一、预测越激进，落地越保守
先看两组数字，它们发生在同一年。
一组说"要取代"。普华永道说初级会计和簿记员的替代率 90%，1 到 2 年内发生[1]；麦肯锡说 60% 到 70% 的工时活动可以自动化[2]；高盛不是在预测，是在做——四万六千五百多名员工全员用上 AI 助手[3]；BCG 说到 2028 年，Agentic AI 就是财务的常规操作[4]。
财务同学看完的第一反应比较统一：那我还能干几年。
另一组说"不敢放"。67% 的 CFO 停在试点，只有 33% 真正规模化[5]。MIT 那份报告更直接——95% 的企业生成式 AI 试点没有产生任何可衡量的回报[6]。Gartner 预测到 2027 年底，超过 40% 的 Agentic AI 项目会被取消[7]。
"试点"这个词很温柔。它的另一个名字叫"不敢往下走"。
如果你觉得这只是甲方胆小，那就看看乙方。德勤澳大利亚给政府写的报告，因为 AI 编造引用退款 9.8 万澳元[8]。上个月——2026 年 8 月——检测机构 GPTZero 把四大的公开报告扒了一遍：普华永道那份《治理变革》，正文判定 100% 由 AI 生成，通篇贯穿一个叫"公民脉搏"的概念，这个概念不存在，是编的；17 条参考文献只有 10 条对得上，2 条纯属虚构。毕马威一份报告 45 条参考文献，只有 5 条能对应真实来源[9]。
教我们做审计的人，自己先被 AI 审计了。
而最新的一份调研，把这层窗户纸捅得更透。德勤 2026 年第二季度 CFO Signals，200 位北美大型企业 CFO：96% 表示对本公司的 AI 治理框架有信心——听上去天下太平。往下翻一页：51% 说自己根本没有治理的权限，43% 说看不清公司到底在用哪些 AI 工具，59% 说最大的挑战是"被要求快速部署的同时还要管住风险"[10]。
96% 有信心，51% 没权限。这就像一个人说自己会游泳，但从来没下过水。
所以这一节只有一句话：预测高度一致，落地高度谨慎。不是不想用，是不敢用。
二、财务工作的三个特征
问题出在哪？
我的结论是：不是 AI 不够聪明，是财务这个工种天生反通用。三条，一条比一条要命。
第一，大量判断卡在"规则"和"理解"中间。 合同写"上海汇联易信息技术有限公司"，发票开"汇联易（上海）"——算不算同一家？"商务宴请"和"员工聚餐"，金额可能一模一样，性质完全不同。纯规则引擎处理不了理解层，纯大模型处理不了刚性合规，单独上岗都不合格。
第二，高投入低回报。 财务同学大约 80% 的时间花在跨系统取数和信息搬运上，剩下的时间在处理由此产生的差错。一个考了 CPA 的人，每天在做复制粘贴——这不叫浪费，这叫把一把手术刀拿去削苹果。
第三，最要命的一条：可辩护性。 财务的本质是受托责任，我们替股东、替监管、替公众管钱。所以 Agent 给出的不是"建议"，是"决策依据"。审计师问你这笔为什么合规，你回答"我感觉是"，这场对话就结束了。
三条叠在一起，结论很清楚：财务 Agent 不是通用 Agent 换一套提示词就能胜任的。
通用 Agent 进到财务场景，会以三种方式失效。结论不一致——同一张单据，今天过、明天不过；依据不可控——把互联网上查来的东西和企业内部规定混为一谈，严重的时候直接编出一条不存在的制度；过程不可查——你问它为什么，它给你一个"我觉得"。
这三个失效反过来，就是三道门槛：可信、可控、可审计。
后面所有内容，都挂在这三个词上。
三、可信：算得对，不等于信得过
可信在财务里有个非常具体的定义：结论一致 ＝ 可复现。
同样的费用，张三过了、李四被驳，员工不服；同样的规则，本月合规、下月不合规，审计不认。财务最怕的不是严，是看心情。
可大模型天生是概率模型，你没法要求一个概率模型给你确定性。
有个数字我印象很深。FAITH 这份专门测财务幻觉的研究，最强的模型在财务表格上的准确率也只有 95.6%[11]。听起来很高，换算一下：每 20 次错 1 次。放在营销文案上没问题，放在账上——这是一根扎进轮胎的钉子，车还能开，但你不知道它哪天在高速上瘪掉。
所以只能用工程架构去约束它。四层：OCR 层负责读得准；LLM 层负责读得懂，"商务宴请"还是"员工聚餐"这种灰色地带交给它；规则引擎层负责管得严，酒店水单、网约车行程、招待餐费人均，刚性规则 100% 一致执行；最后结果输出，全程闭环。
