FINRA 点名 AI 幻觉:受监管金融团队应对捏造数字的做法

2025 年 12 月 9 日,FINRA 发布了其 2026 年度监管重点报告。在大约 90 页的优先事项中，有一条定义如今摆在每一位会员公司合规官的案头:幻觉是指模型“生成不准确或具有误导性，却被呈现为事实信息的内容”。监管机构给出了具体例子:幻觉数字、虚构的监管条文引用、不准确的客户数据摘要。这些并非某个供应商为推销治理软件而杜撰的假设场景，而是一家自律组织在书面文件中明确点名的具体失败模式。

如果你负责经纪自营商的财务或合规工作，这会改变 AI 使用的算法。问题已不再是模型是否偶尔会捏造数字，而是当注册代表或分析师把某个数字呈现在客户面前时，你能否随时证明这个数字确实来自真实来源。

FINRA 到底说了什么，又没说什么

先说清楚界限，因为这一点很重要。FINRA 并没有制定新规则。2026 年报告和此前的监管通知 24-09 一样，依赖 FINRA 反复强调的一项原则:其现行规则“对技术保持中立”。AI 起草的客户摘要中出现的幻觉性盈利数字，受与以往一样的监督和沟通规则约束。工具是新的，义务不是。

这项原则的约束力，反而比一条新规则更强。规则 3110 要求建立“合理设计”的监督体系以确保遵守证券法。2026 年报告的立场是,“合理设计”如今必须考虑一家公司所采用工具的已知风险。而幻觉，按照 FINRA 自己的说法，正是一种已知风险。因此，一个在没有拦截捏造数字机制的情况下就把 AI 输出直接发给客户的监督体系，自然更难被辩称为“合理”。

报告的期望很具体:公司应在部署生成式 AI 之前评估自身的合规义务，建立治理机制以监督其使用，并始终由具备资质的人员审核用于客户互动、财务分析或合规用途的 AI 生成内容。人工复核是首要缓解措施。我们稍后会解释为什么仅靠这一点还不够。

为什么“让人来核对”悄悄失效了

告诉审核人员去发现幻觉，你只是描述了任务，并没有解决问题。审核人员读到的是流畅、自信的文字。一个捏造的数字，看起来和正确的数字一模一样，这正是这类错误的核心难题。它没有拼写错误，没有断裂的句子，没有任何红旗信号。一个偏差 8% 的营收数字，读起来和精确数字毫无二致。

于是审核人员只能退回到抽样检查，而抽样检查的可扩展性很差。一份月度客户审阅材料，可能涉及十几个账户中的四十个数字。要逐一手工对照原始来源核实，意味着重新打开托管对账单、总账和以往申报文件，而这几乎就是 AI 本该省去的那部分工作。实际操作中，复核往往退化成一种“感觉对不对”的直觉判断。这样做能勾选审计留痕的选项，却几乎抓不住任何问题。

更深层的问题在于数字的来源。当一个语言模型“读取”一份 10-K 文件或经纪对账单并给出某个数字时，它是在生成一段基于该文档统计上最可能出现的文字，而不是从结构化记录中提取一个数值。多数情况下，这个“最可能”的文字确实与真实数字吻合。但有时并不吻合，而输出中没有任何标记能告诉你当前属于哪一种情况。审核人员无法监督一个其失败模式在设计上就不可见的流程。

FINRA 的表述实际暗示的控制措施

以工程师而非律师的视角阅读 2026 年报告，会发现它指向一个具体方向:输出必须可溯源，计算必须可靠。不是“已复核”,而是可溯源。摆在客户面前的每一个数字，都应能追溯回一份源文件或一条总账分录;任何经计算得出的数字，都应来自一个可以重新运行并得到相同答案的流程。

这与“要求模型给出正确答案”是完全不同的工程问题:一个是要求模型正确，另一个是构建一个无法呈现无法溯源数字的系统。这两者不是同一个工程问题，而只有后者能经受住检查。

这正是 Rexfin 所依循的原则。作为面向 AI 的可靠财务建模层,Rexfin 并不要求语言模型充当事实来源。它直接连接到数字真正存在的地方,QuickBooks、Xero、NetSuite、Sage、数据仓库，或上传的对账单，并构建一个与总账相符的、经过对账的统一财务模型。之后 AI 从这个模型中提取数字，而不是从一份 PDF 中生成数字。当需要进行计算时，无论是利润率、增长率还是比率，计算都通过一个确定性引擎运行，而非由 LLM 完成。模型负责编排和解释，而不负责算术，也不负责编造输入数据。

对 FINRA 而言，真正重要的是合规收益。每一个数字都能追溯到来源。下个季度重新提出同样的问题，得到的答案不变，因为它是由一个确定性引擎生成的。当审查员问某个数值从何而来时，答案是一条引用，而不是一句“不清楚”。这就是该平台如何让 AI 输出真正经得起你去辩护的方式。

一句该说的实话

这一切并不能让 AI 变得万无一失，任何告诉你它能做到这一点的供应商，都值得怀疑。经过对账的模型，其质量取决于对账工作本身的质量。源数据在任何 AI 介入之前，就可能已经出错。一个确定性引擎会精确执行你所给出的指令，包括一个有缺陷的公式，并且始终保持一致。把一个数字追溯到其来源，证明的是其出处，而不是正确性，底层的分录本身仍可能是一个错误。

真正改变的是你所承担的风险类别。你从“AI 也许是编的，而我们永远无从得知”转变为“这个数字来自一个具体来源，经过一个已知的计算过程”。前者在监管检查中根本站不住脚，后者则是财务工作的常规状态，可核实、可审计，也正是一个监督体系能够合理围绕其展开设计的东西。

结论

FINRA 把捏造数字写进了监管报告。这意味着，把幻觉当作可容忍的小瑕疵这条路已经走不通了，它如今被重新定义为一项等待接受检查的监督失败。真正能顺利过关的公司，不会是那些拥有最严格“请务必复查 AI”备忘录的公司，而是那些 AI 在结构上就无法呈现无法溯源数字、且其计算始终经由每次都返回同一答案的引擎运行的公司。

如果你更愿意向审查员出示一条引用，而不是解释一个猜测,预约演示,我们会带你看看这套可溯源模型如何经受住这种确切程度的审视。

关于这类错误如何蒙混过关的更多内容，参见支柱文章财务数据中的 AI 幻觉,以及具体案例为什么 AI 会读错你的 10-K和在 AI 数字进入董事会材料之前应运行的核验清单。