AI工具越多,我为什么反而不再追了?

2024年初，我还在认真研究Midjourney的提示词。那时候，为了让一张图更接近脑子里的样子，我会一遍遍改关键词、调参数，折腾到半夜也不觉得累。身边的人大概觉得我有点“不务正业”，我自己倒玩得很开心。

可谁能想到，提示词还没学明白，图生图来了；图生图刚用顺手，动态生成又来了。到了2025年，DeepSeek、豆包、即梦、Kimi接连出现，后面还有一长串名字，我甚至来不及记住。

最反差的是：AI工具越来越多，我却越来越不想追了。

不是我对AI失去了兴趣。恰恰相反，是因为真正用它做完几件事以后，我才发现，困住财务人和老板的从来不是“该选哪一个AI”，而是我们还没有想清楚：到底准备让AI替自己完成什么。

财务人面对AI，震撼之外还有一层戒心

如果要形容AI刚出现时给财务人的感受，我想到的就是两个字：震撼。它能快速整理资料、解释概念、生成方案，甚至能回答那些我们反复搜索、始终拿不准的问题。第一次使用时，很容易产生一种错觉：以后很多事情，是不是问它就够了？

但财务人又天然不会完全相信它。我们处理的不是随便一段文字，而是企业的收入、成本、合同、客户和经营底账。你可以把一个普通问题丢给AI，却未必敢把完整账套、真实客户名称和核心经营数据直接交出去。你不知道这些信息会流向哪里，也不知道它会以什么方式被保存。

所以最开始，我们与AI的交流往往很克制：只给一点背景，隐藏关键数据，问一个相对安全的问题，拿到一个“差不多能用”的答案就结束。可输入的信息越残缺，AI越不可能给出真正贴合企业的判断。

这也是为什么，我一直认为数据清洗和信息脱敏会成为财务人的基本功。不是因为AI不值得用，而是因为越想让它深入工作，越要先弄清楚什么可以交给它，什么必须留在企业内部，什么只能在安全环境里处理。信任不能靠想象建立，只能靠边界建立。

我也追过工具，直到“养死两只虾”

我折腾过DeepSeek的本地部署。对一个技术小白来说，这件事并不轻松。以前在大平台工作，有专门的IT部门，环境配置、系统权限、服务器这些问题根本轮不到我操心。后来没有技术团队兜底儿，才发现每迈一步都要自己解决。

因为我长期做财务风控和经营管理，我先学了Coze。照猫画虎搭出第一条工作流时，那种雀跃很真实：原来一个不懂代码的人，也能让几个步骤自动跑起来。后来我又挑战n8n，学得一知半解，“小龙虾”又出现了。折腾一圈，甚至“养死了两只虾”之后，我突然想明白一件事：追风的人，永远追不上风。

今天学会的界面，明天可能改版；今天最热门的模型，过几个月可能就被替代。如果把全部精力用来追最新工具，最后很可能懂了一堆名词，却没有真正完成一件对业务有价值的事。

我真正需要的，不是聊天工具，而是能干活的Agent

想清楚这一点后，我不再问“哪个AI最强”，而是开始列那些长期消耗我时间、又很难交给普通软件完成的任务：大量数据分析、成本建模、模型维护、PPT整理，以及把多年经验转化成可以让别人使用的方法。

以前做模型，我更多依托Power BI。它的优势很明显，数据相对安全，分析能力也强。但协作会受到账号、组织和使用环境的限制，很多工具最终只有我自己能用。模型做出来了，经验却仍然锁在我的电脑里。

过去一个月，我真正关心的也不再是它会多少花活，而是它能不能把我的经验变成别人也能使用的东西。下面这三件事，让我对“AI到底该怎么选”有了完全不同的答案。

第一件事：把7天的成本核算，缩短到1分钟

一家制造企业的成本核算模型，原来是我在Power BI上搭建的。它已经把成本会计大约7天的工作压缩到1天，数据安全性也不错。但它有一个现实问题：使用门槛和协作限制都比较明显，离开特定环境后，别人很难直接上手。

后来，我和Codex把这套逻辑重新做成可协作的HTML工具。这里最关键的不是“AI会写代码”，而是我必须把成本如何归集、异常如何判断、结果怎样展示，一条条说清楚。工具只是把逻辑跑得更快，真正决定模型是否可用的，仍然是业务经验。

最终，原来需要1天的核算流程被压缩到大约1分钟。当然它也不是没有代价：每个人使用都会产生Token消耗，部署和维护同样需要成本。AI不会把成本消灭，只是把成本从人工时间转移到了模型调用和维护上。老板真正要比较的，是哪一种成本更划算。

第二件事：让一张没人耐心看完的Excel，变成愿意做完的测评

我以前用Excel整理过一套“合伙人贡献度与收益匹配度”自查表。里面装了很多真实经验，内容并不差，但问题也很明显：表格太长、解释太多，测评人没有耐心看完。经验虽然在，却没有顺利到达使用者。

工具上线后，排版更简洁，引导也更顺滑。但我很清楚，它并不是做完就可以放在那里不管。测评结果是否有价值，取决于后面的知识库是否持续吸收我的新案例和新判断。AI能把经验包装成产品，却不能替我继续积累经验。

第三件事：企业健康度测评，不再卡在复杂登录上

企业健康度测评最初有一个简版网页，主页、录入页和结果页都有，看起来已经像个完整产品。但登录流程过于复杂，用户还没开始测评，就可能先失去耐心。

这件事再次提醒我：AI项目最重要的不是功能堆得多不多，而是用户能不能顺利走到结果。一个工具如果让人进不去、看不懂、用不完，再先进的模型也只是摆设。

所以，AI到底应该怎么选？

如果你现在也处于AI选择困难，我不建议先去比较几十个模型的排行榜。那些参数当然有价值，但未必能直接解决你的问题。可以先把注意力收回来，问自己几个更朴素的问题。

平时的工作和生活中，有哪些事情重复发生、规则相对固定，却持续消耗你的时间？你亲自完成这项任务时，真正不可替代的判断是什么？哪些步骤可以标准化，哪些节点必须由人复核？最后，你希望交付结果长什么样，怎样才算真的完成？

这几个问题如果答不清楚，换再强的AI，也只会得到一堆看上去正确的答案。反过来，如果任务、经验和验收标准足够清晰，很多工具都能成为入口，不必执着于找到唯一正确的那个。 

我没有急着让AI去替我做记账、发票和常规报表，不是因为这些工作不适合自动化，而是因为那不是我最想沉淀、也不是我最有优势的部分。我的价值在财务风控、经营判断和管理经验。我更希望做的，是把这些年反复验证过的判断封装进多个Agent，让它们帮助更多企业提前发现问题。

所以，不是AI替你想你该想的事。恰恰相反，AI越强，人越要把自己真正擅长什么、想解决什么想明白。

工具会不断更新，模型也一定会继续迭代。今天的“最强”很快会变成明天的普通选项。但一家企业如何判断风险，一个财务人如何理解业务，一个老板如何决定什么钱该花、什么项目该停，这些才是AI拿不走、也最值得被放大的东西。

当你不再追着工具跑，而是让工具围着问题转，选择困难自然就少了。

我是冉冉，一个想摸鱼的CFO。