这里最关键的一条设计：最终决策权在规则引擎，不在大模型。
打个比方，AI 负责读片子、提建议，处方必须由有执照的医生签字。决策权固定了，同一份单据在任何时候都得到同一个结论。
一致性不是模型自己长出来的，是被约束出来的。规模化经验 → 标准审核库 → 稳定一致的审核结果，这是一条工程路径，没有捷径……
四、可控：能联网，不等于能自由联网
可控是两层。
第一层，判断可控。 决策依据必须来自企业的规则、知识库、规范。不能自由发挥，更不能编造一条不存在的制度——四大那个案例，本质就是判断不可控。
第二层，数据可控。 数据必须在企业边界内，不外泄、不越权、不落地。
这里我要放一组今年最扎人的数据。云安全联盟（CSA）与 Token Security 在 2026 年 4 月发布的研究：65% 的组织在过去一年里，至少发生过一起由 AI Agent 引起的安全事件。[12]
拆开看：61% 涉及敏感数据暴露，43% 造成业务中断，41% 是"Agent 做了没让它做的事"，35% 直接产生了财务损失。
再往下三条更冷：63% 的组织无法对 Agent 施加用途限制；60% 无法叫停一个已经跑偏的 Agent；67% 拿不出"证据级别"的审计轨迹。
IBM 那份报告补了最后一刀：发生 AI 相关数据泄露的组织，97% 缺少基本的 AI 访问控制[13]。
请注意这几个数字之间的关系——不是 Agent 太笨出了事，是 Agent 太能干，而我们没给它装刹车。
监管已经在往这个方向压。今年 3 月 5 日，中注协发布年报审计业务指引，明确要求会计师事务所不得将涉密信息输入或上传至公共的人工智能平台，必须确保技术环境、数据流转和访问权限处于安全和严格受控的状态；同时写死了一句——使用 AI 工具不能替代注册会计师的专业判断，不减轻其对审计意见承担的责任。[14]
欧盟那边，《数字综合法案》（Regulation EU 2026/1744）把附件三高风险系统的义务从今年 8 月推迟到了 2027 年 12 月 2 日，不少人松了口气。但第 50 条的透明度义务没有推迟，2026 年 8 月 2 日照常生效；禁止性条款的罚则依然是最高 3500 万欧元或全球营业额的 7%[15]。
推迟的是期限，不是方向。
所以数据可控要分三道防线：事前授权与发布审批、默认隔离外网；事中沙盒隔离、权限继承、水印防截屏、额度熔断；事后复盘成本与违规、识别越权调用。还有一条原则贯穿始终——人始终在流程当中，关键操作保留人工确认。
给一个我最喜欢的例子。一笔业务招待费，水单加支付清单人均 380。公司标准不超过 400，合规，通过。
但 Agent 多做了一步：它查了公开平台上这家商户的参考人均，大约 150。
于是结论变成：金额在公司标准内，但相当于公开参考价的 2.5 倍。Agent 不替你下结论，它只输出事实、差异和证据来源，建议人工复核。判断权还在人手里，但人不再是瞎判断。
前提是：Agent 可以联网，但不能自由联网。 谁能调用、调用什么、何时调用、如何复现——四件事全程可控。
五、可审计：给得出结论，不等于给得出依据
第三个词最不性感，但最要命。
财务所有的工作，最后都要面对同一场对话：审计师坐在对面问你"你凭什么"。
一个没有证据链的结论，就像一张没有落款的收据——你拿在手里，它什么都不是。
所以每一步都必须留痕、可查，拆成四个环节：
-
SOP 索引。 输出不能是"不合规"三个字，必须是"违反《差旅费管理办法》v3.2 第 12 条"。
-
证据截图。 自动标注异常数值，实际 680 一晚、标准 500 一晚，有图有真相。
-
逻辑比对。 不是"超了"，是"超了 180，超标 36%"。
-
操作留痕。 每次 API 调用、模型输入输出、决策理由，日志保存三年以上且不可篡改。
审计要的从来不是结论，是证据、规则和计算过程。把这三样摆出来让他自己判断，这场对话就好谈了。
有句话我很喜欢：审计师不需要信任 AI，他只需要验证证据。
这也解释了为什么前面那个 67% 会那么刺眼——三分之二的组织拿不出证据级别的审计轨迹，意味着他们的 AI 就算全都算对了，也过不了这场对话。
