数字财务

人工智能正在如何改变财务职能

人工智能能够提高分析、编制、对账、分类和预测效率，但财务领导者仍需要围绕责任、数据保护、可靠性、可追溯性、变更与人为复核建立治理框架。

Insight Bridge2024年9月1日12–14 分钟阅读

核心要点

当前较成熟的使用场景包括文档摘要、差异解释初稿、账户匹配建议、政策检索、数据分类、预测辅助和管理报告草拟。这些场景可以降低重复劳动，但最终输出仍应由具备责任和专业判断的人进行复核。

生成内部会议摘要与决定会计分类、生成日记账、支持估值或进入外部申报的信息，风险完全不同。治理框架应根据输出是否影响财务报表、披露、资金、客户或监管结果来确定审批、测试和复核强度。

财务数据通常包含客户信息、员工信息、交易条款、预测和未公开业绩。企业应明确哪些数据可以输入外部模型、哪些必须脱敏、哪些只能在受控企业环境中使用，并结合供应商条款、数据保留与访问机制进行治理。

对于重要财务流程，管理层需要知道使用了什么数据、什么提示词或逻辑、模型版本是什么、谁复核了输出以及最终判断如何形成。没有审计轨迹的 AI 输出，很难支撑高风险财务决策。

如果复核者只是接受模型输出，而没有明确复核标准、支持信息和异常处理，所谓“human in the loop”可能只是形式。高质量复核应定义需要验证的关键属性，并保留复核与异常解决证据。

企业不应建立完全独立的 AI 治理孤岛。更可扩展的方法是把 AI 风险映射到现有的信息安全、供应商管理、模型治理、财务报告内部控制、变更管理和数据治理机制。

财务团队应明确场景所有者、技术支持、审批权限、监控指标和退出机制。AI 带来的效率收益需要与错误率、例外数量、复核时间和控制质量一起衡量，而不是只看处理速度。

权威指引与框架

相关分析可结合 SEC、PCAOB、FASB、COSO 与 NIST 等机构发布的适用一手资料。具体适用范围取决于企业事实、注册人身份、交易结构和监管环境，应结合专业会计、法律及审计意见判断。

Insight Bridge 与管理层共同连接财务报告、内部控制、系统、数据与财务转型。我们的工作重点是明确问题与风险、形成可执行方案，并帮助管理层建立能够持续运行的流程。

重要提示： 本文仅供一般信息参考，不构成会计、法律、税务、投资、审计或其他专业意见。具体分析应基于特定事实与情况。

如果您的企业正在处理相关财务报告、内控、系统、数据分析或转型挑战，欢迎与我们沟通。