构建AI原生财务职能教会我的事

# 打造 AI 原生财务职能教会我的事 财务已经成为一个实时职能。对我来说，这个机会远比更快关账或更频繁刷新预测更为重大。它关乎在业务变化时实时洞察，帮助领导者更早行动，并让财务团队有更多时间去塑造接下来的走向。 两年前我加入 OpenAI 时，一个规模很小的财务团队正在支持一家以非凡速度增长的公司。我们需要从零开始构建这个职能，并让 AI 成为我们工作、决策和支持业务的基础。 我也看到了一个熟悉的起点。关账和更新预测仍涉及重复的手工工作：查找信息、解释变化原因、整理决策所需的输入。我们拥有世界上最先进的 AI 工具，但我们仍在学习如何围绕它们重新设计财务工作。 因此我们设定了两个大胆的目标：零日关账（zero-day close）和自动化、持续更新的预测。 零日关账背后的理念是让领导者能够实时、可对账且可追溯地了解公司的财务状况。持续预测则建立在这一基础之上，展示业务如何变化、接下来可能发生什么，以及哪些决策可能改变结果。 我们仍在朝着这两个目标努力。这项工作已经改变了我们团队的运作方式。它推动我们超越静态电子表格、手动搜索支持记录和演示文稿的局限，转向基于业务完整上下文和数据构建的实时工具。它还让财务专业人员能够构建工作所需的工具，并将他们的专业能力发挥到更远的地方。 对我来说，这才是 AI 原生财务职能的真正承诺：一个能够实时理解正在发生的事情的团队，帮助领导者看清前方的选择，并在结果仍有可能改变时，给业务更多行动时间。 要实现这一目标，仅仅采用新技术还不够。它需要围绕重要的决策重新设计工作，给人们实验的空间，在每个工作流中建立明确的责任机制，并衡量 AI 完成的可靠工作，以提供清晰的 ROI。 以下是我们经验中得出的五点实用经验，每位 CFO 都可以借鉴。 ## 1. 让每个人都能使用，然后创造使用它的理由 第一步是广泛接入。人们需要在自己的工作语境中自由探索 AI。当接入与围绕真实问题进行的有组织实验相结合时，它才会创造最大价值。 我们邀请销售工程师参加财务黑客松，并要求团队带来他们想要改造的工作。其中一个成果是 IR-GPT，这是一个自定义 GPT，基于我们投资者关系团队用于回答尽职调查问题的已批准材料构建。我们还开始为采购、税务等领域构建自定义 GPT。 这次黑客松将 AI 从抽象能力转变为实际工具。在一天之内，人们可以识别重复性任务、构建解决方案、与同事测试并改进它。用例来自最熟悉工作的人，而技术专家则帮助他们更快推进。 对 CFO 来说，经验很简单：你需要自下而上的实验和自上而下的战略。把安全、强大的 AI 交到人们手中，让最接近工作的人找到更好的完成方式。同时，将领导层的注意力和资源集中在那些对业务最重要的变革上。真正的机会出现在两者交汇之时：来自一线的实用想法应用于你最重要的优先事项。 ## 2. 围绕决策重新设计完整工作流 财务团队在整理决策输入上耗费了大量精力。一次预测审查可能需要人们查找最新数据、核对电子表格、解释差异、制作图表、准备文档，并将这些文档转化为演示文稿。分析最终会到达决策者手中，但团队的大量时间已经花在了整理这些内容上。 AI 改变了工作的基本单元。财务领导者可以重新设计从源数据到决策的完整路径。 以关账为例。每位 CFO 都熟悉月度流程：实际数据在一个系统里，采购订单在另一个系统里，应计项目在电子表格里，而差异的解释则埋在消息线程中。 我们正在朝着不同的运营模式努力。零日关账的愿景是将已批准的支出计划、总账实际数据、采购订单、应计项目和交易明细连接到一个持续对账的视图中。每个差异都可以追溯到底层活动。AI 可以准备初始解释并标记需要关注的例外情况。财务负责验证数字、应用判断，并拥有最终签核权。 预算与实际对比调节仪表板，显示来源检查、应计项目核对和 Codex 生成的财务审查。 *预算与实际对比调节：已批准输入、来源检查和财务负责的审查* 关账并没有消失。开始消失的是在会计期间结束后匆忙重建业务的混乱。 这个经过对账的基础可以为持续更新的预测提供动力。我们的团队正在构建工作流，将统计模型、销售对话、账户级证据、运营数据和财务判断整合在一起。 我们正在超越电子表格的局限，转向更具交互性的工具，将统计预测、支持证据和场景整合到一个实时视图中。领导者可以查看什么变了、为什么变了，以及哪些决策可能改变结果。当基线中缺少新的客户承诺时，系统可以调出支持证据，并展示调整将如何影响本季度或本年度。