顺便说一个我们自己的实测口径，也是我认为最容易被行业混淆的一个概念。我们看的是"通过准确率"，不是"整单准确率"。因为只有 AI 判定"通过"的单子才会被自动放行；放行错了，钱就出去了。误拦的代价是多一次人工复核，误放的代价是一笔钱出去——两类错误的成本根本不对等，指标必须拆开看。
样本可以完整还原：2025 年 3 月 25 日到 4 月 25 日，AI 审核通过 8072 单，事后财务纠错 3 单，通过准确率 99.96%；AI 判定不通过 1485 单，纠错 90 单。覆盖 28 类费用。错的那 3 单在哪？在人工复核的兜底里[16]。
这就是为什么我们敢让它无人值守。
六、三条基本素质，缺一个都不能上生产
这三个词不是三选一，是三个圈必须同时盖到。一个一个拿掉试试：
拿掉可信。 管得住也查得到，但同一张单据今天通过、明天不通过——结论都不可信，其余都无从谈起。
拿掉可控。 算得对也有记录，但可能用了不该用的数据、越权取了数——你管不住它。
拿掉可审计。 算得对也不乱跑，但审计师问"你怎么证明"，你答不上来。
只有三个圈都盖到的那一小块，才叫可以进生产环境。算得对、管得住、查得到，一个都不能少。
今年 6 月，上海国家会计学院评选"影响中国会计行业十大信息技术"，"财务智能体与自主系统"首次入榜就排第四，而"数据安全与隐私保护"时隔多年重返榜单——一个进来，一个回来，这个组合本身就是答案[17]。
7 月的世界人工智能大会上，财政部会计司副司长张娟提到，"十五五"时期将有力推进创新融合的会计数智化体系建设，相关指导意见正在研究制定，五个方向里第一条就是"健全法规制度"。同期一份行业蓝皮书的调查数字是：仅 10.87% 的企业实现了全面智能化。[18]
高普及，低深耕。差的那一截，差的就是这三个词。
七、不是取代，是签字权的重新分配
最后说点务虚的，也是我这次最想留下的一个判断。
基础会计岗位需求会不断减少， 但战略财务分析师需求会不断增加。以前是一个财务带三个实习生，以后可能是一个财务带三十个数字员工。
这一轮变化真正重新分配的，不是工作量，是签字权。
AI 可以读单据、可以查商户、可以比规则、可以生成一整套证据链。它唯一做不了的一件事，是为结论负责。中注协那句"不减轻注册会计师承担的责任"，说的就是这件事。责任不会因为引入了 Agent 而消失，它只会往上走一格，落到那个按下"确认"的人身上。
所以未来两年，财务部门真正稀缺的，不是"会用 AI 的财务"——工具人人都会用。真正稀缺的，是敢为 AI 的判断签字的财务：他知道这个结论是怎么来的，知道依据落在哪一条规则上，知道出错的时候证据链撑不撑得住。
而他敢签字的前提，正好就是那三个词。
给各位一份上线前的自检清单。四个问题，答不上来就先别上生产：
-
同一张单据，连续跑十次，结论一样吗？
-
它的每一条判断依据，能不能定位到你自己的一条制度、一条规则？
-
你能不能在三十秒内叫停一个已经跑偏的 Agent？（60% 的组织不能。）
-
审计师明天来，你能不能一键导出一张纸——单号、结果、违规原因、SOP 依据、证据附件、操作留痕？
我们在做的事情其实很朴素：把这四个问题的答案，做成产品的默认值。汇联易做财务 Agent 的底气，从来不在于模型有多大，而在于二十年下来，我们知道财务的痛在哪里，也知道审计师会问哪一句。
最后留一句话，跟我在武汉台上说的一样：
AI 不会取代财务，但会用 AI 的财务，会取代不会用 AI 的财务。
只是今天把这三个词讲完，我想给它加个后半句——
而会用 AI 的财务里面，能笑到最后的，是那些敢签字的人。
参考文献
文中上标引用编号 [1]–[19] 对应以下参考文献。核验日期：2026-09-12；核验状态为"未找到公开来源"的条目，请引用前进一步核实原文。
[1] 普华永道：初级会计/簿记员替代率 90%（1–2 年内）
[2] 麦肯锡全球研究院：60%–70% 员工工时活动可被自动化
[3] 高盛：46,500+ 员工使用 GS AI Assistant
-
核验状态：部分一致（全员开放属实，但"使用人数"口径有偏差）
-
来源：高盛内部备忘录（CIO Marco Argenti 致全员），GS AI Assistant 全公司推广；路透社 2025-06-23 获悉内部备忘录首发
-
引用地址：Fortune 报道
-
佐证链接：Nasdaq 报道
-
