今日最值得落地（3条）
-
Excel 内两张表的自动对账：先让 AI 建议匹配键，再由会计确认规则
- 流程场景：银行流水 vs GL、AR/AP 明细 vs 总账、子系统导出表 vs 财务主表的日常对账。
- 最小试点做法：选 1 个低风险科目或 1 个银行账户，准备两张 Excel 表；把金额、日期、供应商/客户、发票号、付款备注等字段整理成表格，让对账 Agent 先建议 mapping key、monetary key、容差和参考列。
- 复核/控制点：会计或 controller 不直接接受结果，先确认匹配键、金额容差、是否允许一对多/多对一；所有未匹配项、低置信匹配项必须进入人工复核清单。
- 输出物：reconciliation report、匹配/未匹配明细、AI 生成的对账摘要、人工确认后的 recon workpaper。
- 来源：Microsoft Learn：Financial Reconciliation agent（产品文档 / workflow），页面更新时间：2025-10-10。
-
Bank-to-GL 对账开源样板：用四张 CSV + 控制表 + 输出表跑一个月结小闭环
- 流程场景：银行交易、AR 发票、AP bills、GL journal 之间的自动匹配与建议分录。
- 最小试点做法：复制 repo 的四类输入模板：
bank_transactions、ar_invoices、ap_bills、gl_journal；先用 1 个月、1 个银行账户、合成或脱敏数据跑通。控制表里维护分类规则、配置和 run log。 - 复核/控制点：AI 只生成匹配建议、未匹配清单和 suggested journals；journal posting 必须由会计复核账户、金额、memo、期间后再入账。
- 输出物：
SUMMARY、MATCHED_AR、MATCHED_AP、UNMATCHED、SUGGESTED_JOURNALS、dashboard。示例显示 707 行银行交易、90.7% match rate、66 条未匹配项。 - 来源：GitHub：AI Finance-Ops Agent: Bank-to-GL Reconciliation（开源 repo / workflow demo），页面示例日期：2025-10-13。
-
高风险研究流程的 AI 控制样板：先做模型评估，再嵌入工作流
- 流程场景：投资研究、管理层专题分析、宏观情景分析、重大交易概率跟踪等“高判断 + 高责任”的财务分析流程。
- 最小试点做法：不要直接把通用 ChatGPT 接到财务决策流程；先选一个固定问题类型，例如“每周汇总监管文件/财报电话会并提取风险点”，建立小型 benchmark：准确性、数字推理、引用完整性、抗噪声、工具调用可靠性。
- 复核/控制点：模型按任务评估后再上线；输出必须带引用、假设、数据来源和置信度；最终判断仍由 analyst / finance owner 签字。
- 输出物：模型评估表、研究摘要、情景分析 memo、持续监控 dashboard、人工复核记录。
- 来源：OpenAI customer case：Balyasny Asset Management AI research engine（客户案例 / operator case），来源页面显示日期：2026-06-24。
Accounting / Close / Controls
-
Controller Agent 提示词可作为“月结质量门禁”模板
- 输入 -> AI处理 -> 人工复核 -> 输出物 -> 风险控制：输入月结 checklist、账户余额、reconciliation package、异常交易清单；AI 按 controller 角色检查 completeness、timeliness、GAAP/内控风险、audit readiness；controller 复核关键账户、重大差异、未完成任务；输出 close checklist、account reconciliation template、control exception list；风险控制是把 AI 限定为 reviewer / checklist drafter，不让它直接改账或批准关账。
- 适合本周试点：把现有月结 checklist 复制一份，增加“AI reviewer comments”列，让 AI 只标注缺失证据、未解释波动、超期事项。
- 来源：GitHub：Bookkeeper & Controller Agent（开源 agent prompt / control checklist），日期未明。
-
数据暂缺。 本期未发现更多最近 365 天内、且包含完整输入数据、AI 处理、人审、输出物与控制点的新增 close / controls 实操案例。
FP&A / Planning / Reporting
-
Equity research agent 可借鉴到内部经营分析：把财务数据抓取、估值、风险段落生成拆成流水线
- 能落到哪里：不是直接替代 FP&A 模型，而是借鉴其“数据获取 → 财务分析 → 估值/比较 → 风险评估 → 报告生成”的模块化架构，用于业务线季度 review、竞品分析或 board pre-read。
- 最小试点做法：选 1 个业务单元，把收入、毛利、现金流、客户集中度、pipeline 等内部指标整理成固定 CSV/数据库视图；让 Agent 只生成 commentary 草稿和风险段落，不改 forecast 数字。
- 复核/控制点：FP&A owner 核对所有数字来源、同比/环比计算、估值或风险假设；AI 生成段落必须保留引用和版本号。
- 输出物：经营分析 memo、风险段落、图表说明、board pack 草稿。
- 来源：GitHub：AI4Finance Foundation FinRobot（开源 repo / financial analysis agent），最新 release 页面显示：2026-03-20。
-
数据暂缺。 本期未发现更多最近 365 天内、由企业 FP&A 团队公开披露的预算、forecast、variance commentary 或管理报表 AI 落地案例。
Treasury / Cash / Risk
数据暂缺。 本期未发现最近 365 天内现金预测、银行流水监控、DSO/O2C、流动性风险或 treasury control 的新 AI 落地案例或实操方法。可暂不使用泛泛的供应商材料填充该板块。
Tax / Compliance / Audit
数据暂缺。 本期未发现最近 365 天内税务研究、SOX/内控或审计证据管理的新 AI 落地案例或实操方法。
