在把 AI 生成的数字放进董事会材料之前:一份核验清单

有一次，一位董事在第四页幻灯片上叫停了会议。材料上写着可触达市场规模为 140 亿美元。她曾在前一年担任一家竞争对手公司的董事，记忆中那个数字是 90 亿美元。演讲者一时语塞。房间里没有人能说清这个数字从何而来，因为它是三天前一次聊天提问的产物，而那次提问的记录早已不见了。

这就是新的失误模式。过去材料出错，是因为有人把某个单元格打错了。现在出错，是因为语言模型生成了一个自信、看似合理、但完全没有出处的数字，而某位初级分析师在晚上十一点把它粘贴进了幻灯片。这个数字看起来没问题，读起来像是经过研究，但一经追问就会不攻自破。

这不是要在材料准备中禁用 AI 的理由，而是要在材料交出手之前先核验的理由。以下是我们会交给任何使用 AI 起草董事会或投资者材料的财务团队的清单。它假定房间里最挑剔的读者是你最敏锐的董事，而不是最友善的那一位。

真正会出现的三类错误

大多数 AI 生成材料的失误都集中在少数几个反复出现的问题上。摸清规律，就已经解决了一半的排查工作。

过时或凭空捏造的市场规模。 TAM、SAM、SOM 幻灯片是模型最容易产生幻觉的地方，因为“正确”答案本身就模糊不清，而训练数据中又充斥着乐观的新闻通稿数字。那些自动填充市场规模幻灯片的工具，拉取的数字往往要么已经过时数年，要么纯属虚构，且不附带任何引证。投资者普遍把凭空拉取的夸大市场数字视为最主要的可信度杀手之一，而且伤害是即时的:如果你在现场无法为这个数字辩护，材料的其余部分也会被一并质疑。

年度与季度混淆。 这类错误更隐蔽、也更危险。让模型给出跨多个实体或多个期间的“营收”,它会欣然把某个季度数字混进年度汇总里，或者把一次性数字直接年化，而不会告诉你。幻灯片脚注写着“2025 财年”,下方的柱状图却把第四季度实际值与全年预测混在了一起。系统不会报错，只是某个板块的总数错了三倍。

无法追溯的数字。 一个没有出处的数字，即便碰巧是对的，也是一种负债，因为你无法证明它。如果某位董事问“这 41% 的毛利率背后依据是什么”,而诚实的回答是“AI 说的”,那么你已经输了。董事会幻灯片上的每一个数字，都应该能用一个系统、一个期间、一种计算方式来回答，而不是凭感觉。

发出前核验清单

在材料流转之前，对每一个数字都执行以下检查。每张幻灯片只需几分钟，却已经挽救过不少会议。

1. 每个数字都要溯源到系统，而不是溯源到一次对话

对每个数字，你都应该能说出它存放在哪里:哪个总账科目、哪本分类账、哪张数据仓库表，或者它取自哪份具体报表。“ChatGPT 生成的”不算是来源。如果一个数字只能追溯到某次模型输出，就应视为未经核实，直到把它与某个权威系统对上。

2. 确认期间和单位

检查同一张幻灯片上的所有数字是否使用相同的期间基础:年度对年度，季度对季度，滚动十二个月对滚动十二个月。同时确认币种与量级(千与百万之间的混淆是经典错误)。期间混用是 AI 辅助生成材料中最常见的隐性错误，而且随手一看很难发现。

3. 亲自把关键运算重新推导一遍

增长率、利润率、比率和复合年增长率(CAGR),正是模型容易推理出错的地方。模型可能把某个比率颠倒过来，把绝对变化与百分比变化混淆，或者把现金数字的正负号搞错，却依然表现得十分笃定。挑出每张幻灯片上承重的计算，在电子表格或计算器中重新算一遍。算不出来，就不能上材料。

4. 把总数与已审计或已结账的数字进行核对

材料上的汇总数字应当与最近一次结账或已审计的报表勾稽一致。如果材料里的“总营收”与财务总监签字确认的数字对不上，要在会议之前而不是会议之中查清原因。一个无法与总账勾稽的数字，不是一个合格的董事会数字。

5. 对异常值做压力测试

任何会让董事坐直身子的数字，包括市场规模、增长率、突然跳升的利润率，都要再过一遍。与上季度相比是否合理?与竞争对手相比是否合理?符合基本常理吗?异常值正是幻觉最爱藏身之处，因为它同时也是真正的好消息最爱出现之处，而两者在幻灯片上看起来一模一样。

6. 保留出处记录

材料发出时，后台依据应当已经就绪:每个关键数字对应哪个来源、哪个期间、哪种计算方式。你可能永远用不上它，但一旦有董事追问，拥有它就是从容应对与手忙脚乱之间的区别。

如果你读完这份清单，心里想的是“这就是我周四大半天的工作量”,那你想得没错。这份清单确实有效，但它无法规模化。每份材料、每个季度都手工做一遍，恰恰是 AI 原本应该省去的那种手工对账工作。所以更值得追问的是一个结构性问题:为什么核验非得是一个独立的手工步骤?

从源头就让数字可追溯

这份清单之所以令人痛苦，是因为 AI 与真相来源是两码事。模型给出一个数字，你再去找它从哪来。把这个顺序倒过来。如果 AI 只能用已经与已对账来源勾稽一致的数字来回答问题，清单上的大部分工作就消失了，因为核验在数字诞生之前就已经完成。

这正是 Rexfin 努力构建的模式。连接你的会计与财务数据系统，包括 QuickBooks、Xero、NetSuite、Sage、SAP、Oracle、你的数据仓库，或直接上传报表，平台就会构建出一个与总账勾稽一致的合并财务模型。当 AI 随后为你的材料回答一个问题时，它是从这个模型中检索数字，而不是凭空捏造，任何计算，无论是利润率、增长率还是 CAGR,都要经过一个确定性引擎,而不是语言模型的概率性猜测。

回报正是这份清单本身，被自动化了。每个数字都携带来源、期间和计算路径。年度与季度保持区分，因为模型清楚哪个是哪个。总数与结账数字勾稽一致，因为它们本来就是从那里生成的。当有董事问“这背后依据是什么”时，答案是一条可追溯的路径，而不是一个耸肩。

当输入数据越混乱，这一点就越重要。如果你的数字来自扫描的 PDF 或图片格式文档,提取准确率会大幅下降，基于误读源文档构建的材料，还没走到数学运算那一步，就已经无法通过这份清单的检验。上游的对账工作，正是保证下游幻灯片诚实可信的关键。关于这些错误从何而来、以及如何测试排查的更全面内容，请参阅财务数据 AI 幻觉支柱文章。

这不意味着可以盲目信任 AI。董事依然应该提出尖锐的问题，一个好的系统应当让这些问题的答案变得轻而易举。这种转变，是从“事后核验输出结果”变为“输出结果本身就只能是已核验的数字”。前者能扩展到你未来要发出的每一份材料，后者只是你的一个周四。

下一次材料中出现一个足以让董事会成员停顿的数字时，你希望答案在问题落地之前就已经准备好。能够追溯到已对账来源的数字，正好能给你这份底气。预约演示,带上你最混乱的一份材料，我们会向你展示上面每一个数字如何与总账勾稽一致。