备注：2025-06-23 高盛宣布 GS AI Assistant 向全公司全员开放，覆盖全球约 4.6 万–4.65 万名员工。但原始备忘录写明发布时"约 10,000 名员工已在使用"（试点已逾一年）。"46,500+ 员工正在使用"把"全员可访问/总员工数"误读为"活跃使用人数"，准确表述应为"已向约 4.65 万员工全员开放，其中约 1 万人已在使用"。
[4] BCG：2028 年 Agentic AI 成为财务常规操作
-
核验状态：部分一致（方向吻合，口径与日期有偏差）
-
来源：《How to Get ROI from AI in the Finance Function》，波士顿咨询（BCG），基于 BCG CFO Excellence Panel 2025 年 3 月对 284 名财务高管的调查，2025-06-04（非 2025 年 9 月）
-
引用地址：https://web-assets.bcg.com/pdf-src/prod-live/how-finance-leaders-can-get-roi-from-ai.pdf
-
备注：原文逐字为"more than 75% of finance leaders expect agents to become a routine part of operations within three years"——即"超过 75% 的财务领导者预期，AI 智能体将在三年内成为运营的常规部分"。以 2025 年中起算，"三年内"约指向 2028 年。偏差：①原文是高管预期/调查结果，非 BCG 确定性断言；②原文有">75% 财务领导者预期"限定语；③发布时间为 2025 年 6 月而非 9 月。
[5] OneStream / Harris Poll：67% CFO 停留试点，33% 规模化
[6] MIT NANDA：95% 企业生成式 AI 试点无可衡量回报
-
核验状态：一致
-
来源：《The GenAI Divide: State of AI in Business 2025》（Preliminary Findings from AI Implementation Research from Project NANDA），MIT Media Lab — Project NANDA（NANDA = Networked Agents And Decentralized Architecture），2025 年 7 月（8 月经媒体广泛报道）
-
引用地址：官方报告 PDF
-
佐证链接：Campus Technology 报道
-
备注：原文"95% of organizations are getting zero return" / "Just 5% of integrated AI pilots are extracting millions in value, while the vast majority remain stuck with no measurable P&L impact."严格口径是"无可衡量的 P&L 影响"。
[7] Gartner：到 2027 年底超 40% Agentic AI 项目将被取消
[8] 德勤澳大利亚因 AI 编造引用向政府退款 9.8 万澳元
-
核验状态：基本一致（金额报道介于 A$97k–98k 之间）
-
来源：AP News（美联社）；原始报道为 The Guardian Australia，2025-10-07
-
引用地址：AP News
-
佐证链接：Fortune
-
备注：德勤澳洲为澳大利亚就业与工作关系部（DEWR）撰写的 237 页《Targeted Compliance Framework Assurance Review》（2025 年 7 月发布，合同约 44 万澳元），被悉尼大学研究者 Chris Rudge 发现含虚构联邦法院判决引文与不存在的学术论文引用；德勤承认使用 Azure OpenAI，并退还约合同尾款。退款金额多方报道为"A$97,000"–"约 A$98,000"。
[9] GPTZero 检测四大公开报告（PwC《治理变革》/ KPMG）
-
核验状态：完全一致（仅时间描述略有偏差）
-
