德勤与合思白皮书解读AI重塑财务内控的实践路径

近日，合思以“打开 AI 马力”为主题，在线上成功举办了2026春季产品发布会。本次发布会不仅是一次技术展示，更是一场关于高成熟度工业级AI如何深度赋能财务管理的实践研讨。会上，合思正式宣布了全新的品牌战略定位——致力于成为“AI驱动的财务收支管理与服务伙伴”，并首次提出“By AI, For AI, Of Finance”的核心价值主张。同时，其AI Native（原生）产品服务体系以及按结果付费的创新商业模式也重磅亮相。

尤为值得关注的是，合思与德勤中国联合发布了题为《智驭风控、可信致远，AI重塑财务内控新范式》的行业白皮书。这份报告跳出了理论探讨，直击AI在财务内控落地过程中的核心挑战：如何在确保风险可控的前提下，重构业务流程逻辑、拓展智能化能力边界，从而系统性解决传统模式效率低下、风险响应滞后、全流程管控薄弱等长期痛点。

在发布会现场，德勤中国审计与鉴证总监沈播对白皮书进行了深度解读，并与合思创始人兼CEO马春荃展开了一场精彩对话。沈播指出，AI重塑财务内控的本质，是实现从传统的“规则驱动”向未来的“智能治理”范式跃迁。本白皮书的独特价值在于，它不仅构建了一套财务内控AI成熟度分级评估模型，帮助企业精准定位自身发展阶段；更重要的是，它提供了一套科学的“评估三角”框架（聚焦认知型任务、流程稳定性、内容容错性三大维度），直接回应了企业在AI应用前必须思考的三大核心问题：“该不该用、能不能用、敢不敢用”。

财务如何在合规前提下，实现价值赋能？

为撰写这份具有指导意义的白皮书，德勤与合思团队开展了广泛而深入的客户调研，实地走访了众多企业，精准把握了其在AI应用过程中遇到的实际困境与真实需求。正是基于这些一手洞察与专业方法论，报告才得以最终成型。

当前，AI技术已超越概念炒作阶段，正加速成为企业的核心战略资产。财务与内控部门对其抱有极高期望，希望通过AI实现效率的指数级提升，完成从风险的事前智能预警、事中实时判断到事后决策支持的全链条赋能。然而，所有期望都必须建立在不可动摇的基石之上：合规。财务内控的生命线永远是安全与合规，因此，业界最核心的关切在于：如何在严守合规底线的基础上，充分释放AI的潜在商业价值？

现实情况是，企业财务内控长期受困于文件处理量巨大、时效性要求高、规则僵化难以适应变化等挑战。在此背景下，“可信AI”的应用成为破局关键。报告综合借鉴了COSO全球内部控制框架与德勤的高可信人工智能（Trustworthy AI）框架，提炼出在财务内控场景下至关重要的七个可信维度：

首先是透明与可解释性。 尤其在强监管的财务领域，任何自动化判断都必须有据可查、逻辑清晰。例如，判定客户信贷违约风险时，系统必须能明确解释决策依据（如财务指标恶化、负债率攀升等），并说明各因素的概率与权重。

第二是公平与中立性。 这是普遍的伦理关切，即如何确保AI决策过程无偏见，避免出现算法“杀熟”或对特定群体（如不同性别、地域、年龄）产生不公正待遇。

第三是责任与问责制。 这关联着企业的社会责任与ESG治理水平。在财务内控中，必须建立清晰的“问责”链条，明确人机协同下的责任主体，不能将责任完全推给技术。

第四是可追溯与可审计性。 这是实现问责的基础，所有关键决策的输入、处理与输出环节都需要留下完整的审计线索，并妥善界定人与机器之间的责任边界。

第五是持续演进与适应性。 外部法规环境和内部管理要求处于动态变化中，AI系统必须具备与之同步迭代、持续学习进化的能力。

最后是稳健性与可靠性。 这要求AI系统具备高准确率与判断一致性，同时在系统安全性（如防御提示词注入攻击、建立严格的访问控制）和隐私数据保护（遵循《个人信息保护法》等）方面做到万无一失。

内控的关键在于把握平衡

“高可信人工智能框架”为AI应用奠定了安全基石。基于此，通过对众多国企、央企、大型零售及金融机构的联合调研，德勤与合思发现，企业关注的焦点已远超技术本身，更延伸至配套的合规体系、治理机制与约束条件。因此，大多数企业在财务内控中引入AI时，普遍采取务实策略：从非核心的边缘场景、小步快跑的试点项目开始，以风险完全可控的方式渐进式推进，而非贸然切入“零容忍”的核心业务领域。

归根结底，内控管理的艺术在于精准把握平衡——风险与效率的平衡，风险控制与业务机遇的平衡。将内控管理柔性化、智能化，并通过规则引擎的动态重塑来实时响应内外部变化，才是实现降本增效的正确路径。这一过程往往伴随着组织架构的升级与业财融合的深化。目前，AI在财务内控的应用已取得初步成效，主要聚焦于费用报销、全面预算费控、资金智能管控、财务自动化审核及采购付款等高频场景。

