两个目标：零天关账和连续预测，都还没做成

她定了两个目标来治它，这两件事有先后。

为什么必须先做成第一件？因为预测是拿账上的数算出来的。账天天是新的，预测才能随时重算；账要等到月末才结得出来，那再勤快地算预测，用的也是上个月的旧数，算得越勤，错得越快。

为什么值得花两年去追这两件事？理由不在「快」本身：账结得快、预测刷得勤都只是手段，真正要的是在结果还能改变的时候就看见它。等季度结束才发现某条线掉了，那时候已经没什么可做的了；月中就看见，还来得及加钱、砍投放、改价。

这两个目标目前都还在建设中。文章讲的是方向和已经变了的干活方式，不是完工的成果：关账现在要几天、预测多久刷一次，全文一个数都没给。

一天的财务黑客松做出了 IR-GPT

第一步是给所有人开权限，让每个人拿自己手头的活去试。但光开权限不够，大多数人试两下就丢一边了，因为没人有空专门去琢磨「这活还能怎么干」。

所以她们办了一场黑客松：找一天，全财务团队放下日常工作，每个人带一件自己最烦的重复劳动来，现场做成工具。同时把销售工程师拉进来搭把手，那是公司里懂技术、平时帮客户搭方案的人，谁卡住了就有人能问。一天下来，一个人能走完全程：挑出一件每月都要干的活 → 做出个能用的东西 → 拿给同事试 → 当场改。

那天的产出之一叫 IR-GPT。投资人在决定投不投、追不追加的时候会甩来一大堆问题：去年这块收入怎么算出来的、这项成本为什么涨、某个数和上季度对不上是怎么回事。以前每来一轮，就得有人翻遍过往材料手写回答。IR-GPT 是把「已经批准、可以对外说」的那批材料喂给一个定制 GPT，让它先出初稿。后来采购、税务也各做了一个。

这里的经验是两头都得使劲：干活的人最清楚哪一步烦、该做成什么样，但他们做出来的多半是小工具；领导得盯着哪几件事对公司最要紧，把人和钱压到那上面。下面提的点正好落在上面认定的要紧事上，才值得往大了做。

从决策倒推，把整条流程重做一遍

黑客松只是起点。真正的改法是另一件事：AI 让「一次能重做多大一块活」变了。

过去做效率优化，动的是某个步骤：做表快一点、找数据快一点、写文档快一点。每步都提速两成，最后那条链还是那条链，因为格子之间的等待和交接一点没少。现在可以换个尺度动：把「从原始数据到一个决策」的整条路，重新设计一遍。

做法可以直接抄：先挑一件真正要拍板的事，比如「下个季度广告预算要不要加」；然后倒着往回列，要拍这个板，需要哪些数据、要经过谁批、中间要交几次手。列完再一格一格问：这一格 AI 能不能自己算、能不能帮着催、能不能直接干完。

五类数据自动对上账，AI 写初稿，财务签字

拿关账这件事去倒推，做出来的是一个工作台。它把前面散在四处的东西全接进同一个页面，而且一直在自动核对：批准过的预算、财务系统里真花掉的钱、签了还没付的采购单、估着先记上的应计、每一笔具体交易。

接上之后，看到「这个月比预算多花了一笔」，可以直接点进去，看它对应哪笔交易、哪张采购单。AI 先写一版解释，说清楚多出来的钱是怎么回事，再把可疑的挑出来；人负责核对数字对不对、判断这事要不要紧、最后签字。

对账工作台：左栏三个数据来源（预算、财务系统、采购单）各打一个绿色的「已对上」，中栏一行行走下来是这个月的费用怎么算出来的，右栏是 Codex 写的复核意见，角上标着「草稿」。注意期间写的是「April · Demo year」、采购订单号是 DEMO-1042、所有金额都是 $x.x，这是演示数据。图 / OpenAI

这张图右下角有一句话，把分工说得最清楚：

Codex 负责自动化机械部分。判断权归财务。

截图右下角原文：Codex automates the mechanics. Finance owns the judgment.

