先说结论
9 月 23 日下午的云栖大会财务分论坛「专业决策、智能执行、财务价值再升级」，是这场大会里离「账本」最近的一场——两个半小时、六组讲者加一场圆桌，都在回答同一个矛盾：**当 AI 已经能替你读三百页投资协议、跑完月结、付掉货款、预测十四天流动性之后，财务组织真正卡住的不是模型聪不聪明，而是敢不敢放手、边界怎么划、账怎么算。**开场讲者、阿里巴巴集团 CFO 徐宏（Toby）把问题收敛成财务人问业务的那三个问题——有没有必要做、可不可以做、值不值得做——并给出了本场被反复引用的框架：财务任务分输入、输出、判断，场景分流程、作业、知识、数据、分析、决策，智能程度参照自动驾驶分 L0 到 L5；AI 建设是摘苹果，梯子由模型能力、数据和 Agentic 能力搭成，先摘低挂果提效，再提质、创质。他坦白过去一年半最大的误判是把 AI 想慢了：「我们当时认为三年以后才能达到的，在过去一年里已经达到了。」安永华明首席合伙人毛鞍宁从审计侧给出另一条底线：「没有信任基建，就没有企业级 AI。」而压轴的技术架构分享（阿里控股 CFO 产品负责人程理）用「四道关」回答了信任如何工程化：身份、权限、管理、可审计。本文按官方回放时间轴（0—11267 秒、281 段转写全文覆盖）完整复盘全场，关键主张标注来源层级；演讲自报的内部效果数字未经第三方核验的均已注明。本场讲者身份经外部核验属实（阿里集团官网、中注协、新浪科技等，见文末核验说明）。
一、效率有上限，价值没有上限：CFO 的三个问题与那棵苹果树
徐宏的致辞不是动员讲话，是一次 CFO 式的自证。他说今年六月的财资大会上，有团队同学直接问他：我们做 AI 转型，目的是不是提升人效、降低 headcount、减少成本？他的回答是：新技术对过时生产力的部分替代是必然的，不用否认；但「如果我们把新技术带来的机会只看到提升人效、减 headcount，我们就把新技术带来的机会想得太小了」。他的论据来自亲历：1996 年他大学毕业进会计师事务所（经阿里官网核验：同年加入普华永道，后任合伙人 11 年），那时大多数客户还是手工账，做一个销售分析要把大量时间花在「摘数字」上；后来的会计电算化把流程效率大大提升——但财务人员的数量并没有大规模下降，「说不定还增加了一些」。原因是数字化让财务把分析的颗粒度和及时性提到一个很高的程度，财务价值大大提升，业务方因此愿意在财务上投入更多。所以他的结论是：追求效率是有上限的，追求价值是没有上限的；人的价值不是这个人能做什么，而是「人加上最先进的工具能创造什么」。他还讲了个只有老财务人懂的细节：三十年前事务所里「打计算器快」是一个重要 skill，senior 会据此判断一个同学行不行——现在没人在意这个 skill 了，但没有人因此失业。人机协同是常态，人跟最新技术的结合才是最新的生产力。
落到架构上，这套「苹果树」分三层：任务层面分输入、输出、判断，判断越强对分析决策能力要求越高；场景层面分流程、作业、知识、数据、分析、决策；智能程度上从 L0（信息化、无智力介入）、L1（模型作为工具）到 L2（Copilot）、L3（Auto Pilot）再到 L4（Super Pilot）。摘苹果的动作分三步：提效（同样质量的工作，人力大幅减少）、提质（人力有限的前提下质量大幅提高）、创质（「就算你愿意投入再多的人力，也触及不到那么高的质跟价值」）。这套框架去年四月定下，今年九月的财年半年复盘结论是：大方向没问题，但发展速度远超预期——供给侧发生了三件他们没完全预料到的事。第一是模型能力：SOTA（State of the Art）模型在榜上的保持期从三个月缩到一个月、一周，他开玩笑说「我们昨天在开玩笑，有一个模型在一个 Fab 五点一（转写，疑为海外新模型，待核）出来之前保持了一天的 SOTA」。第二是 Harness 的发展——它让模型能调用工具、使用 skill、读取知识，「从一个单一的对话工具变成了一个多链路长程的执行能力」。第三是开发壁垒的下降：过去工具开发只能由财务产研团队完成，因为他们要 coding；现在大多数财务同学用自然语言就能让 AI 做出功能。
进展数字（徐宏自报，控股集团层面，不含业务集团）：千问办公技能市场里已有约两百个组织 skill、六七十个在运行的组织 agent、约两百个在开发中，覆盖约八百项职责、两万多项任务，任务层面渗透率达到百分之五十。他随即话锋一转：「从做出来转向管起来」——规模上去了，数字人跟人之间的责任怎么定、产品上下架测评怎么来、数据安全监控怎么管、token 怎么监控优化（「你不能 token 比人的成本都高很多」）都是新问题。而值不值得做，他用一个 ROI 公式回答：回报 R 等于节省的 FTE 人效加上提质创质带来的业务价值，投入 I 等于产研人力加财务人力加 token 投入，「只有把这个合在一起看，才能清晰定义、才不能耍流氓」。
他给了三个案例支撑三层次（均为自报口径）。提效：三单匹配（合同、发票、入库单）一年约一千万张发票，2025 年之前借国家数字发票的东风用 OCR、API、RPA 解决了百分之九十，但剩下百分之十占了发票团队百分之六十的时间——错一个字、税率差一个点就要人工介入；去年起用模型接管这百分之十，今年进一步用约十个数字人接管采购到最终支付的端到端，整体效率提升三倍，结清从按月变成按天。提质：业财对账一个季度约九千个任务、全集团六百多人参与，过去五十天靠抽查、质量无法保证；今年用 balance sheet recon agent 在集团层面全量复查，准确率从百分之七十提到接近百分之百，时间从五十天压到三十天。创质：一千多个法律主体、两万多个银行账户、几千亿资金转动，过去靠半自动汇总加人工决策做资金分配；今年用约七个数字人分别做现金流预测、资金盘点、调拨规划、风险管理和分析报告，七乘二十四小时在线、敏感度比人高，最低资金余额的 buffer 因此压得更低，一年多出约几千万的资金收益。三个案例的共同方法论他讲得很清楚：先找到真实问题，再定义 AI 的责任，基于能力边界实现产品，最后用业务价值证明成败。
