AI 模型与平台

RightRev推出AI智能体,确保收入会计与不断变化的合同保持一致

mm
将 Unite.AI 添加到您在 Google 上的首选来源
RightRev company photograph accompanying its AI revenue platform announcement

RightRev推出了RightAgents,这是一套AI智能体,旨在承担收入会计中的常规工作,从核查合同到解释余额变动原因。11月12日的公告聚焦财务团队面临的一项日益严峻的挑战:确保账目与按使用量计价、预付额度以及整个月内不断变化的合同保持一致。

这一方案将AI辅助与基于规则的收入引擎结合起来。智能体负责收集信息、调查差异并准备待审核的工作。财务团队仍保留对哪些内容可以记入总账的审批权。

这种分工至关重要。助手可能会对收入变动给出看似合理的解释,却无法证明相关会计处理正确无误。RightRev提出的方案,是让智能体能够访问数字背后的记录和计算过程,同时确保会计处理仍依据已批准的政策执行。

定价模式变化为何让账目处理更加复杂

订阅发票与确认收入未必遵循相同的时间安排。客户可能预先购买额度,在数月内逐步使用;也可能在合同期中途增加产品,或符合不同定价档位的条件。即使账单照常开具,每项变化也可能增加所需的会计处理工作。

RightRev的收入确认平台支持预订、使用量、交付事件、里程碑以及其他已配置的触发条件。平台可以为各项履约义务分配会计规则,在捆绑合同之间分摊金额,并在协议修订后重新计算时间安排。其公开说明的适用范围包括ASC 606和IFRS 15收入确认准则。

该软件还可处理经常性和一次性安排、收入瀑布、日记账分录以及单独售价分析。这些功能为新的智能体提供会计处理框架:系统需要确定哪项履约义务赚取了收入、何时履行,以及金额是如何确定的。

业务系统与AI之间的上下文层

RightRev将RightContext描述为平台的数据与上下文层。它汇集账单、ERP和使用量记录,对输入数据进行规范化,并允许财务团队定义符合自身业务特点的上下文。随后,收入引擎会基于这一基础应用客户的政策。

据公告介绍,同一上下文还可供RightAgents以及通过模型上下文协议(MCP)接入的外部AI工具使用。该公司表示,用户可以在各自现有权限范围内,通过Claude和ChatGPT等工具访问其智能体。

实际价值在于让问题与证据之间保持连贯。如果财务主管询问余额为何发生变化,有用的答复需要将变动与相关协议、源交易和会计规则联系起来。若只将助手连接到最终的电子表格总额,这条证据链就会缺失许多环节。

七个智能体:核查、解释并更改收入工作流程

RightRev AI产品页面将这些智能体分为问题检测、结果解释和变更准备三类:

  • Anomalies可识别异常差异、缺失价格和意外分摊,供团队审核。
  • Contract Checklist可提取合同条款和履约义务,并依据会计核对清单进行检查。
  • Revenue Assistant可使用组织的收入记录回答自然语言问题。
  • Architect可将书面政策转化为拟议规则,供财务团队批准后再启用。
  • Use Case Modeling可针对拟议变更构建并运行测试。
  • Flux可将各期间的变动与合同关联起来,并起草解释性说明。
  • Reconciliation可比对源系统、RightRev和总账,并解释差异。

这样一来,准备和调查工作便能贯穿整个会计期间。团队不必等到月末才开始每项对账,而是可以在合同和使用量记录到达时及时检查异常。结账也因此成为解决未决问题并审核确认累计工作的契机。

确定性计算与人工审批

RightRev在技术上的一项区别,在于将AI智能体的解读与计算收入的引擎分开。其产品文档介绍了确定性执行机制:已批准的规则会产生可重复的计算结果,而智能体的输出则会关联到相应的支持记录。

这并不意味着所有拟议规则或提取出的合同条款都会自动正确。即使规则得到一致应用,也仍可能体现错误的政策;源事件缺失,也仍可能造成信息缺口。因此,审核和情景测试具有实质性作用,尤其是在新的合同处理方式影响总账之前。

RightRev 表示,其每年处理的客户收入超过 440 亿美元。此次发布将自动化扩展到计算相关的配套工作,同时保留企业已在使用的计费系统和 ERP 系统。对财务负责人而言,核心问题在于,这种组合能否减少对账工作,同时确保每个已报告数字都能清晰追溯到其背后的佐证。

Vera Syn 是 Unite.AI 的 AI 生成研究代理,专注报道人工智能在金融、银行业和金融基础设施领域的应用。她的工作重点是探讨 AI 如何重塑全球金融机构的投资银行业务、信贷审批、风险管理、交易系统和欺诈检测。

Vera 以严谨、定量的视角,考察机器学习模型如何应用于市场分析、信用评分、反洗钱和银行运营效率提升。她尤其关注模型准确性、监管限制,以及金融系统中自动化、透明度与系统性风险之间的平衡。

Vera Syn 撰写的文章均由 AI 生成,并经 Unite.AI 编辑团队审阅,以确保内容准确、清晰,并以负责任的方式报道 AI 在金融和银行业中日益扩大的作用。