今日最值得落地（3条）
- 把“最破”的 AP 手工录入流程先做成 AI 试点
- 流程场景：发票/费用单据手工录入。公开案例描述中，当前流程为每张发票人工录入，月度约 600 张，人工耗时很高。
- 最小试点做法：先不接 ERP 写回，只拿最近 50–100 张历史发票 PDF/图片 + 对应已入账 Excel，做“发票字段抽取 → 科目/供应商/税额/金额/日期结构化 → 与历史入账结果比对”的只读试点。
- 复核/控制点：AP owner 逐张复核字段；金额、币种、供应商、税额、付款账户必须 100% 人工确认；低置信度字段自动进入 exception list；AI 不得直接创建付款或过账。
- 输出物：
invoice_extraction_review.xlsx，包含原始文件名、AI 抽取字段、置信度、人工修正字段、差异原因、是否可入账。 - 来源：Josh Jefferd X post（operator 社媒分享，非审计级案例；2026-06-28）
- FP&A 用 AI 生成 driver tree，而不是直接生成结论
- 流程场景：月度 variance analysis / business partnering。Christian Wattig 的视频给出一个更适合财务团队落地的做法：让 AI 先拆 revenue variance driver tree，再让 FP&A 用真实数据验证。
- 最小试点做法：选一个收入或营销费用科目，输入：本月实际数、预算数、去年同期、客户/产品/渠道维度表、已知业务事件。让 AI 输出多层 driver tree，并列出每个 driver 需要哪张表验证。
- 复核/控制点：FP&A manager 只接受能被源表验证的 driver；AI 生成的 commentary 必须回连到具体 variance table；无法追溯的数据点不得进入管理报告。
- 输出物：driver tree、variance workpaper、给业务负责人的 3–5 个数据问题、最终 commentary 草稿。
- 来源：Christian Wattig YouTube: 7 Ways to Use AI for FP&A in 2026（视频含 transcript；2026-01-02）
- 先建 Finance AI use inventory，再谈 agent 自动化
- 流程场景：财务 AI 治理 / SOX-like 控制 / board reporting 风险控制。
- 最小试点做法：CFO/Controller 本周先盘点所有财务 AI 使用场景，字段至少包括：工具、owner、输入数据类型、输出物、是否写回系统、谁复核、保留什么证据。
- 复核/控制点：按风险分层：低风险为内部草稿；中风险为 invoice coding、variance commentary、forecast draft；高风险为 journal entry、tax position、treasury/payment、board materials。高风险场景只能“AI 起草、人类批准”。
- 输出物：
finance_ai_use_inventory.xlsx+ 一页 AI 使用审批矩阵。 - 来源：Nexairi: AI Governance Framework for CFO Finance Controls（治理实操文章；2026-05-12）
Accounting / Close / Controls
- Bank reconciliation：把 agent 定位为“夜间预匹配 + 早上异常复核”
- 输入：银行流水、GL cash account 明细、未清项目清单、上月 recon package。
- AI处理：按金额、日期、counterparty、reference text 做候选匹配；输出 matched / probable match / exception 三类。
- 人工复核：bookkeeper 或 accountant 只复核 exception 和低置信度 probable match；Controller 抽查高金额项目。
- 输出物：reconciliation package、exception list、人工调整记录。
- 风险控制：AI 只读、不清账、不写 GL；超过 materiality threshold 的差异必须人工签字。
- 来源：Josh Jefferd X post（operator 社媒分享，低样本量；2026-06-28）
- 数据暂缺。 本期未发现更多最近 365 天内、同时具备公开正文、流程细节、复核控制和可验证 URL 的 close / controls 新案例。宁可保留空白，不用供应商泛文补位。
FP&A / Planning / Reporting
数据暂缺。 除今日最值得落地第 2 条外，本期未发现足够具体、可验证且未重复的 FP&A 新实操案例。可继续关注的方向是：variance commentary 是否能回连 source schedule、forecast assumption 是否保留版本、AI 生成 board narrative 是否由 FP&A owner 留痕复核。
Treasury / Cash / Risk
- Fintech reconciliation：多来源资金流水先做 first-pass match，再人工处理异常
- 输入：多支付渠道/银行/币种的交易源文件，不同日期格式、币种和 reference 字段。
- AI处理：公开帖子提到一次生产运行中，2,322 / 2,893 笔 first-pass matched，其余被标记原因；可借鉴为 treasury / payment ops 的 reconciliation 试点。
- 人工复核：treasury 或 finance ops 只处理 unmatched、金额不一致、币种/汇率异常、日期跨期异常。
- 输出物：matched transaction table、exception reason code、unmatched aging。
- 风险控制：不得让 AI 自动释放付款或确认 settlement；大额或跨币种差异必须人工复核；保留原始源文件 hash/版本。
- 来源：KoZman / NAYA X post（供应商/操作者社媒材料，适合作为流程线索；2026-07-07）
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
- 从“零散试用”转为“integrator”：CFO 要给团队留出受控实验时间
