以下为GE Vernova FP&A运营高级经理Diana Mugambi的客座文章。文中观点仅代表作者个人。

过去一年中，我审阅过的几乎所有财务会议和网络研讨会的演示文稿都反复出现类似的幻灯片。这些演示通常包含面向财务团队的AI与自动化议题，强调生产力提升的承诺以及实现这一目标所需的紧迫步骤。CFO们正面临巨大压力，要么拥抱自动化，要么面临被淘汰的风险。

对于现代财务领导者而言，挑战在于明确哪些环节不应纳入自动化闭环。这些选择往往不会停留在抽象层面，而会在后续的预测更新、财务报告复核、内控穿行测试或审计团队的测试中浮出水面——届时无人能指出单一决策责任人。

我支持自动化，但并非支持其当前被营销的方式。我担忧的是，人类在财务决策中的责任正在被悄然削弱——因为输出由系统生成，便被自动接受。

当速度悄然取代背景信息

许多AI自动化产品宣传和生产力讨论将财务决策中的人类判断视为缺陷——有偏见、不一致、缓慢。这自然应当被“工程化消除”。AI是客观的，不受疲劳影响，从不休假或请病假，且能快速扩展。这种说法固然有吸引力，但也是不完整的。

判断并不会因流程自动化而消失。相反，它从由人行使转变为嵌入计算机程序之中。设计决策可能只做一次，但模型每天使用这些判断来产生输出决策。一旦嵌入数月甚至数年，这些判断将更难被质疑。在实践中，财务决策（如准备金、减值、收入确认）很少是二元的，人类因素依赖于对输入的情境化评估，而不仅仅是计算准确性。

当自动化将这些决策视为确定性时，它并未消除风险，而是将其集中化。我们正在将判断锁定在AI驱动的流程中，往往没有像对待人类决策那样进行同等程度的审查。人类风险是可见的，会出现在管理层复核和审计发现中。而自动化错误则往往不会自我暴露，且由于规模效应，其潜在危害可能更大。

如果AI应用了有缺陷的假设并一致地执行，后果将更为严重，且影响会在后期显现。归根结底，CFO的签名并不附带AI或软件许可免责声明。对财务报表完整性的受托责任仍然属于人类。如果算法“幻觉”出一个预测或放大一个有缺陷的假设，后果可能不堪设想。你不能将法律责任委托给供应商的黑盒算法。

是否存在弊端？

激进自动化带来的一个我早期未能充分认识的意外后果是，它很少考虑财务人才发展过程中财务判断力的长期侵蚀。财务判断并非直觉，而是通过反复接触模糊性、错误以及错误决策的后果而建立起来的。

在我职业生涯早期，这些时刻不可避免，尤其是在结账和预算周期中，当预测无法干净对账时。估计会被争论，例外情况在复核中引发令人不适的对话。这种摩擦虽然低效，却具有形成性。它教会团队识别数字在技术上成立但概念上不合理的情况。

随着更多验证移入内置逻辑的自动化循环，被质疑的假设越来越少。这种摩擦消失，这种“记忆”不再被锻炼、传递或挑战。预测过于整齐地收敛，例外在成为问题之前就被过滤掉，假设因模型已“清除”而不再受质疑。

久而久之，财务部门成为高效的数据处理机器，但历史深度变浅，识别结果与现实脱节的能力下降。这种萎缩的成本在稳态运营中很少显现，但在中断、危机、市场冲击和重组时会浮出水面。在那些时刻，基于稳定模式训练的模型会遇到它们从未设计应对的现实，而决策必须向董事会、审计师、监管机构或市场解释。没有人会要求算法自我解释。对财务结果的责任和判断仍然属于人类。

划定硬性边界

在制定财务自动化战略时，我们应当讨论的不是某个流程能否被自动化，而是失败是否仍能被检测和质疑。虽然我们都同意并非所有财务流程都应同等对待，但一些低影响、重复性的流程确实能从AI的生产力中获益巨大。

然而，在具有重大影响且通常依赖人类判断的领域，谨慎是必要的。这并不意味着AI没有作用，但AI应被用于识别风险和例外、模拟情景、强化判断。这不是抵制创新，而是维护财务部门的可信度，确保我们对决策拥有明确的所有权。

当减速感觉像冒险

在实践中，克制比加速更难。我见过自动化决策更多由惯性而非信念驱动：自动化路线图已获批，顾问带着光鲜的演示文稿承诺转型，供应商只展示“从此幸福”的故事，同行在行业会议上炫耀成果。在这种背景下，暂停几乎显得不负责任，尤其是当CFO面临压力，需要证明裁员以显示这些巨额技术投资回报时。

CFO的职责是确保自动化增强机构的智能，而非悄然抹去它。执行可以且应当被自动化，但理解数字为何如此表现则不能。当环境变化时，机构不会因缺乏数据而失败，而会因缺乏解读数据所需的人类记忆而失败。我们必须有意识地培养监督模型输入和输出所需的人类专业知识。

执行可以被自动化，但解释不能。