AI落地阵痛：CFO的理性回归

如今，人工智能在财务领域的应用，早已过了过度炒作的阶段。

在2026年Gartner财务研讨会上，副总裁兼分析师克莱门特·克里斯滕森将高管们的普遍心态形容为“充满希望的失望”。他在演讲中指出：“听起来就是这样：‘确实看到了一些酷炫的功能，但它们尚未转化为任何投资回报率。’”

“我们正身处失望的低谷，”他的同事、副总裁分析师塔玛拉·希普利说道。她补充道，Gartner的研究显示，只有三分之一的AI计划能提升生产力，五分之一的能带来可衡量的ROI。

不过，过去一年里，AI的能力和企业接受度显著提升。“现有模型和工具的成熟度呈指数级增长，”Coupa公司负责发票支付业务的高级副总裁兼首席产品官Rajiv Ramachandran告诉CFO Brew。他说，客户提出的问题更加深入，这表明他们正考虑将某些功能投入生产，而不再像以前那样只是想着“嘿，我能再试用几周吗？”

但随着企业走出试点阶段，新的挑战也随之而来。在Gartner大会上，与首席财务官布鲁交谈的CFO、顾问和供应商们描述了AI发展过程中遭遇的诸多难题。

项目停滞在试点阶段。许多公司在AI规模化应用上举步维艰，难以突破试点瓶颈。AI初创公司Reindeer的联合CEO亚伊尔·温伯格告诉CFO Brew：“我们看到很多公司构建演示和试点项目很成功，但在投入生产并服务于实际案例方面鲜有成功。”

温伯格指出，各公司也渐渐意识到智能体并非“无所不能”。他说：“如今，培养一个智能体几乎成了商品。实际上，培养它非常容易。” 他说，难点在于如何留住智能体，就像孩子兴高采烈地把新狗带回家，却发现还得喂它、遛它，对智能体的热情也像孩子带狗回家却不情愿去喂狗遛狗一样。

安永全球财务转型负责人迪尔德丽·瑞安表示：“AI可以带来竞争优势，但大多数组织尚未达到这一目标。他们仍在试水，或者进行概念验证，或者试图提升财务团队的技能。”

数据难题。缺乏干净有序的数据是AI项目停滞的关键原因。“如果你和CFO、CIO，或者任何规模组织中任何行业的员工交谈，他们都会告诉你，数据整理是他们面临的首要问题，”毕马威合伙人兼美国AI负责人萨姆·甘加表示。

“我看到的供应商犯的最大错误就是直接跳到AI，而忽略了创建统一的数据，”瑞恩表示赞同。客户的数据分散在多个ERP系统和其他系统中，他们还希望整合外部数据。“他们必须花时间创建一致、及时且能捕捉到驱动价值所需数据元素的数据模型，”她说。

数据孤岛也是个问题。瑞安参观的一家全球制药公司里，不同团队都开发了能节省人工、提高准确性的代理程序。问题在于，每个团队都使用了各自的数据。“销售预测团队的工作非常出色。财务团队的工作也很棒，”她说。“但总体而言，他们做得还不够好，”她补充道，“因为总得有人来整合所有这些数据源。”

成本持续上涨。随着AI公司转向基于代币的定价模式，成本也在增加。优步不得不限制员工每月的AI使用量，微软也因为成本问题取消了许多Claude Code授权。

Trintech首席财务官Omar Choucair告诉CFO Brew：“CFO们都在纠结这到底会花多少钱，因为代币化还处于早期阶段。这就像一把双刃剑，因为你当然希望员工能最大限度地利用这些LLM工具，但不可否认的是，你每周或每月都会收到账单，而且金额会远远超出你的预期。”

他表示，这“为CFO们创造了一种全新的分析方式”，他们现在面临着确定公司里哪些人正在使用AI以及如何使用的压力，以及ROI是多少。

尽管如此，许多公司确实从AI中受益匪浅，提高了生产力。“我们的一些客户发现，AI为他们的业务流程增加了数小时的价值，这些时间原本由人工完成，现在由AI代理来管理，”Coupa的拉马钱德兰说道。美国注册会计师协会（AICPA）负责业务拓展和增长的执行副总裁汤姆·胡德告诉CFO Brew，一家公司利用AI在短短三周内就完成了五年未匹配交易的核对工作。

胡德表示，会计界已经做好充分准备迎接重复性工作的自动化，而这正是“我们在金融领域20年来一直在讨论的目标”。AICPA和特许管理会计师公会（CIMA）联合发起的“Rise2040”项目对全球约6000名会计师进行了调查，结果显示，人们普遍对AI及其消除胡德所说的“令人窒息”的重复性工作的潜力持乐观态度。

SaaS供应商自然仍在构想端到端的自动化。“我们相信，B2B商业和贸易的整个流程都将实现自动化，由AI代理驱动，”拉马钱德兰说道。

Esker的首席财务官Scott McDermott设想了一个近乎科幻的未来。“我的最终目标不是真的用笔记本电脑工作，”他告诉我们，“而是拿起手机就能直接从代理商那里知道我们昨天有多少笔订单”或者“我们收到了多少现金，哪些客户错过了付款，我们的业绩与预测相比如何，以及哪些款项已安排付款。”

Gartner的分析师认为，AI已经准备好承担更高价值的工作。

克里斯滕森在主题演讲中指出，“利用AI提升交易流程效率并非寻求ROI的最佳途径”，因为“这些流程通常已经使用了成本较低的劳动力”。希普利补充道，企业需要“打破这种思维定式”，即AI将自动完成重复性工作，使员工能够从事更高价值的工作。“事实证明，AI擅长高价值工作，”她说道，例如“收集和分析数据、做出预测和建议，以及制定和执行行动方案”。

但对于那些面临数据孤岛、成本不断攀升和ROI不确定等问题的组织来说，要达到这个目标可能需要付出一番努力。