每个月底，财务部门总是灯火通明——加班结账、核对数据、反复调整报表，这似乎成了财务工作的"标配"。与此同时，各部门同事天天来问"报销怎么填""预算还有多少""这笔账怎么处理"，财务人员疲于应付。

AI时代已经到来，但大多数财务人员还在L0阶段：偶尔用ChatGPT问问问题。如何跨越到L1阶段（结构化问答）、L2阶段（Agent嵌入工作流程）、甚至L3阶段（多智能体协同工作）？

但财务部门有三大特殊属性：

1. 高合规要求——数据不能随便上传云端

2. 高数据敏感——财务数据泄露后果严重

3. 高重复劳动——60%时间花在可自动化的事务上

因此，本课程彻底摒弃复杂的IT代码配置与存在数据泄露风险的云端数据库直连，核心围绕"业务痛点识别 + 零代码平台开发 + 本地数据安全分析 + 企业流程落地"展开。

财务人不懂技术，能搭建智能体吗？答案是肯定的。本课程全程零代码、数据不离本地，带你从大多数人目前所处的阶段出发，两天内完成至少4个专属财务智能体，迈出财务AI转型的坚实第一步。

• 列举AI与AI Agent的基本概念、工作原理及能力边界，明确大模型在财务应用中的局限性与防范方法

• 定位企业当前在财务AI应用进化地图（L0-L5）中所处阶段，理解向L2-L3阶段发展的方向

• 筛选出符合"三多原则"（耗时多/人员多/花钱多）的高ROI财务应用场景，建立场景优先级评估清单

• 搭建基于知识库的财务制度智能问答系统，实现制度类问题的7×24小时自动应答

• 配置财务数据分级标准与脱敏规范，明确L1-L4级数据的AI处理策略与部署模式选择

• 编写结构化提示词（Prompt），掌握精准提问的方法以提高AI输出质量

• 演示Coze平台的插件调用、知识库关联、数据库操作、工作流编排四大核心功能

• 设计并演示至少4个振石业务场景的AI智能体（合规问答、采购审核、经营分析、ROI分析）

一、为什么传统财务越来越累？AI能帮我们做什么？

1.1 你是否也遇到这些困境？

当前财务工作面临的三大困境：

● 重复劳动占比高：60%的时间花在可自动化的事务性工作上

● 数据价值挖掘不足：大量时间用于"事后核算"，缺乏"事前洞察"

● 系统协同效率低：金蝶、影刀RPA、银企直联等系统各自为政，数据割裂

1.2 AI时代，财务人的5大焦虑

AI对财务职业带来的冲击已是不争的事实，但具体影响有多大？

冲击维度

数据

说明

岗位替代风险

基础会计70%工作可被AI替代

凭证处理、报表编制等重复性工作

薪资溢价

懂AI的财务薪资溢价40-100%

市场对AI能力的需求

企业需求

35%岗位要求熟悉AI工具

招聘要求的变化

效率提升

发票审核效率提升30倍

AI的实际效果

高管焦虑

82%财务总监认为不会用AI的将被边缘化

管理层的认知

面对这些焦虑，财务人应该如何应对？是被动等待，还是主动拥抱？

1.3 财务AI落地的"三座大山"

AI应用前景美好，但落地过程中面临三大障碍：

            ┌─────────────────────────────────────────────┐        │          三座大山                             │        ├─────────────────────────────────────────────┤        │  ?️ 数据安全：财务数据不能随便上传             │        │  ?️ 试错成本：AI输出错误影响合规               │        │  ?️ 应用意愿：员工担忧被替代、管理者疑虑ROI    │        └─────────────────────────────────────────────┘            

