如果說ChatGPT掀起的AI浪潮從消費端向產業端滲透時，ToB領域各個行業與業務單元都步入到了變革的周期，企業財務領域也位列其中。但仔細回顧可以發現，早期財務領域并未實現大規模企業應用，直到最近一年隨著成本下降，財務領域的AI應用才真正開始落地。過去依賴人工填報、審核、對賬的費控報銷流程，正在被AI重新定義。

但另一方面，財務領域作為以 “嚴謹性”“確定性” 為核心訴求的賽道，目前大模型也好，智能體也罷，不可避免的“幻覺”和可解釋性的問題，也是阻礙AI+財務的一大掣肘。近日，全球四大會計師事務所之一的德勤用AI生成的報告被曝引用虛構文獻備受關注。

機遇和挑戰并存，或許正代表AI在財務領域的應用走深，處于真正“智能決策”的前夜。

成本下降，帶來需求涌現

其實財務真正擁抱AI，并開始從“流程自動化”走向“智能決策”也僅僅才開始不到一年的時間。如果要找到一個開始的時間節點的話，可以追溯到年初DeepSeek問世之時。

在合思創始人兼 CEO 馬春荃告訴筆者，在DeepSeek問世之前，合思就嘗試了利用AI大模型的能力去打造新的財務體系，實現從IT到AI替的過程。但彼時，因為整體模型成本、算力成本很高，使用AI技術賦能財務流程的費用，要遠高于人工成本，而這也是絕大多數行業在DeepSeek之前，對生成式AI“望而卻步”的重要原因之一。

以AI識別報銷小票為例，粗略估算一下，使用人工審核小票的“工資”成本大概在1~2元錢，但使用AI大模型審核的成本將達到9~10元錢，“生成式AI在財務流程中的應用是為了降本增效的，但如果因為用了AI的能力而讓企業花費了更大的成本，那還不如使用最傳統的辦法。”馬春荃曾在與筆者的交流中表示。

當DeepSeek問世之后，將原本使用AI審核一張小票的費用從9~10塊錢，降低到了6~7毛錢，“大幅降低的費用，遠超過了使用人工審核的性價比，讓AI小票識別真正得以落地。”馬春荃指出。

“DeepSeek讓企業能以更低的成本，獲取更高性能的AI能力，同時企業還能在合法合規的情況下使用，這為AI+財務的實現，提供了很大的支持。”馬春荃總結道。

財務多場景已落地AI應用

過去的智能費控聚焦兩大核心：流程整合與資源整合。流程層面，需打通 “申請-交易-訂單-報銷-對賬-歸檔” 的全信息鏈條，每個環節依賴人工校驗與字段匹配；資源層面，需聚合各類供應商，形成“信息化流程管道+電商管道”的丁字形架構——信息化負責業務流轉，電商負責供應商對接，但兩者始終處于相對獨立的維度。

“那時的自動化更像是‘機械重復’，比如財務要分不同角色審費用、審申請單、審票據，就像紡織廠的女工只會按按鈕，每個人都是流水線上的螺絲釘。” 馬春荃以工業時代的分工為例，點出前AI時代費控的局限——“人被異化成工具，只能處理單一環節的標準化工作，無法形成完整的決策閉環。”

當新一輪AI問世之后，已經有不少財務場景中被AI實現了賦能，票據審核，員工在出差的期間，卻產生了在本地的打車費用，這些小票的審核過去AI是識別不出來的，只能依靠人工進行審核。但現在可以通過AI大模型識別出這些小票，并完成審核。

不僅于此，在各行業企業都在積極布局海外業務的當下，AI大模型的出現，也幫助企業在出海財務方面進行了賦能，以阿拉伯語為例，中東地區作為我國企業出海的重點區域之一，阿拉伯語的小票識別如何識別成為了財務人員的“噩夢”，“雇傭一個會阿拉伯的財務人員，可能一年也用不到幾次，但是對于企業來說，這樣的人才可遇不可求，也會加大企業開支，”馬春荃進一步指出，“但是使用AI之后，為企業節省了很多費用，也提升了識別的準確率，并可以實現風險標注，讓財務人員一目了然。”