第一条机制链：技术提效的历史规律（电算化从未减少财务人数，反而放大了财务价值）在 AI 轮重演——效率替代有上限，价值创造无上限 → 财务的重心从记录结果、解释结果迁移到预见结果、影响结果，业务方对财务的投入反而变大 → 二阶影响：财务 AI 的正确评估口径不是 FTE 节省，而是「提质 + 创质」打开的价值空间；只算减人的账会把机会想小，也解答不了团队的信任问题 → 读者启发：向管理层汇报 AI 项目时，把 ROI 公式里的 R 拆成「省下的人 + 多创造的价值」两项分别举证；用「打计算器 skill 消失了但没人失业」这类历史类比先解决团队的情绪问题，再谈转型。（机制与案例为徐宏演讲观点与自报数字）
二、审计师的警告：数据问题八成是业务问题，信任是新的基建
毛鞍宁的视角恰好补上了企业内部听不到的那一半。他自我介绍是文科生——上海外国语大学毕业（经核验：1996 年毕业于上外国际企业管理专业，与徐宏同年入行），做了近三十年审计，三年前因为安永整体本土化信创项目赶鸭子上架 lead 了 IT 工程，今年 9 月 17 日安永「夏季战役」结束，AI 平台升到 2.0。他的判断是这轮变革「绝对比算盘到计算器、计算器到 ERP 要深刻」，因为「AI 这件事情本质是让石头能够思考」；而当前财务 AI 应用是一种「涌现」状态。他有个很妙的观察：财务是 IT 转型里「最富」的部门——因为财务是每个企业中唯一的高质量数据汇集处，既有财务数据又有业务数据；过去的掣肘是什么都要找 IT 实施，现在「平权了」：财务人用千问办公这样的工具就能搭 Agent，把数据分析权和洞察权回归到专家手里。
但他给出的第一组数字是泼冷水的：安永 2026 年全球五百强 CFO 调查（嘉宾称，未找到公开原文核验）显示，百分之八十的 CFO 认为 AI 未来十二个月会对组织（包括财务部门）产生深刻变革，但只有百分之二十一认为「我们准备好了」。最大的痛点是数据。而他的个人观点更尖锐：「数据问题百分之八十其实不是数据问题，只有百分之二十是数据问题，百分之八十是业务问题」——业务流程本身不精简、口径乱，财务数据才跟着乱，所以要财务、业务、IT 一起解决。具体怎么办，他给了三条可操作路径：第一，不要等一切 ready——「把所有数据统一到 ERP 里，这个永远等不到那一天」；先做财务数据融合平台，把讲得清楚的数据放进去，让 AI 在权限可控的情况下读取。他透露安永自己就是用阿里云建了这个平台，整合 ERP、CRM 和业务数据。第二，数据安全不能像常态 ERP 数据那样管，要「分态管理」：高风险数据稳态治理、中风险混合治理、低风险（内部报告草稿、数据查询、公开数据整理）敏态治理——「刹车好，车才能跑得快」。第三，找一个切口项目做深，跑通建立信心。
关于人，他讲了安永自己的实验。审计与财务相通：第一年新人本来做银行存款和固定资产，业务自动化加转交付中心之后，同类科目从一年二十个降到两到三个（「知道是怎么回事就可以了」），新人开始做应收账款、应交税金；代价是第一年淘汰率从百分之五升到百分之十，「但对我们来说这还是一个可以接受的程度」——说明年轻人只要给机会就能做高价值的事。方向上他给了一个反转：现在百分之八十的业务在电脑前、百分之二十在跟业务沟通和去现场，以后会反过来——财务最大的价值是跟业务沟通、去现场了解情况、解决问题、赋能业务。任务怎么分？他用一个矩阵：纵轴是错误的潜在后果，横轴是对人专业的要求——右上角（重大合规判断、审批、签署）必须人做，「AI 是无法担责任的」；左下角（规则明确、简单重复）智能体自主；真正花时间的是中间地带（付款初审、盈利预测准备），而做的过程本身就是「整理思路的过程」：当你发现 Agent 没法读、没法了解某个环节，恰恰说明业务规则没定义清楚、流程不是最高效的、数据源没理清——把这些问题理清楚，任务就能往左下角移，「业务也精进了」。他最后的主张是 Everyone is a builder：领导要亲自下场，「你不信，别人不会信」；理解业务、理解 AI 这件事不能外包，「说服也不能靠传达、靠文件，最终的最后一公里还是财务人手搓的」。主持人用五个字收束了他的分享：从「能用到敢托付」。
第二条机制链：大模型的非确定性撞上财务的容错刚性 → 数据治理的真实瓶颈从「数据」前移到「业务流程与规则本身」（八成数据问题是业务问题），而落地瓶颈从「能力」转移到「信任」（八成 CFO 看到变革、只有两成准备好）→ 二阶影响：企业级财务 AI 的第一份交付物不是 Agent，而是信任基建——数据融合平台、分态安全治理、一个跑通的切口项目 → 读者启发：动手前先做毛鞍宁的「任务矩阵」，把场景按错误后果与专业要求分到右上/左下/中间三格；中间格做不动的每一处，都是业务规则没写清楚的地方——AI 项目成了业务流程的体检仪。（观点为毛鞍宁演讲，80%/21% 调查数字为嘉宾称未核验）
三、从一个人跑得快到一群人跑得远：三块基建与一套运营机制
