生成式AI在财务职能中的应用：CFO们正在尝试AI用例以释放业务关键工作的能力

生成式AI在金融领域的应用潜力：生成式AI能够支持金融专业人士处理重复性任务，释放其时间用于更具战略性的业务工作。尽管技术尚未成熟且存在网络安全和“幻觉”挑战，但多数金融机构正增加对生成式AI的投资，看重其提升生产力和优化流程的潜力。
CFO的角色转变：生成式AI有助于CFO从繁琐工作中解放出来，投入更多精力进行前瞻性财务战略指导，以应对全球地缘政治和金融不确定性。MIT的Andrew W. Lo教授认为，LLM可以减轻CFO的工作负担，提供初步文档草稿，但无法完全取代CFO。
具体应用场景：生成式AI在财务、司库等职能领域展现出应用前景，包括现金流、收入和流动性预测与管理，以及合同自动化和投资分析。然而，由于LLM的数学局限性，其在预测方面的贡献仍面临挑战。
市场采纳情况：根据Deloitte分析，已有五分之一（19%）的金融机构在财务职能中采用了生成式AI。尽管目前金融机构中生成式AI的投资回报率（ROI）比预期低8个百分点，但46%的CFO预计未来12个月财务领域生成式AI的部署或支出将增加，主要受益于成本控制和员工效率提升。
用户体验改进：生成式AI有助于实现“单一窗口”体验，让专业人士通过自然语言访问多个系统信息，改善类似零售、交通和酒店行业面向客户的用户体验。

主要挑战：网络安全风险（如恶意软件、勒索软件、网络钓鱼和数据丢失）因生成式AI而加剧，预计到2027年，美国因生成式AI导致的金融欺诈损失可能达到400亿美元。此外，AI模型的准确性、偏见、缺乏透明度和可解释性，以及数学计算中的“幻觉”问题也是关键挑战。监管合规性是公司开发部署生成式AI的主要障碍。
应对策略：需要通过人工监督来缓解风险。例如，通过分析美国证券交易委员会（SEC）的违规数据库来训练AI，使其理解其受托责任。行业正在通过改进模型、架构和解决方案来提升准确性、安全性和责任感。提升模型的可解释性，使其能说明数据来源和推理过程。

三大应用模式：Deloitte识别出三种在财务领域获得CFO认可度较高的AI应用方式：
1. 搜索、总结和提取：利用AI整合非结构化数据（如投资者关系文档），进行分析和查询，但需注意保护敏感数据。
2. 与数据对话：使用基于LLM的AI聊天机器人查询结构化数据，减少跨系统搜索的摩擦，但需建立对答案准确性的信任。
3. 发现数据问题并做出预测：利用AI识别数据异常、预测成本节约或错误修复，或预测未来需求，但需关注推理和数据的可解释性。
下一阶段：将上述应用模式与“能动式AI”（agentic AI）结合，以处理跨流程、职能和工作流的复杂能力。
“能力自动化”：未来生成式AI的发展可能在于“能力自动化”，即跨多步骤流程、功能或工作流的任务和流程组合。AI将作为CEO或业务单元领导的“副驾驶”，帮助财务部门从生产性工作中解放出来，成为更具战略性的合作伙伴。