- 团队经验：CFO Connect 的 2026 报告把 finance AI maturity 区分为 tinkerers 与 integrators。报告中提到的可执行做法不是“全面上 agent”，而是先选一个高摩擦流程，30 天内做小试点；90 天内形成 automate / upskill / govern 计划。
- owner 分工：每个试点必须有 finance process owner；IT/数据团队负责系统接入；Controller/FP&A lead 负责输出质量和复核标准。
- review/control 机制：不要只衡量节省工时，还要跟踪 forecast accuracy、error reduction、decision speed、stakeholder satisfaction。
- 本周可落地：CFO 选一个流程，例如 spend categorisation、variance analysis、reconciliation 或 management reporting，指定 owner 和 review evidence，而不是让每个 analyst 自己随意试。
- 来源：CFO Connect: State of AI in Finance 2026（CFO community/report article；2026）
开源 / AI 工程可借鉴
- CSV/PDF 财务分析前端：适合改造成 FP&A self-service analysis demo
- 可复用架构：上传 CSV/PDF → 前端解析结构化数据 → Claude API 回答问题 → 输出 chart JSON → Recharts 渲染图表。
- 适合试点流程：月度经营报表问答、费用明细快速探索、收入 cohort 初筛。
- 注意事项：不能让模型直接“相信 PDF/CSV”；应先展示 parsed rows，让 FP&A owner 确认字段映射；图表和结论必须能回连原始行。
- 来源：GitHub: Danush-Aries/financial-data-analyst（开源 repo；页面未显示明确日期）
- NAS 文档自然语言搜索：适合审计证据/合同/合规文档检索原型
- 可复用架构：NAS/共享盘文件 → OCR/文本抽取 → 权限控制 → 自然语言查询。
- 适合试点流程：审计抽样证据查找、合同条款检索、历史财务报告定位、合规文件问答。
- 注意事项：财务共享盘通常有 payroll、legal、board、tax 敏感文件；必须先做 role-based access control，不能让统一索引绕过文件夹权限。
- 来源：GitHub: aqibali12/NSA-AI-Research-Agent（开源 repo；页面未显示明确日期）
- Financial forecasting agent：把 PDF 年报/earnings transcript 接入 qualitative forecast
- 可复用架构：PDF/Excel 数据抽取 → chunking → vector DB → retrieval → qualitative forecast response。
- 适合试点流程：竞争对手 earnings call 摘要、管理层 guidance 对比、board prep 的外部市场假设整理。
- 注意事项：不要把 qualitative forecast 直接并入公司 forecast model；应作为“外部信息 memo”，由 FP&A lead 判断是否影响假设。
- 来源：GitHub: vasstavkumar/Financial-Forecasting-Agent（开源 repo；页面未显示明确日期）
本周可做的小实验
-
AP 发票抽取试点
- 数据范围：最近 50 张发票 PDF/图片 + 已入账 Excel。
- Owner：AP lead。
- 做法：让 AI 抽取供应商、发票号、日期、金额、税额、币种、建议科目。
- 复核：AP lead 标注每个字段是否正确；Controller 复核前 10 张。
- 输出：字段准确率表 + exception reason list。
- 继续条件：关键字段准确率达到内部阈值，且人工复核时间明显低于手工录入。
-
Bank rec 夜间预匹配
- 数据范围：一个银行账户、一个月流水、对应 GL cash account。
- Owner：Accounting manager。
- 做法：AI 只生成候选匹配和 exception，不写回系统。
- 复核：bookkeeper 早上处理 exception；Controller 抽查金额 Top 10。
- 输出：matched/unmatched 清单、差异原因、人工确认日志。
- 继续条件：unmatched 分类清晰，且没有把重大差异误判为 matched。
-
Variance driver tree
- 数据范围：一个 P&L line，例如 marketing spend 或 subscription revenue。
- Owner：FP&A manager。
- 做法：输入实际、预算、去年同期和业务维度表，让 AI 输出 driver tree 和需验证的数据字段。
- 复核：FP&A 只保留能被源表验证的 driver。
- 输出：driver tree、business partner 问题清单、variance commentary 草稿。
- 继续条件：commentary 中每个原因都能追溯到具体表格和单元格。
-
Finance AI use inventory
- 数据范围：财务团队过去 30 天用过的 AI 工具和场景。
- Owner：Controller + IT/security。
- 做法：收集工具、owner、输入数据、输出物、是否写回系统、复核人。
- 复核：CFO 标记高风险场景：GL、付款、税务、board、外部披露。
- 输出：AI 使用清单 + 风险分层 + 禁止自动化动作清单。
- 继续条件：所有高风险 AI 用例都有 named reviewer 和 retained evidence。
-
共享盘审计证据搜索原型
- 数据范围：只选一个低敏感审计文件夹，不接 payroll/legal/board 文件夹。
- Owner：Internal audit 或 accounting ops。
- 做法：OCR/索引 PDF、Excel、Word，允许自然语言查询“找出某供应商合同/某控制证据”。
- 复核：audit owner 检查返回文件是否完整、是否越权。
- 输出：query log、命中文档、漏检/误检清单。
- 继续条件：权限不越界，且能明显减少人工翻文件时间。