曹勇（阿里巴巴 ATH 事业群钉钉/千问办公财务负责人）的分享是全场最可抄的作业，因为他把「个人用 AI」和「组织用 AI」拆成了两个故事。个人故事的主角是他自己：今年上半年，一个重要新业务要在七天后上市推广，业务一号位要求上市第二天就看到完整的财务数据和经营分析报告。传统做法是四步串行：跟业务负责人开会搞清楚商业逻辑和数据口径（大量会议纪要和 double check）、拉数据构建底表、给 BI 同学讲需求搭报表、上市次日提取数据做交叉验证和多维下钻。有了 AI 之后四个变化：全程用 QwenNote（一个 AI 会议助手，「它不会录音，只会把会议的信息全部记录下来同时做总结」）替代手写纪要；QwenNote 记录的信息与千问办公打通，几轮对话生成分析框架和一个 skill；不再需要专业 BI 搭报表；上市第二天直接在千问办公用这个 skill 出报告——自动取数、自动分析。他那句感慨是全场流传最广的：「产品上市的第二天早上，我没有很匆忙，我喝着咖啡在电脑前看着千问办公跑出来的分析报告。做了这么多年的财务分析，终于有一天，我不是在赶报表，而是那个报表在等我。」但他强调价值不止省时间：串行流程的每次会议到总结都有漏斗，关键信息遗漏、与会者理解偏差；AI 并行操作是零损耗的，完整的信息和更多的数据换来更有深度的洞察，「快和深就是财务加 AI 最大的价值」。
组织级落地才是难点。他用徐宏的比喻接话：「树要有人栽，但果子要大家一起摘。」团队最初的三类问题是数据在哪（怎么安全给 AI）、skill 在哪（专家能力怎么变成组织能力）、知识在哪（口径和复盘都散在每个人脑子里）。数据的解法分三关：找得到——一半数据在线上、一半在 Excel 和本地文档，先完成线上化结构化；管得住——建一条统一的 MCP 通道，实现报表加字段维度的控权，「原来组织里你能看到什么报表，完全复用原有体系，一点都不会放松」，解决了这个才敢让大家大量使用；用得起——过去提数要找 IT 排期等一周，现在基建一次做好全员复用，不需要每个财务同学懂数据工程、会写 SQL。他的金句是「安全不是刹车，是油门」。skill 的解法是把专家脑子里的东西抽象成标准动作：专家怎么拆问题、去哪取数、怎么判定、怎么写报告，全部变成 skill 给 AI 用——效果是「专家的能力上限变成组织的质量底线」，而且 skill 的调用量、采纳率、发现问题的数量都有数据，专家可以据此迭代，「经验变得可以进化」。知识的解法是人机共用的 Wiki：AI 高质量产出经确认后一键回流，用过时信息自动失效，「人的经验会随离职带走，但沉淀在 Wiki 里的会一直留在组织里」。他给三块基建的比喻后来被全场借用：数据给了 AI 眼睛，skill 给了 AI 双手，知识给了 AI 大脑。
更难得的是他把「运营机制」讲透了——这是多数企业缺的那口气。愿意用的问题：早期用 AI 很累，「人做一遍还要让 AI 做一遍，还要不断校验」，大家感受到的是工作量增加；解法是把用好 AI 写进组织 OKR（「不是为考核而考核，是传达一个确定性的信号」），并在每个团队选一个 super user，把使用中遇到的问题和解法写成一页纸分享——「这比统一培训、统一动员效果好很多」。用得好的问题：选题——有人上来要做「智能经营决策平台」，三周数据都没接通，信心被打没了；有人做自动化周报，很简单但没价值。解法是把选题统一分成两类：快赢（一到三周见效、痛点清晰、路径明确）和标杆（拉高上限、让大家知道 AI 能解多复杂的问题），节奏上先全员快赢、再集中力量做标杆；同类 case 做得好的定期分享经验；不好意思开口问的，搞匿名许愿池——发帖、顶帖，共性问题集中资源解决。结果（自报）：云和 ATH 财务线三周跑通三十四个场景。他现场演示了两个：收入解析，以及合同审批辅助——AI 读 V1 版合同生成首版审阅报告（提取关键对价、倾向使用权许可的履约义务判断、提示先收后付事项、按五步法梳理），V2 版来了复用 skill 做版本比对，识别三个核心差异并给判断建议；正文十四条里三条改写逐条标注，AI 按风险等级排好五项风险、自动起草审批意见，「AI 初审判定需要人审，人做最终确认，整个全程可回溯」。
第三条机制链：AI 开发壁垒下降 + Harness 长程执行能力 → 财务专家第一次能不经过产研团队，把自己的判断直接沉淀为组织 skill → 专家上限变成组织底线，skill 按使用数据自我迭代，组织能力从「人脑 + SOP 文档」迁移到「技能市场 + 知识库」，人走了经验留下 → 二阶影响：渗透率不再由工具决定，而由三块基建（数据/skill/知识）加一套运营机制（OKR 信号、super user、快赢与标杆、许愿池）决定——个人跑得快靠工具，组织跑得远靠运营 → 读者启发：先建 MCP 控权通道解决「敢给数据」，再让每个专家出一个 skill 解决「能力复用」，最后用快赢选题让全员在三周内见到第一个结果；别一上来做平台级大项目。（案例与数字为曹勇演讲自报）
四、共享中心的端到端闭环：数字员工上岗与红绿灯
冯云乐（阿里控股中台财务及内控负责人）自称「冯会计」，他把这场变革放进了七千年的会计史（嘉宾称）：对会计产生重要影响的技术变革集中在最近五十年，而会计电算化、ERP、RPA 每一轮第一个被重塑的都是账务与共享；到了生成式 AI 这轮还是如此——他引用 Gartner 去年的调研：AI 在财务中部署率最高的三个场景是知识管理、应付账款自动化、错误校验，又落在账务与共享（经外部核验属实：Gartner 2025 年 11 月调查，知识管理 49%、应付账款流程自动化 37%、错误与异常检测 34%）。为什么第一站总是这里？他给了五个因素：人力投入最密集（很多企业核算还占财务部门一半以上人力，每笔省一点总量可观，ROI 直观）；规则流程清晰标准化、结果可校验；数据密集且几十年 ERP 投入使技术底座稳固；试错风险可控；经验与工具链便于向其他职能迁移——「先做基础题，才有可能做像管理决策这样更复杂的应用题」。与历次变革的根本不同在于：电算化和 ERP 是人定义规则、工程师写代码、机器执行，「背后还是人在驱动流程」；AI 在语义理解与认知、自主长程任务执行、自我进化三大能力上有了质变。他的三年愿景四目标（嘉宾称）：AI 端到端自主执行比例达百分之八十以上、判断类工作 AI 覆盖率百分之五十以上、至少十个场景向价值链上游为采购销售创造价值、组织从人力密集走向人机混编。
