今日最值得落地（3条）
-
月结：把 AI 限定为“草拟与归纳助手”，不要让它替代关账控制
- 流程场景：月结 variance commentary、management accounts narrative、board pack、reconciliation write-up、audit query response。
- 最小试点做法：选 15–20 个 cost centre 的 P&L variance 表，字段限定为
Account / Budget / Actual / Variance / Variance % / Owner comment。让 AI 只输出“五个最重大差异 + 一句话解释 + timing/permanent/management action 分类 + 2 段 board narrative 初稿”。 - 复核/控制点：Controller 或 FP&A owner 必须逐项确认“原因”是否来自业务事实；AI 不允许自行编造原因，不允许发起 journal entry，不允许直接改 ERP / TB。
- 输出物：variance commentary workpaper、management accounts narrative 初稿、board pack executive summary 初稿、review log。
- 来源：Learnsignal - How to Use AI for Month-End Close（实操指南，Last updated: 2026-06-17）
-
组织能力：把“Finance Engineer”作为财务团队里的新能力层，而不是单独等 IT 排期
- 流程场景：周报、预算模型、dashboard refresh、close workflow、ERP → planning tool 数据流。
- 最小试点做法：在 FP&A 或 controllership 中指定 1 名 owner，负责把一个重复流程做成可运行小工具：例如每周一自动拉取 ERP / spend / planning 数据，生成可信数字、异常提示和管理层摘要。
- 复核/控制点：业务含义仍由 finance owner 签字；自动化 owner 负责数据来源、版本、权限、异常日志；CFO 不应只问“省多少小时”，还要问“是否减少等待工程团队、是否提高数字一致性”。
- 输出物：finance automation backlog、数据流图、owner/RACI、每周运行日志、异常清单。
- 来源：CFO Connect - What Is a Finance Engineer?（CFO/finance leader 方法论，2026）
-
审计与内控：为所有 AI 影响的财务判断建立 12 字段审计日志
- 流程场景：AI 参与 variance explanation、异常 journal entry review、reconciliation exception、audit response、SOX evidence drafting。
- 最小试点做法：先不改系统，拿一个 AI 辅助控制点做日志表，至少记录：时间戳、decision ID、人工用户、AI 系统版本、模型版本、输入来源、prompt/rule 版本、输出、下游动作、人工复核人、复核结论、hash/不可篡改证据。
- 复核/控制点：最容易漏的是“个人用户归因”——不能只记录 service account 或 API key；每个 AI 结果必须能回溯到谁发起、用什么数据、谁批准。
- 输出物：AI decision log、review evidence、prompt version history、SOX / audit support package。
- 来源：Kognitos - AI Audit Trail Requirements: 2026 Checklist（合规/审计日志清单，Last updated: 2026-05）
Accounting / Close / Controls
-
把“职责分离”移植到 AI agent：一个 agent 不应同时取数、判断、审批、入账
- 输入：GL export、bank statement、invoice、journal entry listing、reconciliation exception list。
- AI处理：可让一个 agent 做匹配或异常解释，另一个独立规则/脚本做阈值校验；不要让同一 agent 完成从识别异常到批准处理的全链路。
- 人工复核：Controller 复核高金额、手工 JE、收入相关、跨期调整；AP/AR manager 复核供应商或客户主数据变更。
- 输出物：职责分离矩阵、agent 权限表、exception approval log。
- 风险控制：限制 agent 写权限；所有下游动作必须有人工批准和日志。
- 来源：Aakash Gupta on X - Separation of duties for agents（社交实操观点，日期未明）
-
数据暂缺。 本期未发现足够新的、可验证的 close/reconciliation 客户落地案例，能同时说明输入数据、AI 处理、人工复核和输出 workpaper。宁可暂缺，不采用只有口号的供应商材料。
FP&A / Planning / Reporting
-
部门预算收集：先让 AI 做“合并与差异摘要”，不要一开始做预测
- 输入：来自 12 个部门的 Excel / Google Sheets 预算输入表，字段统一为 account、department、owner、forecast、budget、prior month、comment。
- AI处理：识别缺失字段、异常格式、重大变动；生成按部门和科目的差异摘要；把需要业务 owner 补充解释的行列成清单。
- 人工复核：FP&A owner 确认口径，部门负责人补充业务原因，CFO 只看 material variance 和 unresolved items。
- 输出物：consolidated budget workbook、variance issue list、部门追问清单、board narrative 初稿。
- 风险控制：AI 不能改变原始部门提交值；所有修改保留版本和 owner sign-off。
- 来源：Bojan Radojicic on X - VP FP&A consolidating departmental inputs（社交实操线索，日期未明）
-
市场与投资研究：用 AI 做文档检索和摘要，但必须绑定可信数据源
- 输入：第三方市场数据、公司 filings、research documents、交易/行业筛选条件。
- AI处理：从长文档中抽取关键事实、比较多个文档、生成 deal hypothesis 或市场事件摘要。
- 人工复核：Corp Dev / FP&A analyst 必须核对引用来源和数字，不能只看 AI 摘要；重大投资判断仍需原始文件链接。
