夜雨聆风大家都说财务该全面拥抱生成式 AI，但真相是：它连把数字加对都做不到。
不是唱衰，而是 Corporate Finance 的底线——信任、可追溯、可审计——和「猜最可能答案」的 LLM 天生张力。
专注企业财务 AI 落地的 Nicolas Boucher，在 Alex 的访谈里画了一张财务 AI 全景图：ChatGPT 之前银行保险已在用机器学习；ChatGPT 之后 NLP 让会计、FP&A、审计都能开口问机器；而 Gen AI 真正该干的，往往是替你写 Python，而不是替你报数。
以下保留访谈 Q&A 结构，面向 CFO 与财务从业者。每节一句可转发的金句。
Q1：当我们说「财务里的 AI」，到底指什么范围？
Nicolas： 我谈的不是炒股或个人理财，而是Corporate Finance——CFO 及其团队：会计、控制、FP&A、资金、税务；也包括为其他公司服务的审计、会计外包。
我是财务人出身，再去做 AI 落地与普及。目标很简单：让财务人知道 AI 能干什么、不能干什么，并且今天就能动手试。
财务 AI 的第一张地图，画的是 CFO 办公室——不是交易大厅。
Q2：ChatGPT 之前，哪些领域已经在用 AI？
Nicolas： 若把财务版图摊开，「传统 AI」早就在跑：
✦ 银行与保险——海量交易、反欺诈、预测，靠机器学习与数据科学识别人类看不出的模式。
✦ P2P（采购到付款）——财务参与最深。大企业一年十万级发票，过去人工录入；近 5–10 年 OCR + AI 识别票面、映射科目、自动入账；最近一个月，NLP 用最高概率匹配替代人工「认字+指路」。
✦ ChatGPT 之后——NLP 让人用自然语言问机器、机器用人话答；开源 LLM（ChatGPT、Gemini、Copilot）把能力民主化到所有职能，不只金融服务业。
想分清「传统 ML / OCR / LLM」各自该上在哪条流程？「AI财金星球」里有人按应付、关账、FP&A 拆过同类地图，比单看热搜工具榜省事。
发票识别不是新故事；新故事是「人人能用嘴问 AI」。
Q3：Gen AI 很炫，但财务要绝对可靠——怎么桥接这条沟？
Nicolas： Gen AI 极擅长写文案、做研究、当「项目助理」帮你拆问题——一到财务分析就踩雷。
原因在机制：它输出的是概率上最像对的答案，不是 spreadsheet 式的确定性计算。汇总数字、算 KPI、关账调节——交给它，风险不可接受。
我们的教法是组合拳：
第一步——让 Gen AI 给方法论：多部门费用表怎么分析、用什么 Excel 公式、什么图表最合适。
第二步——要规模化、要自动化，就让 Gen AI 写 Python：读大 Excel、算指标、改文件、出可视化。
坏消息：Python 会变成你的工具箱。好消息：你不必学会编程——ChatGPT 可以写。我本人从未系统学过 Python，每周都在用。
Gen AI 负责想，Python 负责算——这才是财务该用的分工。
Q4：还要学编程吗？Excel 和 Python 是什么关系？
Nicolas： 财务人一辈子都在写代码——只是写在 Excel 里。
「若单元格大于 100 则显示对，否则显示错」——那就是带条件的公式，就是代码。Python、SQL 的语法和逻辑与此高度相似。
你不必背全语法，而要建立两件事：代码能帮你做什么，以及你会问什么问题。很多人不知道 Python 能像 Excel VBA 一样合并 80 个文件——这是「不知道自己不知道」。
若你想从「能问 ChatGPT」走到「能交付可审计脚本」，AI财金星球的实战课会把 Excel→Python 的路径拆成可复用练习，比零散试 prompt 稳。
门槛不是「会不会 Python」，而是「知不知道代码能替你干哪类活」。
Q5：有「立刻省钱」的真实故事吗？
Nicolas： 两个月前，我要处理 80 份会计文件。外包会计报价：一周人工，时薪 100 美元——约 40 小时 × 100 = 4000 美元量级。
我说：等等，我试试。旁边开着 ChatGPT 和 Python：
✦ 30 秒——生成合并 80 文件的代码，第一次就跑通。
✦ 约 50 分钟——和 ChatGPT 迭代：按科目、客户、借贷方向写清洗逻辑，代码 1 秒改完文件。
✦ 上传系统——会计电话那头：「全绿。」一周变一小时量级投入，这才是日常工作的杠杆。
AI 在财务部的 ROI，常常藏在外包报价单上——而不是发布会 PPT 里。
Q6：决策者上 Gen AI，策略上该先想什么？
Nicolas： 价值来自 Gen AI + 你自己的数据。未来是「数据战争」——但开战前，请先教育人。
第一步：培训——教会 prompt、工具边界与风险。上周我给 KPMG 做培训：开场 80% 的人不确定怎么用 Gen AI；第一小时后大家已在便签上写满用例；三小时结束带着可落地场景离开。
第二步：数据与合规——盘点战略数据；开放 LLM 在 99% 场景可不喂机密也能创造价值；若仍担心，可签私有部署（自有环境的 OpenAI 类实例）。
第三步：小用例堆叠——政策问答机器人（报销、投资、休假、入职…财务同样有费用/投资政策）；发票与票据识别（如 Azure Form Recognizer 等）；再往上才是「用自然语言查数出洞察」——需 SQL+NLP+答案一致性校验，复杂但能让 CFO 两秒拿到「某产品线为何亏钱」，而不是团队忙五天做图。
核心顺序：先让人会用 → 再谈数据主权 → 再堆小胜利 → 最后上重查询分析。
需要把「培训 + 路线图 + 小用例清单」做成团队标准动作？企业内训与智能体定制可通过文末名片沟通；个人学习者更适合从系统课程切入。
不会 prompt 的团队，谈不上数据战争——顶多买了一堆 license。
Q7：Nicolas 现在在推什么？财务人可以从哪入门？
Nicolas： 路径分三层：
✦ 录播课 GPT for Finance——入门 Gen AI，按需学习。
✦ 直播课（约每两月一期）——手把手 ChatGPT + Python：财务分析、可视化、自动化（就是上面 80 文件那类打法）。
✦ AI Finance Club——给没时间追资讯的 CFO、兼职 CFO、财务转型负责人：每周独家内容与案例，我们替你做研究。
他和 Alex 的共同目标一致：让 AI 可及、可落地、对业务有用——不是多一个酷炫 demo。
中文语境里，「AI财金星球」与配套课程覆盖同类能力栈：从安全 prompt、Excel 问数到 Python 自动化——适合想先把「一张地图」走通的中文财务团队。
会 AI 的 CFO 正在把不会 AI 的 CFO 甩开两个档次——差距不在模型，在每周是否多解一类具体问题。
📌 加入「AI财金星球」知识社群
想系统掌握 Gen AI + Python 财务分析、安全 prompt、落地路线图，欢迎加入知识星球——与 CFO、FP&A、审计同行一起拆场景、换模板、避坑。
配套AI×财金实战课程覆盖从入门到可审计自动化的检查清单；企业内训与智能体定制见文末名片联系。
今天就可以做的一件事：拿一份非机密 Excel，只给模型看结构，让它写一段合并或清洗的 Python——跑通一次，比看十篇热搜更有用。
— ✦ —