二、我们从哪里来？要到哪里去？

2.1 振石财务数字化现状诊断

振石控股集团财务团队的数字化现状：

维度

现状

说明

技术基础

金蝶 + 影刀RPA + 银企直联

已实现部分凭证自动化

智能化水平

L1阶段初期

结构化问答，尚未嵌入工作流

组织准备

80+人，硕士14%，中级职称35%

学习能力强，转型基础好

痛点突出

缺少BI等智能化平台

数据分析仍依赖Excel

我们已经做到了什么？还缺什么？

已实现：

● 影刀RPA：凭证自动化，减少重复劳动

● 银企直联：资金流水自动获取

● 金蝶系统：核算业务系统化

还缺：

● 智能化分析：AI驱动的经营洞察

● 事前预警：风险预测与决策支持

● 流程嵌入：AI Agent嵌入日常工作流程

2.2 财务AI应用进化地图（L0-L5）

财务AI应用的进化路径清晰可见：

阶段

特征

典型应用

振石定位

L0

事后随机通用聊天

用ChatGPT问问题

部分

L1

事后结构化问答

知识库问答

当前

L2

事中嵌入工作流程

报销智能审核

目标

L3

多智能体协同工作

财务分析自动化

目标

L4

事前数据洞察

预算预测、风险预警

愿景

L5

智能决策支持

战略决策辅助

愿景

振石当前处于L1阶段，下一步目标是向L2-L3阶段跨越。

2.3 从RPA到AI Agent：技术栈如何升级？

振石已有影刀RPA基础，如何向AI Agent升级？

RPA vs AI Agent能力对比：

维度

RPA

AI Agent

适用场景

固定规则、重复操作

复杂判断、数据分析

能力来源

人工配置规则

自主学习推理

数据处理

结构化数据

结构化+非结构化

异常处理

无法处理

可智能处理

典型应用

凭证生成、数据抓取

报表分析、合规检查

RPA与AI Agent的协同模式：

● 模式1：RPA执行 + AI判断（RPA抓取数据 → AI分析异常）

● 模式2：AI决策 + RPA执行（AI识别发票 → RPA录入金蝶）

● 模式3：AI监控 + RPA运维（AI监控流程 → RPA自动修复）

影刀RPA+AI智能体：影刀已具备AI智能体能力，可直接在现有影刀RPA基础上升级：

● AI智能体：具备自主思考和分析能力，处理复杂决策场景

● AI工作流：支持复杂逻辑处理，如邮件智能分类与处理

● 对话式生成：通过对话自动生成影刀自动化流程

● 财务应用：银行对账、财务对账、差异智能匹配

金蝶数据接入AI的三种方式：

● 方式1：金蝶报表导出 → AI分析（立即可用）

● 方式2：金蝶API对接 → AI实时分析（中期目标）

● 方式3：金蝶AI模块（长期规划）

技术演进路径：

● 阶段1：RPA继续优化，个别场景AI试点

● 阶段2：RPA+AI协同，核心场景AI化

● 阶段3：AI原生流程，RPA逐步退出

三、AI在财务能做什么？如何选择高价值场景？

3.1 AI在财务的三大应用方向

AI在财务领域的应用可以归纳为三大方向：

            ┌──────────────────────────────────────────────┐        │           AI在财务的三大方向                 │        ├──────────────────────────────────────────────┤        │  方向1：效率提升                              │        │  └─ 减少重复劳动、提升处理速度                │        │                                               │        │  方向2：洞察增强                              │        │  └─ 深度分析、异常检测、趋势预测              │        │                                               │        │  方向3：决策支持                              │        │  └─ 风险预警、资源配置优化、战略辅助           │        └──────────────────────────────────────────────┘            

3.2 如何选择高价值场景？"三多原则"

