过去几年谈 AI，企业最常见的一句开场白是"我们想上一个 AI 场景"。到了今年 10 月，这句话正在被政策语言悄悄改写。
10 月 16 日召开的国务院常务会议听取"人工智能+"行动进展情况汇报，明确要"注重以落地应用牵引技术创新"，让人工智能技术更好转化为现实生产力。10 月 21 日，中办、国办发布《关于推动科技创新和产业创新深度融合的意见》，再次提出全面实施"人工智能+"行动。更早的 9 月，工业和信息化部印发《"人工智能+软件"专项行动实施方案》（工信部信发〔2026〕209 号），把软件产业这一轮变革拆成了三条具体的转型路径。
这三份文件放在一起看，指向同一个判断：AI 的价值不再由模型能力单独决定，而是由它在具体业务里能不能被稳定执行、被持续使用决定。对正在做软件定制、AI 落地和数字化改造的企业来说，这不是一句口号，而是验收标准要跟着换。
一、政策没说"多用 AI"，说的是"换三种做法"
《"人工智能+软件"专项行动实施方案》的落点很具体。据工业和信息化部信息技术发展司解读，方案面向软件企业设计了三条路径：用智能编程工具改变生产方式、把传统软件产品做智能化升级、推动企业向人工智能应用服务商转型。
方案提出的目标是：到 2028 年，推广应用覆盖 2 万家规模以上软件企业，累计组织实施 100 项软件企业智能化技改项目，在重点行业打造 100 个智能体软件标杆应用，孵化 5 个以上优质开源项目。
官方对这三个转变有明确表述：推动软件开发由"人工编写"向"人机协同"、软件产品由"被动响应"向"主动执行"、软件服务由"产品交付"向"价值交付"转变。
这三句话对甲方企业同样适用。它们不是让企业去买一个更聪明的工具，而是让企业的项目在立项时就说清楚三件事：
- 谁在写：需求分析、代码生成、测试验证这些环节，哪些交给人和工具协同完成，哪些必须保留人工判断；
- 谁在执行：交付物是一个等用户点按钮的系统，还是一个能自己判断、自己调用、自己收尾的流程；
- 怎么算交付完成：按功能清单验收，还是按业务结果验收。
按功能清单验收的老办法，恰恰是过去两年很多 AI 项目"上线即闲置"的根源。
二、智能体被写进政策，但它首先是一个工程问题
方案把智能体软件单列为一个新业态，并给出了相对朴素的定义：大模型与软件深度融合形成的形态，具备感知、记忆、决策、交互与执行能力。在落地层面，方案对场景做了区分——通用智能体面向信息处理、办公协作、生活服务；垂直领域智能体则要求整合知识图谱和数据资源；工业智能体则强调"安全可靠、行为可校验"，并要与工业控制系统软件、企业核心业务系统做好交互适配。
这句话里最关键的是"行为可校验"和"集成适配"。智能体真正难的地方不在演示，而在这两处：
- 存量系统怎么办。多数企业已经有 ERP、CRM、工单、台账在内的多套系统，方案专门提出要"提升与存量软件系统的集成适配水平"。一个不能读写老系统数据的智能体，只能停留在演示阶段。
- 出错时谁负责。方案在安全部分要求把安全要求嵌入融合发展各环节，产品环节突出"行为可控、全程可溯"。翻译成项目语言，就是要有操作日志、权限边界、人工确认点和可回滚机制。没有这些，业务部门不敢把真实流程交出来。
所以当一家企业决定做智能体项目时，比起问"能不能做"，更该问的是：它接哪几个系统、能调用哪些写操作、哪一步必须停下来等人确认、出问题怎么追查。这些问题的答案，就是技术方案里最该被审阅的部分。
三、验收标准要跟着换：从功能清单到业务结果
方案对服务模式的表述是"产品交付"向"价值交付"。这一转变对甲乙双方都是压力：需求方不能再只拿着功能清单签字，供应方也不能只交一套跑得起来的功能。
结合 10 月这轮政策部署，可以把定制项目的验收拆成四层，逐层留证据：
- 任务层：这个 AI 环节替代或辅助的是哪一项具体任务？任务频次、单次耗时和参与角色要写清楚，而不是写"提升效率"。
- 数据层：跑这项任务用到的数据来自哪些系统、谁负责维护、更新频率如何。数据不新鲜，模型再好也会给出过期结论。
- 边界层：模型或智能体在什么情况下必须放弃自动执行、转人工处理。这个边界要在验收前定义好，而不是上线后慢慢补。
- 观测层：上线后看什么指标？建议至少包含任务完成率、人工介入比例和异常处理时长，而不是只看满意度打分。
这四层不需要高深的技术测评，但需要双方在合同与验收文档里写下来。政策提出要制定智能编程能力成熟度分级评估标准、"模型即服务""智能体即服务"等服务标准，方向也是让这些模糊地带逐项可度量。
四、定制开发的成本结构正在变化
对软件定制行业本身，这一轮变化也很实在。
一方面，方案明确要"组织开展软件企业智能化技改"，鼓励各地用好"算力券"等政策，对采购自主编程工具、调用大模型编程服务的费用按一定比例给予支持。这意味着开发环节的工具有了政策路径，中小开发团队不必一步到位自建。
另一方面，方案同时提出要强化人工智能生成代码安全，指导企业建立生成代码安全审查机制，并推动重点行业新上线软件上线前开展安全检测。代码生成得越快，审查与测试环节的价值就越高，而不是越低。
对甲方而言，一个现实变化是报价结构：如果供应方用协同工具缩短了初版开发时间，省下来的时间应该花在需求梳理、集成联调和上线监测上，而不是简单表现为总价下降。项目里"人省在哪里、钱花在哪里"变清楚了，交付质量才有保障。
五、给正在做规划的企业几个检查动作
不需要等所有细则落地，企业现在就能做几件具体的事：
- 翻出最近两个 AI 相关的需求文档，看里面写的是场景名词还是具体任务。如果一个需求说不出"谁在什么频次做什么事、现在耗多久"，它大概还需要重写。
- 画出智能体或模型要接触的系统清单，标出哪些只读、哪些可写、哪些坚决不能碰。这张图比原型更有说服力。
- 和供应方确认人工确认点。哪些环节必须留人工，写在方案里，而不是靠上线后靠流程制度补。
- 为上线后准备一份监测清单，明确谁看、看哪些指标、异常怎么处理。
- 明确数据责任人。知识库、业务系统的更新机制如果没有主人，AI 的输出质量会随时间自然下降。
结语
这一轮政策的措辞相当克制：没有许诺某个技术会颠覆什么，而是把重心放在"落地应用"和"现实生产力"上。对做软件定制和数字化的人来说，这其实是好消息——它意味着评价标准重新回到了业务本身：流程有没有变短，判断有没有变准，出错有没有被拦住。
AI 能不能用起来，最终不看发布会上的演示，而看半年后有多少业务流程还在用它。
资料来源：