商务部等 9 部门 2026 年 10 月 13 日印发《关于加快推进科技兴商的意见》，文号商建函〔2026〕551 号，10 月 19 日在商务部网站发布。文件提出提升人工智能、大数据、物联网、云计算、数字孪生、具身智能等新技术的应用水平，推动人工智能与产品研发、设计、营销深度融合。
这份文件里出现频率最高的词是数据，模型排在它后面。文件写明要建立一批商贸领域高质量数据集和可信数据空间，推动商业数据与公共数据融合应用，明确商业数据收集、使用、共享的边界，探索发布数据应用负面清单，并要求对不同场景的商业智能体分级治理。
四句话指向同一件事。AI 能不能用，取决于企业的数据口径是否统一。政策把这件事写进条文，说明这件事已经落在经营层面，技术部门单独解决不了。
服装集团的现实是，同一个指标有四套数。财务算的销售额、电商后台的销售额、直营系统上报的销售额、批发发货的销售额，四个数对不上。同一个客户，在会员系统里是一个人，在订单系统里是两个手机号，在售后系统里是一个投诉编号。同一个款，设计部有一个编码，商品部有一个编码，物流部有一个货号。
口径不统一的时候，AI 输出的东西不可信。模型给出一个预测，业务部门第一反应是这数跟我手上的不一样，然后就没人用了。项目组把问题归到模型精度上，根源在输入不一致。
做错的样子很常见。第一步选场景，第二步买工具，第三步接数据，第四步发现数据对不上，第五步开始做数据治理，第六步预算用完。整个过程走了一年半，业务部门只记得一件事，这个项目没什么用。
顺序应该反过来。先定口径，再选场景，最后买工具。口径这件事听上去枯燥，它是所有 AI 项目的地基。
机制在于 AI 的工作方式和人不同。人可以凭经验判断两个数为什么不一样，模型只能按输入的规则算。喂进去四套数，它就给四个答案，而且每个答案都算得出来。业务部门看到四个答案，只能选择不信。
可以带走的三张清单，做 AI 之前先花六周做完。
- 指标字典。把董事长和经营会真正会看的二十个指标列出来，每个指标写清定义、算法、数据来源、责任人、更新频率。二十个够了，不要贪多。 - 责任人表。每个指标有一个业务责任人，不是 IT 责任人。业务责任人对这个数的含义负责，IT 对它能被算出来负责。 - 变更流程。指标定义改动要走审批，改了什么、为什么改、影响哪些报表，都留记录。没有这条，口径会在一年的日常修补里重新散掉。
政策里还有一句，商业智能体的分级治理。意思是不同风险等级的应用要有不同的管理方式。落到企业，就是一张使用规矩，哪些场景可以全自动，哪些必须人工复核，剩下的不能用。这张规矩现在多数公司没有，员工已经在用了。AI 项目还有一个隐性成本，业务部门的时间。梳理口径、标注数据、验证输出，这些活都要业务骨干来做，而业务骨干手上都有当期任务。排期的时候不把这部分时间算进去，最后一定是延期。决定成败的是谁被派来做这件事。派一个刚入职的分析师，业务部门不会配合；派一个业务负责人，事情才推得动。
三张清单之外，还有一个九十天的动作。选一个业务单元，把它的核心指标按新口径重算一遍，和原来的数对照，把差异逐条解释清楚。这个过程会暴露几乎所有历史问题，也会让业务部门第一次相信新口径是可信的。
政策文件里还有一句话值得注意，探索发布数据应用负面清单。这句话的意思是，未来会有明确不能用的数据、不能做的应用。企业现在就该有一份自己的负面清单，哪些客户数据不能出系统，哪些场景不能用生成式工具，对外输出要不要人工复核。
AI 经营改革的顺序，多数公司搞反了。先谈模型能力，再谈场景价值，最后才碰数据。数据是唯一没法跳过的部分，因为它需要业务部门配合，需要改习惯，需要有人为历史遗留的脏数据负责。
数据口径定下来以后，AI 的价值会突然变得具体。货品周转能算准了，可以谈按需返单。会员复购能算准了，可以谈分层运营。人效数据能统一口径了，可以谈岗位重设。这些事以前做不了，原因不在没有工具，在没有一个大家认的数。
希纪在给客户做 AI 经营改革时，第一个月基本不碰模型，只做三件事，盘指标、追口径、定责任人。这三件事做完，后面的项目才有地基。