财务领域的 AI 成熟度阶梯:从粘贴提示词到受治理的自主

问一位财务负责人他们的 AI 应用有多成熟，通常得到的是一份工具清单:“我们用了 Copilot,一名分析师用 ChatGPT 起草文档，我们正在试点一个用于对账的智能体。”这是一份清单，不是成熟度评估。成熟度不在于安装了哪些工具，而在于对董事会材料中任何一个被 AI 触碰过的数字，你是否知道是谁检查过它，模型被允许看到什么数据，以及如果审计师追问，你是否能够复现这个答案。如今大多数财务组织都无法回答这个问题，而多数供应商的内容也不会告诉你这一点，因为把这项研究藏在销售电话背后，总比承认诚实的答案通常是“不能”要容易得多。

这是一个四阶段的阶梯，描述财务职能实际所处的位置，以及要晋升一级在结构上必须具备哪些条件。伦理在每个阶段都体现为可以指出的具体事物，而不是一份价值观声明:谁被告知某个数字来自模型，模型被允许接触什么，由谁来对由此产生的决策负责，以及谁在持续监督模型本身。

第一阶段:临时应对

这是几乎每个财务团队最初所处的位置，无论他们是否承认。一名分析师把收入表粘贴到聊天机器人里起草评论。一名财务主管让 AI 工具帮忙核对一处差异。没有人批准这种用途的工具，没有任何记录表明 AI 参与了输出，而被粘贴进去的底层数字本身已经是从三个系统里手工誊抄出来的，所以一开始就没人能有把握地说它们是对的。

在这个阶段，归因和披露同时崩坏。如果本季度董事会叙述读起来更悦目，没有人能说清这是因为业务真的改善了，还是因为模型为一个没人重新核实过的数字选择了讨喜的措辞。这里还存在真实的数据治理缺口:敏感的客户或交易数据最终流入一个通用的消费级工具，而没有任何合同约束数据保留或训练用途。这个阶段不是“没有 AI”。这是能见度为零的 AI,而这比没有 AI 更糟，因为管理层以为自己掌控的程度比实际要高。

要迈向第二阶段并不需要一份政策备忘录。只需要选定一两个经批准的工具，明确规定哪些内容可以、哪些不可以粘贴进去，并要求一名指定人员在每份输出上线前进行检查。这个门槛很低，但仍然是一次真正的进步，因为它把不可见的风险转化为可见、有边界的风险。

第二阶段:有监督

此时该职能已经有了经批准的工具，一条数据处理规则(例如客户 PII 不得进入消费级聊天工具),以及一种正在成形的惯例:每份 AI 参与的输出在上线前都会经过人工审查。如今大多数运作良好的财务团队都处于这个阶段，这是一个正当且站得住脚的位置，不是一个应该为了赶进度而匆匆越过的阶段。

在这个阶段崩坏的是规模和一致性。当业务量低时，监督是有效的。但当团队希望 AI 每周起草二十份差异说明，或核对上百张供应商发票时，监督就会失效，因为“人工审查所有内容”会悄悄退化为“人工浏览大部分内容”,而这个取舍从来没有人主动做出决定。另一种失效方式是审查没有记忆:同一类错误可能被反复发现又放行十几次，因为没有日志把这个月的错误和上个月几乎相同的错误联系起来。

要迈向第三阶段，意味着要明确界定哪些类别的 AI 输出真正需要完整的人工审查，哪些只需较轻的检查，并开始记录每一项 AI 辅助决策:不只是数字本身，还包括用了哪个模型、哪些输入、由谁签字确认。没有这份日志，你就无法区分认真审查的人和走过场的人，也就无法根据错误实际聚集的证据来制定规则。

第三阶段:受治理

这是多数财务组织声称想要达到、但很少真正建成的阶段。它有三个具体特征。第一，明确的自主分级:并非每项 AI 任务都受到同等审查，因为并非每项任务承担同等风险。一段草拟的评论和一笔电汇审批不属于同一类别，如果一视同仁，要么对琐碎的事情管控过度，要么对危险的事情管控不足。第二，决策日志作为基础设施，而非事后补救:每一个 AI 参与的数字都携带其来源、模型版本和责任人的记录，可供事后查询，而不是在审计时凭记忆重构。第三，来源验证关卡:AI 不得给出无法追溯到底层记录系统中已核对数字的答案。到了这个阶段，伦理问题不再是抽象的，而变成了工程要求:披露是日志中的一个字段，而不是邮件签名档里的一句免责声明;同意和数据治理是通过模型连接实际被授权可见的范围来强制执行的，而不是靠一份没人再读的政策文件。

