金蝶张鄂豫：AI+财务 管赋融合

在日前举行的创见者城市峰会——AI+财务论坛上，金蝶中国助理总裁、集团财务与国资事业部总经理张鄂豫在主题为《AI+财务 管赋融合》的主题分享，为大家分享了金蝶对AI时代财务数智化的思考和探索。

以下为分享实录，有删减。

政策驱动：财务管理要“管赋融合”

2026年初，国资委就连续发文推动央企加快财务数智化转型和穿透式监管体系建设。文件指出央企既要进一步推动财务数智化转型升级，逐步建成全域数字化资源管理平台，加快建设世界一流财务管理体系；也要深入推进穿透式监管体系建设，构建智能化穿透式监管系统，完善国有资产监督体制机制，有力支撑企业高质量发展。

财务数智化转型，强调构建技术底座和夯实数据基础。央企要深入应用大数据、大模型和人工智能等新一代信息技术，推动财务管理体系化、财务系统集成化、财务信息数字化、财务监督智能化、财务转型一体化升级的系统性变革。分阶段实现司库、共享、战略财务系统互联互通，建设财务级数据中台；完成财务系统与投资、人力、合同、项目、资产、销售、采购等涉财业务系统的全面集成，建设企业级数据中台；最终构建起全域数字化资源管理平台（DRP系统），实现企业经营 “全级次、全流程、全要素” 的穿透式监管体系，以财务数智化转型推动企业数智化转型。

穿透式监管建设，聚焦明确监管架构与治理逻辑。央企要加快建设穿透式监管体系，扎实推进智能化穿透式监管系统建设，切实加强投资、产权、财务、会计、薪酬、金融、军品、采购、境外、合同共十大重点领域的监管力度。通过五年努力，基本建成与中国式现代化相适应的智能化穿透式监管体系，国资监管穿透力和有效性显著增强。

总体来看，这两份文件既强调财务的价值创造，也强调风险防控，财务数智化转型为精准监管提供基础，穿透式监管则反向规范转型路径，双轮驱动财务管理朝着“管赋融合”发展。

技术驱动：财务管理要“代际切换”

在技术层面，AI时代的财务数智化转型与以往的财务信息化、流程自动化相比，并非简单的渐进式升级，而是一种代际转换。过去，财务信息化主要是将线下业务流程转移到线上，并将既有业务规则嵌入系统，目标在于降低成本、提升效率和减少差错；而在AI时代，其核心正从“以AI工具替代人工操作”转向“让AI具备财务认知能力”，AI应用也不再局限于操作层面，而是通过数据驱动实现认知智能，使AI能够看懂财务、理解业务并进行自主推理，具备一定的财务“思考能力”，从而处理模糊、复杂和非标准化问题，支持预测、决策和价值创造。

但在大模型落地过程中，仍然面临多重挑战。首先是“幻觉”问题。大模型在缺乏准确信息时，可能生成看似逻辑严密但并不真实的内容，从而影响决策准确性。其次是知识来源的局限。大模型的训练数据主要来自互联网公开信息，难以获取企业内部数据和专业知识，因此在财务等专业领域可能出现“理解不深”的问题，影响大模型的专业性和应用价值。第三是可解释性问题。财务管理对数据来源和计算过程要求高度清晰，而大模型的运行机制通常具有一定的“黑盒”特征，其决策与推理过程缺乏透明度，难以满足可追溯性和可解释性的要求。

管理数据：建设财务级数据中台

基于上述挑战，AI时代的财务数字化转型，关键不仅在于共享财务、业务财务、司库财务和战略财务等上层应用建设，更在于夯实管理数据和管理知识等基础能力。国资委发文对财务级数据中台的价值、定位和关键内容进行了明确阐述。通过建设财务级数据中台，企业需要实现数据融通、系统畅通和上下贯通，打通财务与业务系统之间的数据壁垒，推动多系统集成协同，支撑从集团到基层的数据穿透。在此基础上，才能提升财务前瞻性决策支持能力、实现业务智能化赋能，并强化全链路穿透式监管能力。

围绕上述目标，企业需具备数据“采、存、管、算、用”五项核心能力，并同步建立业务、技术和管理标准体系，健全数智化组织架构，保障数据质量与数据安全，支撑数据加工、共享和应用。打通“管赋融合”的数据链路，更好支撑价值挖掘与风险防控。

企业在建设财务级数据中台时，需要结合业务需求、数据基础和信息化投入预算，选择合适的建设路径。通常可分为三种情形：一是企业已建设企业级数据中台，但因缺乏明确应用场景，平台应用深度有限，此时可依托现有平台，聚焦财务核心场景，逐步深化财务数据应用；二是企业对财务数据应用需求迫切，而其他领域需求相对较弱，可由财务部门先行牵头建设数据中台，以财务场景为突破口，后续再逐步扩展至其他业务领域；三是企业仅存在特定财务数据应用需求且预算有限，可建设轻量级财务级数据中台，满足特定场景的数据应用需求。

