AI正在深刻改变财务工作的本质，这种改变不是简单的效率提升，而是工作模式、组织形态、价值创造方式的全方位重构。

撰稿小豹，全文5300字，欢迎点击文首订阅豹速科技财经。

AI很火，但真正能让它“干活”的企业却不多。

这听起来可能有些讽刺，在人工智能技术飞速发展的今天，企业界对AI的实际应用效果却并不理想。

麻省理工学院最新报告显示，尽管全球企业在AI项目上砸了数百亿美元，但95%的企业基本是白忙活一场——没见到什么实际的业务回报。

这个数字令人震惊，也让人不禁思考：问题到底出在哪里？

钱花了，技术也上了，但效果就是不明显。特别是在财务这种讲究“一分一厘都要清清楚楚”的领域，AI到底能不能真正落地？这个问题困扰着许多企业的管理者和财务负责人。

展开剩余92%

最近，合思和德勤联手发布了一份名为《财务管理新纪元：世界一流企业的智能费控卓越之道》的白皮书，提出了一个“无需报销分级标准”解决方案，试图破解这个行业难题。

这个方案到底靠不靠谱？它能否真正解决AI在财务领域落地的难题？

1

AI在财务场景落地

为什么这么难？

理想很丰满，现实却很骨感。

尽管AI技术发展迅猛，但在财务领域的实际应用却远没有想象中顺利。

这个现象背后，隐藏着深层次的结构性难题。

首先，AI有点“健忘”。现在的生成式AI系统大多缺乏持续学习能力，无法从每次操作中积累经验并改进自己。这就好比一个新员工，每次遇到问题都要从头学起，永远不会变得“更聪明”。

财务工作的特殊性加剧了这一问题的严重性。财务流程中充满了各种例外情况、特殊规则和经常变化的政策。

比如，企业在不同发展阶段会有不同的费用管控要求，并购重组会带来制度整合的挑战，行业监管政策也在持续更新。

一个不会“长记性”的AI系统，很难跟上这种复杂多变的实际需求。

更具体地说，这个问题体现在三个层面：第一，AI无法理解业务场景的细微差别；第二，系统难以适应企业特有的审批流程；第三，当出现新的业务场景时，AI往往表现得无所适从。

其次，很多企业是在“旧瓶装新酒”。这是目前AI落地过程中最普遍的问题。企业习惯于将AI技术生硬地植入现有流程，而不是围绕AI的特性重新设计工作方式。

举个例子，有些企业简单地将AI用于辅助人工审核，表面上实现了“智能化”，但实际上只是将传统流程电子化。

这种做法就像给马车装上发动机，却仍然让它在马路上跑，无法发挥发动机的真正效能。

这种做法的后果是，AI只能做些边角料的工作，核心痛点一个没解决。财务人员仍然要花费大量时间处理基础性工作，企业的管理效率并没有实质性提升。

更深层次的问题是，这种“打补丁”式的改造，往往还会带来新的系统复杂性和兼容性问题。

第三，AI项目往往“虎头蛇尾”。很多企业把AI实施当作一次性项目，上线后就觉得大功告成。但这种思路与财务工作的本质要求相悖。

财务工作需要的是持续稳定的支持，而不是一次性的技术展示。现实中，很多企业在系统上线后缺乏持续的优化机制，导致系统功能与实际业务需求逐渐脱节。

这就像买了一把好刀却从不磨刀，时间一长就变钝了。

这个问题背后反映的是企业缺乏AI运营思维。AI系统需要持续的数据喂养、算法优化和场景拓展，这些都需要专门的团队和流程来保障。否则再先进的系统，也会随着业务发展而逐渐落伍。

埃森哲的报告给了个关键数据：通过专业服务商落地AI的成功率约67%，而企业自研的成功率只有前者的三分之一。这个数据很能说明问题——专业的事还是得交给专业的人。

2

破解之道：

L5级无需报销与四步破局法

面对这些棘手难题，合思创始人马春荃提出了“四步破局法”。

这个方法的特点是很接地气，不是高高在上的理论，而是可落地的实践指南。

第一，让AI干它擅长的事。

这个原则听起来简单，但在实践中却经常被忽视。马春荃打了个生动的比方：你给AI看一张六根手指的手的图片，它大概率会说是五根手指。这不是AI笨，而是它在这方面本来就不擅长。

这个例子说明了一个重要观点：我们要接受AI的能力边界。就像不会因为计算器不能写文章就否定它的价值一样，我们也不能因为AI在某些方面的不足就否定它的整体价值。

在实践中，这个原则意味着企业需要明确划分AI和人工的职责边界。比如，在费用报销场景中，AI擅长处理规则明确、重复性高的工作，如发票信息提取、基础规则校验等；而人工则专注于需要复杂判断的异常情况处理。

