探索與創新：AI在財務決策中的人機協同新模式

0 引言

生成式人工智能（GenerativeAI）是一種能夠基于算法和數據驅動的生成新內容的人工智能技術，其核心能力是學習現有數據的模式和規律，并基于這些知識生成具有新穎性的內容的文本、圖像、音頻、視頻、代碼等復雜內容，生成式AI可能產生不符合事實或邏輯的內容（如幻覺問題），需依賴大量數據和算力。與傳統的判別式AI（用于分類或預測）不同，生成式AI的核心目標是生成而非判斷[]，其創造性特征使其能夠模擬財務場景中的非線性關系[2]，而傳統判別式AI僅適用于結構化預測任務[3]。這一差異為財務決策的動態優化提供了新可能。

傳統財務決策模式由于主要依賴人工處理數據，在應對復雜多變的市場環境時表現出明顯的局限性：數據處理效率低下、分析判斷不夠精準、決策響應速度遲緩，這些因素共同導致了企業錯失市場機遇的風險增加。而生成式AI在這方面有優勢，它有強大的自然語言處理、邏輯推理和內容生成的能力。基于此，生成式AI能夠快速處理海量財務數據，并且能夠挖掘數據背后的潛在價值，生成有針對性的財務分析報告和決策建議。一些創新型企業走在科技創新前沿，運用生成式AI在數據評估、預算編制、風險評估等方面，利用它能夠根據歷史數據和實時市場信息生成更科學合理的決策方案和風險預警，為企業決策提供有力支持。

目前，國內對人工智能在財務管理中的應用研究如火如荼，但現有研究多聚焦RPA在流程自動化中的應用[4]，對于生成式AI的決策協同機制尚未形成系統框架。本文通過H公司的多場景實踐，試圖填補這一理論缺口。本案例沿著生成式AI發展軌跡列舉出財務決策中各式的人機協同模式，探討它們的應用場景和能為案例公司產生的效益、在運用AI過程中存在著風險和應對措施，以期豐富人工智能在財務管理領域的理論體系，為后續應用提供新的視角和思路[5]。基于此，本文研究目的有4個方面： ① 全面展示生成式AI在H跨國制造型公司財務決策的應用現狀； ② 分析生成式AI帶來的技術變革和管理創新如何推進企業的財務決策更加高效； ③ 總結H公司的實踐經驗，存在風險和應對措施； ④ 展望未來生成式AI發展方向。文章采用案例研究方法，通過文獻分析、實地調研和深度訪談，全面收集和分析生成式AI在財務決策方面技術創新實踐和管理變革，進行歸納總結提煉。

1人機協同模式的分類與特征

根據目前的演化進程，將人機協同分成3個模式：嵌入模式、副駕駛模式和智能體模式。嵌入模式是人類財務決策來主導任務分解，通過指令驅動生成式AI完成工作；副駕駛模式強調人類與生成式AI之間的雙向互動，共同完成財務決策過程；而智能體模式要求生成式AI具備更高的自主性，能夠自主理解財務決策目標，規劃任務執行路徑，并完成決策過程，形成完整的決策閉環[6]。以下表格是3種方式特征對比表：

表1人機協同模式分類表

2案例分析：H公司AI應用對財務決策的提升路徑

H 跨國制造業公司2006年成立數字化專業團隊輔助財務、銷售、采購等流程進行創新變革，財務部門作為公司價值的“守護者”和“創造者”，在AI的助力下逐漸用數據洞察替代經驗猜測，用敏捷響應替代被動應對，用戰略預判替代事后補救。以下是AI在財務領域的典型應用場景：

2.1 基礎功能改進

2.1.1 數據整合

H公司是家百年企業，海內外有300 家分（子）公司，各家公司財務數據來自于SAP、金蝶EPR、OA端等，呈現出多源異構的顯著特征，而且財務數據還聯結著企業單獨的業務系統，如銷售、采購、生產、物流等，另外還嵌人來自外部的市場數據、行業數據及宏觀經濟數據等。不同數據源的數據格式和結構差異巨大，這給傳統的數據處理方式帶來了嚴峻挑戰。對于這項基礎而重要的工作，近年來他們的共享業務中心利用生成式AI的強大數據整合能力，實現多源異構數據的實時整合。公司的共享業務中心基本是所有數據匯集點，連接各項數據，因此由它來實施數據整合工作。他們利用AI自動采集數據，轉換和標準化不同格式的數據，并統一整合到數據倉庫中，為后續的財務分析和決策等提供了統一準確的數據基礎。