还有一句也值得记下来：关账这件事不会消失，消失的是期末之后手忙脚乱把上个月重建一遍的那段时间。

预测建议摊开四条证据，人点采纳才生效

对账台管的是「上个月到底花了多少」。预测台管的事更难：下个季度能做多少，以及凭什么改这个数。

第二张图是一段 38 秒的录屏，工具叫 StratFin DS。打开是一张表，同一个季度并排放三个数：模型自己算出来的、上一版拍板定下的、现在这一版；后面两列直接告诉你差多少。这么放是为了让人一眼看出，谁把数往上调了、调了多少。

往下翻可以调单个客户：选中一家客户，在曲线上直接把点拖到你认为对的位置，旁边几个数字立刻跟着变。

最值得看的是「推荐」那一页。AI 建议把某家客户的数往上调，同时把「我凭什么这么建议」摊在旁边，每条都标着已经接上了源头：

这里要紧的是另一件事：它把理由拆成了可以一条条去查的东西。你可以顺着 Gong 那条去把电话听一遍，也可以自己判断 Slack 里那次调价到底算不算数。少了哪一条这个建议还站不站得住，人能自己看出来。

38 秒录屏：从三个数并排的季度表，到选中一家客户拖点改预测，再到带证据的 AI 推荐。画面里的客户名 APEX Inc. 是化名。图 / OpenAI

同一个页面往上再走一层，就是拿它来分配预算：看营销的钱花在哪里还有回报、哪里已经开始变平、下一块钱挪到哪更划算。

营销花钱的效果曲线：横轴是每天花多少，纵轴是换回多少成效。曲线越往右越平，就是「钱花到一定程度，再加也不太涨了」。图上标的 R²=0.94 是说这条曲线贴数据贴得很紧。下方表格列的是渠道之间怎么挪钱。图 / OpenAI

不会写代码的财务人用 Codex 做工具

工具能做成这样，谁在造它也跟着变了。

OpenAI 经济研究团队 7 月底发的一份报告里有两个数字：财务从业者的职业特定 AI 使用中，40% 是传统财务范围之外的活，其中 22% 与工程相关。

这个 40% 该怎么读？把八个职业放在一起看，参照物就出来了，财务其实是跨界最少的那几个之一：

所以这个数字该这么读：连跨界最少的工种之一，也有四成的活跑出了本职范围。

她团队现在人人都在用 ChatGPT Work 和 Codex 给自己做工具。ChatGPT Work 是 OpenAI 今年 7 月发的办公 Agent，能自己跨软件取数据、连着干几个小时，直接交出做好的表格、幻灯片和网页；Codex 是它家写代码的 Agent。交活的形式因此变了：以前是一份 Excel 加一份 PPT，做完就死在那儿，数据一变就得重做；现在交的是一个页面，你还能接着往下问它，底层数据变了它自己跟着变。

最具体的一个例子：团队里一位支持广告业务的同事，此前完全不会写代码，用 Codex 做了个工具，把月度广告预测拆成周计划和日计划，会算工作日和节假日，还能对比不同版本的预测，每个数字都锁在那份已批准的模型上。营销负责人打开就能看到什么变了、该往哪投、多花的钱能换回什么。

财务人没有因此变得不专业，是他们的专业能管到更远的地方了：以前只能提需求、等排期，现在能把自己想要的东西直接做出来。而且动手做的过程本身会逼人重想一遍，这活为什么一直是这么干的。

AI 能写初稿，但改不了已经拍板的数字

人人都能造工具、AI 又能几秒出一份东西，接下来的问题就变了：这东西错了算谁的。

还是拿 IR-GPT 说。以前投资人来一轮问题，分析师要翻遍过往材料、起草回答、再对一遍口径，确认这次的说法跟之前对别的投资人说的对得上，最后拉几个人评审，前后几个小时，有时候得熬一夜。现在把「已经批准、可以对外说」的那批材料喂给它，几秒钟出一份质量不错的初稿。