CFO / Leader 团队建设经验
-
企业级 AI 推广要先定义“可用条件”，不是先买工具
- 团队经验：Zenken 的 Corporate Planning Department 在组织级采用 ChatGPT Enterprise 前，明确用 12 项业务要求评估工具，其中包括安全、复杂推理支持和敏感信息保护。
- 可借鉴做法：CFO 可以把这套思路改成财务团队 AI 准入清单：数据是否进入训练、是否支持权限隔离、是否能处理复杂推理、是否能保留审计记录、是否允许导出复核证据。
- owner 分工：Corporate Planning / Finance Ops 负责用例和 ROI；IT / Security 负责权限与数据边界；controller / FP&A lead 负责复核标准和禁止事项。
- 质量指标：不要只看节省时间，也要看 proposal / memo / report 的初审通过率、返工率、人工复核发现的问题数。
- 来源：OpenAI customer case：Zenken boosts a lean sales team with ChatGPT Enterprise（客户案例 / leader operating model），来源页面显示日期：2026-06-24。
-
M&A 场景的 CFO 讨论仍需等待正文材料
- CFO Brew 页面显示 Datasite CFO Anjali Motiani 与 Pega COO/CFO Ken Stillwell 参与 “AI reshaping M&A” 主题活动，但公开页面主要是活动嘉宾信息，缺少 transcript 或实操细节；因此不把它写成落地经验。
- 来源：CFO Brew：Show Me the Deal: How AI Is Reshaping M&A（活动页 / 信息不足），日期未明。
开源 / AI 工程可借鉴
-
CFO Stack：把个人/小公司财务运营拆成 Capture → Log → Extract → Automate → Report
- 可复用架构：用 Beancount 做 double-entry ledger，用 Markdown skills / slash commands 承载 bookkeeper、controller、tax strategist、auditor、CFO 等角色；用 Git 保留版本记录和审计轨迹。
- 适合试点的财务流程：小公司或 founder office 的收据/发票归档、交易分类、月度报表、税务资料包、简单审计 trail。
- 注意事项：适合脱敏样本或小范围 pilot；正式账务仍需要会计复核科目、期间、税务处理和报表口径。不要让 AI 自动完成 posting 或 tax filing。
- 来源：GitHub：CFO Stack（开源 repo / accounting operations stack），日期未明。
-
Numeric Claude Skills Library：可作为 close / reconciliation prompt 的供应商模板参考
- 可复用点：页面是模板库定位，适合把 recurring close task、account reconciliation、flux analysis 等拆成可重复 prompt / skill，而不是每次临时问 AI。
- 适合试点的财务流程：把一个固定月结任务写成结构化 skill：输入表、检查步骤、输出格式、复核人、禁止动作。
- 注意事项：这是供应商材料，不应当直接当成中立最佳实践；只适合作为 prompt 结构和 workflow 命名参考。正式控制点仍由内部 controller 定义。
- 来源：Numeric：Claude Skills Library（供应商模板页 / workflow reference），日期未明。
本周可做的小实验
-
银行流水 vs GL 对账试点
- 数据范围：只选 1 个银行账户、最近 1 个月、金额低于内部重要性阈值的交易。
- 动作：导出 bank transactions 和 GL journal 两张表；让 AI 建议匹配键、金额容差、日期窗口和未匹配分类。
- owner / 复核：会计执行，controller 复核匹配规则和所有未匹配项。
- 产出：matched / unmatched list、suggested journals 草稿、review log。
- 继续条件：人工复核后误匹配率低、未匹配原因分类清晰、journal 草稿无需大规模返工。
-
月结 checklist AI reviewer
- 数据范围：选 10 个 recurring close tasks，例如 bank recon、prepaids、accruals、AR aging、AP cutoff。
- 动作：让 AI 只检查 checklist 是否缺 evidence、是否缺 owner、是否缺 due date、是否有未解释差异。
- owner / 复核：close manager 复核 AI comments；不允许 AI 改 checklist 状态。
- 产出：AI reviewer comments、open item list、controller sign-off note。
- 继续条件：AI 能稳定发现遗漏证据或不完整解释，且不增加过多无效评论。
-
Variance commentary 草稿生成
- 数据范围：选 1 个业务单元、3 个 P&L line items、最近 3 个月 actual vs budget。
- 动作：输入 actual、budget、prior month、driver notes，让 AI 生成 variance memo 初稿，要求每句话引用具体数字。
- owner / 复核：FP&A owner 核对数字、业务原因和措辞；business owner 只确认经营解释。
- 产出：variance memo v0.1、数字引用表、人工修改记录。
- 继续条件：节省初稿时间，同时不降低数字准确性和解释质量。
-
AI 工具准入清单
- 数据范围：列出财务团队正在使用或想试用的 3 个 AI 工具。
- 动作：逐项检查：数据是否用于训练、是否支持企业权限、是否能导出审计记录、是否允许敏感数据、是否支持人工复核。
- owner / 复核：Finance Ops 起草，IT/Security 和 controller 联合批准。
- 产出：AI use-case register、allowed / restricted / prohibited 清单。
- 继续条件：每个工具都有明确 owner、允许数据类型、禁止动作和复核机制。