2.1. 2 智能審核

H公司的共享業務中心通過AI技術審核數據異常，建立了決策準確性基礎。生成式AI具備異常數據智能識別與修正能力，能夠運用深度學習算法對財務數據進行實時監測和分析，快速準確地識別出異常數據點。一旦發現異常數據，AI會根據預設的規則和模型，結合數據上下文信息，對異常數據進行自動修正。智能審核的利用現在已非常廣泛，從員工報銷、合同管理、供應商結算等方面開始，近年運用比較好的是應收賬款數據管理，幫助企業提高管控效率。AI對應收賬款進行監控，當出現某筆賬款的金額異常偏高或超信用期的情況進行自動標記，并通過與歷史數據、信控數據進行對比分析，判斷異常原因。當AI判斷出是客戶信息錄入錯誤、銷售合同變更等簡單的異常原因，它會自動進行修正；對于復雜的異常情況，AI會及時提醒財務人員進行人工干預。AI輔助將數據處理效率提高了 80% 以上，錯誤率降低了 90% ，提供了及時、準確的財務決策數據支持。

2.1.3 行業對標分析

H公司從2022年始因行業競爭加劇，所以很重視行業對標分析，管理層要求全面對標分析主要競爭對手的指標。這項工作曾長期困擾他們的財務人員，主要是數據采集、整理的工作量大，財務人員受專業等限制難以透過數據和其他相關信息提煉出問題實質等。近兩年H公司了解到生成式AI網絡爬蟲技術的特質，能夠從各類公開數據，如財務年報、公告、行業報道中抓取收集目標企業相關對標數據，其效率與傳統人工收集方式相比大幅提升。于是財務人員聯合數創系統開發人員，利用生成式AI設計程序，能夠在非常短時間完成提取競爭對手關鍵財務指標，如營收、利潤、資產負債率等，而且實現了提取和整理數據工作一步到位。除財務部門外，H公司的其他部門，市場部、計劃發展部等也從此程序中受益，程序從各種相關報告中提取競爭對手的關鍵信息，如產品特點、營銷策略、戰略重點、資本結構等，從中挖掘潛在的行業動態信息，從而提供更全面的市場情報。H公司利用生成式AI精準開展行業對標、大勢研判，快速清晰地了解自身與競爭對手在各個方面的優勢和劣勢，為財務決策提供可依賴的基礎。

2.2 應用功能優化

2.2.1智能預算管理

H公司運用生成式AI進行預算管理時充分運用其動態學習與適應性。作為業務覆蓋7大區域、300余家子公司的大型跨國集團，H公司為提升預算編制的全局效率與可執行性，在年度財務預算制定中采用“自上而下”（Top-down）的統籌模式。該模式通過集團總部主導戰略目標分解，確保各區域預算與整體財務方向高度協同，同時兼顧區域差異化落地的靈活性。管理層首先根據企業戰略目標和歷史財務數據，確定預算編制的總體框架，包括稅息折舊及攤銷前利潤（EBITDA）、資產回報率、應收賬款控制額等主要項目，財務人員通過向生成式AI輸入詳細的指令，如“根據過去三年各產品的銷售、利潤數據，預測下一年度各類產品在不同區域的銷售額、利潤率”，AI依據指令進行數據分析和預測，生成相應的結果將各個項目進一步細化為具體的子任務，如銷售預算可分解為各產品線、各區域的銷售預測等，如此類推，成本預算可細化為原材料成本、人工成本、維修費用等。在AI智能編制預算草案的基礎上，財務與業務端口再根據實際情況進行調整，如此下來，預算編制過程變得簡單高效。

