海湾地区 AI 财务应用：一个值得信赖的数字层

利雅得的一位财务总监告诉我，他的团队已经批准预算并上线了三款 AI 工具。但没有一款工具产出的数字是他敢拿到董事会面前的。他们只用这些工具来起草邮件。

这恰恰反映了当下海湾地区财务领域的奇特处境。该地区对 AI 的投入速度几乎是全球最快的。麦肯锡的数据显示，2025 年海湾合作委员会企业级 AI 采用率约为 84%，而两年前大约只有 62%。沙特阿拉伯和阿联酋的主权项目将 AI 视为国家基础设施，而不仅仅是一项 IT 预算。这种雄心是真实的，资金也到位了。

然而，这份价值并没有在财务职能中体现出来。纵观海湾地区各类高管层调查，一个模式反复出现：大多数企业已经试点了生成式 AI，但只有少数企业能拿出可衡量的财务效益。而阻碍几乎从来不在于模型本身，而在于模型所依托的数据，以及是否有人能为它给出的数字辩护。

对迪拜或吉达的 CFO 而言，这最后一点绝非纸上谈兵。你正身处 ZATCA 清关、阿联酋电子发票、SAMA 与 CBUAE 的监管期望以及 PDPL 数据规则之中。一个自信满满却错误的数字，不仅仅是尴尬，更是一项合规风险。

为什么海湾地区财务采用 AI 很快，信任却很慢

有两件事本应同步推进，但之间存在一道鸿沟：AI 在演示中的表现有多亮眼，与它在你真实账本上的可靠程度。

演示确实很出色。让模型总结一份董事会材料，读起来就像出自一位敏锐的分析师之手。但当你要求它进行计算时，麻烦就开始了。大语言模型不会计算，它们预测的是下一个词元。数字被拆解成片段，模型通过模式匹配拼凑出看似合理的答案。在干净、孤立的算术题上，这套方法常常奏效。但在真实的合并报表中，跨实体、跨货币，加上年中变更过的会计科目表，它给出的数字听起来权威，却对不上任何账。

我们在为什么 AI 会算错财务数学一文中详细拆解了这个问题。简而言之：这是结构性缺陷，不是靠更大的模型就能修复的漏洞。

再叠加上大多数海湾地区集团的数据现实：多个实体，一个子公司用 QuickBooks，另一个用本地化 ERP，还有没人迁移的部分留在 Excel 表格里。阿拉伯语和英语并存，东阿拉伯数字与西阿拉伯数字并用。在这些数据源就单一对账数字达成一致之前，即便是世界上能力最强的模型，也只是在流畅地总结分歧而已。

合规要求让“出示工作过程”成为不可谈判的底线

在这个地区之外，AI 给出错误数字是个管理问题。而在海湾地区，监管门槛更高，而且还在快速提升。

以沙特阿拉伯为例。ZATCA 的 Fatoorah 平台在 2025 年处理了数十亿张电子发票，同比大幅增长，第二阶段的整合浪潮仍在根据营收规模不断纳入更多企业，截止日期一直延续到 2026 年。发票数据必须存储在王国境内。在阿联酋，电子发票框架和内阁级别的处罚规定，使得准确、可追溯来源的记录成为一项法律义务，而非最佳实践。

再看监管机构对 AI 本身行为的期望。SAMA 和 CBUAE 的指引都大力强调可解释性、人工监督以及对 AI 驱动决策的审计权。CBUAE 的 AI 指引甚至要求机构保留否决和关闭系统的能力。

把这些要求叠加起来，标准很容易表述，但很难蒙混过关：当 AI 报告一个数字时，你必须能够将其追溯到源头，展示计算过程，并证明它没有被悄悄篡改。一个没有来源脉络、只吐出数字的黑箱，在讨论准确性之前就已经不合格了。我们在为 AI 财务构建审计轨迹一文中进一步探讨了这个问题。