但这里说的是初稿。人读完、改完要花多久，文章没说，所以「几小时变几秒」不能当成整件事的提速。投资者关系团队要做的一点没少：读这份初稿、补上判断和背景、再检查不同投资人拿到的答案是不是一致。AI 省掉的是找材料和打字的时间，责任还在人身上。

所以她们把规矩定死了。要和 IT、管风控的人一起，把这四件事白纸黑字写清楚：

另外还有三条不能破的：

第三条最硬，也最值得单独说清楚。「已经拍板的那版数字」指的是公司内部认过、各部门按它分预算、对外也按它讲的那一版预测。它一改，下面全得跟着动：这个部门的钱是不是要重新分、给董事会讲的口径要不要改。所以这个数不许 AI 自己改，也不许某个人顺手改，必须经财务点头。前面预测工具里那个「需人工复核」的标签、那个要人点一下的「采纳建议」按钮，就是这条规矩在界面上的样子。

文章里还点了一句行业热词：「tokenmaxxing」那阵短暂的狂热已经过去了。

说它过去了，是因为该有的控制手段现在都是现成的：给每个人设用量上限、设预算、按岗位分权限、把简单的活派给便宜模型、超过多少钱要审批。AI 开销可以像水电费、差旅费那样管，同时还给团队留出试的空间。

规矩定死了，反而敢让 AI 跑得更快，因为出了错知道是哪一步、该找谁。而对账、汇总、准备材料这些活一快，人就腾出时间去干不能交给 AI 的那部分：质疑假设、给业务出主意、拍板。

衡量 AI 值不值：四个问题，两套指标

控制住之后，剩下的问题是这笔钱到底值不值。答案是：买了多少席位、烧了多少 token，说明不了什么。要紧的是活有没有干好、真实成本是多少。

每一条工作流问四个问题：

对财务团队来说，「有用的活」可以具体成这几件：更新了一版预测、说清楚了一笔差异是怎么回事、答完了一个审计问询、答完了一个董事会问题。再往下，关账和预测各有一套能落到表上的指标：

最后一句是给「省钱」的纠偏：最便宜的模型不一定最省钱。换个更强的模型，一次就给出能用的答案，省下的反复试和返工的人工时间，可能比模型的差价值钱。

想让团队用起来，先让他们看见那是什么样

文章收在她常说的一句话上：you can't be what you can't see，你没见过的样子，你就变不成。想让财务团队相信 AI 能做到什么，得先让他们看见那是什么样，而这件事得从 CFO 自己做起。

方向定成两件事：账随时能看，预测随时跟着变。预测得长在关账上，账没对平，预测算得再勤也是拿旧数据算。

起点是一场黑客松，财务团队用一天时间，每人挑一件最烦的重复活做成工具。后来定下的方法是：AI 改的是能一次挪动多大一块，从原始数据到一个决策的整条路，可以重新设计。

做法能直接抄：挑一件真正要拍板的事，倒着列出它需要的数据、工具、审批、交接，再判断每一格 AI 能不能自己分析、协调，或者直接干完。

预测工具给一条调整建议时，把「凭什么」摊在旁边：四条证据全标着已连接的来源，配一个置信度。人要点「采纳」才生效。

已经拍板的数字，AI 改不了，能写初稿、能给建议，但改基线必须经财务点头。不会写代码的同事，现在也能用 Codex 拆预测。

买了多少席位、烧了多少 token，说明不了什么。

• 干的是要紧的活吗
• 真实成本多少，员工时间、复核、返工都要算进去
• 质量够不够直接用
• 换来了更快还是更好的决定

关账看周期、自动对账比例、异常数、解释一笔差异要多久；预测看准不准、刷新频率、出新方案要多久、撑起的决定好不好。正文有完整指标和硬约束可直接抄。