生成式AI在智能預算管理方面另一個優勢就是實時監控預算。通過平臺對預算進行管控，在平臺基礎上整合企業各個業務系統的關鍵數據，以可視化的方式呈現在多維數據看板上。不僅按日展示財務數據，如收入、成本、利潤等預算執行情況，還涵蓋銷售、生產、庫存等業務基礎數據。通過動態更新功能，看板能夠實時反映企業的運營狀況，當某個業務指標發生變化時，看板會立即更新相應的數據和圖表。如今，公司管理層已將生產經營會議地點直接移至監控大屏前，直接就實時數據找問題、想辦法、做決策[7]。

2.2.2 價格體系重塑

H公司目前國內市場正面臨著競爭激烈、價格紅海戰的局面，產品線價格對企業營利非常敏感。因此采用了生成式AI來對價格體系進行重塑。在原本的價格系統加人AI進行異常值檢測，對各區域、經銷商合同價格進行實時分析，能夠快速準確地檢測出異常值。生成式AI還能進行智能歸因，分析價格組成及異常產生的原因。它基于產品成本加成一定利潤數據模型，動態分析價格變動與企業成本聯動，通過在產品價格變動推動成本預算執行過程中是否有偏差。通過層層歸因分析，可及時發現問題并找到原因，例如某一時期的采購成本突然大幅增加的原因。生成式AI通過下鉆的方式對主要的采購訂單數據、供應商信息、市場價格波動等多方面數據進行層層分析，找出成本增加的原因，是原材料價格上漲、采購量增加還是供應商變更，為企業采取針對性的措施提供依據。

H公司為了改進價格系統反饋滯后問題，使其更快適應市場變化的需求，利用AI進行價格風險閾值管理。生成式AI會根據企業的歷史數據和實時運營情況，動態調整風險閾值，比原來人工維護更加靈活有效。尤其在目前市場環境變化迅速的情況下，生成式AI可以實時監測市場動態、競爭對手行為以及企業自身的業務表現，當市場不確定性增加或企業業務出現重大變化時，它會提交自動調整風險閾值申請，管理層依據申請做出判斷。

2.2.3 投資風險評估

在財務決策中，準確的預測是制定科學決策的關鍵。H公司了解到生成式AI可以通過動態情景模擬與壓力測試，為財務決策提供更全面、更可靠的預測支持。因此他們制訂項目可行性研究方案時增加了利用AI對不同情景下的財務指標進行模擬預測的環節。在預測收購自標企業未來的營業收入時，利用生成式AI對市場需求變化、競爭對手動態、產品價格波動等多種因素進行分析后，設置不同的情景假設，如市場需求增長 10% 、持平、減少 10% 等，分別模擬企業在不同市場需求情景下的營業收入情況。同時，H公司還增加了AI模擬壓力測試，在做國外項目并購時，對于一些國家外界環境存在著不確定因素比較多，如經濟衰退、政治動蕩、行業危機等，財務利用AI模擬極端市場環境下自標企業的財務狀況，評估公司的風險承受能力和應對策略的有效性。

生成式AI具有智能挖掘潛在的風險因子，并對其進行量化評估的功能。AI對海量的財務數據、市場數據、行業數據進行深度挖掘，通過相關性分析、因素分析等方法，找出影響企業財務狀況的關鍵風險因子，如利率風險、匯率風險、信用風險等。以下兩個案例是H公司成功運用AI作風險分析。一是在做海外投資風險評估的時候，當需要了解非洲、中亞等地區投資情況時，H公司投資部、財務部運用AI收集到當地的市場數據、銀行信貸政策、匯率情況等，運用風險評估模型，對這些風險因子進行量化評估，計算出風險發生的概率和可能造成的損失。二是在收購混凝土站點時，財務會去評估企業經營風險。在商品砼行業，應收賬款風險是最主要的經營風險，幾乎占全部投資風險的絕大多數比重。因此財務部利用AI來收集企業的財務報表數據、信用記錄、行業排名等信息，在IT人員幫助下構建信用風險評估模型，對企業的信用風險進行量化評分，為決策提供科學依據。

