打造适配AI时代的财务体系

AI在财务领域规模化落地所需的基础设施、信任机制与业务流程 由AIRWALLEX空中云汇委托FORRESTER CONSULTING撰写的思想领导力报告，完成于2026年6月 目录 3内容摘要4主要结论5财务领导者拟将AI应用于高研判型核心业务，信任机制建设迫在眉睫12数据孤岛与集成难题制约财务AI规模化落地16组织准备程度不足，增加AI应用落地阻力20AI投资持续加速，但部署策略日趋审慎25未来制胜之道：自主掌控AI成效，协同合作实现规模化30核心建议32附录 项目团队： Tamira Lee，市场影响力顾问SiDing Wang，市场影响力顾问Christie Yeo，助理市场影响力顾问Yi Qin Teow，首席市场影响力顾问 辅助研究：Forrester科技研究小组 内容摘要 AI正深度融入财务行业的核心业务流程。面对日益加剧的市场波动、日渐复杂的运营，以及对及时精准的洞察的诉求，AI已成为财务团队的关键组成部分。虽然AI应用在早期仅聚焦于自动化与效率提升，但是财务高管已在期望将AI应用于更高价值的任务，例如提高预测准确度、更早的识别风险。 在此背景下，信任机制成为AI规模化落地的核心前提。随着AI日益深入到执行与决策环节，对结果的治理能力、输入的可追溯性以及控制措施的有效执行变得至关重要。缺乏这一基础，财务工作流程向更高自主性的演进将持续受限。 基于上述行业现状，企业正采取审慎、精细化的策略推进AI规模化落地。相较于大范围推广，多数企业选择巩固现有部署成果，并渐进式提升AI自主程度。行业普遍采用混合落地模式：企业自主掌控核心财务业务流程与业务主权，同时借助外部技术平台与合作伙伴，获取专项解决方案、打通跨系统数据壁垒、搭建端到端的全链路智能业务流程。 2026年2月，Airwallex空中云汇委托Forrester Consulting开展本次研究，旨在深入了解财务领导者如何应对从早期试点到在复杂环境中规模化部署AI的转型挑战。Forrester对11个市场的1,279名财务决策者开展问卷调研，并对6位财务高管进行了深度访谈，系统剖析企业完成AI初步落地后遭遇的各类进阶壁垒，同时探究如何通过数据统筹、流程系统联动、人工专业研判相结合的模式，实现AI落地的可持续推进。 主要结论 AI价值定位持续上移，从效率工具迈向实时洞察与决策支撑。市场对AI的价值诉求转向主动预判业务需求：超半数企业决策者将诊断分析能力(56%)与预测分析能力(52%)列为核心优先级，为企业财务决策提供依据。 尽管平台趋于整合，数据碎片化问题依然存在。44%的决策者依赖少数核心平台完成大部分财务工作流程，但数据碎片化(65%)和系统集成复杂性(61%)仍是首要的技术挑战。84%的企业仍依赖人工方式完成数据整合，以支撑财务工作流程的闭环。 AI技术迭代速度，远超财务团队的技能适配速度。53%的决策者表示，人才技能缺口是阻碍AI规模化落地的核心壁垒。与此同时，54%的企业仅针对部分员工开展基础AI素养及AI流程应用培训，并未推行覆盖全企业的人才培养体系。 财务团队正从AI的使用者转变为构建者。55%的决策者预计财务团队将在构建AI赋能工作流程中发挥直接作用，这意味着财务团队在如何将AI应用于核心财务及业务决策方面，将承担更大的责任。 财务领导者普遍采用内外协同的混合模式推进AI规模化落地。未来12个月内，57%的企业计划采用内部自研与外部供应商相结合的方式部署AI，而非选择完全自建或全面外包。 财务领导者拟将AI应用于高研判型核心业务，信任机制建设迫在眉睫 财务团队在坚守管控与权责合规职能的基础上，正持续将AI深度嵌入日常运营工作。行业管理者已不再满足于基础任务层面的自动化升级，AI价值挖掘的下一核心方向聚焦于智能决策支撑，即通过AI提前洞察潜在风险、完善多场景预案规划、助力企业更快做出高可信度的经营决策。 