AI 过度、时机过早：财务团队是否在为失败埋下伏笔？

财务团队正面临巨大的压力，必须采用 AI，这主要源于董事会追求效率提升、首席财务官追求更快的关账以及供应商承诺前所未有的自动化。

普遍的假设是，更多的 AI 能自然带来更好的结果，因为它能够在几秒钟内高效分析数据。但仅有速度并不足以确保成功，尤其是当底层流程存在缺陷或尚未完善时。

当组织急于将 AI 融入财务工作流时，可能会忽视一个基本事实：AI 的有效性取决于其所自动化的系统。

它可以加速任务，但无法弥补薄弱的控制、碎片化的数据或不一致的流程。

即便如此，这项技术在大型企业中正日益受到重视，越来越多的公司期待它能带来立竿见影的效果。

截至 2025 年，认定 AI 行为风险为最重要关注点的高管比例 已上升 ，从过去三年的 16% 增至 56%，成为首要的非财务风险。与此同时， 重大商业行为事件已上升 ，在 2023 至 2025 年间增长 55%，每起事件平均成本为 1400 万美元，导致企业在治理和数据质量方面的投入更倾向于被动而非主动。

在所有领域中，AI 在财务领域的使用尤为关键，因为月末关账依赖于控制、对账和核查。AI 可能提升该流程的速度，但若缺乏坚实的基础，它同样可能放大现有的弱点，而非消除它们。

因此，问题在于财务部门是否已做好足够的基础工作，以迎接大规模的 AI 接管。

AI 是倍增器，而非解决方案

毫无疑问，AI 是简化任务的强大工具，但常见的误解是认为 AI 能修复所有破碎的流程，实际上，它所做的只是放大已有的情况。

如果底层数据不一致、控制薄弱或对账实践有缺陷，AI 只会更快、更大规模地执行这些不足。古老的“输入垃圾，输出垃圾”原则并未消失，只是以机器速度运行。

这并不意味着 AI 没有价值；相反，它可以自动化数据提取和呈现等劳动密集型任务，使财务专业人员能够专注于更高价值的工作。它让他们有更多时间投入批判性思考、得出结论，并确保对机器执行的过程进行监督。

然而，过度依赖 AI 可能在系统故障或产生意外结果时导致脆弱性。例如，若用于市场预测的 AI 模型在危机期间出现故障，可能会放大损失或扰乱市场。

巴塞尔银行监管委员会及其他机构特别关注系统性风险，即广泛的 AI 故障可能威胁金融稳定。

组织不应把 AI 当作解决运营低效的灵药，而应着力构建能够可靠支撑自动化的财务基础设施。这包括标准化的对账流程、更强的内部控制、更完善的数据治理以及对关账过程的更高可视性。

“普遍的误解是认为 AI 能解决流程问题。事实并非如此，它只是放大已有的情况。财务领袖常希望通过 AI 缓解手工工作、缓慢的关账或耗时的报告，” 自动化月末关账软件 SkyStem 首席执行官 Shagun Malhotra 在接受 Unite AI 采访时表示。

但她补充说，如果底层流程有缺陷，AI 并不能修复，而是更快、更大规模地执行它。“误解在于认为技术在进行诊断工作，而实际上并非如此。那部分仍然需要专业人员来完成。”

SkyStem 主要帮助那些在财务关账平台上实现对账标准化、工作流自动化并强化内部控制的组织，在此基础上再将 AI 应用于关键会计流程。公司并非用 AI 替代严谨的财务运营，而是构建可靠的运营基础，使自动化能够在不损害数据的前提下提供准确的结果。

“AI 在处理大量、保持一致性以及加速明确任务方面能够创造巨大的价值[…]但人类必须保持控制的领域恰恰是经验最为关键的地方：风险直觉、在模糊情境下的模式识别，以及最重要的，在压力下的决策，” Malhotra 补充道。

自动化之前先夯实基础

财务容错空间极小。准确的报告、对账、监管合规和可审计性都是必不可少的；AI 应该提升并简化这些流程，而不是通过加速系统中已有的弱点而危及它们。

Kognia Labs 是一家 AI 咨询与软件开发公司，持有相似观点。它帮助组织在报告出现高额成本之前，实施能够检测报告中缺陷或不一致的系统。

Kognia Labs 的策略总监 Alexandra Ollé 表示，在 AI 进入客户等待答案的工作流之前，机构必须满足三项条件：系统之间的连接、获取未以文档形式归档的信息，以及能够验证答案的来源。

“顾问所需的信息分散在不同系统和不同格式中，而这些系统通常无法互通。这正是导致答案慢且不一致的根本原因，” Ollé 在接受 Unite AI 采访时表示。“在其之上叠加 AI 并不能解决这一问题。”

在加速流程与真正改进流程之间的鸿沟，就是金融风险具体化的所在：当资金涉及其中时，可靠性不容妥协，误用 AI 系统会带来真实的法律风险。

“当公司利用 AI 改变实际工作方式时，AI 才能改进流程。这通常始于了解流程为何失效，而大多数机构无法清晰看到这一点，因为证据散落在成千上万的客户对话中，团队根本没有时间逐一审阅，” Ollé 强调。

前进之路：AI 与人类的桥梁

在依赖 AI 自动化关键财务工作流之前，组织必须先确保其流程已做好准备。这需要先评估流程成熟度，解决瓶颈和数据质量问题，并在低风险领域逐步引入 AI，随后再扩展到更复杂的财务运营。

总之，首先构建坚实的运营基础，使自动化能够提升效率而不牺牲准确性或监督。这也是人类不能放松警惕的环节；有些事情 AI 单独无法完成。

已经有一些公司在 AI 实施上采用“以人为本”的方法，确保对自动化系统进行人工监督和可信度。例如，Solvd 是一家位于加州的软件工程公司，专注于为企业开发、实施和管理 AI 系统，擅长构建复杂工作流，然后在通过自动化扩展之前由人工进行细化。

Solvd 首席技术官 Skylar Roebuck 在接受 Unite AI 采访时表示：“认真对待 AI 的公司将学习更快，获取更丰富的客户洞察，提高运营效率，并实现更有效的个性化。随着时间推移，保持竞争力变得更困难，因为竞争对手不仅在部署更好的工具，还在构建更优的数据、流程和组织学习。”

当一家组织的高管团队不仅在 AI 重要性上保持一致，而且在 AI 将如何为业务创造实质性竞争优势上达成共识时，组织才真正具备 AI 准备度。

Roebuck 强调：“人工监督不应仅被视为对每一次 AI 操作的批准。这种做法无法规模化，且常常制造出安全的假象，却未提供实质性的控制。”他补充说，系统应能够在明确的边界内独立运行，并在需要判断时识别不确定性并上报。

底线是，AI 有潜力改变金融行业，但它无法取代财务决策所需的运营纪律和人类判断。此处的目标不是加速关账本身，而是加速对关账的信心。

真正成功的组织不会是先行自动化的，而是先构建正确基础，并让人保持在最关键流程中心的组织。