第一个场景是采购到付款（P2P）。这条链路的底数（自报）：阿里一年结算资金流水超一万亿、结算子场景超一千五百个、从业务到采购到法务到财务审核点超过两百个——既要保时效又要守底线，而资损和舞弊恰恰在这条链路高发。他们的阵容是一个风控 Agent 加两个数字员工：火眼（供应商准入环节外查经营诉讼、穿透股权、内看历史履约，一分钟给出准入与否和风险建议）、Jenny（智能结算审核：多模态解析合同正文、验收 Excel 和确认邮件，提取二十一种审核要素，逐条比对两百多条规则，用置信度模型分层——高置信直接执行、低置信转人工，并做结构化批注）、Janice（票款审核：三单匹配加付款七步，异常自动根因分析转人工并沉淀知识）。冯云乐的三点体会比 demo 更有信息量：其一，P2P 是长程任务，AI native 改造要「端到端重新审视和设计，无法架构在原始的链路上」，且财务监测审核要尽可能前置——所以从供应商准入的源头就引入火眼；其二，「提质是前提，有提质才会有提效，否则失去质量的效率是没有依附的必要性的」——每年上千份合同、上万份验收单据没法一刀切审核，用置信度分层后匹配不同规则，还把过去业务、采购、法务、财务的串行审核变成「风险驱动的并联审计链路」，既保效率又兜风险；其三，全链设计之初就要白盒化且可追溯，便于未来的审计检查。效果（自报）：审核人效提升三倍，重点风险域规则覆盖度百分之百，单张发票处理成本约为行业的十分之一；复用到销售回款后现金核销做到「当天认领、当天核销，T 加零」。
第二个场景是账务到报表（R2R）。底数（自报）：资产负债表一点九万亿、一年收入一万多亿、法律主体上千个、每月凭证七十多万笔、关账要求自然日第三天——没有 AI 之前，每月关账是控股和 BU 上百个财务同学加班的接力赛。他们的动作是引入三个数字人：Soul（核算会计，负责 ERP 系统账之外不到百分之八的手工账——能解读三百多页的投资协议、自动完成会计判断、产出可执行核算方案给人类主管复核，并实时入账取代月末集中制单；月结时自主调度八个子 Agent、协调多 BU、并行执行一万四千八百六十六个节点的检查任务）、Ledger（总账会计：事中检查发现一笔外汇分润凭证科目用错并自动提醒；事后做科目余额分析时「不是常规抽查，而是百分之百全量覆盖」，周期从六天到一天）、Alice（报表会计：加工报表、完成报送，人类主管审核）。他引用一份研究报告（嘉宾称）说全球走到持续关账的企业占比不到百分之五、部分关账的只有百分之三十到四十，阿里的目标是「把关账从月末集中冲刺变成贯穿日常的持续关账，把人类账务管理的接力赛变成 AI 的长跑」——但也承认这项工作还在起步阶段。
这段分享里最有思想分量的是「审计难题」。冯云乐自己审计出身（「我最早老东家也是安永」），他说电算化和 ERP 是规则、是工程代码实现的，「输入不变，输出就确定，测试一遍就能通过」——他跟团队把这叫 test of one，测一个样本就能证明链路可信。但大语言模型不一样：同一个异常单据跑两次，走两条不同的推理链路，结果可能不完全一样——「这种非确定性和审计所要求的可复现性会产生冲突」。他们的解法是一个三维公式加一套分区：规则确定性（会不会出错）、纠错可逆性（出了问题救不救得回来、可不可以回滚）、容错空间（担不担得起后果）——三个维度把账务与共享域所有场景按红黄绿分区：绿灯区（三单匹配、现金核销、银行对账）AI 先行、人做审核；红灯区（规则模糊、监管合规、一票否决的）不让 AI 直接接管。「从哪里入手就看绿灯，要不要放手，就看红绿灯的分区。」外加组织上的三道防线（产研团队保证作业留痕可追溯、独立审计为最后防线），且分区随模型能力提升动态调整。他的收束句值得每个 CFO 抄下来：「作业可以被移交，但确保 AI 可信、确保 AI 合规，这份合规责任始终要在我们自己身上。」
组织侧的变化同样具体：十六个数字员工（自报）进入执行交付层，接管低风险重复工作，部分场景效率达人类五倍；COE 专家层与执行交付层之间长出一个人机协同层，「AI 训练岗、数据标注岗，这就是今天发生在共享中心新出来的岗位」；更意外的是，这十六个数字员工绝大部分由一线员工而非中层设计并训练上岗——年初一线对 AI 还有怀疑和不安全感，给了资源和场景之后「动力被调动起来了」。数字员工发了工号，其中一部分「主管」还带着二十多个小弟七乘二十四小时工作。他的提醒有两条：AI 与现有财务系统不是对立关系，ERP 在高精度、低成本交付上有独特优势，两者结合「让你未来花 token 的时候每一分钱花得更值得」；skill 和专家套件可以花钱买，但企业内部私域的数据和知识是特有的，「别人帮你建不了」。
第四条机制链：大模型的非确定性与审计要求的可复现性冲突（test of one 失效）→ 信任问题被工程化为「规则确定性 × 纠错可逆性 × 容错空间」的红黄绿分区 + 三道防线 + 白盒化留痕 → 人机边界不再按任务难度划分，而是按错误后果与可逆性划分；「作业可移交、责任不可移交」 → 二阶影响：低风险区（三单匹配、现金核销）率先无人化并释放成本空间（发票处理成本约为行业十分之一），高风险区保持人审，审计行业本身需要为 AI 产出物发明新的取证方式 → 读者启发：给 AI 划边界时先画这张三维红黄绿图，而不是先选工具；day 1 就把「事件可回放」设计进链路，否则未来审计过不去。（框架与数字为冯云乐演讲自报，Gartner 引用已外部核验）