但财务行业容错率极低，AI规模化落地的瓶颈并非仅来自技术层面，更受制于企业对AI输出结果的可信性与管控能力。财务部门需对结果承担责任，而这些结果必须满足可审计、可辩护、合规的要求，由此大幅抬高了AI落地的准入门槛。 •目前，AI的落地已与财务团队的核心管控与问责并列为最高优先事项。75%的受访者仍将加强财务控制、审计准备与合规性作为首要任务，与此同时，74%的受访者将AI融入财务工作流程以及提升企业韧性视为优先事项(见图1)。这表明，AI不再被视为一项孤立的转型议程，而是与定义财务职能的关键职责紧密关联。 这一转变，反映了业界对AI的价值诉求发生了根本性升级。随着市场波动加剧、决策周期持续压缩，财务团队对AI的期望已从效率驱动转向洞察驱动。预判业务需求、风险与机遇(57%)现已与端到端自动化(56%)并列，成为AI落地的首要驱动力(见图2)。这标志着AI正式从效率导向，迈入洞察价值导向的全新阶段。 “在财务领域，我们正全力推进数字化转型，首要工作是完成数据规整与治理，确保待成熟的AI工具落地后，企业可即刻充分发挥其价值。转型的核心目标不仅在于提升效率、优化流程，更在于释放优质数据价值，让财务部门能够输出更具战略性的业务洞察，全面赋能企业经营发展。” 英国科技企业(航旅行业)，高级财务总监 依托实时预测、情景模拟分析与经营成效洞察，主动预判业务需求、潜在风险与市场机遇 实现常规财务流程的端到端自动化运行，由人工负责异常处理与整体监督管控 适配业务复杂度与交易体量的增长，高效、灵活地扩容财务运营体系 通过常态化财务流程管控与动态监测，强化企业监管能力与合规风控水平 针对市场波动与外部冲击动态优化财务状况，灵活调整企业财务布局 •尽管如此，财务部门对AI规模化落地始终保持审慎态度：优先夯实输出结果的可信性，再逐步推进业务自主化运行。平均而言，AI目前支持63%的核心财务工作流程，但这些多为简单或预先配置好的任务；而能够在极少人工介入下自主执行的流程，仅占11% (见图3)。 这种审慎的自主化节奏在审计、控制和报告等高风险领域尤为明显，因为这些领域对准确性的要求不容妥协。新加坡某电信公司财务与战略副总裁表示：“财务部门相较于其他业务部门更为保守，因为财务工作容不得偏差，即便是微小失误，也会引发后续大量的整改工作。这使得财务团队对新型工具持谨慎观望态度，尤其关注工具的可靠性与合规可审计性。在审计核查、内控管理、财报真实性这类高风险工作场景中，这种审慎性会进一步凸显。” •标准化流程是财务领域构建AI可信体系的基础前提。采购付款、订单回款、商户支付等高频交易类流程，依托标准化步骤、明确的阈值规则和清晰的异常处理机制，AI落地应用程度最高，其输出结果更便于核验与管控。多数企业率先将AI应用于此类流程中的简单或预先配置好的任务，这也是AI落地的首选场景。这些早期落地成果能够有效积累业务信任度，为AI规模化拓展筑牢规范化的运营体系与落地准则。1 “AI短期最大的落地价值，将集中在月末结账、账务核对、交易处理等规则驱动型工作场景，能够有效加快结账速度、提升业务处理体量、减少人工操作步骤。战略性财务工作则截然不同，这类工作侧重探究业务本质、复盘问题成因。想要让AI在该领域发挥实效，需要模型持续学习业务细节与差异化逻辑，依赖长期迭代优化与动态反馈积累。在完整的业务场景认知体系搭建完成前，战略性财务工作的AI自主化落地速度将相对缓慢。” 美国SAAS科技企业，首席财务官 •企业在标准化流程中建立AI可信体系后，会进一步将AI应用拓展至高研判型工作的决策支撑场景。随着企业对AI输出结果的可信度持续提升，各类机构开始将AI落地于企业发展、投资者关系等战略性财务领域，依托AI强化数据分析与财务预测能力，为企业经营决策提供有力支撑。 随着AI愈发深度参与企业核心经营决策，行业对AI落地价值的预期不再局限于运营效率提升，而是转向更广泛的企业业务赋能。未来12个月内，企业将重点依托AI实现业务拓展、加速洞察落地、优化合规管理等核心目标(见图4)。