别急着上AI，先把账做明白后，再按以下几步引入AI

最近这段时间，拜访客户比较多。一个很明显的感受是，越来越多企业财务负责人，甚至老板、总经理，频繁、主动寻问我们的AI在财务领域上应用能力。

他们最常说的几句话，比如：

“能不能让AI自动做账？”

“能不能把对账、核销这些重复性工作都让AI替掉？”

“能不能自动生成经营分析报告？”

“能不能让财务少加班，月结更快一点？”

站在管理者的角度，这些想法都很正常。谁都希望效率更高、管理更轻、决策更快。尤其这几年国家经济形势严峻的大背景下，人工成本越来越高，业务变化越来越快，大家都希望借助新技术找到突破口。AI听起来像是一把很锋利的工具，自然容易让人寄予厚望。

但有意思的是，项目看得越多，我越发现一个并不轻松的规律：往往对AI改善财务效率期待最强烈的企业，财务信息化基础反而越薄弱。

不是说他们没有需求，恰恰相反，正因为问题很多、效率很低、管理很累，才更希望通过一个“先进工具”快速解决。但问题在于，很多企业连最基础的财务核算逻辑都还没有真正理顺，就已经开始希望AI直接帮自己跨越式升级了。

这件事，不太现实。

图源于用友BIP资料

一、很多企业不是“不会用AI”，而是“账还没做明白”

前几天和一家企业交流，老板提的第一个问题就是：未来能不能通过AI自动完成财务核算，甚至自动分析利润变化、自动识别异常、自动预警风险。

这当然是个好问题。

但再往下聊业务和账务处理细节时，情况就完全是另一回事了。

比如，问到供应商付款怎么做账，对方财务给的回答是差点让我大跌眼镜：

供应商来了发票付款，直接记——

借：库存商品

贷：银行存款

我又问，那“应付账款”呢？

对方说，为了省事，前期基本不用（后来出问题才不得不用）。

再问，采购业务有没有区分“到货未付款”、“付款未到票”、“到票未付款”、“暂估入库”、“应付核销”这些类别？

回答是：没有那么细。

再往下问，供应商、客户、项目、部门、费用类型这些维度有没有辅助核算？

很多企业也没有或部分没有。

这种情况并不少见。

表面上看，企业账也能出，报表也能看，税也能报，好像并没有什么大问题。但只要你稍微往深一点问，就会发现很多企业的账其实是“糊里糊涂混着跑”的，更多是为了满足最基本的记账和报税，而不是为了支撑管理。

这时候如果直接谈AI自动做账，问题就来了：AI到底要按照什么规则做？

因为AI不是魔法。它不是说看到一张发票，就能天然知道这笔钱应该进库存、进费用、挂应付、还是冲预付；也不是说看到一笔收款，就天然知道它对应的是哪一张销售单、哪一批出库、哪一张发票、哪一个客户结算周期。

它必须建立在清晰、稳定、标准化的业务规则和财务规则之上。

如果底层规则本身就是乱的，AI只能把混乱加速，而不是把混乱理顺。很多企业以为，新技术最大的价值是替代基础；但在实际管理里，新技术更常见的作用，往往是放大基础。基础扎实，它会把效率放大；基础混乱，它也会把混乱放大。工具从来不是无条件纠偏的力量，更多时候，它只是让原有的问题跑得更快、显得更像“进步。

图源于智友claw智能体介绍资料

二、财务效率低，很多时候不是因“没有AI”，而是因为“底子太散”

这些年很多企业把“效率低”归因于工具不够先进，但站在财务信息化项目的现场看，真正拖慢效率的，很多并不是技术本身，而是底层基础没有打牢。

常见的问题，大致有：

1. 核算逻辑不统一

同一类业务，不同财务人员处理方式不一样，不同时期的处理规则也不一样；

今天这么做，明天那么做；

换一拨人这个月挂往来，下个月直接走损益；

有时候按票做，有时候按付款做，有时候按老板口径做。

账不是不能记，而是口径不稳定。

这就会直接带来几个后果：

第一，财务结果不稳定；

第二，数据无法横向比较；

第三，系统很难固化规则；

第四，AI更不可能在这样的基础上稳定输出。

2. 业务流程不完整

很多企业账上问题，根子其实不在财务，而在业务流程。见我上一篇文章：流程都没梳理好，上个毛线ERP

采购没有完整的请购、下单、收货、验收、开票、付款、对账闭环；

销售没有完整的订单、发货、签收、开票、回款、费用结算闭环；

费用没有预算、申请、审批、执行、报销、归档闭环。

前面流程都没打通，最后全压到财务环节“兜底”，那财务自然只能大量手工判断、手工登记、手工对账、手工解释。

这种企业最容易说一句话：

“我们财务太忙了，想用AI提升效率。”