五、经营分析的重构：从「人找事」到「事找人」
司为（阿里云智能集团公共云业务财务负责人/产研财务负责人；转写「思维」，按议程校正）是全场唯一正面回答「AI 到底改变了经营分析的什么」的讲者。他说同行聊起 AI 在经分领域，讲的都是出报告更快、交互性更强——还是提效工具；他的问题是：当 Agent 进入企业之后，「有没有机会去重构今天的经营分析到管理决策的流程」。他把现状总结为四个字：浅（洞察浅——人力有限只能抓大放小，中长尾信息长期在监控盲区，等发现问题已过最佳干预期）、慢（归因慢——手工取数、层层沟通、跨团队确认，一趟三到五天，高度依赖个人人脉与经验，且无法沉淀）、偏（预测偏——Excel 加单一模型加人工调参，做一次一到两周，做完实际情况已经变了，「更像是一个刻舟求剑」）、散（决策散——有限信息加经验判断加人工方案审批执行，线性不可逆，分析往往止于一份文档）。他特别强调这四者环环相扣：监控有盲区所以归因不准，归因不准所以预测偏离，预测偏离所以决策割裂；而这「不是财务人员的能力不行或执行力不行，是个物理上限——即便再加人，能缓解，但不能最终解决」。
Agent 带来的三个改变里，第一个是数量级式的：从抽样检查到全量扫描。过去看客户只能看头部大客户，中小客户聚合分层，「个体的异动会被聚合稀释掉」，等波动足够大才发现，往往已滞后数月；Agent 每天定时对数据做全量扫描、逐客户检测、标识异动，并按历史经验排除噪声——「这个差距不是百分之几到百分之十几，是一个数量级的差距」，分析频次从月度季度变成日级甚至小时级。第二个是信息传递零损耗：过去层层汇报层层衰减，现在 Agent 接到信息后自动下钻、交叉验证、调取历史类似案例、给出初步判断再交人确认，产生的知识自动落库复用——归因从三到五天压缩到小时级。第三个「最有想象力但也最难」：从解释历史到预测未来。滚动预测从 Excel 模型加人工经验（一次两到四周）变成多模型自动对比拟合、新数据一到就刷新、随交互持续学习「越跑越准」；决策支撑从「人工做方案、人工汇报、人工审批、人工执行、很难闭环」变成 Agent 生成初版方案、人确认后自动触发执行并作为任务监测结果回流。他给了三个案例。异动监控：分析 Agent 清晨自动扫描收入与供应指标，发现异常后自动归因并转信使 Agent 找负责人核实；业务方反馈「客户周期性压测回落」，Agent「不止听口头说明，还与数据曲线核对」，一致后沉淀为代办；到期日监控命中代办自动追加校验，恢复了闭环入知识库，没恢复转新一轮追因——「由原来的人去找事，到现在的事来找人」。管理决策：管理者的一个提问被 Agent 拆成供、销、存三条可测算链路，联动经营数据、知识库与历史决策生成初版报告，先向财务 BP 复核，三类代办分发责任方，测算出可比较方案供管理层研讨；决策后纪要自动沉淀，「Agent 解析纪要、提取方案、拆分代办、关联责任团队、周期跟踪」，复盘周期到达时自动汇集执行进展与经营数据、与决策基线对照——「它不只是止于一次会议，而是带着一个追踪方案一直跟到最后的结果」。滚动预测：系统运行十六种常规预测算法并做风险与置信度评判，结合历史表现自动选择适合当前业务的方法；预测差异与人工输入汇总成清单交决策者逐项审议（纳入、剔除或补充），确认后进入修正阶段重算正式预测，「完整保留模型、人工输入与管理决策的链路」——「真正的让滚动预测滚动了起来」。
抽象层面他的判断很克制：Agent 改变的「并不是整套逻辑，改变的其实是协同方式、交互的频率、覆盖的范围以及响应的速度，这里面人该拍板的地方还是由人来拍板」。三层分工是：管理层问数与派任务；中间层的人做三件事——纠偏（「Agent 会忽略一些商业本质的东西，因为它并不是真正理解商业的本质」）、补信息（提示它关联其他报表再验证）、确认（有经验的人再判断一次）；执行层由事找人，且「人的行为也会受到约束，因为 Agent 会自动比对执行结果来判断你提供的信息是不是真实的」。他的结语把整场论坛的题眼点破了：「当所有人都把 AI 作为工具来使用、把分析做得更快的时候，本身已经不再是一个竞争力；真正的竞争力是能够比别人更早地看见、更早地判断、更早地决策。这些省下来的时间要能变成对未来的洞察和决策的先机，这才是我们要去的地方。」
第五条机制链：财务分析受人力物理上限约束（抽样、串行、一次性），长期处于「浅慢偏散」稳态 → Agent 以数量级优势带来全量扫描、小时级归因、持续滚动预测与决策追踪，把经营分析从「解释历史的后视镜」推向「影响结果的导航仪」 → 二阶影响：财务的竞争力定义改变——分析速度不再是壁垒，先见与先决才是；执行层的行为也被重塑（事找人 + 结果自动比对倒逼信息真实） → 读者启发：经分团队转型先补三种新角色——Agent 的纠偏者、信息的补全者、结果的确认者；把预测做成分日滚动、留痕审议的循环，而不是每季度一次的 print screen。（框架与案例为司为演讲，效果描述为自报）
六、圆桌：要不要现在做，账怎么算