第二，从最痛的点入手。

合思通过大量实践，总结出了一套场景选择方法论。他们将财务工作按照两个维度进行划分：AI替代的难易程度和工作量大小。

分析发现，像财务预测、预算编制这些需要复杂判断的工作，AI目前还难以完全替代；而报销审批、发票管理、差旅管理等重复性高、规则相对明确的工作，AI已经可以做得很好。

从工作量角度看，税务申报、费用报销等场景业务量大，是引入AI的理想切入点。

这个选择逻辑很务实：先找那些AI能做、工作量又大的场景下手，这样投入产出比最高，也最容易看到效果。这种思路可以帮助企业避免“贪大求全”的陷阱，通过小步快跑的方式逐步推进AI落地。

第三，系统要能“自我进化”。

这是合思方案中很有创新性的部分。传统的AI系统往往是“一次性”的，上线时什么样，之后基本就固定了。但合思提出的Agent平台概念，强调系统的持续学习能力。

这个平台要实现的是“感知-决策-执行-反馈-优化”的完整闭环。具体来说，系统要能感知业务环境的变化，基于算法做出决策，执行相应操作，收集反馈信息，并利用这些反馈不断优化自身性能。

马春荃举了个例子：在实际业务中，企业经常会调整审批规则、新增审批流程或单据类型。传统的系统需要人工重新配置，而合思的Agent平台可以自动适应这些变化，甚至能够主动发现优化机会。

第四，组织要跟上。技术再先进，如果组织不适应，也很难发挥价值。合思提出需要三类关键角色的配合：

首先是定战略的决策者，通常是CFO等高层管理者。他们需要判断AI应用的战略价值，合理分配资源，并管控相关风险。

其次是懂业务的“翻译官”，这些通常是财务领域的业务专家。他们的任务是把业务需求“翻译”成AI能理解的算法逻辑。这个角色非常关键，因为AI不理解模糊的业务语言，需要精确的指令。

最后是一线使用的“协作者”，也就是实际的系统使用者。他们需要与AI系统形成良性互动，既信任AI的输出，又能识别其中的问题。

而合思最重头的创新是“无需报销分级标准”。这个标准将企业费控能力分成L1到L5五个等级，试图为企业提供清晰的进阶路径。

• L1级所有报销流程都通过人工来完成；

• L2级所有报销流程仍然以人工为主，但部分环节引入电子化系统来辅助作业；

• L3级人工操作进一步降低，嵌入式集成消费供应商让部分链路实现了无需报销；

• L4级属于中级无需报销，极少数场景下仍然需要人工介入，全链路实现无需报销；

• L5级属于高级无需报销，人工完全退出报销操作，全场景、全链路实现智能化无需报销。

最高阶的L5级，实现了从“业务追着流程走”到“流程追着业务跑”的转变。这种转变的背后，是AI技术对传统工作模式的根本性重构。

3

实战检验：

到底能不能帮企业省钱？

说一千道一万，关键要看效果。

合思的方案在实际应用中表现如何？

从量化数据来看，合思的解决方案交出的成绩单显示：采用L4级解决方案的企业，平均能节省35%的成本，员工报销时间减少75%，财务入账时间减少90%。

更深入来看，这种效率提升来自多个方面：首先是自动化处理减少了人工干预时间；其次是智能校验降低了差错率和后续整改成本；最后是数据标准化为后续分析优化奠定了基础。

云海肴的实践很有说服力。作为连锁餐饮企业，云海肴面临着巨大的费用管理压力。据其CFO韩格盈介绍，在使用合思系统之前，情况相当棘手：

财务部门有37.5%的人力都投入在费用审批上，每个审批人员要负责30-40家门店的费用审核。更复杂的是，每个费用科目都有20多个审核点，人工审核既耗时又容易出错。

“不同的审核人员对规则的理解可能有差异，导致审批标准不统一。”韩格盈表示，“这不仅影响效率，也带来合规风险。”

引入合思的AI审批系统后，情况发生了显著变化。最直接的改善体现在两个方面：一是从源头提升了提单质量，员工在AI系统的实时引导下，就能完成规范的报销申请；二是实现了部分单据的全流程自动化审批。

“AI审批的价值在于让财务审核重点从‘大而全’转向‘关键点’。”韩格盈这样评价。这意味着财务人员可以从繁琐的基础审核中解放出来，专注于更有价值的风险管控和业务支持工作。

海亮教育的案例展示了更深层次的应用价值。除了基础的效率提升，他们还通过数据挖掘发现了显著的优化空间。

海亮教育财务管理中心副总监陈冠宇分享了一个具体例子：通过分析合思商城的机票消费数据，他们发现提前3-5天预订机票可以获得最优折扣。基于这个洞察，他们协调业务部门优化差旅计划，预计一年能节省40万元差旅费用。