这一变化体现了企业AI落地的循序渐进逻辑：仅当AI输出结果在管控体系内完成核验、建立可信背书后，企业才会稳步推进AI场景扩容。2 数据孤岛与集成难题制约财务AI规模化落地 缺乏可信、统一、经过规范化治理的数据，会削弱企业对AI输出结果的信任度，限制AI输出前瞻洞察、释放企业级价值的能力。在实际经营场景中，这套数据基础往往会因区域、主体、业务平台的差异出现断裂。3分散、联邦式的数据架构会造成数据碎片化问题，大幅阻碍AI落地运行效果。整合系统虽能减少平台数量，但无法自动实现全链路数据互通。而流程协同调度可有效弥补这一短板，通过端到端统筹联动数据、系统、工作流与人工研判的协同机制，保障信息在全业务流程中高效、稳定流转。 •数据碎片化、财务数据口径不统一，是制约财务AI规模化落地的首要壁垒。65%的企业决策者将其列为首要技术难题，另有61%的受访者认为，跨区域、跨主体、跨服务商的系统集成复杂度过高，也是阻碍AI规模化的一大障碍(见图5)。数据、工作流、业务主体与区域的碎片化问题，往往导致AI运行依托的业务场景信息残缺、数据口径混乱，大幅提升洞察结果失真的风险，进一步削弱企业对AI的信任度。旅游、媒体文娱、广告等传统行业的AI落地进度普遍更为缓慢，核心原因在于这类行业的更为零散的数据环境和标准化程度更低的业务流程。 •随着企业AI落地从试点试水走向规模化铺开，数据壁垒带来的制约效应会进一步加剧。企业AI应用初期，核心制约因素集中于AI结果的监测与核验工作(占比76%)。但当AI逐步拓展至跨主体、跨区域的全流程业务场景后，落地瓶颈重新回归数据碎片化(占比由63%升至68%)与系统集成复杂度过高(占比由60%升至64%)两大问题。长期来看，若企业无法实现全链路的数据溯源、跨系统结果核验与全流程制度管控，将逐步丧失业务可追溯性与审计可控性，彻底制约财务AI的深度落地与长效运营。4 71% 的德国与法国企业决策者将系统集成复杂问题视为企业AI规模化落地的首要阻碍。 •平台整合并未实现财务工作流的互联互通，流程协同调度是补齐能力的关键短板。尽管44%的企业决策者已完成财务平台整合，依托少量核心平台承载整体财务业务，但并未实现全流程数据互通与业务贯通。企业数据碎片化问题依旧存在，84%的企业仍需依靠人工操作完成财务全流程运转(见图6)。阶段性的平台整合无法打造完全连通的财务工作体系，导致企业普 遍存在人工交接流程、全链路业务可视性不足等问题。端到端的执行，需要数据、系统、工作流与人工研判的高效融合，以此保障业务信息在全流程中稳定、顺畅流转。5 财务管理者普遍清楚，现有财务平台仅能覆盖部分业务流程，而搭建全域连通的财务生态体系，是企业突破当前瓶颈的核心机遇。基于AI原生架构与API 优先理念搭建的平台，能够有效整合财务数据、打通业务工作流，为 AI在财务多场景、全流程的自主化落地筑牢核心基础。 跨平台数据流转稳定顺畅，绝大多数财务工作流无需人工汇总即可完成 “目前多数工具均已叠加AI能力，但各类工具均处于独立封闭的运行生态中。用户可在单一应用内使用AI功能，却无法实现不同系统间的AI能力互通联动，这正是原生集成能力的核心短板。当业务出现异常需要人工复核、需要调取多系统全域数据、或是需要跨工作流联动逻辑支撑时，就必须依托流程协同调度层实现统筹衔接。企业可借助该层级灵活调配能力，按需启用系统原生功能、叠加跨系统自动化能力，真正依托AI打通全域业务与数据链路。” 美国SAAS科技企业，首席财务官 组织准备程度不足，增加AI应用落地阻力 当企业AI落地从零散试点场景，逐步迈向连通化、体系化的业务工作流，核心难题不再是技术落地，而是企业组织准备度不足。AI落地成功与否，不再单纯取决于优质的AI解决方案，更取决于企业能否将AI有效融入日常财务运营、实现常态化落地运转。6这要求财务团队配齐AI流程运营所需专业能力、破除内部工作模式变革阻力，并建立完善、清晰的AI治理体系