基于全球公认的方法论，报告将AI在内控应用的成熟度科学划分为五个等级（L1-L5）。目前，许多国内企业尚处于初级阶段，正积极向更高水平迈进：

L1（基于规则的自动化）： 相当于使用传统ERP或RPA工具，执行明确的“If-else-Then”刚性规则，不具备自主学习与适应能力。

L2（智能自动化）： 引入OCR、简单机器学习等技术，具备初步的自治判断能力，能为人工决策提供辅助建议。目前不少领先企业已在此阶段进行尝试。

L3（AI工作流）： 具备反馈与推理能力，可通过自然语言理解、智能流程编排及跨系统数据调取，支持复杂的端到端AI工作流。这是当前许多中国企业希望实现的目标阶段。

L4（半自治AI）： AI不仅执行任务，还能通过持续学习、多模态感知和目标驱动，主动分析控制设计（如审批权限设置、差旅标准合理性）并给出自主决策建议。大部分操作实现自治，仅极高风险或异常事项需人工介入。

L5（完全自治AI）： 理想状态。人类仅需设定自然语言目标，AI通过自主学习与推理，实时调整工作流与任务安排。人类的价值全面转向战略制定、效果复盘与最终监督。

AI如何在财务领域落地？

对于在强合规、强监管的财务内控领域如何稳妥落地AI，企业普遍存在疑虑与困惑。为此，白皮书提出了一个直观且实用的“三角形评估模型”，为企业决策提供清晰指引：

其一，判断“是否有必要用”： 审视业务流程中是否存在大量需要决策、推理或处理海量非结构化数据的认知型任务。

其二，评估“是否能用”： 前提是拥有良好的数据基础，包括数据的结构化、标准化程度，以及信息流与业务流程的清晰度与稳定性。

其三，考量“是否敢用”： 关注业务场景的容错性与组织的风险偏好。并非有风险就回避，而是要预先设计好人工介入点、建立事后复核机制以及部署补偿性控制措施。

在具体实施路径上，报告建议企业分六步走：第一，评估业务痛点，明确核心目标是强化合规、提升效率还是支持智能决策；第二，聚焦切入点，在具体的财务流程或内控节点进行小范围尝试；第三，识别任务类型，明确哪些属于AI擅长的认知型任务；第四，技术适配与选型，综合考虑提示词工程、系统架构集成与数据接口方案；第五，严格测试与验收，严把输入输出质量关，确保准确率与可靠性达标；第六，量化效果验证，通过投资回报率（ROI）、处理效率与准确率提升等核心指标检验应用成果。

报告最后总结了企业成功应用AI财务内控的五个关键成功要素：一是夯实数据治理与系统集成基础；二是设定明确可量化的业务目标（如KPI、ROI）；三是构建高效的人机协同机制，实现职责分离与相互制衡；四是建立坚实可靠的合规与治理框架；五是形成持续优化迭代的闭环，从L1稳步向更高阶迈进，利用AI“知错能改”的机器学习特性，不断反馈训练，完成监督与优化的完整闭环。

未来三年，AI在财务内控如何发展？

在对话环节，合思创始人兼CEO马春荃与德勤中国审计与鉴证总监沈播就未来发展趋势进行了深入探讨。

马春荃： 目前企业落地AI财务内控的实际成效如何？是否多数仍处于“摸着石头过河”的探索阶段？

沈播： 企业“拥抱AI”的进程与程度确实各不相同。根据企业规模、行业属性及风险偏好的差异，其应用策略也呈现多样化。但总体而言，在财务内控这一敏感领域，企业的首要关注点仍是合规与风控，倾向于采取步步为营的稳健策略。用L1到L5的成熟度标准衡量，目前大部分企业可能正处在从L2（智能自动化）向L3（AI工作流）过渡的关键阶段。

马春荃： 许多企业希望利用新技术实现跨越，但不会一步到位，而是倾向于用边缘业务场景来训练和验证AI能力。白皮书将“认知型任务”（如决策判断）列为AI的关键能力，但实践中很多企业仍停留在RPA或规则引擎阶段。您对未来三年有何期待与预测？

沈播： 我们当然期待行业向L4、L5的高阶阶段发展，但第一步是要成功跨越从“僵化规则执行”到“自然语言交互”的鸿沟。即，业务人员能够用自然语言向AI提出复杂要求，AI能将其准确理解、标准化并落地执行。这样，人的价值就能更多释放到策略判断与监督复核上。至少要先实现从纯规则执行到利用自然语言交互显著提升运营效率的转变。

马春荃： 也就是说，要超越传统的“if-else-then”编程模式，实现通过自然语言设定业务目标，由AI通过机器学习持续优化规则与校验逻辑。另外，白皮书中“透明可解释”和“负责且问责”两点尤为关键。大型企业最担心AI成为不可理解的“黑箱”。如何判断一个AI系统是否真正可信、可用？

沈播： 主要有三大核心判断标准：一是决策规则必须透明清晰，这是未来可追溯、可审计的基础；二是决策全程必须可追溯，端到端的处理链路清晰可查，这是内控与审计的基本要求；三是关键风险环节必须人为可打断、可介入。在企业应用AI的过程中，至少应保持一段时期的人机双轨并行，不能追求完全自治。透明的规则、可审计的链路以及有效的人为监督介入，这三点是构建可信AI财务内控体系的基石。