发现报告

AI-first CFOs 通过五个关键执行纪律帮助组织将 AI 勇气转化为商业成果：

1. 塑造企业优势：AI-first CFOs 帮助定义企业议程，确定最有价值的机会，并塑造企业竞争优势。他们参与设计商业模式、价值池和 AI 驱动的增长平台，并与技术领导层密切合作，确保战略决策与业务成果一致。

2. 以信任扩展 AI：AI-first CFOs 设计治理框架，确保 AI 的安全扩展。他们定义和调整财务、合规和道德阈值，评估 AI 转型的二阶影响，并建立明确的决策边界和问责制，使 AI 能够在受控环境中自主运行。

3. 将智能嵌入决策：AI-first CFOs 重新设计财务运营模式，将 AI 集成到工作流程和决策过程中。他们利用实时数据、预测洞察和场景输入，将智能转化为行动，并推动 AI 原生的财务和运营模式。

4. 实现动态资本配置：AI-first CFOs 重新设计资本配置，使其能够根据信号变化和新增长来源进行动态调整。他们消除结构性障碍，使资金能够快速流向最有价值的举措，并将 AI 驱动的生产力收益再投资于未来的增长和创新。

5. 构建未来选项：AI-first CFOs 通过保留战略灵活性来应对不断变化的环境。他们建立资金、组织和治理机制，使企业能够快速学习、测试新机会、退出失败路径并扩展有希望的路径。

研究结论：

• AI-first CFOs 帮助企业实现更高的收入增长率（比同行高 23%）。
• AI-first CFOs 在塑造企业方向、治理 AI、嵌入智能、动态资本配置和构建未来选项方面表现出色。
• AI-first CFOs 通过将战略野心、投资决策和成果联系起来，使企业能够更快地行动、更快地适应并更一致地执行。

关键数据：

• AI-first CFOs 是 39% 的企业更有可能拥有清晰的企业战略。
• AI-first CFOs 是 18% 的企业更有可能有效执行企业战略。
• AI-first CFOs 是 15% 的企业更快地批准新的 AI 举措。
• AI-first CFOs 是 34% 的企业更有可能优先考虑中期投资。
• AI-first CFOs 是 65% 的企业更有可能优先考虑长期投资。

核心观点： 量子计算凭借其并行计算能力和处理复杂系统模型的优势，有望在保险业部分复杂金融保险计算任务中实现突破，为行业数智化升级注入新动力。

关键数据： 量子计算硬件技术路线主要包括超导、离子阱、光量子和中性原子等，目前主流技术路线在物理实现原理、可扩展性和应用适配性上具有明显差异。全球多个国家陆续组建量子信息领域产业联盟，全球量子计算产业生态已初步成形，呈现出从底层硬件研发、量子芯片制造，到中间层软件与算法工具链，再到上层行业应用和云服务的完整产业链条。

研究结论： 量子计算在保险业具有广阔的应用前景，尤其在动态资产负债管理与资本配置优化、高维风险因子精准定价与准备金评估、大规模关联网络反欺诈与异常交易识别等场景中，量子计算展示了在复杂组合优化、高维风险建模和图结构分析中的潜在优势。建议保险机构采取分阶段推进策略，从小规模试点向多场景集成推进，并建立量子金融人才和跨学科团队，逐步实现量子计算的业务价值转化。

1EPM的时代之变

EPM通过打通财务、业务和人力绩效之间的边界，构建起衔接企业顶层战略与一线业务执行的财务管理核心中枢，持续创造企业经营价值。EPM的能力覆盖事前规划、事中管控和事后复盘，最终从六个维度为企业创造价值：守住合规底线、降低风险，优化资源配置、提升投入产出，释放人力效能、提升管控效率，赋能科学决策、构建数据驱动机制，统一管理语言、强化集团协同，前置风险预警、增强抗风险能力。

然而，不确定性成为经营常态，传统EPM以人工、周期、分散为特征，在操作复杂、时效滞后、语义不一、能力依赖个人四个方面显得跟不上时代步伐。

2AI时代的EPM新范式

CFO呼唤EPM新范式，要求EPM具备对经营变化持续感知、对业务语义准确理解、对未来影响前瞻推演、对多方行动组织协同的能力。AI智能体的感知、理解、推演、协同能力，恰好对应这些要求。

AI EPM的体系内涵是以企业战略价值为目标，以统一业财语义、可信数据、确定性计算和领域知识为基础，通过AI与智能体对计划、合并、管报、分析等任务进行理解、编排、解释和受控执行，持续连接战略、资源、经营行动和绩效结果的企业绩效管理体系。