来源：GPTZero 官方调查博客《Chasing the Hallucinations》系列；PwC 篇 2026-07-28，KPMG 篇 2026-06-12（文中称"2026 年 8 月"为中文媒体集中报道时间）
-
引用地址：GPTZero 对 PwC 的调查
-
引用地址：GPTZero 对 KPMG 的调查
-
佐证链接：City A.M. 报道
-
备注：被检测 PwC 报告全称为 Transforming Governance: Citizen Pulse: Delivering Real-Time Insights to Meet Society's Evolving Needs（2025，PwC Middle East）。"正文 100% 由 AI 生成"（GPTZero："If the endmatter is ignored, the chance increases to 100%"）；"Citizen Pulse 概念疑似虚构"；"17 条参考文献仅 10 条对应"；"2 条纯属虚构"（参考文献 #11 MIT Technology Review、#17 WEF 被标注 Fake）。KPMG 报告 Total Experience: Redefining Excellence in the Age of Agentic AI（2025 年 10 月）："Of the 45 citations in the report, only five accurately point to real sources."
[10] Deloitte 2026 Q2 CFO Signals（96% / 51% / 43% / 59%）
-
核验状态：完全一致
-
来源：《CFOs Face Pressure to Deploy AI Quickly While Managing Risk is a Top Challenge from Latest Deloitte Q2 2026 CFO Signals Survey》，Deloitte（德勤美国），2026-07-23
-
引用地址：Deloitte 官方新闻稿
-
佐证链接：Deloitte 深度解读
-
备注：全部数字、样本（n=200 北美大型企业 CFO，营收 ≥10 亿美元）、调研时间窗（2026.05.22–06.07）逐项命中原文。
[11] FAITH：最强模型财务表格准确率 95.6%
-
核验状态：一致
-
来源：《FAITH: A Framework for Assessing Intrinsic Tabular Hallucinations in Finance》（arXiv:2508.05201，AMC ICAIF'25；Capital One 研究团队），2025-08-07 提交（v1），2025-10-24 修订（v2）
-
佐证链接：论文全文
-
备注：论文 Table 3 明确记录 Claude-Sonnet-4 在 Main Split 整体准确率为 95.6%（Gemini-2.5-Pro 91.9%、GPT-4.1 89.2%）。95.6% 指"整体准确率"，数据源自 S&P 500 年报表格的 masked-span 评测。
[12] CSA × Token Security：65% 组织发生 AI Agent 安全事件
-
核验状态：部分一致（65/61/43/35 可核；41/63/60/67 口径存疑或未公开）
-
来源：《Autonomous but Not Controlled: AI Agent Incidents Now Common in Enterprises》，Cloud Security Alliance（CSA）与 Token Security 联合发布，2026-04-21（调研于 2026 年 1 月在线进行，样本 418 名 IT/安全专业人士）
-
引用地址：CSA 官方新闻稿
-
引用地址：Token Security 报告落地页
-
备注：已核验一致——65% 过去一年至少一起 AI Agent 相关事件；61% 敏感数据暴露；43% 业务中断；35% 财务损失。口径不同/无法核实——"41% 非预期动作"：新闻稿中 41% 实际指"多次发现影子 Agent"；"63% 无法施加用途限制"：新闻稿中 63% 实际指"将行动风险作为治理 Agent 行为的首要信号"；"60% 无法叫停失控 Agent"、"67% 缺乏证据级审计轨迹"：公开新闻稿和落地页中均未出现，需下载完整付费报告 PDF 方可核验。建议核对原始完整报告后再对外引用，或调整为可公开核验的 65%/61%/43%/35% 四个数字。
