2026 年 9 月 · 7 分钟阅读
AI 预算的第一问：
谁签字、钱从哪条线出
关键定义
签署权（sign-off） 在 AI 采购单上被点名签字的人或席位。它与「资本配置主导权」是两个口径：前者问谁签字，后者问谁主导分配，两者不可互换、不可相加。
四类资金原型 按 AI 支出的来源划分：Funder（净新增资金、有独立预算行）、Unbudgeted（无明确 AI 预算）、Substituter（用本该给人力编制的钱）、Reallocator（从其他软件预算腾挪）。九月版报告口径为 37%、25%、21%、18%。
Optimism Gap 同一组织内不同席位对回本期的预期差。九月口径：CEO 席位 70% 预期六个月内回本，财务席位 42%，相差 28 个百分点。
八月份，AI 采购的签字权明显向财务集中：被点名签字的是 CFO 或财务的比例从 33% 升到 43%，业务单元签字从 12% 掉到 4%，而「证明 ROI」作为头号阻塞项从 53% 跳到 65%。同期，预算清晰度几乎没有改善——26% 的组织仍然没有明确的 AI 预算，24% 用本该给人力编制的钱来付 AI。我们的判断：责任与证明先收紧、资金归属没跟上，这个顺序是反的；而同一笔钱在 CEO 席位与财务席位之间的回本预期差 28 个百分点，说明缺的不是态度，是一套双方都认的测量口径。
一、事实：签字权在动，钱没动
Open Future Forum 于 2026 年 9 月 6 日发布《CFO AI Leverage Report》第三版（数据截至 2026-08-31）。八月口径下，CFO 或财务被点名签署 AI 采购的比例为 43%，7 月累计为 33%（bases 54 与 238），报告自述这是该版最大的单项变动；CEO 仍是最常被点名的签字人，8 月 50%、全样本 47%；单个业务单元从 12% 降到 4%，「尚无单一责任人」从 12% 降到 7%。来源：openfutureforum.com/research/cfo-ai-leverage-report-september-2026。
同一份报告里，证明责任的上升更陡：把「证明 ROI」列为头号阻塞的比例在八月从 53% 升到 65%；与此同时，六个月以内回本的预期从 55% 降到 48%，六到十二个月从 22% 升到 28%。资金结构却没有跟着清晰：26% 的八月受访者没有明确的 AI 预算（全样本 28%），24% 用本该给人力编制的钱来付 AI。
我们的判断：八月里移动的是责任与证明，没动的是资金归属。签字权在收紧、回本要求在上抬，但四分之一的组织连预算行都还没有——这不是执行不力，而是顺序被倒过来了。
二、四类资金原型：先确定你在哪一类
该版报告新增了一组资金原型（base 290）：Funder 37%（净新增资金、有独立预算行）、Unbudgeted 25%（没有明确 AI 预算）、Substituters 21%（用本该给人力编制的钱）、Reallocators 18%（从其他软件预算腾挪）。配套的《AI Transformation Report》第二版给出财务条线视角：净新增资金仍是最主要来源（41%），28% 没有明确预算，约五分之一从其他软件预算腾挪，并直接写道钱还没有进核心预算。来源：openfutureforum.com/research/ai-transformation-report-september-2026。
这份切分的价值不在于比例，而在于它把「AI 预算」从一个数字变成了四种截然不同的治理处境：有独立预算行的组织在争额度，没有预算行的组织在争归属，用编制钱的组织在争账面解释，腾挪来的组织在争续期。四种处境对应四种不同的失败方式。
我们的判断：谈 AI 预算之前先确定自己属于哪一类。把 Funder 的指标套到 Substituter 身上，会得出「ROI 不够所以不该投」的错误结论——真正的问题可能是这笔钱原本就没有预算行，回本口径也无处落账。
三、28 点 Optimism Gap：同一笔钱，两把椅子
报告里最可引用的一组数字是席位差异：CEO 席位 70% 预期六个月内回本，财务席位 42%，相差 28 个百分点（bases 80 与 52）；报告自述这是唯一达到样本底线的席位切分，其余席位与垂直切分为方向性。另一条相关口径：34% 的 CEO 席位受访者用本该给人力编制的钱来付 AI，财务席位为 19%。
我们的判断：28 点的差距不是乐观与保守的性格差异，而是同一笔钱缺少共同的测量口径。当回本期由席位决定而不是由数据决定时，预算评审会变成话语权竞争——这正是第三方可核验执行证据最有价值的地方。
四、我们的判断：顺序被倒过来了
把八月的变化按时间放在一起：签署权合并（业务单元 12% 降到 4%）、安全预算线从 33% 升到 41%、证明 ROI 从 53% 升到 65%——治理三项同时在动，而预算清晰度原地不动。报告的表述是问责结构在部署之后才被补起来；我们的读法更直接：先定责任人、再要证明、最后才谈钱在哪。
这个顺序有两个代价。第一，责任落到个人头上但资金没有归属，责任人无法在账面上证明自己的判断；第二，证明责任被加到最不擅长留证的一方身上——业务与工程团队被要求证明回本，但他们手里通常没有可核验的执行证据。
我们的判断：预算治理的正确顺序是先定资金归属、再定测量口径、最后定责任人。缺了中间那一步，签字人会变成风险承担者，而不是决策者。
五、治理侧：agent 访问成为安全头号问题
《AI Transformation Report》第二版还给出治理侧口径：安全负责人中 67% 把 agent 访问列为头号问题；37% 有专门的 AI 安全预算线（八月升到 41%）；约三分之一逐案审批（base 110）；11% 的财务条线受访者报告没有单一 AI 责任人，技术席位为 30%。
