这两年，几乎所有人都在说同一句话："AI技术已经成熟了。"可现实是：技术很热，落地很冷。安永联合复旦MPAcc、CIMA发布的一份调研报告，用1600多位CFO的答案，回答了这个拧巴的问题。答案就写在报告的标题里——《财务的未来：技术为器，人才为本》。

一、先看安永到底说了什么

这份《财务的未来：技术为器，人才为本》（中文版）报告，由复旦大学管理学院MPAcc项目、安永研究院、CIMA英国皇家特许管理会计师公会联合主办，在**"CFO50人论坛"2026年度大会上发布，基于全球1600余位CFO**的调研。

报告的核心结论，一句话：

财务转型的成功，取决于"技术投入"与"人才投入"的双轮驱动——不仅要投资技术，更要投资于那些能把数据洞察，转化为决策、行为和业务成果的关键人才。

安永大中华区审计服务市场联席主管合伙人汤哲辉在采访里说得更直白：

"AI+人，这是一个关键，但是雄心的落地是有差距的。"

"技术为器，人才为本"——这个标题本身，就是对"卡点在哪"的回答。下面，我们把它拆成三张底牌。

二、卡点一：数据——AI的智商，取决于你喂它的数据

60%的CFO，把"数据质量"和"算法偏见"列为AI落地的最大障碍。

注意，排在第一位的不是"模型不够强"，而是数据。

安永在WAIC 2026论坛上还抛出一个刺眼的数字：财务是企业全域数据的汇集中心，但约九成数据长期闲置。

更早的安永《全球企业自动化实施报告》也印证了：超过60%的企业领导，把"数据治理与安全""ERP集成"列为广泛采用AI的核心障碍——优先级比"成本与ROI"高出数倍。

为什么会这样？ 因为AI的能力有一个铁律：垃圾进，垃圾出。 你的发票数据口径不一、你的业财数据对不上、你的历史数据残缺不全——那么AI再聪明，也只会把一个错误的结论，算得更快、更像模像样。

所以第一张底牌是：AI落地的地基，不是算力，是数据。

三、卡点二：人——不是缺工具，是缺三种能力

仅有21%的CFO认为，自己团队的AI就绪度达到了"领先"或"进阶梯队"。

也就是说，近八成财务团队的"人"，还没准备好接住AI。

那要补什么能力？汤哲辉给出了清晰的清单——三项核心能力 + 一个底层底座：

① 深度的业务洞察能力。"财务分析如果脱离具体业务场景，实际价值有限。"只有理解业务逻辑，财务人才能借助AI从账务处理，走到经营决策。

② 数据素养。注意，不是要财务人都去学编程。而是要能：提出准确的数据问题、判断数据质量、理解AI模型的能力边界，进而判断AI输出结果是否可信。

这句话的分量在于——AI时代财务人的核心动作，从"算数"变成了"审AI算的数"。

③ 数据叙事与沟通转化能力。调研显示，仅有27%的业务部门，把财务视为战略价值伙伴。现实中财务不缺分析结论，缺的是把量化数据，翻译成业务和管理层听得懂的战略语言。

④ 底层底座：敏捷学习能力。调研显示，61%的CFO靠阅读、线上渠道自主学习；37%的企业推行"反向导师制"——让懂技术的年轻员工，向管理层普及新知识。

一句话：AI不会让你失业，但"不会用AI、不会判断AI、不会表达"会让你掉队。

四、卡点三：组织——协同、信任与内控

第三个卡点更"隐形"，也更要命——组织本身。

信号一：财务的洞察"传不出去"。仅27%的业务部门把财务当战略伙伴——意味着财务就算用AI分析得再好，也很可能"分析完了，没人听"。

信号二：内部有"抵触"。行业调研显示，29%的企业决策者认为，财务团队对变革的抵触情绪是重要阻碍；25%指出团队士气低落、岗位安全感缺失。AI还没落地，人心先不稳了。

信号三："重风控、轻增长"。这是安永报告里一个很有意思的发现：CFO们认为AI当前能带来的战略性价值并不高——数据分析49%、增长预测45%、动态定价41%；而不足半数认可。相比之下，欺诈检测、合规监控、异常识别等"防御性风控"场景，认可度更高、落地更优先。

为什么"守"比"攻"跑得快？ 因为风控场景容错、可验证、易衡量；而增长、定价这类进攻性场景，一旦AI出错，责任重、说不清。

信号四：治理能力决定规模化上限。安永观察：全球仅约20%—25%的AI项目，能成功从试点扩展到规模化应用，失败主因是"系统整合复杂度、成本低估与治理准备不足"。

组织没准备好，技术再先进，也只能停在PPT里。

五、一个反直觉的结论：安永说，AI不裁人

很多人担心"AI来了，财务要被裁"。安永的调研恰恰给出了相反的判断：

超过80%的企业领导认为，AI对人员编制"无净变化"——AI是"生产力倍增器"，而非"人员替代器"。

但请注意——"不裁人"不等于"不变"。变化的是岗位内容：

• • 从"执行"转向"判断"；
• • 从"记录"转向"协同"；
• • 从"做账的人"，转向"指挥AI做账、并为其结果负责的人"。

所以，真正该问的问题，不是"AI会不会替代我"，而是"我能不能指挥AI"。

六、那到底该怎么破？安永的解法

把上面的三张底牌翻过来，答案就清楚了——卡点在哪，就往哪投入：

1. 数据先行。 在谈"上什么AI"之前，先把数据标准统一、把业财数据打通、把历史数据补齐。别让AI替你在烂数据上"算得更快"。

2. 人才为本。 对照那三项能力（业务洞察、数据素养、数据叙事），缺什么补什么。这不是"财务学技术"，而是"财务学会和AI协作"。

3. 组织跟上。 建立人机协同的机制——AI出结果，人做复核、担责任、留痕迹；把"防风险"和"抓增长"两条线都排上日程，别只做防守。

4. 双轮驱动。 最容易犯的错，是只买技术、不投人才。安永的标题就是在提醒：技术是器，人才是本。 只买器不养本，等于买了车不请司机。

技术早就不缺了。缺的，是能驾驭它的人、能被它信任的数据、和愿意为它让路的组织。

财务AI的下一站，不是更贵的模型，而是——先把自己变成"能指挥AI的人"。

【ima Skill】财务顾问-小T https://ima.qq.com/skill?shareId=4da07024260d4f90bc6128062a1f46e4&from=share