2.3 決策流程重構

2.3.1 簡化流程審批

傳統的財務決策審批層級往往會比較煩瑣，涉及多個部門和層級，信息傳遞不及時，導致決策效率低下、滯后，難以把握稍縱即逝的投資機會。H公司有過這樣的教訓，公司總裁經常說，投資發展“起了個大早，趕了個晚集”，對此頭痛不已，后來公司希望通過生成式AI智幫助精簡審批鏈條，有效提高決策效率。公司利用AI設計不同的審批方式，盡量用預設的財務決策模型和風險評估模型的來實現自動審核和評估，對于一些風險較低、符合既定規則的決策事項，財務決策模型和風險評估模型根據數據分析和研判給出審批意見；而對于風險較高或復雜的決策事項，AI會將相關信息和分析報告直接推送給關鍵決策者，減少中間環節的信息傳遞和審核流程。

H公司在升級資金管理系統時，引入生成式AI技術對資金審批流程進行智能化改造，同時建立嚴格的風險控制機制。AI基于公司的資金管理制度、歷史交易數據和動態風險評估模型，對資金請付申請進行智能審核——對低風險、高合規性申請自動推送支付憑證，大幅縮短審批時間；對異常交易或超出預設閾值的申請，則自動觸發人工復核流程，確保風險可控。

此外，AI作為智能樞紐，在數據權限分級管理的基礎上，整合銷售部門的收款信息、采購部門的付款需求及生產部門的資金計劃，可實現跨部門資金協同調配。系統通過實時監控資金流動和預測現金流缺口，動態優化資金配置，提升使用效率。

經實踐驗證，該AI應用使資金審批效率提升 50% 以上，資金使用效率提高 30% ，同時將違規支付風險降低 40% 。

2.3.2 打破壁壘

生成式AI作為智能樞紐能夠打破部門之間的信息壁壘，實現跨部門、專業數據的共享和協同工作。AI實現與企業的各個業務系統集成，實時獲取銷售、采購、生產等部門的數據，并根據這些數據生成財務分析報告和決策建議。同時，AI還可以將財務決策結果及時反饋給各個部門，指導業務部門的工作[7]

H公司在進行高性能混凝土、沙漿等新產品研發投資決策時，需要多部門緊密合作。財務部門利用生成式AI收集研發部門的配方及技術參數、市場銷售部門的市場需求和銷售預期，加之自己的成本預測等信息，進行綜合分析和評估，為投資決策提供全面的依據。決策做出后，AI又將投資計劃和預算分配信息及時傳達給各個部門，確保各部門協同工作，共同推進項目實施。

3協同模式面臨的風險與應對策略

3.1 數據安全風險

H公司在大量使用智能AI過程中，不可避免地遇到數據安全的問題。特別是AI在財務決策中的應用，高度依賴海量數據的支撐，這些數據有許多涉及企業核心財務信息、客戶數據以及商業機密等敏感資料。因此，在AI驅動的財務決策中，企業必須構建完善的數據安全防護體系，通過嚴格的訪問控制、數據加密及合規審計，確保核心財務信息與商業機密的安全性，從而規避潛在的泄露風險、法律糾紛及商譽損失。H公司數創中心采取了以下兩種方式：一是加強數據安全的培訓與宣貫。開展了多期AI的培訓，向員工普及AI使用技能的同時，做好數據安全方面的教育。為了增加普及性，將案例分享制作成微課，展示在公司學習平臺，采取學分制來要求每一名員工都進行學習、考試；開展安全宣貫，張貼海報，開展多次小規模的現場活動，互動答題生動有趣，讓參與人員印象深刻。二是安全部門實時監控。數創中心設立了專門的網絡安全團隊，實時監控公司數據安全性。實時監控和異常檢測是及時發現和應對數據風險的關鍵手段，通過部署AI驅動的安全審計系統，對數據全面進行實時監控，包括數據的采集、存儲、傳輸、處理和共享等環節，通過這些防控措施，數創中心能夠快速識別異常的數據交互行為，如數據的異常訪問、大規模的數據下載、未經授權的數據共享等，這些都有助于數據安全管理。