压轴圆桌由财经媒体人主持，嘉宾为阿里云智能集团 CFO 罗伟、千问办公 CEO 陈宇森、安永首席合伙人毛鞍宁、荣耀终端董事、首席财务官彭求恩。暖场问题「AI 能接管大量财务工作，晚上还睡得着吗」就分出了光谱：罗伟（转写首轮称「文总」，按席位推断）说会睡得挺好甚至笑醒——「财务被各种基础工作封印的能力终于可以发挥了」；陈宇森说会笑得更大声，因为「AI 应用真正进入千行百业，帮大家解决了问题」；毛鞍宁唱反调说睡不好——AI 来了睡眠反而减少，「每个人的前沿往前推了，原来要求人做的事现在自己都能干」；彭求恩用荣耀的愿景回答：科技以人为本，释放人类潜能而非替代现有工作。
彭求恩的三十年回望给了整场一个历史锚点：三十年前他加入华为财务部，当时公司六千多人、销售额六十亿，财务部六十多人（占比约百分之一），部门设置就是总账、AP、IR、成本会计、出纳部；而预算在 IT 部门做、定价在市场部做、产品投资的财务评估在研发部门做——「大量很重要的财经工作不给财务做，他就觉得你财务就是做账就好了」。如今（华为和荣耀）内控、风控、定价、销售融资、公司融资全到了财务，账务人员比例仍偏多约百分之三十。他举税务筹划为例：以前没有这个岗位，现在「一个企业的税务筹划是一个巨大的现金流和利润业务」；「税务局你交多税他从来不吭声，你交少税他找你麻烦」。他的结论是不用担心财务没工作：低价值工作不做以后，公司对你的要求会更多——商业竞争更激烈（他举例内存涨价把压力「浮到天上去了」），组织要面向更大的价值创造，「财务组织只有承担起来，公司才会觉得你跟他们站在一起，否则他就会觉得你是个小丫头」。荣耀的实践则是「新公司红利」：因为荣耀是重组产生的新公司，六年前搭 IT 基础设施时就没有老公司财务系统与制造、研发、销售、采购系统脱节的包袱——成立之初就约定财务系统必须与所有系统天然无缝连接，紧接着部署公司级数据湖，「所有数据必须按计划入湖，不允许数据孤岛存在」；作为从制裁实体出来的公司，荣耀还要做逐笔交易筛查的金融合规。他们已做了 P2P 付款流程 AI 化和采购合同评审 AI 化，他自评与阿里「还是有差距，我们几个负责人都在后面听课，回去要进一步检查」。最生动的观察是他发现风向变了：以前 IT 要把需求写成一行行代码写死在系统里，变化要排版本；现在「AI 最先革命的刚好是这个 coding 工作」——荣耀的税务人员已经自己按需求处理数据、不依赖 IT 人员，「我现在不担心财务人员，反而有点担心 IT 人员怎么办」。
「要不要立刻做」的问题上，罗伟的回答最有内部视角。他今年三四月加入阿里云（经核验：2026 年 5 月底阿里云计算有限公司工商变更，罗伟出任法定代表人、董事、经理），第一个重要项目就是财务 AI 规划落地，启动会上他讲了个朴素的道理：阿里云作为 AI 业务、最前沿接触这个行业，「如果我们自己都不能做成一个 AI 化味道更重的财务团队，我们是失败的」。外部逻辑是 AI 带来技术平权，竞争者同行都拿得到同样的能力，不做就会「潜移默化地让公司在竞争中处于相对劣势」；内部逻辑是财务人的话语权——能力提升才能输出更好的建议，有影响力才能拿到战略决策和风险把控的角色，「这个东西都是靠自己来争取的」；而 AI 是放大器，有复利效应，「如果半年、一年之后迟迟不能落地，我们落后别人就不只是一个身位，可能是一个量级」。陈宇森补了产品侧的紧迫感：大家认识到 Agent 能解决更多问题、价格更便宜、安全更好，这一切「就发生在最近的半年」，所以「现在做已经晚了，赶紧干」。他反驳了 AI 圈流行的那句「反正不学也没事，过两个月都是新东西」——对个人娱乐适用，对企业不适用，因为企业要把内部知识和数据让 AI 理解，「连通是第一步」，连通之后 AI 每进步一次你的存量基建就多赚一次。他还有个漂亮的类比：开车十年比开车两年开得好，自动驾驶时代遇到危急情况需要人接管的那个瞬间，「会开车和不会开车就分出区别，但那一瞬间就是决定性瞬间」——所以早学一定比晚学好。他两次演讲的标题都叫「Context is all you need」：公域问题（搜索引擎能查到的）所有人都解决得了，产品间的差距不大；真正的分野是企业级能力——「问荣耀今年华东区销售额多少、收入前三的品类是什么，没有数据肯定答不了」，甚至「华东区包含哪几个省」都是企业内部知识；要在安全前提下打通数据和系统，让 Agent 像员工一样进入业务流程。他现场还打了个广告：QwenNote 录音小卡片（经外部核验：9 月 22 日云栖发布 QwenNote A2，主打「真AI不录音」——云端转写后物理删除原始音频；上一代钉钉 A1 国内销量第一、约大几十万台）——「录音大家觉得敏感，但开会旁边有个速记员在记，大家不会觉得敏感。文字没有伤害性，语音有点危险。」
「账怎么算」的问题上出现了全场最有价值的分歧。毛鞍宁提醒成本有三层：造 Agent 的成本、可观的 token 成本（「一份合同你省了多少成本，有没有用合适的方法把 token 成本降下来」）、以及最大的——改造流程和数据合规 ready 的成本；安永做过研究（嘉宾称）：造一个 Agent 的成本与改造整个公司流程的成本约为一比六；但另一面 AI 带来的是复利——原子能力可复用、企业能力在其上叠加，「既不能低估成本到时候预算包不住，也不能短视」。他建议先做「夜光弹」项目：漆黑夜晚打出去，照亮你旁边是什么——「走通了以后，你能看到你数据哪里有问题、流程哪里有问题、整个治理哪里有问题」。罗伟的视角几乎相反：他管的财务更贴业务，「很多脏活累活都外包给云乐了」，他担心的反而是「团队用不起来、token 消耗不够——这对我来说是一个巨大的踏空风险」。他的打法是不做只有百分之五到十的人参与的传统大项目，而是让每个人动起来、把 token 消耗起来：动员加 peer pressure（每个团队交作业，「谁交得好，大家互相攀比，这是人之常情」），再建一个小中台——类似内部财务专用 FDE 团队，有 PM、PMO、两到三个 data science 做数据挖掘和 MCP、BI 同学打数据结构，还有千问办公派驻的 FDE 同学（「他们也得到很多好处，我们很多解决方案变成他们的商业化东西了」）。效果是可见的：六个月前他刚去时，向管理层汇报月度经营报告还在用 Excel（「当时管理层说这个不行，完全跟 AI 是两个味道」），要求改成 HTML 之后团队一开始很痛苦、两个月后「完全超出我预期」；现在他开始操心积分预算了——「有一点刹不住车的感觉」。这组分歧恰好构成完整的成本观：早期渗透优先（罗伟），规模化之后再谈优化（毛鞍宁的 token 成本论、徐宏的「token 不能比人贵」）。
