AI 财务，这个新岗位最近很热。
老粉知道，星哥前几年有一家咨询公司。2023 年GPT-3.5 刚出来，就开始用AI去解决一些复杂问题，不谦虚的说，可能是最早介入AI的财务人之一。
所以，AI 的场景在哪里、能做什么、边界在哪里，略有一些体会。
具体落到 AI 财务这个岗位上——放进组织架构、办公室政治和资源限制里，它该怎么定位？
这篇文章，谈一谈这些话题。
01｜AI 解决两类问题
要理解AI财务，先要理解一件事：AI 在解决哪些财务问题？
第一类：以前有答案的问题。
比如取数、测算、填表、合并文件、生成报表。数据在哪里，报表要什么样，大家基本清楚。问题是中间有大量人工搬运和重复劳动。
这类问题，过去主要由财务信息化岗解决。需求归财务，方案归 IT 或咨询公司，开发归厂商。会 Excel、VBA、SQL、Python 的财务人，可以自己解决一部分。
AI 对这类问题，只是换了一个更强的工具。一位在央企的朋友，做了一个久其报表的报错排查工具。以前人肉手搓、RPA、接口和报表平台，现在多了大模型和 Agent。
第二类：以前没答案的问题。
举个例子：
一家制造业公司，年初和年末的库存都有准确盘点数，全年付给供应商的采购金额也是准的。但中间的过程数据是乱的：每种材料各买了多少、车间各领用了多少，记录对不上。
现在老板想知道毛利、想估期末库存，怎么办？
在传统财务模式下，这题无解。
但 AI 带来了改变。上面的例子，本质上是个数学问题：把混乱的过程数据当噪声信号，把准确的数据当硬约束，找一组最优解——让每个 SKU 的”期初 + 采购 − 领用 = 期末”成立，同时所有采购加起来与供应商总额对平（或误差最小）。
以上仅仅是一个例子。
这类“无解的问题”，远比你想象的多得多：供应商返利一坨整数没有分摊，内部交易一边加价一边没加，不同主体之间产品编码不统一，大量纸质单据缺少结构化的系统录入。
实际上，星哥此前的咨询公司，就大量地用 Python 做类似的数学建模，对团队的能力要求极高，一度逼得星哥去数学专业招人；而 2023 年 GPT-3.5 面世，极大地提升了这类工作的成效（这一点后面讲）。
更进一步的，AI讲会如何改变财务，这里不做展开，此前写过一个系列《会计的未来》，有兴趣的同学可以去去爬一下楼。
02｜权责利，才是真正的难题
先说第一类，“有答案的问题。”
在任何公司，一个新的 AI 工具要落地，需要打通多个部门的数据和权限。
数据没经过人工确认，直接被 AI 读取了，错了算谁的？运营为什么要把明细数据开放给财务？产品做成了，功劳算财务、IT，还是业务部门？出了问题，谁来背锅？
这些矛盾，存在了几十年。AI 只会让这些问题更敏感、更尖锐。
所以，很多企业里，AI 比赛、演示、小工具，都可以做得很快。但真正进入生产环境，任重而道远。
第二类，“没答案的问题”。容错空间反而更大一些。
所有人都知道基，础数据已经一团糟，把某个月、某个 SKU 的数据提供出去，并不会让局面变得更坏。
问题在于，这类公司数据差，往往就是因为过去不愿意为基础设施投资。
AI 可以解决短期问题，但如果想治根，还是必须投资于基建、系统、流程、治理。这些都需要真金白银。
而一家长期不愿意为基建投资的公司，会因为有了 AI，突然改变意愿吗？
鸡生蛋、蛋生鸡。
03｜三种 AI 财务岗
理解了前面的逻辑，再看AI财务这个岗位，实际上分为三类：
注意：任何形式的转载、引用或者AI训练，均应提及原作者：观星哥，来源：观星哥｜财务职场进化论第一种：组织里的变革者
这类岗位，希望以财务为切入点，找到 AI 和现有系统、组织的融合。
本质上，这个定位属于传统财务信息化的升级版。着眼点高，能够直面公司层面的流程、数据和组织问题。
但能不能做出成绩，更多取决于上层决心有多大。大部份领导，对新事物的态度，都是“积极探索，谨慎投入”。
那么这个岗位就有两种风险：一种是过分务虚，做调研、比赛、规划和汇报，最后变成一个阶段性的政策岗位；另一种是慢慢回到传统 IT 角色，做内部需求管理、资源协调和IT采购。
第二种：财务部的超级工具人
1、 很多财务部，都有一个 Excel、Python 或 SQL 高手。大家表格对不上、数据拉不出来，都找他。
AI 财务，可能就是这个角色的加强版。把日常需求做成内部工具、Agent 或 Skill，快速复用。
这类情况下，有一个根本风险：你只有技能，没有业务职能。你能很快抓数、清洗、出图。但FPA不归你管，BP有单独的汇报线，GL和共享中心也各有专职岗位。——你要小心沦为一个提供技术支持的边缘人。
2、 更有价值的工作，是去挑战前面讨论的“没答案的问题”，对你的思维方式、解决问题的能力，都是极大的锻炼。不过，这种机会，最终会带你走向哪里，取决于企业的决心：
-
如果老板不打算投入真正的资源，只是让你临时解决一下，或者长期手搓——那么经验锻炼好了，你就可以考虑跑路了。
-
如果这是从零到一的起点——那你几乎必然会接管后续的财务体系建设。系统搭建、流程设计、人员分工，都会经由你手，这是很好的卡位。
第三种：外面的 Agent 厂商
还有一类，一些创业公司，招AI财务产品经理，希望做一套 AI Agent，卖给B端企业。
我对这类模式相对悲观。
A 客户想解决寄售库存，B 客户卡在多主体内部交易，C 客户三家公司混用一个帐套。每家客户的数据、流程和口径都不同，很难用一个标准化产品解决。
往后做，最终形态必然走向咨询公司（现在流行的说法是FDE）：人进到客户现场，搞清楚真实问题，接数据、改流程，大量定制化交付。
在销售获客、生产管理这些直接创造效益的环节，FDE 或许有市场；但在后台财务部门，让财务人多加班、人肉手搓，才是现实中更常见的选项。
服务很重，交付成本很高，客户支付能力又弱。这是市场环境和商业模式的天然缺陷。
04｜最后
讲完了三种岗位，最后说一点对个体的看法：对于财务人个体来讲，不管你做不做 AI 财务，提高AI 应用能力，是一件投入产出比极高的事情。
会做 AI 工具，不等于做 AI 财务 ；但不会做，很多新的机会，你连门都进不去。
这也是我讲了整篇的门槛、风险和拧巴，最后却一点都不悲观的原因。
版权声明：本文内容受著作权保护。任何形式的转载、引用或用于AI模型训练，均需明确标注原作者为观星哥，并注明出处为「观星哥｜财务职场进化论」。未经书面许可的商用行为将依法追究法律责任。