如果试图过早达到这个阶段，会崩坏的地方在于:如果输入没有经过核对，输出的治理在结构上就是不可能的。你无法在一份存在三个相互冲突的“收入”版本的电子表格之上建立来源验证关卡，因为根本没有一个单一、已核对的数字可供比对,AI 没有可以核验的基准事实，于是这道关卡就成了摆设。这就是为什么在尚未先修复数据层的财务职能中，治理总是止步不前的根本原因:成熟度阶梯和数据基础，其实是同一个问题的两个视角。我们关于 AI 治理与模型风险 的支柱内容对此有更深入的探讨,AI 的三道防线 则讲述了当模型从起草工具变成数字的作者之后，验证责任实际归属于谁。

要赢得第四阶段，意味着要在一段真实的时间跨度内证明，这些自主分级在业务量增长时依然站得住:低风险层级确实一直保持低风险，而日志能够捕捉到它们本应捕捉的边缘情况，然后才能把任何一层的权限扩展到无监督行动。

第四阶段:有边界的自主

到了这个阶段，智能体会主动行动:发起一次对账、标记并转办一项异常、起草并提交一份差异说明，所有行动都被限定在预先设定的硬性护栏之内，比如金额上限、可撤销性要求、明确排除在范围之外的类别。每一次行动都可以追溯到具体的智能体运行记录，并可回放，这意味着你能够重建它当时看到了什么数据、为什么这样行动，而不仅仅是它得出了什么结论。这与我们在 自主分级框架 和 受治理的自主与人工介入 中更详细描述的内容接近:自主能力可以扩展到超越人工逐项审批的上限，而不必放弃审批原本提供的审计轨迹。

真正达到这一阶段的财务职能寥寥无几，这没什么问题，这本就不是一个可以假装达到的阶段。我们见过的错误是，团队把自己包装成第四阶段，而底层实际运行的仍是第一或第二阶段的管控:一个“自主”智能体安装在未经治理的数据之上，没有真正的决策日志，这不是更成熟，而是包装得更好的第一阶段。真正的第四阶段要求其下所有阶段都已经站稳。

会崩坏什么，以及靠什么赢得下一阶段

阶段	会崩坏什么	靠什么赢得下一阶段
临时应对	没有归因，没有披露，未经核实的输入被随意粘贴	经批准的工具、一条数据规则、强制人工检查
有监督	审查质量随业务量下降，对过往错误没有记忆	按风险分级的自主性，开始记录决策日志
受治理	关卡需要可能尚不存在的已核对输入	在真实业务量下经过验证并记录的分级表现
有边界的自主	若输入或阈值失去监控，护栏会漂移	持续的模型治理:重新验证、监控、退役

即便到达了最顶层，最后一行依然重要。模型治理不会在部署时就结束。模型需要根据新数据重新验证，随着业务形态变化而监控其漂移，并在有更合适的模型出现，或者被问及的问题已经超出其构建初衷时予以退役。跳过这一步，就是第四阶段系统悄悄退化回更接近第二阶段、但包装得更自信的东西。

结论

成熟度不是一份工具清单，伦理也不是一份价值观声明。成熟度在于披露、同意、归因和模型治理是否是 AI 触碰你数字方式的结构性特征，而不是你寄希望于在压力下依然成立的习惯。而所有更高阶段，若缺少那个供应商很少明说的前提条件，都是无法企及的:你无法治理建立在未核对输入之上的输出。来源验证关卡需要一个可供核验的真相来源。

如果你想诚实地了解自己的财务职能实际处于哪个阶段，这场对话应该从 AI 之下的数据层开始，而不是从 AI 本身开始。预约演示,我们会向你展示，针对你自己的数字，一个已核对的基础看起来是什么样子。