这个争论来自于《走进先声药业》的最终辩论。正反两方各执一词。
来看看他们都是什么观点
很多企业的数智化转型，最后都卡在同一个问题上：技术部门说业务不懂技术，业务部门说技术不懂经营，财务部门则追问一句：这笔投入到底值不值？
AI 的发展速度，比很多人想象得更快。短短一个月，大模型持续迭代，Agent 应用不断涌现，企业对于数智化转型的讨论，也从“要不要用 AI”进入到“AI 到底该如何进入经营现场”。
这也让我们重新想起 6 月走进先声药业南京站活动最后一场关于企业数智化转型的辩论：企业数智化转型的决胜力，究竟在于技术引领，还是业务洞察？这场辩论没有给出唯一答案，却提出了一个每家企业都绕不开的问题：当技术越来越容易获得，真正拉开企业差距的，到底是什么？
1 正方认为：技术重塑边界
正方的核心立场是：数智化转型的决胜力在于技术引领。正方并不否认业务洞察的重要性，但认为在 AI 时代，技术已经不再只是“把既有业务做得更快”的工具，而是在重新定义企业能够想象、能够实现、能够规模化的边界。
大模型出现之前，企业谈客服优化，可能更多停留在“响应更快、流程更顺、成本更低”。但当智能体能力开始成熟，问题本身就被改写了：企业不再只是思考如何提高客服效率，而是开始追问，某些岗位、流程与交互方式是否需要被重新设计。
这也是很多 CIO 正在面对的现实：AI 不是又一个单点工具，而是可能改变系统架构、数据流转、组织协同和人机分工的新变量。过去的信息化建设，更多是把业务流程搬到系统里；而 AI 时代的数智化建设，则开始要求企业重新思考流程本身是否还成立。
在这一逻辑下，技术不是被动响应需求的执行端，而是主动打开新场景的变量。生命科学、精准医疗、AI 制药、智能硬件等领域都说明了同一个事实：很多需求并不是一开始就被清晰表达出来，而是在技术可行之后，才被重新看见、重新组织、重新商业化。
正方因此提出，数智化转型不是“知道方向”就能完成。知道马拉松终点在哪里，并不意味着能够赢得比赛。真正拉开差距的，是企业是否拥有把方向变成系统、流程、数据、模型和迭代能力的技术体系。
正方认为，技术至少承担了五重作用：
技术定义问题边界
企业能够提出什么问题，往往取决于技术让哪些可能性变得可见。
技术提供落地载体
再清晰的业务判断，如果无法进入系统、流程与数据闭环，就容易停留在会议纪要或战略口号。
技术形成规模化能力
个人经验与局部创新只有被流程化、模型化、系统化，才可能成为组织能力。
技术推动持续迭代
AI 时代的数字化转型不是一次性项目，而是不断训练、反馈、优化的动态过程。
技术可能反过来重塑业务
尤其在广告、软件、医疗研发等领域，技术不是在服务原有业务，而是在改变原有业务的存在方式。
正方最强的观点在于：当技术发生范式变化时，旧有业务经验可能会从优势变成惯性。企业如果只从过去的业务理解出发，可能会低估技术带来的结构性变化。
2 反方认为：洞察决定上限
反方的核心立场是：数字化转型的决胜力在于业务洞察。反方同样不否认技术的重要性，但强调，重要不等于决胜，基础不等于核心。数智化转型的目的不是购买系统、上线工具、堆砌技术，而是服务企业经营模式、业务流程、盈利逻辑与组织价值的深层变革。
如果技术解决的是“怎么做”，业务洞察回答的则是“为什么做、做什么、往哪里做”。没有业务洞察的技术投入，可能会把错误的问题更高效地数智化，甚至让企业在错误方向上跑得更快。反方多次强调，洞察不是拍脑袋，也不是简单的需求收集。真正的业务洞察，来自于对行业规律、政策变化、客户痛点、价值链关系、组织能力与财务结果的系统判断。
这也是 CFO 视角下最核心的问题：一项数智化投入，究竟能否带来收入增长、成本下降、效率提升、风险降低和现金流改善？如果这些问题回答不清楚，再先进的系统，也可能只是新的成本中心。
在医疗和制药场景中，这一观点尤其有现实基础。集采、DRG、医保飞检、合规监管、反腐风暴等变化，往往不是单靠历史数据就能自然推演出来。面对政策突变、支付逻辑变化和市场结构调整，企业需要的不只是算法预测，更是对行业演进、经营风险和客户价值的判断。
反方因此提出一个判断：技术决定数智化转型的底线，业务洞察决定数智化转型的上限。技术可以提升效率、实现自动化、支撑合规、优化体验，但企业最终能否找到正确赛道、识别真实需求、避开伪需求、构建长期竞争力，仍然取决于业务洞察。
反方最有力的提醒在于：数智化转型的失败，常常不是因为技术不够先进，而是因为企业没有把正确的问题定义清楚。没有洞察的技术投入，可能只是昂贵的自动化；没有业务牵引的系统建设，也可能成为新的管理负担。