金蝶财务级数据中台产品采用“松耦合”架构，可适配上述三种建设模式。在轻量化场景下，可通过会计事件库整合与财务凭证相关的数据，形成融合业务与财务信息的“业财一体账务池”，支撑轻量级数据分析与应用；在需要更全面数据能力的情况下，可进行全量数据的采集、治理与存储。财务级数据中台的重要特征在于统一语义与本体层，并围绕财务场景构建智能化应用体系，使数据真正实现可理解、可使用。

在数据应用与分析过程中，使数据真正被AI理解，关键在于推进财务管理经验的知识化。其难点主要体现在三个方面：一是解决经验传承问题，将原本依赖个人判断、难以言传的隐性知识进行显性化和结构化沉淀；二是赋能AI理解业务、风控与管理语境，使其能够识别专业术语和特定语义表达的含义；三是沉淀企业核心能力，将经验丰富财务人员的个人能力转化为可复用的企业能力。

从“人治”走向“智治”，本质上是在AI时代将企业财务管理中依赖个人的经验，转化为可复用、可迭代、可被AI调用的知识。这不是可选动作，而是财务数字化、智能化的核心前提。金蝶财务领域本体模型以凭证分录事实为核心，构建了“事实+概念”的知识网络，可视化展示各要素之间的关联关系，实现财务逻辑的显性化与结构化。该模型相当于内置于系统中的财务专家，能够提供贴近业务本质的解读与建议。

AI时代，金蝶财务产品蓝图

金蝶财务管理产品蓝图分为四个层次。最底层为平台层，除具备传统应用开发和集成开发能力外，还支持大模型Agent开发，并确保系统安全可信。其上为数据层，除数据采集、存储与治理外，还通过统一语义和本体层实现数据可理解。再上一层为SaaS应用层，包括共享财务、司库财务和战略财务等应用。最上层为场景化智能体，即超级入口“K Claw”，用于承载财务共享、司库管理和企业绩效管理等领域的智能应用，实现人与系统的交互。

一是AI+共享财务。共享服务中心由于业务量大、流程相对标准化，是企业开展智能化应用的重要切入点。典型场景包括智能发票助手、差旅智能体、智能审核助手，以及面向共享运营的智能质检、智能运营和智能客服等。当前，AI+共享财务已在深圳能源、河南资本、海信等多家企业的共享服务中心得到应用。其中，海信除财务场景外，还在供应商新增申请、银行信息维护等环节开展了智能化应用。

二是AI+司库财务。资金管理是企业财务管理的重要内容，智能化应用主要集中在风控和决策场景，覆盖现金管理、流动性管理、投融资管理、风险管理和决策分析等领域。

其中，一个典型场景是资金预测。通过整合业务系统数据、财务数据和历史数据，结合大小模型进行分析，企业可以提升资金预测的精准性和前瞻性，优化资金配置。

另一个典型场景是司库报告的智能生成。通过大模型生成报告内容，并结合自然语言交互方式调整报告结构，可显著减少数据获取和报告编制时间，为决策与管控提供支持。例如招商局将资金管理报告生成时间由三个工作日缩短至一分钟以内。

三是AI+战略财务。战略财务是企业经营决策的核心。通过引入AI技术，企业可构建兼具战略理解、业务洞察和财务分析能力的智能经营决策体系。其应用主要体现在两个方面：一是深度融合多维架构与严密的财务逻辑，突破通用大模型仅能处理平面表格的局限，通过专属语义层使AI能够理解高维Cube数据和复杂的财务勾稽关系（如合并抵销），确保输出结果准确且可追溯；二是实现“读、写、算”的全场景业务闭环，打破传统工具“只能看、不能动”的局限，使AI不仅能够通过自然语言查询数据，还可以智能回填预算，并驱动多维引擎执行规则计算，形成更完整的业务处理与决策支持能力。

在典型应用方面，合并报表智能助手主要聚焦智能对账和权益抵销自动化，提升合并处理效率与准确性；预算智能助手通过引入AI技术，在预算目标测算、下达、编制、控制、分析和考评等环节提升预算管理的精准性与前瞻性。以中广核集团为例，企业建立了分层分级、纵横贯通的预算管理体系，实现了从财务到业务再到经营动因的穿透。管报智能助手则通过自然语言查询和多维归因分析，自动生成管理报告，以AI与数据结合支持经营决策。

四是AI+穿透式监管。依托模型中心和数据中心构建监管体系，通过事前计划预测、事中业务控制、事后模型分析，建立全链条监管机制，助力企业实现从数据采集到风险处置的全流程闭环管理，其中模型中心已内置“过度负债”、“虚假贸易筛查”、“合同风险”等风险识别模型。以合同监管为例，系统可整合内外部数据，在复杂相对方场景中识别潜在风险，实现从“单点风险”到“链式风险”的智能识别与穿透分析。

AI正在推动财务数字化转型进入新阶段，不断拓展财务管理的能力边界，推动财务从流程支撑和结果反映，逐步走向智能分析、前瞻决策和价值创造。面向未来，企业需要以政策要求为牵引，以数据中台和知识化体系为基础，以财务场景为抓手，持续推进“管赋融合”，不断提升价值挖掘与风险防控能力。