财务部门上 AI,先别买更多席位

一句话总结：财务部门引入 AI，第一步不是统计买了多少席位，而是从一个重要决策出发，把数据、解释、审批和结果重新接起来。

AI 真正改变财务工作的地方，是让判断更早发生，而不是让报表更快出炉。

很多公司给财务部门上 AI，第一反应是开通账号、统计使用量、比较模型价格。

这些动作都不算错，但它们很容易把问题带偏：财务部门真正要解决的，不是“大家有没有用 AI”，而是管理层能不能更早看见变化，更快判断下一步怎么做。

OpenAI CFO Sarah Friar 分享的一个重要判断是，AI-native finance function 的目标，不只是更快关账或更频繁地更新预测，而是把财务变成一个更实时的决策系统。

这件事值得从 OpenAI 的品牌叙事里抽出来单独看，因为它对任何企业都成立。

先从一个重要决策倒推工作流

一份预测报告看起来像一个文件，背后却可能串着很多动作：从不同系统找数据、核对口径、解释差异、整理图表、准备会议材料，再把信息交到真正做决策的人手里。

如果只在其中一个环节加一个聊天机器人，财务人员仍然要花大量时间拼接上下文。

更有效的做法，是先选一个有后果的决策，再把整个链路画出来：

AI 不是把某个岗位的一个动作替换掉，而是让一条决策链少一些等待和重复搬运。

文章提到两个目标：零日关账和持续更新的预测。原文明确说，这两个目标仍在建设中，并非已经完成的结果。

这个限定很重要。

零日关账并不是要求财务人员在月底凭空把工作全部做完，而是让批准过的支出计划、总账实际数、采购订单、应计项目和交易明细持续保持可核对的关系。

当差异出现时，系统可以先准备解释，财务人员再检查数字、补充判断并完成签字。

这样，财务团队不必等到周期结束后，才开始重建“公司到底发生了什么”。

自动化的目标不是取消复核，而是把复核从材料搜集里解放出来。

AI 带来的另一个变化，是懂业务的人开始自己搭建工作工具。

文章举了一个例子：一位支持广告业务的财务同事此前没有编程经验，使用 Codex 做了一个工具，把月度广告预测转换成按周、按日的计划，并让每个数字都能回到批准过的模型。

这个例子最值得借鉴的地方，不是某个产品名称，而是工具的主人仍然是最懂业务的人。

过去，财务人员往往只能在 Excel 里调整模型，再把结果整理成 PowerPoint。现在，他们可以把自己的专业判断嵌进一个会更新、能追问、可以和同事共同使用的工具里。

但“人人都能做工具”也意味着新的责任：工具中的口径、权限、异常处理和版本变化，都必须能被别人理解和接管。

财务数据通常涉及预算、投资者沟通、采购、税务和经营判断。AI 可以加速搜集、整理和初步解释，但不能让责任随着自动化一起消失。

一个稳妥的分工是：

对应到系统里，需要提前规定：AI 可以访问什么数据，可以执行什么动作，什么情况下必须审批，哪些异常要升级处理。

每一份输出都应该能回到可靠来源，每一次批准过的基线变化都要留下理由。

权限和审计不是上线后的补丁，而是财务 AI 能否被信任的前提。

“用了多少次”“消耗了多少 token”“开了多少账号”，都很容易统计，却不一定代表业务价值。

更有意义的指标，应该贴近真正完成的工作：

甚至模型价格最低，也不一定代表总成本最低。如果更强的模型能减少反复尝试和人工复核，它可能反而更经济。

财务部门最适合带头做这件事，因为它本来就擅长把“感觉更好”变成可比较的经营指标。

如果要启动一项财务 AI 项目，可以按这个顺序做：

等一个闭环真正跑起来，再决定哪些能力值得扩大。

AI-native 的财务部门，不是拥有更多工具的部门，而是能更早看见变化、解释变化，并在结果仍可改变时做出判断的部门。

参考资料：Sarah Friar，《What building an AI-native finance function taught me》：https://openai.com/index/building-an-ai-native-finance-function^[1]

[1]https://openai.com/index/building-an-ai-native-finance-function