AI的核心价值，在于放大人的判断力与决策能力。
10月12日，宇树科技王兴兴在工博会上说：“过去十几年我犯的最大的错误，就是对AI（以前）相信（得）还不太够。”
这句话放在机器人行业成立，放在财会行业同样成立——甚至更紧迫。
蔡崇信几天前在意大利都灵峰会上给出了另一个维度的判断：五年后人们可能不再单独讨论AI，因为它会像互联网一样融入每一个业务环节。
一个是“相信得不够”的懊悔，一个是“终将消失于日常”的预判，两者指向同一个事实：
AI不是财会行业要不要用的工具选项，而是财务职能本身需要被重新定义的压力来源。
但真正值得CFO们警惕的，恰恰是当前财会行业AI应用的真实处境。
麦肯锡2025年对全球102位CFO的调查显示，44%的受访者已在超过五个场景中使用生成式AI，而前一年这个数字只有7%。（注：麦肯锡2025年11月3日发布的文章 How finance teams are putting AI to work today）
德勤对1326位财务领袖的调研中，63%的财务部门表示已全面部署人工智能解决方案。部署速度不可谓不快。（注：德勤Finance Trends 2026报告，基于全球1326位财务领袖的调研）
问题出在另一边。
同一份麦肯锡报告指出，全球不足5%的AI财务项目能转化为可量化回报。（注：麦肯锡The State of AI in 2025: Agents, Innovation, and Transformation ，该调查覆盖近2000家组织）
德勤的数据更扎心：部署了AI的部门中，仅有21%认为投资带来了清晰且可量化的价值，将AI智能体完全整合进工作流的比例只有14%。
将近三分之二的财务部门在用AI，但只有五分之一能说清楚AI到底创造了什么价值。这个落差本身就是CFO必须正视的核心命题。
许多AI项目的失败原因高度相似：被当成孤立试点，没有嵌入核心流程；与业务目标脱节，停留在“更快出报表”层面；组织没有为规模化做好准备。
更基础的问题出在数据上。
RGP的调查发现，只有10%的CFO完全信任自己企业的数据，35%将数据信任列为首要障碍，86%表示遗留系统在制约AI就绪度。（注：RGP, The AI Foundational Divide: From Ambition to Readiness，2025年11月对200位美国CFO的调查）
这意味着什么？
很多CFO在讨论AI模型选型、供应商对比的时候，真正的瓶颈其实在企业内部——数据标准不统一，系统之间不连通，业务口径和财务口径两张皮。
所以财会行业的AI颠覆，本质上不是“AI会不会取代财务人员”的问题。
麦肯锡在报告末尾写了一句值得反复咀嚼的话：AI真正替代的，从来不是人，而是低价值的人工操作。它的核心价值在于放大人的判断力与决策能力。
澳洲会计师公会的调查也印证了这一点——32%的企业在减少招聘初级财会人员的同时，18%的企业在积极扩招具备AI素养的财务人才。岗位结构在变，不是岗位在消失。（注：CPA Australia, 2025 Business Technology Report，2025年7月至9月对亚太区九个市场1117位会计与财务专业人士的调查）
这对CFO提出的要求非常具体：需要看懂AI模型的边界和数据质量风险，识别输出结果背后的假设，让财务从“记录者”变成“协同伙伴”。这不再是IT部门的事，而是CFO自己的事。
Gartner给出的路径值得参考。其CFO调研显示（注：Gartner, Gartner Says CFOs Need Structured Finance AI Roadmaps，2025年6月对183位CFO的调查，2026年6月8日发布），84%的财务组织已经实施或计划实施AI，但只有7%报告了高或极高的影响。Gartner的建议分三步：
先设定财务AI的清晰愿景，回答“AI赋能的财务职能最终状态是什么”；
然后通过成熟度评估找到能力缺口，把缺口转化为分阶段的路线图；
最后以纪律化的方式执行用例——一次聚焦3到5个，而不是全面铺开。
蔡崇信说AI的总潜在市场规模约为50万亿美元，其中最确定的应用场景是提升知识工作者的生产力。财会行业恰恰是知识工作者密度最高的领域之一。
问题在于，CFO们现在面对的不是“要不要相信AI”，而是“信了之后怎么不走偏”。王兴兴的懊悔是相信得太晚，CFO们需要避免的，是相信了却做错了。
先修数据，再谈模型。先定愿景，再选工具。先聚焦三五件事，再谈全面转型。这三条顺序搞反了，部署率再高，也只是一堆算不出价值的试点。
声明 | 文章系财能无界原创，未经授权，严禁转载。
热门跟贴