你能追溯 AI 报告的每一个数字吗?为财务领域的 AI 构建审计轨迹

从本季度 AI 工具给你的任意一个数字入手，试着为它辩护。不是泛泛地解释一番，而是像向审计师那样为一个数字辩护:这是原始记录，这是产生它的确切运算，这是能证明它事后未被更改过的带时间戳的日志。对大多数 AI 生成的财务数字来说，这个过程大约四秒钟就会以类似“呃，它是从数据里提取的”这样的话收场。

这不是审计轨迹，这只是一种感觉。而 CFO 不能在一种感觉下面签上自己的名字。

你早已用来要求账目的那套标准

财务领域向来靠可追溯性运转。一个被报告出来的数字，理应是一条你可以向后回溯的链条上的终点:利润表科目，回溯到总账账户，再回溯到日记账分录，最后回溯到原始发票或银行交易。审计师会检验这条链条，放款方依赖它，监管者在要求某个数字被证实时也会要求它。

AI 并不能豁免这一标准。如果说有什么不同，那就是它更需要这一标准，因为它产生数字的速度是人工无法逐一核实的。问题不在于 AI 令人印象深刻与否，而在于你能否点击它报告的任何一个数字，立刻看到三样东西:原始文档、计算路径，以及一份记录了它是如何以及何时产生的不可篡改记录。如果做不到，无论周围那段文字写得多么流畅，这个数字都算不上审计就绪。

为什么大多数 AI 答案无法被追溯

语言模型写数字的方式，和它写形容词的方式一样，都是靠预测接下来应该出现什么。当它输出“毛利率为 41%”时，它是在生成一段听起来合理的文本，而不是从一个已对账的总账中读取一个值。即便加上了检索功能，通常的模式也是模型提取一段原始文本，对其进行解读，然后用自己的话“重新表述”出一个数字。这个重新表述的步骤，悄无声息地切断了显示出来的内容与实际记录之间的联系。如果有引证的话，它指向的是一份文档，而不是能够证明这个具体数字的那个具体单元格。

然后是运算本身。让一个 LLM 计算一个比率、对两个科目做净额处理，或做货币换算，它会给出一个语气十分自信、却毫无可复现路径的答案。有时它是对的。当它错了的时候，没有任何东西可供检查，因为“计算”这一步是在一个文本预测过程内部发生的，而不是在计算器里发生的。我们在《2026 年 CFO 幻觉风险指南》中详细讨论过这一失败模式，以及它的后果在《1500 万美元的教训》一文中也有涉及。这个模式是一致的:模型同时扮演了计算器和讲述者的角色，于是就没有任何东西可供审计了。

真正的 AI 审计轨迹的三个层次

一条经得起推敲的轨迹有三个组成部分，而且三者必须同时成立。

1. 指向单元格、而非文档的来源链接

“这来自你的会计数据”这句话没有任何用处。“这来自截至 3 月 31 日结束期间的 4000 至 4090 号科目，以 4 月 4 日锁定的结账为准”才是一条记录。溯源必须能解析到能够证明具体数字的具体原始行，并与已知版本的数据绑定。一条只标明文件名的引证不是溯源，而是一条你仍需手动核实的脚注。

2. 一条可读的计算路径

任何不是原始值的数字，都是某个运算的输出。审计就绪意味着这个运算是明确且可复现的:这几个科目的求和、这两个数字的比率、以这个基期为准的环比变动。关键在于，这个计算每次被请求时都应以相同方式运行。确定性运算，是“你可以重新推导出的数字”与“你只能凭信任接受的数字”之间的区别。

3. 一份你无法悄悄修改的日志

如果一个数字是如何产生的记录可以事后被更改，它就算不上证据。不可篡改意味着每一个答案都被固定在一个确定的数据版本和一个确定的计算方式上，并附有可持久保留的时间戳和查询历史。当有人问起你三月份向放款方报告了什么、依据是什么时，你能够原样重建出来。可解释 AI 的期望和正在形成中的治理规则，正在趋同于财务领域一直以来的同一个要求:展示你的工作过程，而且不要让工作表在审计开始之后还发生变化。

Rexfin 如何让数字自我溯源

大多数 AI 工具在这项检验中失败的真正原因是架构性的。它们让语言模型直接接触数字，而 Rexfin 不这样做。

该平台接入你的会计和财务数据来源,QuickBooks、Xero、NetSuite、Sage、数据仓库，或上传的报表,并构建出一个能与总账核对一致的统一财务模型。这个模型就是唯一的真实来源。当你提出一个问题时,AI 不会凭空捏造数字，而是从这个模型中检索，或者通过一个每次调用都以相同方式执行相同运算的确定性引擎来计算。语言模型的职责被有意限定得很窄:理解问题、解释答案，它从不生成数字本身。

因为数字始终没有脱离其来源，溯源轨迹是自然而然产生的。点击一个数字，你就能看到它取自哪些科目、哪个期间、产生它的确定性计算过程，以及被记录下来的查询记录。这不是事后补加的一项功能，而是拒绝让 LLM 做算术这一原则所自然带来的结果。你可以在幻觉专栏中读到更多关于这一边界的内容。

这仍然需要你做的事

AI 层的可追溯性并不能修复脏乱的源数据。如果你的总账中存在科目分类错误或未对账的银行流水，一条完美的审计轨迹只会忠实地把你的数字追溯回一份有缺陷的记录。这其实正是它的意义所在，它把问题暴露出来，而不是用一段自信满满的文字把问题粉饰过去，但这也意味着上游的结账工作依然重要。审计轨迹让错误变得可见、可归责，却不会让错误凭空消失。

结论

一个你无法追溯的数字，就是一个你无法辩护的数字，而 AI 提高了赌注，因为它产生不可追溯数字的速度，超出了任何人核查的能力。解决办法是结构性的，而非表面性的:从一个已对账的模型中检索数字、以确定性方式运行计算，并使用无法被改写的日志。把这三点做对，你的 AI 输出就会变成一种可以放心用于董事会材料、契约计算或财务附注，而不必心虚的东西。

如果你想亲眼看到一个数字如何自我追溯回总账,预约演示,并带上那个你最不愿意出错的数字。