可真要追问效率低的原因，往往不是财务做得慢，而是财务一直在替前端流程不清买单。详见：为什么低价拿下的财务信息化项目，最后往往最贵？

3. 主数据管理薄弱

很多企业在系统里看起来都有客户、供应商、物料、部门、仓库、人员这些信息，但实际上编码混乱、命名不统一、口径不一致、重复建档非常普遍。

一个客户可能有三个名字；

同一个供应商既是“上海某某公司”，又是“某某上海”，还可能简写成“某某”；

一个产品今天这个编码，明天换个包装又是另一个编码，如“白桃味气泡水”、“李宇春版白桃味气泡水”，虽然是同一款产品却有不同编码。

这种数据基础之上，别说AI分析了，连传统BI都容易跑偏。

因为系统最怕的不是没数据，而是“看起来有数据，实际上不能用”。

4. 精细化维度在核算中缺失

很多企业账能做出来，但维度出不来。这个维度，在国内ERP叫辅助项，在ORACLE EBS叫弹性域（Flexfield），在SAP通过统驭科目+辅助核算实现。

比如老板想看：

哪个客户赚不赚钱？

哪个渠道费用率高？

哪个业务员贡献高？

哪个区域库存占压大？

哪个品牌毛利持续下滑？

财务经常要去Excel里反复拉数、清洗、透视、手工拼接。

为什么？

不是因为财务人员不会分析，而是因为当初账务设计时就没有把辅助维度建好。

没有客户维度、没有部门维度、没有项目维度、没有费用属性、没有业务标签，最后分析当然只能靠人补。

而没有结构化、标准化的底层核算维度，AI也无从下手。

库存健康顾问架构图

三、很多企业真正想要的，不是AI，而是“有人帮它把基础补上”

这些年大家都在谈AI，我反而越来越觉得，很多企业口头上想要的是AI，实际上最需要的，是一次扎扎实实的财务基础建设。

因为企业真正痛苦的，不只是“人太忙”，而是：

·账和业务对不上

·财务和业务说的不是一套语言

·月底关账慢、月初报表不准

·应收应付底数不清

·库存金额和实物对应不上

·费用归属模糊，责任说不清

·管理报表出来了，但没人完全相信

·一碰到税务、审计、老板追问，就要靠人工翻凭证、查Excel、找聊天记录

这时候，企业容易把AI想象成一把万能钥匙：

是不是上一个智能系统，很多问题就自动消失了？

但现实往往是，如果底层财务管理和信息化基础没有整理清楚，AI不但不能解决问题，反而会把问题包装得更“高级”。

它可能自动生成一份分析报告，但报告引用的数据本身就不准确。

它可能自动匹配一部分凭证，但匹配规则本身就是错的。

它可能自动提示异常，但系统里的“口径”本来就没统一。

最后看起来很智能，实际上大家还是不敢完全相信，关键环节仍然要人工复核，这会更加让人产生幻觉，越发不信任AI。

所以我常说，企业想要真正用好AI，第一步不是去问“AI能做什么”，而是先问自己：

·我的核算规则清不清楚？

·我的流程有没有拉通？

·我的主数据是不是统一？

·我的细颗粒核算有没有搭好？

·我的业务、财务、税务口径有没有明确边界？

·我的历史数据是不是可信？

·我的系统里沉淀下来的信息，能不能支撑管理分析？

这些问题如果没想明白，AI谈得越热闹，最后越容易落空。

四、财务信息化建设，最难的从来不是系统，而是“把管理想清楚”

很多企业做项目时，最关心的是功能清单、产品演示、AI能力、报表效果，这都可以理解。但真正决定项目成败的，往往不是这些“前台展示”，而是那些不太起眼、却很基础的事情：

