单一真实来源与足够多版本真相之争:CFO 在 AI 就绪数字问题上容易搞错什么

Gartner 一直在告诉数据领导者，不要再追求单一版本的真相。其研究主张，组织应转而追求“足够多版本的真相”,而这背后的数字并不含糊。按 Gartner 的说法，采用足够多版本策略的组织，产出可直接用于决策数据的可能性大约高出 41%,提升决策质量的可能性也大约是前者的两倍。而实际转向这一策略的组织，只有大约四分之一。

如果你是财务负责人，这条建议听起来像是给了你放松的许可，但事实并非如此。Gartner 的论点对整个企业而言是正确的，但对你所负责的那一部分而言，却是悄悄地错了。这里的陷阱在于，把“足够多版本的真相”当作允许数字本身互相矛盾的许可证。对于一个要计算毛利率并向董事会引用该数字的 AI 而言，基础数字存在多个版本不是灵活性，而是一颗随时会被引用出去的地雷。

Gartner 究竟在说什么

“足够多版本的真相”这一理念，是对一次真实失败的回应。二十年来，数据团队向集中式数据仓库投入巨资，试图为每一个指标保存唯一的真值。市场部的“活跃客户”、销售部的“活跃客户”和财务部的“活跃客户”,本应最终达成一致，但它们从未一致过，因为这些定义从来就不是同一个业务问题。追求一个所有人共用的数字，最终产出的是昂贵的治理秀，以及没人愿意据以行动的数据。

Gartner 的纠偏思路是合理的:让各业务领域拥有自己的数据，针对当下要做的决策定义指标，治理的目的是足够保持连贯，而不是完全一致。营销部门可以用一种方式计算客户数，财务部门用另一种方式，只要每个定义都适合其用途，而且这种取舍是经过深思熟虑的。

请注意这个论点讨论的是什么。它讨论的是跨职能的定义和所有权,而不是在论证同一个数字，同一个已结账月份的收入、同一个现金余额，应该根据提问者的不同而得出不同的值。“足够”是发生在“我们在回答哪个问题”这个层面上的，而不是发生在单个答案的内部。

AI 打破这个类比的地方

一位人类分析师能优雅地处理模糊性。问她要“收入”数据，一位优秀的财务总监会反问:毛收入还是净收入?已确认还是已开票?固定汇率口径吗?她脑海中同时装着三种可能的解读，并为当前的场合选出正确的一个。

LLM 不能可靠地做到这一点，而且它会做出更糟的事:悄无声息地选一个，然后信心十足地陈述出来。如果你的数据层提供了四个版本的收入，却没有任何规则说明在某个具体问题下哪一个是权威版本，模型就会根据它检索到的文本，以及检索的先后顺序做出选择，然后用一段流畅的文字为这个选择辩护。你不会看到那个岔路口，你看到的只是一个自信的答案，而它恰好偏差了已开票和已确认之间的那部分差额。

这正是为什么“足够多版本的真相”如果不加思索地套用到财务 AI 上就会失败。这个策略假定在数据和决策之间坐着一位胜任的人类，做出 Gartner 所描述的那种取舍。一旦去掉这个人，或者把她换成聊天机器人，这个取舍照样会被做出来，只是没有任何人来负责，不对任何事负责，也没有留下记录。

还有第二个问题。即便 AI 选对了版本,你仍然需要信任运算过程。语言模型在多步计算上出了名地不可靠，它们倾向于模式匹配出看起来合理的数字，而不是真正地计算。所以对财务而言，问题不仅是“它用了哪个数字”,还有“它是否真的把这些数字加对了，并且能展示计算过程”。版本治理对此毫无办法。(我们在为什么把 LLM 接到 ERP 上仍然算不对数一文中，论证了为什么不应把“LLM 接 ERP”式的方案视为足够。)

一个已对账的模型，多种情景

以下这一区分能化解这个矛盾。版本应该存在于情景之中，而不是数字之中。

要让 AI 安全地计算并引用数字，底层需要一个已对账的财务模型:一套与总账对平的数字，每个数值都附有溯源信息，从而任何数字都能追溯回它所来自的凭证或原始报表。这正是“单一真实来源”不可妥协的那一部分。已结账月份的确认收入应该只有唯一的值，它应该等于你的会计系统所记录的值，而且你应该能够证明这一点。

在这个固定的基础之上，你需要业务所需要的尽可能多的版本，但这些应该是情景,而不是互相矛盾的事实。最佳情形、下行情形、董事会版本、贷方版本、“如果我们把招聘推迟一个季度会怎样”。每一种情景都是对同一个已对账基础做出的一次刻意变换，并各自将假设记录在案。Gartner 所说的灵活性正应该放在这里，也正因为底层基础不会动摇，这里才是安全的。

于是综合的结论是这样的:

• 事实:单一真实来源。 一个已对账的模型，与总账对平，附带溯源信息，不允许悄无声息地分叉。
• 情景:足够多版本。 根据决策需要设置尽可能多的情景，每一个都是从同一基础明确分出的、有名字的分支，并各自注明假设条件。

Gartner 所警告的那种失败模式(僵化的中央数据没人信任),发生在你混淆了这两个层面，试图让事实一次性服务于所有情景的时候。而 AI 引入的那种失败模式，则发生在你让情景反渗回事实层面，导致底层数字本身开始互相矛盾。

这对底层配置提出了什么要求

说“事实唯一，情景多元”很容易，真正落实才是硬工作。

已对账的模型意味着接入你真实使用的系统,QuickBooks、Xero、NetSuite、Sage、SAP、Oracle、数据仓库或上传的对账单，并构建出一个能够对平的模型，而不是让每个使用者各自拉取原始数据行，随手定义指标。运算过程应该由确定性引擎来完成，而不是语言模型:AI 负责检索数字并构建问题，引擎负责计算答案，相同的输入永远产生相同的输出。而且每一个被引用的数字都应该可以被重放，像追溯电子表格公式回溯每一个单元格那样被追溯到源头。我们在像证明公式一样证明一个 AI 数字一文中对此有更深入的探讨。

这与多数财务团队实际依赖的电子表格丛林正好相反，在那里，所谓的“单一来源”不过是最后一个被人邮件发出的工作簿，我们在财务 AI 的错误基础一文中论证了这种做法本身就是错误的起点。这也正是面向 AI 的可靠财务建模层背后的设计理念:一个 AI 可以立足的已对账模型，而版本则被放在它们该在的位置。

结论

Gartner 说得没错，一个所有人共用的数字是一个失败的企业项目。但“足够多版本的真相”这条建议，是给能看清并能为自己所做取舍辩护的人类准备的。把同样的姿态交给 AI,你得到的就是建立在悄悄互相矛盾的数字之上的自信答案。让事实保持单一、已对账、可追溯，把多元性放进情景之中。这正是一位保持警惕的 CFO 应该坚持的底线，因为当模型向董事会引用一个数字时,“这取决于是哪个版本”绝不是你想说出口的话。

如果你想看看在 AI 之下，一个附带溯源信息的已对账模型是什么样子，欢迎预约演示。