- 输出物：deal screening memo、market update note、board appendix。
- 风险控制：重点控制数据质量、来源可追溯、权限、引用准确性；不要让 AI 摘要脱离原始资料。
- 来源：CFO Brew / S&P Global Market Intelligence - How knowledge workers can make the most of AI-powered data solutions（合作白皮书/方法论，2026）
Treasury / Cash / Risk
数据暂缺。 本期未发现最近 365 天内足够具体的现金预测、银行流水、DSO/O2C 或 liquidity risk 的 AI 落地案例，能清楚说明输入数据、AI 动作、人工复核和控制点。
Tax / Compliance / Audit
- SOX：先判断 AI 是“辅助工具”还是“真正的 ICFR 控制”
- 输入：journal entry listing、reconciliation results、revenue entries、intercompany balances、SOX control narratives。
- AI处理：可能只是起草 RCM / narrative，也可能实际执行异常检测、自动对账或 100% JE review。
- 人工复核：SOX owner / internal audit 先做分层：
- Tier 1：AI 只辅助项目管理或起草，不是控制本身；
- Tier 2：AI 执行防止或发现重大错报的控制，需按 ICFR 控制测试；
- Tier 3：多 agent 编排 SOX 流程，需要更强人工监督和证据充分性判断。
- 输出物：AI control inventory、Tier classification、design effectiveness memo、operating effectiveness test plan。
- 风险控制：最大风险是把 Tier 2 误当 Tier 1，导致实际控制未被设计、测试和审计；还要防范 silent failure、model drift、模型更新未走 change management。
- 来源：Finrep - SOX and AI Controls: 2026 Governance Framework（SOX/内控框架，2026-06-16）
CFO / Leader 团队建设经验
- 管理 AI agent 要像管理新人：不能只看产出，要监控过程
- 团队经验：AI agent 和人工团队一样，需要任务边界、质量检查、升级路径和例外处理；“自动运行”不等于“无人负责”。
- 可落地做法：为每个财务 agent 指定 business owner、system owner、reviewer；周度看 3 个指标：完成率、返工率、人工覆盖率。
- 复核/控制点：出现异常输出、权限错误、重复发送、错误客户/供应商沟通时，要能追到触发人、prompt、输入数据和下游动作。
- 输出物：agent register、owner map、exception log、weekly quality review。
- 来源：SaaStr - Monitor Your Agents. Both AI and Human（创业公司/团队管理经验，日期未明）
开源 / AI 工程可借鉴
-
Equity tearsheet 原型：可借鉴为“自动生成经营/投资看板”的轻量架构
- 可复用架构：Python + Flask + yfinance + Claude API + HTML dashboard。虽然 repo 是 equity research tearsheet，但架构可迁移到内部 KPI / competitor tracking / investor update。
- 适合试点的财务流程：每周自动生成一页 market/peer dashboard：股价、收入增长、margin、新闻摘要、分析师观点摘要；由 FP&A 或 IR 复核后进入管理层材料。
- 数据流：外部市场数据 API → Python 清洗 → Claude 生成摘要 → HTML/slide 输出。
- 注意事项：低 star 原型，不应直接用于生产；要补权限、缓存、引用来源、异常处理、人工 review log。
- 来源：GitHub - bktreacy-afk/ai-equity-tearsheet（开源原型，日期未明）
-
Financial Data Analyst 原型：更适合作为界面/交互参考，不适合作为完整财务控制样板
- 可复用点：Next.js / React 前端 + Claude API + chart visualization，适合做“把表格上传后生成图表和摘要”的内部 demo。
- 适合试点的财务流程：上传一张已脱敏的 monthly P&L 或 KPI 表，生成趋势图、异常点和初步 commentary。
- 人工复核：FP&A analyst 逐项核对数字和图表口径；禁止连接真实 ERP 或敏感数据，除非补齐权限和日志。
- 输出物：可交互 dashboard demo、图表、AI commentary 初稿。
- 注意事项：repo 内容较薄，不建议作为可审计工作流直接采用。
- 来源：GitHub - Likhitha-Gundapaneni/financial-data-analyst（开源原型，日期未明）
本周可做的小实验
-
月结 commentary 小实验
- 拿上月 P&L variance 表，限定 20 行以内。
- Prompt 要求 AI 只输出：Top 5 variance、分类、需业务 owner 解释的问题。
- Controller 记录哪些解释正确、哪些是猜测；形成一页 review log。
-
AI 审计日志表
- 为一个 AI 辅助流程建立 Excel/Sheet 日志。
- 字段至少包括：用户、时间、输入文件、prompt 版本、模型版本、输出、复核人、复核结论、是否进入正式报告。
- 一周后检查是否能完整重建一次 AI 判断过程。
-
部门预算合并清单
- 选 3 个部门的预算 Excel，不做全公司。
- 让 AI 只做字段一致性检查、缺失值提示、重大变动排序。
- FP&A owner 不允许 AI 改数，只允许生成追问清单。
-
Finance Engineer backlog
- 让 controller、FP&A、treasury 各列 3 个每月重复、手工复制粘贴的任务。
- 按“频率 × 耗时 × 风险 × 数据可得性”排序。
- 本周只选 1 个做 prototype，不做大系统改造。
-
Agent 职责分离检查
- 盘点当前所有 ChatGPT/Claude/Copilot/自动化脚本在财务中的用途。
- 标记每个工具是否有读权限、写权限、审批权限。
- 任何同时具备“生成建议 + 执行动作”的流程，先加人工批准点。