第六条机制链：AI 能力平权 + 复利/放大器效应 → 先发优势不再是「有没有模型」而是「组织内渗透率与 Context 沉淀」——token 消耗从成本指标变成采用率指标（用不起是小事、用不起来是踏空） → 二阶影响：财务团队的组织方式改变（小中台 + FDE 混编、peer pressure 式推广、报告形态从 Excel 到 HTML/工作台），预算逻辑从「项目制审批」变成「积分制运营」；而成本大头从造 Agent（1）移到流程与数据治理（6） → 读者启发：第一年别急着优化 token 成本，先看渗透率；但把流程改造成本（毛鞍宁的 1:6）提前写进预算，别让买单时预算包不住；推广抓手用「交作业 + 攀比 + 快赢」，比 KPI 下达有效。（观点与数字为圆桌嘉宾口述，1:6 为安永内部研究嘉宾称）
七、技术收束：五种解决方案、四道关与线上办公室
程理（阿里控股 CFO 产品负责人；转写「程礼/成立」，按议程校正）开场自嘲：「又来了一个程序员——我是屡次被各位嘉宾提到需要被平权的那个人。」前面各场从财务视角看技术，他从技术视角把全天的案例装进一个体系：苹果树左侧的智能化阶梯，L2 是 in the loop（人环环在场，辅导、监控、审查），L3 是 on the loop（无人化）；针对有控制点的任务（对外遵从、审计合规），大部分仍用 in the loop 审慎解决；中间态叫 judged loop（裁决入环）——二十四乘七自主执行的 Agent 在云端完成任务，人事后介入确认结果、纠偏和验收。
体系是五种解决方案，按「AI 使用范围与人对 AI 授权的逐级开放」界定。方案一：个人附加——向 AI 打开本地电脑和文件，AI 与 Office 结合的 wow moment 发生在这层，「程序员平权、人人都是产品经理」也发生在这层（内部常说「手搓一个 skill」）。方案二：线上数据开放给 AI——「如果你会用 AI，你会成为一个超级个体，提效可能是十倍甚至高于十倍」；例证是集团流动性管理：一个组织 skill 做未来十四天的短测，访问线上 ERP 数据并调度原有的流动性预测小模型，但「人仍然是判断的主体，职责并不迁移」；这层的关键动作是 Context 沉淀——传统数据沉淀做的是结构化数据（容易造报表变现），现在早做比晚做好的是沉淀非结构化数据：听记纪要、邮件、群聊信息这些「raw material」，系统抓取后编译成知识库和 skill，「这对企业长期竞争壁垒非常关键」。方案三：AI 注入现有流程——ERP 数据完全开放给 AI、AI 受控调用，例如结算报账系统侧边栏的 Agent 按上下文给审批意见、人录入最终结论；技术分水岭是「托管智能体」——他类比为本地电脑与云计算的关系：个人 Agent 跑在本机，托管 Agent 把运行和 runtime 放上云端，必须二十四乘七不间断、支持海量高并发、用经济的资源支撑企业整体运行。方案四：组织 Agent——区别于个人 Agent（个人助手、人主控），组织 Agent 代表组织职能，职能不断线上化；「所谓无人化，其实它应该是看不见的」：后台系统里 Agent 按各自 SOP 二十四乘七无人化处理 O2C 客户订单，「目前线上流量大概有百分之五十都是以无人化的方式在进行，这个比例也在不断上升」（自报），数字员工「小陈」是团队处理工单数量的第一名。设计要点三个：无人化 Agent 仍需要与人交互（judged loop 的确认、异常找人），所以引入数字员工的产品形态；组织 Agent 以「有编制」的方式放进一个线上办公室；重中之重是权限与最后审计。方案五：Agent to Agent——职能线上化后 Agent 之间必然发生关系：做账 Agent（来自共享中心）与会计判断 Agent（来自总账 reporting 团队）互通协同；另一场景是本地个人 Agent 与云端办公室多 Agent 互动——云端 Agent 发布代办、个人 Agent 逐一处理，因为本地有个人上下文和手搓 skill，可批量完成线上任务。他特别澄清 L2 与 L3「没有企业价值维度孰优孰劣」：L2 提升员工个人能力上限（价值上限靠 L2 突破），L3 让组织职能在线化规矩执行，两者有机结合放大效应才大——这句话实际上是对「无人化焦虑」的技术回答。