據馬春荃介紹，目前已經支持包括阿拉伯語等小語種在內，全語言的小票識別。

如果將企業財務費控能力分為L1-L5五個階段，每個階段又針對申請、消費、報銷、對賬、記賬、歸檔、報表七個維度區分自動化水平的話。據市場調研顯示，國內費控廠商基本處于L3-L4階段，而L4向L5邁進很重要的一步就是AI能力的“植入”。

總體來看，AI對財務主要從三個方面進行了賦能。首先是意圖識別。在識別方面，AI幫助財務實現了從“人工填表”到“自然交互” 的跨越。

原先，用戶需在固定表格中填寫報銷信息，系統依賴字段接口集成數據；AI時代，“意圖識別” 讓交互方式發生質變。“你不需要把菜單變成表格，給我一張餐飲小票圖片，AI就知道你有沒有吃海鮮、鮑魚；給一段‘明天緊急去上海見客戶’的文字，AI能判斷出差的緊迫性。” 馬春荃解釋，這種能力打破了“人適應系統”的傳統邏輯，轉向“系統適應人”的新范式。

在意圖識別的基礎上，AI在財務領域進一步“進化”，實現了動態決策賦能。對此，馬春荃指出，意圖識別之后，AI可實現更精細化的決策權衡。以差旅交通工具選擇為例，AI時代之前，只能按 “江浙滬”“華北平原” 等區域簡化規則，忽略了區域內的場景差異——比如華北平原的北京、天津路網密度極高，與其他城市的出行需求截然不同。而AI能基于“路網密度”“出行緊迫性”“成本預算” 等多維度數據，動態生成最優方案，而非機械套用區域規則。

而在馬春荃看來，僅僅實現動態決策的能力還不是AI在財務領域應用的“天花板”，“AI在財務領域最終會實現從‘崗位分工’到‘人機協同’的分工重構。”馬春荃進一步指出，“AI不是輔助人，而是重構人的工作流程與分工。”

這種變化也是財務領域實現L5級標準過程中最核心的進階。原先，財務崗位分工細化到“審費用”“審申請單”“審票據”，每個人都是單一技能的螺絲釘；

而當到了AI時代，這些重復性工作被AI接管，人從“操作者”轉變為“決策者”——只需查看AI生成的“紅綠燈”結果：綠燈自動放行，紅燈、黃燈則需介入核查細節。

“就像高速公路收費員這個工種的消失，AI會淘汰單一技能崗位，但會催生新角色。”馬春荃透露，部分企業的財務共享中心已出現 “財務產品經理”這一新崗位“他們不再執行流程，而是定義財務價值，比如設計‘如何通過AI優化費用管控策略’，這是用腦子而非用手的新分工。”馬春荃介紹道。

與此同時，企業在組織進化中，很可能會存在一個關鍵認知誤區——“依賴AI專家推動變革”。在馬春荃看來，AI時代不需要全員成為技術專家，但需要全員具備AI協同能力。懂業務比懂AI更重要，因為AI能幫你干技術活，你只要告訴它“要什么結果”，并判斷結果對錯即可。

馬春荃講了一個實際發生的案例：“我們有個員工，原來做客服，一句代碼不會寫，但懂業務。他離職后做集成外包商，用不到一個月開發了基于合思產品的單點登錄系統，半個月后實現‘接口調整時用自然語言就能重新集成’——過去改接口要打開代碼庫重新定義字段，現在他用人類語言就能讓系統適配。”