缺失的一环是经过对账的数字层

大多数团队想到的解决办法是换一个更好的聊天机器人。而真正的缺口其实在更底层的地方。

Rexfin 构建的正是这一层。它连接你的会计和财务数据源（QuickBooks、Xero、NetSuite、Sage、你的数据仓库，或上传的报表），并将它们对账整合为一个与总账相符的财务模型。这是一个单一的真实来源，而不是一份会逐渐偏离的第二份拷贝。你可以了解对账模型是如何构建的，以及它连接哪些系统。

真正赢得 CFO 信任的机制，是检索与计算之间的分离：

• AI 从对账后的模型中检索数字，而不是靠猜测得出。
• 计算由一个确定性引擎运行，而非语言模型本身。同一个问题每次都返回同一个答案。
• 假设情景分析基于已验证的基准运行，因此预测是可复现的，而不是一次性生成的结果。
• 每一项输出都能追溯到源头，随时可供 ZATCA、SAMA、CBUAE 或你的外部审计师核查。

语言模型做它真正擅长的事：理解问题、组织答案。它永远无权凭空捏造数字。这种分工正是值得信赖的建模层的全部意义所在。

为什么这一点在海湾地区比在几乎任何地方都更重要？因为海湾地区财务团队的组织结构使然。家族集团企业、自由区实体和快速收购的子公司，意味着一位 CFO 往往要统管十几套从未打算被干净合并的账目。仅公司间抵消这一项，就可能让财务主管耗费数天时间。当一个 AI 工具在未先对这些账目进行对账的情况下就回答集团层面的问题时，它的错误不是舍入误差，而是因为它从一开始就没有见过真实的数字。对账不是 AI 之上的锦上添花，而是让 AI 值得启用的前提条件。

我要坦诚地谈谈局限性。这并不能让 AI 无所不知，也无法挽救在进入系统之前就已出错的源数据。但它把信任问题转移到了你真正能够管理的地方：对账与数据来源，而不是对着一个黑箱祈祷。

这在整个海湾地区呈现出怎样的面貌

可靠性问题在整个地区是共通的，但其具体形态各不相同。

合规在每个市场都有自己的形态：清关模式、电子发票截止日期、留存规则和王国境内存储要求，这些在利雅得和阿布扎比的落地方式各不相同。我们在ZATCA、电子发票与审计就绪模型一文中详细阐述了这些具体差异。

语言本身就是一项工程难题。Jais、Falcon 和 ALLAM 等以阿拉伯语为先的模型已经在阿拉伯语财务推理方面缩小了差距，但混合数字和 IFRS 与 AAOIFI 之间的语码转换仍然会绊倒它们。一个能力出色的阿拉伯语模型，底层依然需要一个确定性数字层来真正完成计算，这正是以阿拉伯语为先的财务 AI一文所论证的观点。

数据驻留已成为董事会层面的议题。随着 HUMAIN、卡塔尔的国家级 AI 推进计划、PDPL 的本地化要求，以及 CBUAE 指引中明确规定的审计权，你对账后的财务数据存放在哪里，如今已是一项治理决策，而不仅仅是基础设施细节。我们在主权 AI，主权数字一文中讨论了如何将数字留在海湾地区境内。而这一切的起点，正是信任问题本身：为什么海湾合作委员会的 CFO 不信任 AI 处理他们的数字。

真正行之有效的顺序

整个地区的普遍本能是先自动化，后建立信任，赌下一代模型发布能弥合差距。但事实并非如此。在错误的燃料上装一台更快的引擎，只会更快地得出错误的答案，而在机器的速度下，这只会更糟，而不是更好。

信任要先行。先构建一个所有数字都能对得上的对账模型。让每一个数字都能追溯到源头，让每一次计算都具有确定性。然后再让 AI 在此基础上检索和计算。按这个顺序来做，AI 就不再只是你用来起草邮件的工具，而会成为你敢拿到董事会面前的工具。

如果你是一位希望在数字上启用 AI，却不想拿审计冒险押注在黑箱上的海湾地区 CFO,预约演示，我们将为你对账一部分真实数据，让你端到端地看到一个可追溯的数字是如何得出的。