问题：随着“人工智能+”行动推进，会计、法律、咨询、设计等专业服务机构加快引入智能化工具，但规模化落地中仍遇到“能用但不好用、能试点难推广”的瓶颈。主要体现在三上：一是核心软件、关键算法等底层能力自主化仍需加强，复杂专业场景对推理能力、合规性和可解释性要求更高；二是跨机构、跨行业数据难以汇聚，隐私保护和商业机密约束下，高质量专业数据供给不足；三是标准规范和监管框架跟不上技术迭代，复合型人才缺口明显，人机协同的作业流程尚未成熟。 原因：业内人士认为，这些问题既与技术供给和产业协同不足有关，也与专业服务业自身特点密切有关。专业服务业知识密集，业务链条涉及多主体、多环节，数据分散且敏感，数据治理成本高于一般行业。同时，专业判断强调证据链、责任边界和合规审查，对模型可靠性和可追溯性门槛更高；在缺少统一标准和可验证治理机制的情况下，机构更倾向谨慎推进，投入回报周期被拉长。此外，高校培养与岗位需求存在结构性错配，既懂行业规则又懂智能技术的人才成长需要时间，也在一定程度上拖慢转型节奏。 影响：专业服务业智能化升级具有明显的带动作用。该行业处于科技创新与产业转化的衔接环节，也是对接国内外规则体系的重要支点，其效率与质量直接影响企业合规经营、投融资决策、创新资源配置和治理能力。若转型迟缓，行业可能面临成本上升、服务供给结构性不足、国际竞争力受压等风险；若形成可复制的智能化路径，则有望提升审计核验、合同审查、风险预警、管理咨询等环节的响应速度和覆盖范围，推动服务业提质增效，并为培育新质生产力提供支撑。 对策：围绕政府工作报告关于“扩能提质服务业”“完善人工智能治理”等部署，全国政协委员李丹建议加强顶层设计，形成“技术攻坚、数据筑基、人才保障、制度创新、生态赋能”的系统方案。 ——在技术攻坚上，建议聚焦高价值专业服务场景开展联合攻关，推进面向多领域协同推理与联合决策的智能体架构研发，促进技术迭代与产业融合，提高复杂场景适配能力与可解释性。 ——数据筑基上，依托国家数据基础设施，建设高质量专业化数据资源体系，推动多方共建符合标准的专业数据库；同时探索隐私计算、区块链等路径，建立跨机构数据安全共享机制，“可用不可见、可算不可泄”前提下释放数据价值。 ——在算力与人才保障上，建议提升公共算力支撑能力，面向行业应用优化资源供给；推动高校设置“人工智能+专业服务”交叉方向，开展从业人员智能素养提升计划，并加大国际高端复合型人才引进力度，缓解人才结构性短板。 ——制度创新上，推动建立适应人机协同新业态的管理规则，完善专业服务领域伦理规范与应用指南，明确数据隐私、算法公平、责任划分等边界；同时智能合约效力、跨境数据合规等议题上积极参与国际规则与标准对接，提高制度性话语权。 ——在生态赋能上，坚持“场景驱动、示范引领”，建设国家级示范项目，组建行业智能化发展联盟，完善“政产学研用”协同机制，沉淀可复制、可推广的行业解决方案。 前景：业内预计，随着政策引导加强、数据基础设施完善、治理框架逐步健全，专业服务业智能化将从“工具辅助”走向“流程再造”，并在风险管理、合规审查、知识检索与洞察、跨境业务支持等领域率先实现规模化应用。下一步关键在于以标准化、可验证的治理机制打底，以高质量数据和复合型人才夯实基础，以示范工程带动整体提升，培育一批具备国际竞争力的领军机构与新型服务模式，为现代化产业体系建设提供更有力支撑。
专业服务业的智能化升级不仅关系行业自身的质量与效率，也关乎新质生产力培育和国家竞争力提升；随着对应的体系逐步落地，我国有望在全球专业服务价值链中实现新的突破。该进程既需要技术持续迭代——也需要制度与治理同步完善——其成熟经验将为现代化产业体系建设提供重要支撑。