幻覺是最大挑戰

從目前應用上，雖然AI在財務領域已經有著深入的應用場景出現，但距離真正意義上的L5級別的智能財務還有很長的路要走。這個過程中，幻覺是企業面臨的最大挑戰。

眾所周知，幻覺問題是目前困擾企業應用AI的關鍵問題之一。財務領域對 “準確性” 的要求遠高于其他行業——生成圖片出錯可接受，報銷數據差1塊錢可能引發合規風險。

在馬春荃看來，目前AI幻覺主要來自三個方面，首先是數據不及時—信息滯后導致的“胡編”。“比如，此前ChatGPT用的是2022年前的數據，你問它2023年的事，它就會瞎編。但你只要在提示詞里加一句‘不知道就別胡編’，它就會說‘不清楚’，這比人類誠實。”馬春荃舉例指出，財務數據具有 “實時性要求”，解決這一問題的核心是 “確保訓練數據與業務數據的時效性”，比如將企業實時報銷數據接入AI模型，而非依賴靜態預訓練數據。

其次，互聯網上充斥著“不真實”的數據，也是AI產生幻覺的主要因素之一，對此，馬春荃表示，“現在很多大模型都能聯網，但網絡信息有真有假。如果騙子掛一個假的‘企業報銷標準’網站，AI可能會把假信息當成真的用。”

針對此，馬春荃指出，預訓練階段的信息多來自 “權威來源”（如教材、官方文檔），但聯網獲取的信息缺乏篩選機制。財務領域的解決方案是 “構建可信知識庫”—— 只讓AI接入企業內部審批規則、稅務政策等權威數據，而非開放互聯網。

解決了上述兩個問題，可以大幅降低AI產生幻覺的概率。不過除此之外，AI還會因為數據分布不均衡導致“小概率偏差”。“給AI一張六指的圖片，它會說‘5個手指’，不是它騙你，是六指在人類中的分布太少，預訓練時沒見過。” 馬春荃舉了一個實測案例：用豆包識別 “大拇指、食指、中指、無名指、小拇指之外的第六根手指”，AI會煞有介事地說 “這是拇指”，本質是“小概率事件未被訓練覆蓋”。

針對財務領域的小概率偏差，合思的解決路徑是“badcase迭代”：“把‘員工同一天在上海打車、北京喝咖啡’這類異常報銷案例收集起來，標注后喂給AI，下次它就能識別這種時空矛盾。” 馬春荃強調，財務場景的小概率事件雖少，但影響重大，“比如‘公司名稱與制裁名單同名’的情況，AI第一次處理會卡住，但人類接手后，把‘需聯動大使館核查’的規則教給AI，下次就能自動處理。”

除此之外，AI在財務領域落地過程中還面臨兩大核心阻力——認知慣性與組織重構的權力障礙。

在認知方面，馬春荃表示，“我們把AI識別票據、自動審批的 demo給客戶看，他們會說‘太神奇了，這靠譜嗎？’即使我們用真實數據跑給他們看，證明準確率達96%，還是會有人問‘它為什么能認出來這是餐飲票？’”。

針對此，合思與德勤合作發布了《財務管理新紀元：世界一流企業的智能費控卓越之道》白皮書。馬春荃表示，白皮書的核心目標之一，就是“共同向行業講AI費控的故事”，通過白皮書、案例分享、客戶證言等方式，讓更多企業看到“AI不是玄學，是可落地的生產力工具”。

而組織架構的固化是另一大阻力。“如果企業還是‘每個財務人員守著一個織機’的手工模式，AI再先進也沒用。” 馬春荃曾以紡織業的變革類比：“工業革命時，只有把手工織機換成流水線，才能提升效率。財務領域也一樣，必須重構組織分工，才能讓AI發揮價值。”

組織重構的關鍵在于 “權力支撐”。馬春荃指出，財務共享中心的“總經理制”是有效模式：“讓共享中心成為獨立核算單元，總經理有權力決定‘用多少人審單據’‘怎么用AI降本’。

AI技術正在深入財務領域的每個環節，智能費控的本質也已發生改變，費控不再是 “提升效率的工具”，而是“輔助決策的伙伴”。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）

更多對全球市場、跨國公司和中國經濟的深度分析與獨家洞察，歡迎訪問 Barron's巴倫中文網官方網站