AI EPM相比传统的绩效管理体系有多个维度的价值提升：时间尺度上，管理从分段作业走向持续经营；信息边界上，决策依据从结构化报表扩展到全域经营上下文；运行机制上，管理活动从人找数据、人推流程，转向事件触发、智能协同；协作方式上，人从数据加工中解脱，聚焦判断和决策，AI在治理边界内承担连续任务。

3AI EPM的系统架构底座

AI EPM的系统架构以数据底座为基础，实现业财贯通，确保源头可信；通过确定性引擎严谨计算，确保数据处理过程高效精准；再深度融合AI能力，通过语义、智能体与治理中枢完成理解、编排与管控。

数据底座采用确定性规则加AI的双模协同方式组织数据，并设置稽核门禁承担质量把关。MDDX多维数据库将数据触角向下延伸至业务明细，并采用冷热数据智能分层的架构。AI中枢由语义本体、原子技能、多智能体和治理网关共同构成，协同工作，让AI EPM既懂业务口径，又能精准执行。

4EPM业务闭环的场景重塑

AI EPM在预算、合并和管报三个核心业务线中重塑了管理闭环：

• 预算驱动资源动态配置：AI赋能战略解码与目标测算、预算编制与审批、执行控制与滚动调整、预算分析与考核评价，实现预算管理从数据收集工具升级为懂战略、懂业务、懂规则、懂协同的管理助手。
• 合并构建集团可信事实链：AI赋能权益流程、智能取数与凭证级对账、智能权益与交易抵销、智能报告与智能解读，实现合并时效发生根本改变，建起统一、快速、准确、易用的财务治理底座。
• 管报推动分析进入经营现场：AI赋能数据底座与智能建模、智能取数、加工与调整补录、指标穿透与差异归因、知识沉淀与智能报告、风险预警与行动建议，实现管报效能和决策能力双双提升。
• AI重塑管理交互方式：AI按场景细分用户需求，用更有针对性的方式替代固定看板，实现洞察找人，AI根据角色和场景，把对的信息在对的时间主动给到对的人。

5AI EPM的企业实践

• 大型央企智能预算实践：通过智能预测和智能编审，预算管理从数据收集工具升级为懂战略、懂业务、懂规则、懂协同的管理助手，业财融合和决策支撑能力明显增强。
• 多元化国企集团智能合并实践：通过AI智能合并流程，建起统一、快速、准确、易用的财务治理底座，整体编报周期缩短一半以上，财务人员从事务性工作转向高附加值分析。
• 医药行业国企智能管报实践：通过管报规则自动化和AI智能经营分析，管报效能和决策能力双双提升，历史重算难题被破解，决策模式从滞后固定报表升级为敏捷智能洞察。

6走向持续运行的经营智能

AI对EPM的改变沿着一条层层传导的因果链展开：业财数据先统一口径、贯通治理，业务语义被结构化沉淀，AI才有可靠输入；在此之上做准预测与分析，整个EPM流程的管控有效性随之提升，预算偏差更早暴露、经营异常更早预警；管控有效性提升，决策机制和人机协作才发生根本变化。

未来，AI EPM将改变传统财务管理围绕年度预算、月度分析和期末关账等既定周期展开的模式，走向随经营变化动态调整，形成感知、分析、推演、决策、执行、反馈的闭环，最终成为一个持续运行的经营智能系统。

AI 已成为大多数选举管理机构 (EMB) 的工作环境的一部分，但其应用速度超过了治理机构所需的制度安排。在 UNDP 的一项调查中，53% 的 EMB 报告称至少使用了一种 AI 支持的功能，其中 36% 报告了常规使用。AI 的使用主要集中在行政、分析和通信功能上，例如软件开发支持、内容生成、内部效率和社交媒体监控。然而，在更接近选举结果的核心选举流程中，AI 的使用率较低，例如结果汇总、投票和计票。

EMB 采用 AI 的方式多种多样，包括员工使用通用工具、嵌入采购的系统中以及试点项目。虽然对核心选举流程应用的兴趣很高，但机构面临着更高的法律确定性、测试、可审计性、人工监督和公众信任要求。报告发现，报告更多 AI 使用的机构往往也报告了更强的战略、基础设施、内部政策和个人能力。

随着 AI 的应用范围扩大，选举机构需要加强使 AI 使用可靠、负责和可持续的制度基础。治理、技术能力、员工技能、采购、数据管理和利益相关者参与需要共同发展，以便 AI 的使用支持选举权、机构独立性和公众信任。

报告还强调了 AI 在信息完整性和网络安全方面带来的新风险，例如合成媒体、自动骚扰、AI 协助的钓鱼和操纵 AI 系统。选举机构可以考虑将 AI 作为其更广泛的责任的一部分，以维护选举的完整性、包容性、弹性和公众信任。此外，报告还讨论了 AI 在包容性、可访问性和女性政治参与方面的应用，以及治理 AI 所需的明确界限和保障措施。