3.2 管理變革風險

在H公司實施AI協同決策過程中，組織變革阻力是不容忽視的挑戰。引入生成式AI技術會對財務部門產生深刻的組織變革，包括工作流程的重塑、人員崗位的調整以及團隊協作模式的改變。實施之初，部分員工對新技術存在恐懼和抵觸情緒，擔心自己的工作被AI取代，從而對變革持消極態度。例如：一些資深財務人員習慣于傳統的工作方式，對學習和應用新的AI技術缺乏積極性；業務部門擔心財務部門引入AI技術后，會削弱他們在決策中的話語權，從而對變革持反對意見。這些阻力會阻礙人機協同模式的順利推行，影響企業數字化轉型的進程。

另外，還出現了人機權責邊界模糊的問題。生成式AI在協同財務決策的過程中，有時會難以明確界定程序和員工在決策中的權責。當決策出現失誤時，很難判斷是AI模型的算法錯誤、數據偏差，還是決策人員的判斷失誤、操作不當導致，這不僅增加了責任追溯的難度，也容易引發推諉和矛盾。這種權責不清導致決策效率低下，雙方在決策過程中可能會因為擔心承擔責任而猶豫不決，影響決策的及時性。

針對這些問題，該公司采取的措施是“首席制”決策機制。在重大財務決策過程中，指定“首席”決策負責人，由其負責啟動AI決策系統或者專家決策團隊。決策負責人可以選擇執行單項，也可以雙項并行。在通常情況下，采取雙項并行方式居多。AI和專家分別給出決策依據和建議，然后通過對比分析雙方的建議，綜合考慮各種因素，最終做出決策。事實證明，通過對比兩者的建議，企業管理層可以更全面地了解投資項目的情況，做出更科學的決策。在決策責任認定方面，明確規定“首席”決策負責人承擔最終責任，AI團隊和專家團隊負次要責任。特別是在兩者結論存在較大差異時，AI團隊需要提供詳細的決策依據和解釋，這樣既能充分發揮AI的優勢，又能保障決策的可靠性和責任的可追溯性，有效解決人機權責邊界模糊的問題，同時也能在一定程度上緩解組織變革帶來的阻力，促進人機協同模式的穩定發展。

3.3 過度依賴風險

隨著生成式AI在財務決策中的應用越來越廣泛，許多人都擔心未來由于太依賴AI的判斷，獨立思考和判斷力會逐漸下降，決策的靈活性和適應性降低。更深層的風險在于，投資決策過程中，一旦AI系統因為數據錯誤或算法漏洞給出錯誤的投資建議時，而財務人員完全依賴AI的投資建議，不能進行獨立的分析和判斷，就會導致企業暴露在重大的投資風險之下。

為了解決這些問題，H公司建立了定期檢查機制。由戰略投資部、財務部、內審內控、數創中心的專業人員等組成聯合檢查組，負責對生成式AI在財務決策中的應用進行定期審查。在AI模型投入使用前，檢查小組對其訓練數據的來源、質量、代表性進行審查，確保數據不存在偏見；對算法的設計、實現和決策邏輯進行評估，判斷其是否符合合理性原則和公平性要求。在AI模型運行過程中也要定期檢查，及時發現和糾正問題。

4未來發展趨勢

4. 1 技術創新方向

目前AI人機協同已經進步到智能體模式，并且出現了多智能體協同系統，即未來生成式AI將朝著構建多智能體協同系統的方向發展，實現多個AI智能體在財務決策中分工協作、優勢互補。具體來講，就是不同的智能體可以分別負責數據處理、風險評估、決策制定等任務，通過智能合約和分布式賬本技術，實現智能體之間的信息共享和協同工作。H公司針對這一特征，數創中心將采用分割構造AI智能體用于公司的財務決策，既有智能體負責收集和整理各子公司的財務數據，又有智能體對數據進行風險評估，還有智能體根據評估結果生成決策建議。每個智能體的專業化程度非常高，效率和準確性也會提升，同時也能應對作為跨國企業所對面的復雜多變的國際環境。