·科目怎么设

·往来怎么挂

·库存怎么核

·费用怎么归

·收入怎么确认

·内部交易怎么处理

·业务单据和财务凭证怎么关联

·哪些节点必须系统留痕

·哪些审批必须前置

·哪些例外必须单独管理

这些东西，看起来“土”，却决定了企业最终能不能把账做清楚、把管理做实。

账，从来不只是数字的排列。它表面记录的是收入、成本、往来和库存，背后反映的却是一家企业如何定义责任、如何确认边界、如何理解经营。作为财务和信息化多年的从业人，我负责的告诉大家，如果这些问题没有想清楚，再先进的系统也只能记录结果，无法真正建立秩序。

说来说去，财务信息化不是把纸面流程搬进系统，也不是把Excel换成软件，而是把原来模糊的、靠人记忆的、靠经验补位的管理动作，变成清晰的、可执行的、可追溯的系统规则。

这一步没做好，后面谈AI，很多时候都是空中楼阁。

企业管理很像盖楼，也像走台阶。很多人羡慕高处的风景，却容易忽略每一级台阶都不能省。少走一步，短期看像是效率；迟早回头补课，代价往往更高。财务这件事尤其如此，因为它最终沉淀的，不只是结果，更是企业对自身经营秩序的理解。

五、AI当然有价值，但它更适合“锦上添花”，而不是“雪中送炭”

这不是说AI在财务领域没用。恰恰相反，我一直认为，AI未来在财务管理里会非常有价值。

比如：

·自动识别发票、单据、合同中的关键字段

·自动匹配标准凭证模板

·自动做异常预警和风险提示

·自动汇总经营数据并形成管理分析初稿

·自动回答老板关于收入、利润、费用波动的部分问题并进行归因

·自动对账、自动核销建议、自动追踪未闭环事项

·自动生成月结清单、税务差异清单、经营提示

这些能力，未来都会越来越普及。

但前提始终没变：

它适合建在一个已经比较规范的财务基础及高质量的财务数据之上。

就像盖房子，AI是装修、是智能家居、是中央控制系统；

而财务基础、流程基础、数据基础、核算基础，是地基、承重墙和水电管线。

如果地基没打好，先装智能系统，不仅住不舒服，还容易出问题。

图源BIP资料：Agent辅助决策健康库存

六、企业想真正用AI提效，应该先补哪几步？

如果企业真的希望未来把AI用起来，我倒觉得不妨先老老实实做几件事。

别怪老曾絮絮叨叨，有些事情，越想快，越容易慢；越想一步到位，越容易反复返工，财务基础建设就是这样。我在给客户交流时也一直强调，愿意花时间把规则定清、把流程理顺、把数据做实，看上去走得慢，实际上是在为后面的提效、分析和智能化节省总成本。

第一步，把核算规则理清楚

什么业务怎么确认收入，

什么业务怎么确认成本，

采购、销售、费用、库存、应收、应付、预收、预付怎么走，

例外情况怎么处理，

先把这些规则定下来。

规则不一定一步到位，但至少要统一。

第二步，把流程梳理清楚

采购流程、销售流程、费用流程、资金流程、开票流程、结算流程，一个一个捋顺。

哪些环节必须有单据，哪些环节必须审批，哪些环节必须留痕，哪些环节能自动流转，要有清晰定义。

流程一旦顺了，财务会轻很多，系统也才有可能真正发挥作用。这个我讲了N遍了，可以翻看历史文章：流程都没梳理好，上个毛线ERP

第三步，把主数据治理和细颗粒度核算补起来

客户、供应商、物料、组织、部门、项目、费用类型、渠道、品牌、区域，该统一的统一，该编码的编码，该管权限的管权限。

同时，把后续管理分析需要的维度，在核算阶段就设计进去。如果核算阶段实现不了，就要想好在管报系统如何分摊或拆分。

否则后面还是只能靠Excel救火。

第四步，把系统里的数据做实

不要只追求“录进去”，而要追求“可用、可信、可追溯、可分析”。

系统不是电子档案柜，而是经营数据的底盘。

只有底盘稳了，AI跑出来的东西才有意义。

第五步，再去考虑AI怎么嵌进去最合适

这个时候再谈AI，就不是空谈了。

你会很清楚：

·哪些场景适合先做自动化

·哪些场景适合先做智能提醒

·哪些场景必须保留人工判断

·哪些分析结果可以直接给管理层看

·哪些结果只能作为辅助参考

这才是AI真正能落地的路径。

看完不过瘾，那就自己发一篇吧！