走访很多企业之后，我们的记事本上反复出现同一组画面。
现象一：系统不少，状态不佳。一家企业里ERP、MES、OA、CRM、财务系统俱全，但仔细看，每个系统都跑得不那么让人放心——数据滞后、字段裸奔、该自动的不自动，靠人盯着才动。
现象二：系统之间，各说各话。同一个客户，CRM里三个状态；同一颗物料，ERP和MES两个库存数。月底对账，还是靠人肉汇总Excel——决策层看到的永远是"手工整理版"。
现象三：AI来了，都有兴趣，落地发怵。老板们都在问AI，但马上意识到：AI要读数据、要接流程——数据不通、流程不清，AI落在哪？而如果再上一套"AI系统"，岂不是又多了一个系统？
现象四：想规划，没人能规划。真想动手梳理业务流、数据流，发现公司内部找不到一个能站在全局视角做规划的人——各部门都懂自己那段，没人懂全链。
现象五：想调整，动不了。业务在长，组织在变，几年前的系统和流程已经不适应了。但当年实施时架构搭得太重太复杂，供应商早撤了，内部没人敢动——系统从资产，慢慢熬成了负债。
现象六：老板们悟了。看了这么多年，头部企业的决策者反而看明白了：我们要买的不是系统，是数字化、智能化可持续增长的能力。
这六条现象，几乎是一部“过去二十年信息化建设”的病理切片。这篇文章就把病理讲透，然后回答一个问题：能力这东西，到底怎么塑造。
一、病名：能力空心化
先把话说透：过去二十年，多数企业买系统买到的是什么？
是别人能力的移植。每套系统都是行业最佳实践的固化——这没有错，买它是对的。问题在于：移植进来的器官，不会跟着你的身体一起生长。实施方交付即巅峰，之后系统在你体内一路贬值；你的团队学会的是"操作"，不是"设计"。于是业务一变、组织一变，系统跟不上了，又没人能改——现象四和现象五，根子在这里。
麦肯锡2024年《全球制造业数字化转型报告》给了一组扎心的数：68%的企业仍因数据孤岛导致研发周期延长20%以上，成本超支15%；有汽车零部件企业同时使用8种设计工具和5套管理系统，数据靠人工转换，错误率23%。普华永道的调研更早给出了终局：全球只有约10%的制造企业成功实现了数字化转型。
系统越买越多，能力为什么没涨？因为买来的是“结果”，没买“过程”。结果会折旧，过程才复利。这个病，叫能力空心化：系统是别人能力的移植，能力才是自己的肌肉——移植的器官不跟身体一起成长，还会排异（现象五的“调不动”，就是排异）。
二、智能体削平了接入层，为什么你反而更焦虑了
写到这，必须先回应一个新变量——它正在改写游戏规则。
这两年，以智能体（Agent）为代表的新一代AI工具真的能干了：跨系统取数、把ERP/MES/Excel里的异构数据拉到一张桌上统一问答、自动稽核数据质量、异常主动预警——以前这些活要靠数据中台项目加人肉ETL，现在挂上接口就能干。"数据出不来"这个二十年的瓶颈，正在被智能体削平。
有人会问：那是不是能力强不强，已经无所谓了？
恰恰相反。智能体是CT机——照得见病灶，替不了手术。有三样东西，它补不了：
第一，判准权。Agent把三套数据摆上桌，发现同一颗物料三个库存数——哪个是真的？这不是技术问题，是主数据归谁管、业务口径谁定的治理问题。Agent能发现不一致，不能裁决不一致。能力空心化的企业，恰恰空在"没人能裁决"。
第二，落地动作。预警出来了，然后呢？整改走谁的流程？改单过谁的审批？Agent一执行写操作，就撞上权限、校验和二十年的流程债。预警没人接、接了没拍板、拍了板改不动——预警越多，焦虑越重。
第三，演进力。业务变了，Agent换个提示词就行？表层可以。但底下的数据模型、接口、集成关系，还是那套旧架构。Agent是乘客，不是修路工。
所以真实的体感是：智能体越强，接入层越平，能力缺口反而被顶到了眼前。以前"等系统联通了再说"是挡箭牌；现在数据已经在桌上了，答不上"接下来动哪条流程"的，就是组织自己。AI消灭的不是问题，是借口。瓶颈从工具层，上移到了判断层和治理层——这正是能力问题。
三、能力不是口号，是可以体检的
"要买能力"——这话客户都在说，但能力是什么，多数说不清。好在，这件事早有权威答案，只是散落在几套经典体系里，我们把它拼成一张完整的图。
看国家标准怎么说。DCMM（数据管理能力成熟度评估模型，GB/T 36073-2018）把数据能力拆成数据战略、数据治理、数据架构、数据质量、数据标准等八大能力域、28个能力项、445条标准，成熟度从初始级、受管理级、稳健级、量化管理级到优化级五级递进——数据治理力，有国标级的体检表。2025年2月，数字化转型参考架构也正式成为国家标准（GB/T 45341-2025），转型成熟度第一次有了全国统一的度量衡。
看全球方法论怎么说。TOGAF企业架构框架——全球前50强企业约80%在用的那套——它的ADM开发方法讲的从来不是"买哪套系统"，而是业务架构、数据架构、应用架构、技术架构四层如何协同演进，以及迁移规划、实施治理、变更管理怎么落地。翻译过来：它管的正是"系统能不能跟着业务走"（现象五的解药）。
看战略理论怎么说。动态能力理论（Teece）讲：企业的可持续竞争优势，不在存量资源，而在感知环境、把握机会、重构资源的能力——市场变的时候，你能不能跟着变。现象六里头部老板悟到的"可持续增长的能力"，学术上的名字就叫这个。
把这三套体系对着前面六个现象翻译一遍，企业数字化核心能力收敛为四力：
- 业务流规划力——有没有人能说清端到端流程并设计改进（治现象四）
- 数据流治理力——数据从哪来、到哪去、主数据谁管、口径谁定（治现象一、二）
- 架构演进力——系统能随业务调整而非反向锁死（治现象五）
- AI场景判断力——把AI落在ROI最高的场景，而不是再买一套系统（治现象三）
四力俱全，就是"购买数字化智能化可持续增长的能力"里那个"能力"的完整定义。
四、能力怎么塑造：在真实项目里练，不在课堂上学
最后是路径问题。能力塑造有个残酷的规律：它不能通过听课获得，只能在真实交付里长出来。就像学游泳，PPT教不会，得下水。
所以头部企业值得认真考虑一种被低估的采购方式：借实施练能力。项目不只是买交付物，而是把团队成长写进项目目标——
- 甲方骨干全程参与需求梳理、数据口径裁决、验收测试，而不是只参加启动会和培训会；
- 合同里写"能力转移条款"：交付物包括文档、方法论和培训，知识资产归属甲方；
- 每个关键决策点（为什么这么定主数据、为什么这条流程这么改）留痕，成为甲方自己的架构资产。
当下对大部分制造业企业的数字化服务选择，最终的判断是：不买系统的能力是空中楼阁，不含能力的系统是负重前行。系统要买，能力更要建——而选择谁来帮你建，最值得权衡的是三项指标：服务商团队对行业管理的熟悉度、数字化规划能力和产品创新能力。
