6月16日，麦肯锡在中国发了一份《2026全球技术议程》的解读稿。原文调研覆盖了全球数百位CIO，核心结论一句话：顶尖CIO的使命已经从"管好IT"变成"用AI和数据撬动业务增长"。
我把这份报告翻了三遍。最让我想写点什么的，是它说出了一个很反常识的现象：很多企业一边在加AI预算，一边CIO却越来越被边缘化。AI项目是CEO/CFO/CTO在拍板，CIO反而成了"接单方"。
这个现象很扎心。但麦肯锡的判断是——这是暂时的。AI智能体和数据的深度应用一旦铺开，那个"既懂业务又能用技术落地"的CIO，反而会成为最稀缺的人。
这不是鸡汤，是这一轮AI周期给CIO的红利窗口。
麦肯锡的判断：CIO的三个新核心
报告里把顶尖CIO的新使命拆成了三件事：
- 战略深度融入：AI不再是IT的子项目，而是公司战略的主线
- 技术速度提升：模型、Agent、数据基础设施的迭代要跟上业务节奏
- 智能规模化落地：从一个场景、十个场景，扩到整个公司
翻译一下：以前的CIO是"管机房、修电脑、上系统"。现在的CIO是"把AI变成新的生产工具，把数据变成新的生产资料，让整个公司围着这两件事转"。
角色变了，考核标准也得变。你不能再用"系统稳定运行99.99%"这种运维指标来证明自己。你得用"AI给公司带来了多少新收入、节约了多少成本、跑通了多少新业务场景"来说话。
这事儿听起来很虚，但麦肯锡调研里有一组数据挺说明问题。
IT预算的流向变了
2026年，AI相关支出首次超过传统硬件采购，成为企业IT预算里占比最大的单项。
也就是说，企业IT花钱最多的地方，已经从"买服务器"变成了"买AI能力"。
管钱的方向变了，管钱的逻辑也变了——CIO如果还按老办法排预算，已经管不住这笔钱了。
数据资产化：比AI更重要的"地基"
报告里有这么一段话，我反复看了几遍：
"领先企业的CIO正在将AI与数据嵌入企业日常运营中，构建智能驱动的组织形态。"
关键词有两个：AI+数据，嵌入日常运营。
很多企业的AI项目之所以推不动，不是因为模型不够强，是因为数据没准备好。客户数据在CRM里、产品数据在ERP里、财务数据在SAP里、运营数据在各种Excel里——AI想调用的时候，要么取不到，要么取到的版本对不上。
所以麦肯锡提"数据资产化"这个概念，意思很直白：数据不能散在各个系统里当"成本"，得当成"资产"来治理。
什么叫资产化？三件事：
- 有主：每一条数据有明确的所有人和负责人，不能是"大家的"
- 有标准：数据格式、命名、口径全公司统一，不能同一个"客户"在三个系统里指三种东西
- 能用：AI Agent能直接调用，不是放在数据仓库里"睡大觉"
这三件事做不好，AI Agent就是个"聪明的傻子"——脑子再好，手伸不到数据上，也干不了活。
反过来，这三件事做好的企业，AI项目的回报率明显高出一截。麦肯锡的数据：数据资产化成熟的企业，AI投资回报率比同行高出1.8倍。
AI智能体：从"工具"变成"数字员工"
报告还提了一个趋势，叫"智能体规模化"。
这个词怎么理解？我用我接触过的几个例子说一下。
一家做制造业的客户，去年上AI Agent，先做了三个场景：
- 采购订单的异常处理（以前人工审3小时，现在Agent审8分钟）
- 设备故障的预测性维护（Agent自动推送维修工单到现场）
- 财务月结的对账（Agent自动核对银行流水和ERP数据）
这叫"工具化"——AI在帮员工干具体的活。
今年这家企业想做的，是"规模化"：
- 把三个场景扩到三十个场景
- 让Agent之间能协同（比如采购异常触发了设备维修，Agent之间自动联动）
- 把审批、考核、KPI接上AI的输出
这就到了麦肯锡说的"智能体规模化"——AI不再是个工具，是公司里的"数字员工"，有岗有责有考核。
| 阶段 | 特征 | 典型动作 |
|---|---|---|
| 工具化 | AI替员工干单一活 | 合同审核、数据抽取、文档生成 |
| 流程化 | AI嵌入业务流，承担多个步骤 | 从询价到报价到下单的端到端 |
| 规模化 | AI Agent之间能协同，能跨部门 | 采购-生产-财务全链路联动 |
| 组织化 | AI有岗位、有考核、有KPI | 数字员工和人类员工同台管理 |
这张表我自己整理的，对照麦肯锡的报告内容来理解。
大部分中国企业还在工具化阶段，能跑到流程化的已经算领先。真正跑到"组织化"——也就是把AI Agent当成正式员工来管理的——目前看全球也就10%不到。
那CIO怎么办？
麦肯锡的报告没明说，但调研里隐含了几个判断。我把它翻译成CIO的行动建议：
1. 别再当"接单方"了
AI项目的发起方应该是CIO，不是业务部门。业务部门提需求，CIO来评估技术可行性、ROI、数据准备度，最后拍板。这是CIO从"被指挥"到"指挥"的关键转变。
2. 先治理数据，再上AI Agent
这是麦肯锡数据里最硬核的结论：数据治理成熟度，直接决定AI Agent的ROI。
次序不能反。先花6-12个月把数据资产化做扎实，再上AI Agent，不然Agent就是个空架子。
3. 挑场景不要贪多，先把"高频低风险"做透
麦肯锡的调研里有个反直觉的数据：场景数量超过10个的企业，AI项目失败率反而上升。
原因很简单——场景一多，治理跟不上，数据跟不上，考核跟不上。
聪明的CIO是选3-5个高频、低风险、能用明确ROI衡量的场景，先打透，再复制。
麦肯锡没说但我必须补一句的：
这套打法有个前提——公司CEO必须真的把CIO当战略伙伴。
如果CEO还是把CIO当"修电脑的"，那CIO的转型就是巧妇难为无米之炊。麦肯锡调研里顶尖CIO能成功的，共同点是CEO愿意在战略会上听CIO讲AI，而不是只听CFO讲钱、CTO讲架构。
给企业管理者的实操建议
如果你是一家年营收10亿以上的传统企业的CEO或者CIO，这份报告的实操意义是什么？我的判断是三件事：
第一，预算结构要调。今年AI相关支出至少要占到IT预算的30%以上，2027年建议到50%。不是"试点预算"，是"主线预算"。
第二，组织要动。设一个跨部门的数据治理委员会，CIO直接向CEO汇报（或者至少是C-level平级），不要让CIO隔着一个CTO说话。
第三，考核要改。CIO的KPI里加一条"AI智能体跑通场景数量+ROI"，让AI落地变成硬指标，不是"软倡导"。
最后说句大实话。
AI智能体和数据资产化这些词，听起来都很"概念"。但麦肯锡这份报告最值得反复看的，是它把CIO的命运和企业增长的命运绑在了一起——
过去的CIO是个"成本中心"，IT是花钱的部门；
现在的CIO如果能抓住这一波AI智能体的红利，可以变成"增长中心"，IT是赚钱的部门。
这个转身能不能完成，决定的不是CIO一个人的事，是整个公司治理结构的事。
但对CIO个人来说，这一轮AI周期的红利窗口，是真的打开了。你接不接得住，看你接下来18个月的行动。