4.2 應用場景延伸

H公司是一家跨國公司，然而現階段AI數據整合主要集中在國內，主要原因是國外軟硬件環境比較復雜，受國情、國家政策、地緣經濟影響較大，呈現多系統并存、數據標準多樣、差異大的復雜局面，數據整合工作難度遠大于國內。因此未來生成式AI擴展到海外區域發展將是重點之一。另外公司計劃重點將AI擴展到供應鏈金融智能決策領域。通過對供應鏈上各環節的物流、信息流、資金流數據進行實時分析，生成式AI可以為供應鏈金融提供智能決策支持。目前，H公司已經開始在供應商融資決策中使用AI，例如2025年新電源礦車供應商選擇，物流部門就得到了AI提供的供應商交易數據、信用記錄、市場需求等信息，及其評估的還款能力和風險水平信息。AI還參照金融機構提供的信貸模型，給出了是否給予售后回租融資的建議。

4.3 智能財務人才培養

智能財務人才培養模式革新是適應未來發展需求的關鍵。隨著生成式AI在財務決策中的廣泛應用，該公司已在財務系統號召著力塑造具備AI技術和財務專業知識的復合型人才。因此，需要革新智能財務人才培養模式，培養既懂財務業務又掌握AI技術的高素質人才。公司調整了培訓投入的方向，增加AI技術、大數據分析、機器學習等相關課程，培養員工的數字化思維和技術應用能力；加強賦能實踐獎勵力度，鼓勵員工在實際項目中鍛煉AI技術在財務決策中的應用能力[5]

5 結語

生成式AI與人類財務決策者的協同創新正在重塑財務管理的底層邏輯，為企業應對復雜多變的市場環境提供了強大的支持。通過構建多層次協同機制，生成式AI與人類財務決策者得以優勢互補，既能發揮AI在數據處理、模式識別和快速運算方面的高效性，又能保留人類在價值判斷、戰略洞察和復雜情境處理中的獨特能力。

在這場由AI掀起變革方興未艾，中國各家公司都想乘著春風揚帆起航，推動企業發展。本文選取了一家跨國制造業公司探索創新之路為案例，因地制宜，突破了傳統人機分工的局限，從嵌入模式到副駕駛模式，再向智能體模式的發展，揭示了生成式AI在財務決策中從輔助工具到合作伙伴的應用場景，為智能財務決策體系的構建提供了新的實踐案例。

通過深入剖析H跨國制造業公司AI協同模式對決策效率的提升路徑，以及面臨的挑戰與應對策略，人機協同顯著提高了財務決策的效率和準確性，為企業創造了更大的價值。總結了公司在面對技術層面的數據安全、管理變革阻力、過度依賴等問題采取的應對策略和操作方案，為企業在實踐中解決這些問題提供了有益的參考。本研究揭示了生成式AI在跨國制造企業財務決策中的三類協同模式，其技術優勢與風險管控策略為同業實踐提供了可復用的方法論。未來研究可探索多智能體系統的跨文化適配性。

參考文獻

［1］中國信息通信研究院．京東探索研究院．人工智能生成內容（AIGC）白皮書2022.[R].2022.

[2]李開復．生成式AI正在開啟第三次IT革命［EB/OL].（2025-02-27）[2025-06-30].https：//baike.baidu.com/refer-ence/59344747/533aYdO6cr3_ z3kATPXaxaqkMyvNPoip6uCGAORzzqIPmGapB4jsVIk849Jx7f5pFUXIv5UsY9hahOemVlRH7vUVbO03 X7clgiKgAC6bl-u7uJBvwtZFooxBX64JxKm16xg.

[3］AIGC觀察者．生成式AI智能革命至今：人機協同的三種模式與未來軟件架構范式演進［EB/OL]．（2024-07-15）[2025-06-30]. Https： //www. 51cto. com/aigc/1478. html.

[4］財政部會計財務評價中心．高級會計實務：企業全面預算管理［M].北京：經濟科學出版社，2022.

［5]任振清，王淑珍，運玉貞．財務數字化轉型：大型企業智能財務創新應用實踐［M].北京：清華大學出版社，2023.

收稿日期：2025-02-15

作者簡介：熊穎，女，1976生，本科，會計師，主要研究方向：財務會計。