全场最后落在这「四道关」上，这也是对毛鞍宁「信任基建」的工程化翻译。第一关，身份：运行的 Agent 是数字人、代表团队的系统账号，还是个人的 representative？「只有确认了这个身份以后，整个 Agent 的安全才是有一个基础。」第二关，权限：它能访问什么企业资源和 ERP；以及「别人可以通过你的 Agent 访问什么」——安全部一直在扫描 Agent 有没有把不该披露的信息给不相关的人；最小权限原则要把颗粒度、授权范围和时间都压到最小，某些 Agent 已做到 session 级别（一次对话级别）植入权限体系。第三关，管理：「不能把这个决策和模型放在一起」——授权决策必须与模型解耦，权限管理仍然由程序员一行行写代码、rule base 控制，而不是交给模型自己判断。第四关，可审计：在 Agent 留痕之上构建「事件账本」——对所有 Agent 产出物做抽象；千问办公里的「检视」功能是过去二十四乘七 Agent 自主执行任务的快速回放，「将事件抽离，下面非常多的交互点，这些交互点都是一个个的审计点」，总账同学最后确认 Agent 构建的 accounting memo，整个事件才继续自主执行。他的愿景收束全场：「让每一个财务人成为一个专家和 N 个硅基员工的超级个体」，组织能力不断在线化、资产化，「从人在的时候 AI 在，变成 AI 二十四小时乘七在线」。主持人的串联词则给了这条路径一个具象画面：从集团流动性预测到共享中心 O2C 工单处理，再到投资核算与会计判断两个 Agent 之间的互通协同——「一个线上办公室正在成型：人有人的工位，Agent 有 Agent 的工号。」
结语：模型之后，财务拼的是信任、边界和账本
把六组讲者串起来看，这场论坛讲的其实是财务 AI 的三道关卡。第一道是价值关：徐宏用会计电算化的历史证明效率替代有上限、价值创造无上限，财务的重心从记录结果走向预见结果、影响结果——所以评估口径必须是「FTE + 提质创质价值」的全量 ROI，而不是省了几个人。第二道是信任关：毛鞍宁说没有信任基建就没有企业级 AI，冯云乐和程理把它工程化成红黄绿分区、三道防线、四道关与事件账本——人机边界按错误后果与可逆性划分，白盒可回放从 day 1 设计，「作业可以被移交，责任始终在自己身上」。第三道是账本关：token 进成本表之后，圆桌上出现了真实的路线分歧——省 token（一份合同用对方法降成本、1:6 的流程改造成本要进预算）对上用 token（渗透率优先、用不起来才是踏空），这其实是同一枚硬币的两面：第一年买采用率，第二年买效率。值得盯的观察指标有四个：千问办公技能市场里组织 skill 与组织 Agent 的增速（徐宏口径已到两百 skill、任务渗透率百分之五十）；共享中心数字员工的「编制」规模与无人化流量占比（目前约百分之五十、数字员工小陈是工单第一）；持续关账能否从「不到百分之五」的全球少数派变成可复制的范式；以及审计行业如何为非确定性的 AI 产出物发明新的取证标准——test of one 失效之后，替代它的是什么，全场没有人给出答案，这可能是明年最值得追问的问题。用司为的话收尾最合适：当把分析做得更快不再构成竞争力，真正的竞争力是比别人更早地看见、更早地判断、更早地决策——财务省下来的每一个小时，都应该变成洞察和先机。
转写与核验说明：本文基于 281 段、0—11267 秒官方回放的完整本地转写（全文覆盖无缺段），讲者按议程时间对位校正。ASR 疑似错误已按议程与上下文校正：徐红→徐宏、毛安宁→毛鞍宁、思维→司为、程礼/成立→程理、千万办公/千万→千问办公、卡特→Gartner、Lager→Ledger、Alex→Alice、Qin Note→QwenNote、规基/探基→硅基/碳基、Cloud Code→Claude Code。经外部核验的关键主张：徐宏（Toby Xu）2022 年 4 月起任阿里巴巴集团 CFO、1996 年复旦毕业后加入普华永道（阿里巴巴集团官网）；毛鞍宁为安永华明首席合伙人、中注协副会长、1996 年上海外国语大学毕业（中注协官网、第一财经、搜狐）；Gartner 财务 AI 调查三场景：知识管理 49%、应付账款自动化 37%、错误与异常检测 34%（Gartner 官网新闻稿，2025 年 11 月 18 日）；陈宇森为千问办公 CEO，千问办公由 QoderWork、悟空、MuleRun 三款智能体整合而来（快科技/财经 2026 年 7 月、新浪科技 2026 年 8 月）；QwenNote A2 于 2026 年 9 月 22 日云栖发布、主打「真AI不录音」、上一代钉钉 A1 国内销量第一约大几十万台（新浪科技、观点网）；彭求恩原华为消费者 BG CFO、2020 年 11 月荣耀独立后出任 CFO、荣耀 2020 年 4 月注册成立（LinkedIn、搜狐、网易财经）；罗伟 2026 年 5 月出任阿里云计算有限公司法定代表人、董事、经理（澎湃新闻、凤凰网科技）。存疑与待核项：转写「Fab 五点一」（徐宏所述新模型，疑与海外模型版本有关）、「小龙虾」（陈宇森所述今年发生的行业事件代号）、「吴妈」（罗伟转述的管理层称呼，疑指集团 CEO 吴泳铭）、圆桌暖场首答嘉宾「文总」（按席位推断为罗伟）、陈宇森「我做 ACU」（疑口误）均保留原文并标注；徐宏自报的控股集团层面进展数字（约两百组织 skill、六七十在运行组织 Agent、约八百职责、两万多任务、渗透率百分之五十）、三案例效果（效率三倍、五十天到三十天、年增几千万资金收益）、冯云乐自报数字（万亿级流水、一点九万亿资产负债表、月七十多万笔凭证、发票成本行业十分之一、十六个数字员工、百分之五十无人化流量、一万四千八百六十六个月结节点）、曹勇「三周三十四个场景」、司为「十六种预测算法」、程理「十倍提效、十四天流动性短测」等内部效果数字均为演讲自报、未经第三方核验；安永 2026 全球五百强 CFO 调查（80%/21%）、Agent 与流程改造成本 1:6、持续关账全球占比不足 5%、会计追溯七千年前为嘉宾口述引用，未找到公开原文；圆桌主持人姓名按转写（洪若欣）保留，未经外部核验；闭幕环节所称「阿里与德勤联合发布的 2026 财务 AI 应用白皮书」为现场口述，未独立核验。