财务可以检查假设、比较场景，并决定是否更新已批准的预测。 交互式预测仪表板，按季度 ARR 预测对比调整后的场景与之前的预测。 *交互式预测与场景规划* 同样的视图可以帮助领导者做出更明智的资本配置决策。财务团队可以看到营销支出在哪些地方产生回报、哪些地方效果递减，以及重新分配下一美元可能意味着什么。 效果营销仪表板，显示收益递减曲线和潜在的市场级渠道重新分配。 *动态资本配置：收益递减曲线突出显示应重新平衡投资的地方* 自动化预测是最终目标。持续刷新的视图、更快的场景分析以及清晰的财务所有权是我们实现目标的方式。 更广泛的经验是从一个重要的决策开始，然后倒推。梳理支持该决策所需的数据、工具、审批和交接。然后确定 AI 可以分析、协调或完成哪些部分。这将提高整个决策周期的速度和质量。 ## 3. 财务专业人士成为构建者 更大的变革在于，财务专业人士现在可以构建自己工作所需的工具。 OpenAI 最近的研究 (https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/) 显示，财务专业人士 40% 的专业 AI 使用涉及传统财务之外的工作，22% 涉及工程相关任务。 我团队中的每个人都在使用 ChatGPT Work 和 Codex 构建自定义 AI 仪表板和工具。工作正在从静态的 Excel 模型和 PowerPoint 演示文稿，转向构建在业务完整上下文和数据之上的实时仪表板。这些工具可以推进分析、回应后续问题，并随着底层信息的变化而更新。 我们一位支持广告业务的团队成员从未写过代码。他使用 Codex 构建了一个工具，将我们的月度广告预测转化为周计划和日计划。它考虑工作日和节假日，比较预测，并确保每个数字都与已批准的模型相关联。营销领导者可以快速看到发生了什么变化、应该投资哪里，以及额外支出可能带来什么回报。 理解问题的人现在可以塑造解决方案。构建这些工具也促使他们重新思考惯常的工作方式。财务专业人士可以创建业务所需的决策基础设施，与同事进行测试，并随着工作的演变不断改进。 财务团队并没有变得不那么专业。他们正在获得将专业知识发挥到更远地方的能力。 ## 4. 用清晰的责任机制和控制保障速度 IR-GPT 给了我们一个关于控制的重要教训。投资者尽职调查问题可能需要分析师搜索先前材料、起草回复、检查一致性并协调审查。借助基于已批准来源构建的自定义 GPT，以前需要数小时、有时甚至通宵的工作，现在可以在几秒钟内生成一份高质量初稿。 人的角色仍然至关重要。我们的投资者关系团队会阅读初稿、加入判断和背景信息，并确保我们的答案在不同投资者之间保持一致。AI 加速工作，人负责结果。 这才是财务的正确模式。CFO 应与 IT 和治理团队合作，定义 AI 系统可以访问哪些数据、可以采取哪些行动、何时需要审批，以及何时应上报问题。每个输出都应连接到可靠的来源。每个预测都应附带清晰的解释。对已批准基线的任何更改都应需要财务授权。 “tokenmaxxing”这股短暂的狂热已经过去。现在，设置使用限制、预算控制、基于角色的访问、模型路由规则和审批阈值已经变得很直接。CFO 可以用管理任何可变支出的同样纪律来管理 AI 使用，同时给团队留下构建和实验的空间。 清晰的责任机制创造了更快行动所需的信心。随着综合、对账和准备工作加速，财务专业人士获得更多时间来质疑假设、为业务提供建议和运用判断。 ## 5. 衡量每单位智能的价值 CFO 需要一个基于运营绩效的 AI 记分卡。购买更多席位或使用更多 Token 并不能说明太多问题。重要的是工作是否完成得好，以及它的真实成本是多少。 对于每个工作流，问四个问题： - AI 是否完成了重要的工作？ - 它花费了多少成本，包括员工时间、审查和返工？ - 结果是否足够好，可以使用？ - 它是否帮助我们更快行动或做出更好的决策？ 对财务团队而言，有用的工作可能意味着预测已更新、差异已解释、审计请求已完成，或董事会问题已回答。对于关账，记分卡可能包括周期时间、自动对账的交易比例、需要审查的例外数量，以及解释差异所需的时间。对于预测，可以包括预测准确性、刷新频率、生成新场景所需的时间，以及预测所支持决策的质量。 最便宜的模型并不总是最经济的。如果更好的模型能以更少的尝试和更少的审查得到可靠答案，其总成本可能更低。 ## CFO 的机会 财务处于战略、资本、数据、风险和绩效的中心。这赋予了