另一个有趣的发现来自税务数据分析。在进行汇算清缴预申报时，他们注意到业务招待费的纳税调整金额异常偏高。深入分析后发现，原因是员工在报销时选错了费用类型。通过优化报销指引和系统校验规则，他们成功避免了不必要的税收成本。

“这些发现让我们意识到，财务数据不仅是记账的依据，更是业务优化的宝贵资源。”陈冠宇表示。

马春荃在与媒体交流时说，合思愿意与客户共创，以实际效果收费，从客户使用后节省下来的成本中拿走一部分作为自己的利润。这也表明了他对实际效果的信心。

除了直接的成本节约，合思方案还带来了更深层次的改变——组织效能的重构。

在马春荃看来，AI正在改变传统的工作分工模式。“过去财务部门分工很细，有人专门审发票，有人专门审申请单，大家都像流水线上的螺丝钉。”而现在，AI可以处理大部分标准化工作，财务人员则转型为“决策者”，专注于异常处理和规则优化。

这种转变的意义不仅在于效率提升，更重要的是让财务人员回归专业本质。财务人员可以从繁琐的事务性工作中解放出来，更好地发挥专业判断和价值创造能力。

4

未来展望：

从“工具”到“智能助手”的蜕变

随着技术持续成熟，智能费控正在经历深刻的范式转变。

未来的系统将不再是被动执行的工具，而是会进化成主动赋能的“智能助手”。

最明显的变化是系统定位的升级。传统的费控系统本质上是流程自动化工具，核心价值是提升效率。而未来的系统将向“决策平台”演进，核心竞争力将转向业务洞察和预测能力。

德勤亚太审计与鉴证数字化赋能和AI主管合伙人金科指出，智能费控正在经历“流程型工具”向“决策型平台”的转变。未来的系统需要具备横向连接业务、纵向驱动分析的能力，成为财务和业务协同的桥梁。

这种转变意味着系统价值的重新定义。好的智能费控系统不仅要会“做事”，更要会“思考”。它要能够从海量数据中发现规律，为管理决策提供支持。

技术融合成为主流趋势。单一技术很难满足复杂场景的需求，AI大模型、大数据、云计算、区块链等技术的深度融合将成为必然选择。

每种技术都扮演着重要角色：AI大模型提供认知和推理能力，使系统能够理解复杂业务意图；大数据技术实现海量交易数据的实时处理分析；云计算保障系统的弹性扩展能力；区块链技术则为数据真实性和不可篡改性提供保障。

这种技术组合不是简单的功能叠加，而是深度的能力融合。比如，通过AI与大数据的结合，系统可以实现更精准的异常检测；通过区块链与AI的结合，可以构建更可信的智能合约体系。

人机协作模式正在重新定义。马春荃有个精辟的论述：“AI能够完成80%的工作，不是100件事情里面80件它来完成，是100件事情里面每件事情都完成80%。”

这种“二八分”模式与传统的工作分工有本质区别。它不是简单的工作分配，而是深度的能力互补。在这种模式下，人类和AI各自发挥优势，形成“1+1>2”的协同效应。

具体到财务场景，这种协作模式意味着：AI负责处理规则明确、重复性高的工作，如数据收集、基础校验等；人类则专注于需要复杂判断、创造性思维的工作，如规则制定、异常处理等。

AI平民化趋势正变得日益明显。未来的系统将极大降低使用门槛，业务人员用自然语言就能与系统交互，不需要懂技术细节。

马春荃在采访中表示：“我们不需要那么多的技术专家，需要的是懂业务的人。”这个判断基于一个重要观察：随着AI技术的发展，技术复杂性正在被封装起来，业务价值更加凸显。

这意味着财务人员的技能需求也在发生变化。传统的技术操作技能重要性下降，而业务理解能力、数据分析能力、决策判断能力的重要性不断提升。

5

结语

AI正在深刻改变财务工作的本质。这种改变不是简单的效率提升，而是工作模式、组织形态、价值创造方式的全方位重构。

当AI接手了基础的“脏活累活”，财务人员就能从繁琐的事务性工作中解放出来，真正发挥专业价值，转型为业务的“战略伙伴”。

当然了，所有的尝试也都不会一蹴而就，新技术的落地应用，同样需要一个与具体场景相互适应、逐步优化的磨合过程，这中间难免有走弯路和踩坑。

而合思和德勤的这次尝试，至少为行业提供了一个参考。其价值不仅在于具体的技术方案，还在于展示了一种务实推进AI落地的思路和方法论——这种从小处着手、快速迭代、持续优化的方式，或许是破解AI落地难题的一个有效路径。

发布于：河南省