和软件工程能力。

这不仅是为了提高程序员的工作效率,更是为了缩短企业从发现业务问题到形成解决方案的周期。

当软件开发成本下降,企业自主解决业务问题的能力,可能成为新的竞争优势。

五、让AI可靠地工作:建设企业AI工程与治理体系

AI能够完成一项任务,与企业能够放心地让AI持续完成这项任务,是两件不同的事情。

当AI只用于写作、翻译和知识问答时,错误通常还可以由员工及时发现和纠正。

但当AI开始访问核心业务数据、参与经营分析、修改业务记录,甚至执行采购、财务、生产等业务操作时,可靠性、权限和责任问题就变得尤为重要。

企业需要建立一套能够支持AI可靠运行的工程体系。

近年来受到关注的Harness(AI运行与工程约束体系),正是这一方向的重要探索。

它涉及的不只是模型本身,还包括任务定义、上下文管理、工具调用、流程约束、测试评估、权限控制、人工审核、日志审计以及异常处理。

企业需要明确:

AI可以看到什么,可以做什么,在什么条件下可以执行,哪些决定必须由人作出,出现错误后如何发现、纠正和追溯责任。

企业AI治理的目标不是限制AI的使用,而是建立可信的运行环境,让AI能够安全地承担更多有价值的工作。

真正成熟的企业AI应用,不仅要能够展示能力,更要能够被持续使用、管理和信任。

这也是企业从零散AI试点走向规模化应用的重要基础。

从企业上下文到Agent,从AI Coding到Harness,这些看似不同的技术方向,实际上都指向同一个问题:企业如何将快速发展的AI技术转化为自身持续创造价值的能力?

这也是12月5日山东CIO联盟年会希望与广大CIO同行深入探讨的核心议题。我们期待通过不同企业的实践经验、技术探索和同行之间的思想碰撞,共同寻找更加务实的企业AI建设路径。

2026山东CIO联盟年会:让AI成为企业能力,2026年12月5日·济南

六、从个人智能走向组织智能:投资组织能力

AI给企业带来的变化,可能不仅仅发生在技术层面。

当员工可以借助AI独立完成更多工作,当业务人员可以参与软件开发,当Agent能够跨部门连接信息、分析问题并执行任务,企业原有的岗位分工、协作方式和管理流程,都有可能发生变化。

但如果每个员工都在独立使用自己的AI工具,个人积累的知识、工作经验和任务方法无法在组织内部共享,企业得到的仍然主要是分散的个人效率提升。

如何在保护个人隐私、业务权限和商业秘密的前提下,将个人AI使用经验转化为企业可复用的知识、技能和工作流程?

如何让一个部门成功的AI应用,快速复制到其他部门?

如何让AI在持续解决业务问题的过程中,帮助企业积累知识、发现问题、改进流程?

这些已经超出了传统的信息化建设范畴。

企业需要投资的不仅是技术工具,也包括员工培训、业务流程优化、组织协同机制、知识沉淀机制,以及新的管理和评价体系。

未来,企业之间的竞争可能不仅体现在谁拥有更先进的AI工具,还体现在谁能够更快地将AI转化为组织能力。

七、2027年的AI预算,应该如何判断投入优先级?

并不是所有企业都需要立即建设一套完整的AI平台,也不是所有业务问题都需要通过AI解决。

不同企业的数字化基础、业务复杂程度、IT团队能力和经营目标存在很大差异。

在制定AI投资计划时,建议企业首先回答五个问题:

第一,这项投入能否解决真实的业务问题?

是降低成本、提高质量、缩短交付周期、增加收入,还是降低经营风险?有没有明确的价值目标和业务责任人?

第二,这项投入能否形成可持续积累的资产?

项目结束后,企业是否获得了可以复用的数据、知识、接口、业务能力或工程方法?

第三,这项投入是否会因为技术快速迭代而贬值?

对于变化迅速的模型、工具和技术平台,是否可以采用更灵活的采购、部署和合作方式,避免过早锁定技术路线?

第四,这项投入能否在企业内部持续复制?

一个场景的成功,能否降低下一个场景的实施成本?能否从一个部门推广到更多业务部门?

第五,这项投入能否提升企业自身的能力?

当项目完成、外部实施团队离开之后,企业是否具备继续使用、维护和改进这项应用的能力?

企业可以从高价值、可验证的小场景开始,在解决真实问题的过程中,逐步建设共性能力,而不是先进行大规模基础设施建设,再寻找应用场景。

对于算力、模型、平台及软件产品,则应结合实际需求、使用规模、安全要求和总体成本,选择适合企业的发展路径。

企业AI投资的最终衡量标准,不应该是部署了多少模型、上线了多少智能体,而应该是创造了多少业务价值,又为企业未来的发展积累了多少能力。

八、AI时代,CIO的新使命

企业AI投资逻辑的变化,也在推动CIO重新审视自己的角色。

过去,CIO推动企业信息化、数字化,建设业务系统、连接数据、优化流程,为企业经营提供技术支撑。

未来,CIO可能需要承担更加深入的使命:

从企业战略和经营目标出发,判断AI能够在哪些业务领域创造价值;推动企业知识、数据与系统向AI开放;建设可靠的智能运行体系;提升企业自主开发能力;推动人与AI的协作方式和组织运行机制不断进化。

这意味着,CIO不仅需要理解技术,也需要更加深入地理解企业经营、组织管理和业务创新。

CIO不应仅仅成为企业AI产品的采购者和AI项目的实施者,更应该成为企业智能能力的建设者和业务变革的重要推动者。

结语:让AI成为企业能力

2027年,AI技术无疑还将继续演进。更强大的模型、更成熟的智能体、更高效的软件开发工具,都可能不断改变企业应用技术的方式。

企业不可能准确预测每一次技术变化,也没有必要追逐每一个技术热点。

但企业可以持续建设那些具有长期价值的能力:理解自身业务的能力、连接知识与系统的能力、自主创新的能力、可靠使用AI的能力,以及不断学习和进化的组织能力。

2027年企业最值得期待的AI投资成果,不只是多了几个智能体、多了一套平台,而是在AI的帮助下,企业变得更善于发现问题、更高效地解决问题,也更有能力应对未来的变化。

让AI成为企业能力,而不仅仅是企业使用的工具。

这正是山东CIO联盟希望与广大企业同行共同探讨的命题。

2026山东CIO联盟年会

让AI成为企业能力

业务价值 · 组织进化 · CIO新使命

2026年12月5日 · 济南

我们将邀请企业CIO、数字化负责人、企业管理者、产业专家和技术实践者,围绕企业AI应用、智能体、企业上下文、AI Coding、软件架构演进、组织变革等方向,共同交流实践经验,探讨2027年企业AI建设的方向与路径。

我们期待与更多企业同行一起,讨论真实的业务问题,分享有价值的实践经验,寻找适合企业自身的AI发展道路。

以业务价值为起点,以企业能力为目标。

12月5日,济南见。

山东CIO联盟 · AIHUB