我们的判断：把「agent 访问」列为头号问题，说明治理的焦点已经从模型能力转向执行权限——这与同一周里模型与留存变成逐模型配置项的变化是同一件事的两个侧面。治理预算在涨，但它买的应该是可核验的访问与执行记录，而不是又一份策略文档。
六、结论与本月动作
我们的判断：AI 预算的第一问已经不是投多少，而是谁签字、钱从哪条线出、用什么证明回本。八月的答案是——签字权向财务集中、钱仍然没有自己的预算行、证明的责任刚被加上去。顺序错了，后面每一步都会打折。
本月可做的最小动作：用四类资金原型给自己定性，写清这笔钱来自哪条线、由谁签字、用什么口径证明回本；然后把 CEO 席位与财务席位的回本预期各自写成一个数字，摆在同一张纸上。留给买方的问题：你们组织里，说六个月能回本的人和说做不到的人，用的是同一套测量口径吗？
OOMeta AI
OOMeta 在客户项目里把 AI 成本与收益落到「每个完成任务的成本与证据」这一级：谁授权、调用了什么、结果如何验证，都留痕。预算治理的顺序应当是先定资金归属、再定测量口径、最后定责任人——否则签字人承担的是风险，而不是决策。
预约诊断会参考来源: Open Future Forum《CFO AI Leverage Report》第三版，2026-09-06 发布、数据截至 2026-08-31，curl HTTP 200；签字权、四类资金原型、Optimism Gap 与阻塞项数据均为该报告口径（自选样本社群，非追踪面板，8 月 cohort base 54、全样本 290）。openfutureforum.com/research/cfo-ai-leverage-report-september-2026 ｜ Open Future Forum《AI Transformation Report》第二版，2026-09-06 发布，curl HTTP 200；治理侧口径与四类资金原型复述均来自该报告（报告自述：衡量的是回答，不是支出、编制或绩效；席位与垂直切分为方向性）。openfutureforum.com/research/ai-transformation-report-september-2026。
常见问题
谁在 AI 采购单上签字？+
八月口径：CFO 或财务被点名占 43%，比 7 月累计的 33% 上升 10 个点，是该版报告最大的单项变动；CEO 仍是最常被点名的签字人（8 月 50%，全样本 47%）；单个业务单元从 12% 降到 4%，「尚无单一责任人」从 12% 降到 7%。
钱从哪条线出？+
净新增资金仍是最主要来源（财务条线口径 41%）；28% 没有明确 AI 预算；21% 用本该给人力编制的钱（8 月升到 24%）；约五分之一从其他软件预算腾挪。报告原话是「钱还没有进核心预算」。
为什么「证明 ROI」成了头号阻塞？+
八月份把「证明 ROI」列为头号阻塞的比例从 53% 升到 65%，同期六个月以内回本的预期从 55% 降到 48%、六到十二个月从 22% 升到 28%——要求在提高，时间表在放宽，两者同时发生。
28 点 Optimism Gap 是什么？+
同一批样本里，CEO 席位 70% 预期六个月内回本，财务席位只有 42%，相差 28 个百分点。报告自述这是唯一达到样本底线的席位切分，其余席位与垂直切分为方向性。
治理侧同时发生了什么？+
安全负责人中 67% 把 agent 访问列为头号问题；37% 有专门的 AI 安全预算线（8 月升到 41%）；约三分之一逐案审批（base 110）；11% 的财务条线受访者报告没有单一 AI 责任人，技术席位为 30%。报告的主线判断是：问责结构是在部署之后才补起来的。
这份数据能当行业统计用吗？+
不能。样本来自高管活动社群的自选受访者，且「不同场次是不同的人，不是追踪面板」；报告自述衡量的是回答，不是支出、编制或绩效；单场八月样本仅 54 人。可用于观察方向与措辞，不可当行业统计引用。
四类资金原型该怎么用？+
先自检属于哪一类，再补对应的第一动作：Unbudgeted 先立预算行，Substituter 先解决编制与 AI 的账面对应关系，Reallocator 先定义腾挪的额度与期限，Funder 则要把新增资金绑定到可核验的回本口径上。
相关文章
32% 的企业不再买软件：build-with-AI 正在改写采购决策
McKinsey 2026 调查：近三分之一组织因 agentic 编码工具能自建而放弃购买至少一个软件；AI 高绩效者中近半数如此，科技与医疗行业最常见。我们的判断：build-with-AI 的单元经济是反的——许可证费变成 token 运行费加模型依赖，采购需要一套新评估网格。
「先发不是先赢」：Agent 回本是工作流设计问题
Salesforce 全球 2025 位 agentic AI 决策者调查：最快回本的行业（专业服务 6.5 个月）不是部署最快的；完美数据不是前提；治理越重回本越慢、漏检却翻倍；嵌入工作流比任何单点能力都重要。给 C-suite 的可执行上线顺序：先选有界工作流，再谈规模。
选 AI 咨询伙伴的新标准：看它自己跑不跑 Agent
麦肯锡 2.5 万 Agent 与 4 万人并行、EY 九个月建 5 万 Agent、Wipro 把「自己就是参考案例」当卖点——大型咨询公司已从卖建议转向自己大规模跑 Agent。但内生数字多为自报：麦肯锡自家调查里仅 6% 企业把 ≥5% EBIT 归因于 AI。本文给出可执行的尽调标准。
agent 规模化死在预算错配：78% 试点、14% 上线的五个缺口
2026-03 对 650 位企业技术负责人的调查：78% 有 agent 试点、仅 14% 到生产规模；89% 的失败可归因 5 个缺口（集成 63%/质量 58%/监控 54%/归属 49%/领域数据 41%）。我们的判断：规模化是 build-vs-operate 失衡——把钱从模型选型挪到 eval 与监控。