[13] IBM《数据泄露成本报告》2025：97% 缺少 AI 访问控制
-
核验状态：一致
-
来源：IBM Report: 13% Of Organizations Reported Breaches Of AI Models Or Applications, 97% Of Which Reported Lacking Proper AI Access Controls（《Cost of a Data Breach Report 2025》，IBM 与 Ponemon Institute 联合调研），2025-07-30
-
引用地址：IBM 官方新闻稿
-
佐证链接：报告执行摘要 PDF
-
备注：原文为"13% of organizations reported breaches of AI models/applications, of those compromised, 97% report not having AI access controls in place"。
[14] 中注协年报审计业务指引（涉密信息不得输入公共 AI 平台 / AI 不替代专业判断）
[15] 欧盟《数字综合法案》Regulation EU 2026/1744
-
核验状态：一致
-
来源：Regulation (EU) 2026/1744 of the European Parliament and of the Council of 8 July 2026（Digital Omnibus on AI，修订 AI Act 2024/1689 等）；2026-07-08 通过，2026-07-24 刊于 OJ，2026-07-27 生效
-
引用地址：EUR-Lex 官方法规文本 PDF
-
佐证链接：欧洲议会立法进程页
-
佐证链接：欧委会 AI Act FAQ
-
备注：①附件三高风险系统义务由原定 2026-08-02 推迟至 2027-12-02；②第 50 条透明度义务 2026-08-02 如期生效；③禁止性条款（Article 5）违规最高 3500 万欧元或全球年营业额 7%。注意第 50 条透明度违规的罚档为 1500 万欧元/3%，文中表述未混淆此层级。
[16] 汇联易客户实证与内部实测数据
[17] 上海国家会计学院：2026 年影响中国会计行业十大信息技术
-
核验状态：一致
-
来源：2026 年影响中国会计行业的十大信息技术评选结果发布会，上海国家会计学院智能财务研究院；发布会 2026-05-31，官网 2026-06-04 刊发
-
引用地址：SNAI 官网新闻
-
佐证链接：榜单解读（数据安全重返）
-
备注：官方榜单顺序为：①人工智能通用大模型 ②会计大数据分析与处理 ③数字员工与流程自动化（RPA/IPA）④财务智能体与自主系统 ⑤数据治理 ⑥中台 ⑦数据安全与隐私保护 ⑧BI 与管理驾驶舱 ⑨财务云 ⑩数电票。"财务智能体与自主系统首次上榜即列第四"；"数据安全与隐私保护重返榜单"（排名跃升 19 位）。
[18] 财政部会计司副司长张娟 2026 WAIC 发言 + 蓝皮书 10.87%
-
核验状态：一致
-
来源：①2026 WAIC 智能财务论坛张娟发言报道（经济日报，2026 年 7 月）；②《2026 年中国企业财务智能化调查报告（蓝皮书）》（上海国家会计学院智能财务研究院，2026 年 7 月）
-
引用地址：经济日报报道
-
引用地址：SNAI 官网（张娟发言）
-
引用地址：SNAI 官网（蓝皮书 10.87%）
-
备注：张娟发言原文一致——"'十五五'时期，财政部将'有力推进创新融合的会计数智化体系建设'列为会计改革与发展重要内容，正研究制定相关指导意见"。蓝皮书数据一致——刘勤院长在同一 WAIC 智能财务论坛发布蓝皮书，明确"近 70% 企业已启动转型，仅 10.87% 企业实现全面智能化"。
[19] 麦肯锡预测：基础会计岗位需求 −68%，战略财务分析师需求 +240%