不是所有场景都适合AI化，如何筛选出高价值场景？

场景筛选矩阵——三多原则：

评分维度

高分特征

振石示例

权重

耗时多

占用大量人力的重复性工作

月结报表编制、跨系统对账

40%

人员多

需要多人参与的流程

费用报销审批、合同审核

30%

花钱多

错误成本高或优化收益大

资金调度、税务筹划

30%

3.3 AI九大能力与财务场景匹配

AI有哪些能力？如何与财务场景匹配？

AI九大能力分析：

AI能力

说明

财务应用

振石场景

文本生成

生成文本内容

报告撰写、函件起草

经营分析报告、财务总结

文本总结

提炼核心信息

财报摘要、会议纪要

董事会材料摘要

文本理解

理解语义

制度问答、政策解读

财务制度智能问答

数据提取

从非结构化提取信息

发票识别、合同信息提取

采购合同信息提取

数据分析

分析数据、生成洞察

财务分析、异常检测

风电板块毛利率分析

数据采集

获取外部数据

政策查询、市场数据

镍价走势查询

逻辑推理

复杂推理、判断

风险评估、合规检查

税务合规风险检查

流程自动化

自动执行任务流程

批量审核、报表生成

月结流程自动化

四、为什么大模型做财务总出错？如何防范？

4.1 AI幻觉问题：大模型为什么会"胡说八道"？

大模型在财务应用中经常出现错误，原因是什么？

AI幻觉的三大原因：

1. 概率生成机制：大模型基于概率预测下一个词，可能生成看似合理但错误的内容

2. 知识截止：大模型的知识有截止时间，无法获取最新信息

3. 缺乏上下文：没有足够的企业内部数据和上下文信息

财务数据的特殊性：

● 高精确性要求：小数点不能错

● 高合规性要求：不能有法律风险

● 高责任性要求：错误决策后果严重

4.2 如何防范AI幻觉？四大防范措施

针对AI幻觉问题，有四大防范措施：

措施

说明

实现方式

知识库

提供企业内部知识

上传制度文档、流程文件

工作流

结构化处理流程

拖拽式流程编排

数据库

提供准确数据源

结构化数据存储

提示词工程

精准提问

结构化提示词模板

为什么大模型做财务总出错？：

● 缺乏企业内部知识 → 用知识库补充

● 缺乏准确数据源 → 用数据库提供

● 缺乏结构化流程 → 用工作流规范

● 提问不够精准 → 用提示词工程优化

五、零代码也能做AI？Coze平台核心功能拆解

5.1 Coze平台是什么？

Coze是字节跳动推出的零代码AI智能体开发平台，全程无需编写代码，通过拖拽式操作即可搭建AI应用。

Coze核心能力：

            ┌──────────────────────────────────────────────┐        │           Coze智能体核心组件                  │        ├──────────────────────────────────────────────┤        │  ? AI智能体：人设、开场白、对话逻辑           │        │  ? 知识库：文档上传、向量化、检索配置         │        │  ? 工作流：拖拽式流程编排、节点类型           │        │  ? 插件：联网搜索、文件处理、数据解析（60+款）│        │  ?️ 数据库：长期记忆、数据存储                 │        │  ? 多Agent模式：多个Agent分工协作解决复杂问题  │        │  ? 多人协作：团队协同编排，独立草稿互不影响   │        └──────────────────────────────────────────────┘            

多Agent模式简介：

● 可以为一个Bot添加多个Agent

● 主Agent负责任务管理和协调

● MiniAgent专注于具体子任务

● 通过多节点分工协作解决复杂问题

● 对应财务AI进化的L3阶段

多人协作简介：

● 支持团队成员协同编排智能体、工作流或应用

● 每个用户拥有独立的草稿，编排时不会相互影响

● 支持拉取合入功能，方便团队协作

5.2 10分钟拥有第一个AI Agent

现场演示：从零开始搭建一个简单的问答机器人，只需10分钟。

步骤：

1. 创建智能体，设置人设与开场白

2. 配置对话逻辑与回复规则

3. 测试调试

4. 发布分享

5.3 插件使用：3步快速集成

第一步：添加插件（联网搜索、文件处理、数据解析等）第二步：编写提示词，调用插件第三步：调试插件，确保正常运行

5.4 知识库使用：从创建到应用

第一步：创建知识库第二步：配置知识库检索规则（匹配度、召回数量）第三步：编写提示词，关联知识库

5.5 数据库：给智能体装上"长期记忆"

第一步：创建数据库第二步：设计数据表（字段、类型、约束）第三步：添加测试数据第四步：编写提示词，操作数据库第五步：测试数据库操作

5.6 工作流：拖拉拽搭建自动化流程

工作流逻辑类型：

● 顺序逻辑：A→B→C 依次执行

● 分支逻辑：if A then B else C

● 循环逻辑：for each in list do something

六、财务数据敏感，如何安全使用AI？

6.1 财务数据敏感等级划分

不同敏感等级的数据，需要不同的处理策略。

等级

定义

示例

AI处理策略

L1级

可公开数据

财务制度、流程说明

可用云端AI

L2级

内部数据

脱敏后的财务数据

可用云端AI

L3级

敏感数据

原始凭证、合同、资金流

需脱敏或私有化

L4级

核心机密

未公开财报、战略数据

禁止外部AI

6.2 不同敏感等级数据的AI处理策略

            ┌──────────────────────────────────────────────┐        │           数据处理策略：红绿灯法则              │        ├──────────────────────────────────────────────┤        │  ? L1-L2级：可用云端AI工具（如Coze学习）      │        │  ? L3级：需脱敏处理或私有化部署               │        │  ? L4级：禁止使用外部AI，必须内网私有化       │        └──────────────────────────────────────────────┘            

6.3 企业AI应用三种部署模式对比

模式

成本

能力

安全

适用场景

云端SaaS

低

标准

依赖厂商

L1-L2级数据

混合云

中

标准+定制

较高

L1-L3级数据

私有化

高

完全定制

完全可控

L3-L4级数据

七、AI能力从哪里来？自研、采购还是SaaS？

7.1 三种AI能力来源对比

维度

自研

采购私有化

SaaS订阅

启动速度

慢（3-6月）

中（1-3月）

快（即刻）

成本结构

高人力

高一次性

按订阅付费

数据安全

完全可控

完全可控

依赖厂商

能力边界

完全定制

标准+部分定制

标准功能

运维难度

高

中

低

7.2 决策树：什么场景选什么方案？

            数据敏感度高？        ├─ 是 → 预算充足？        │      ├─ 是 → 自研或采购私有化        │      └─ 否 → 采购私有化（分阶段）        └─ 否 → 业务定制化需求高？                 ├─ 是 → 采购私有化                 └─ 否 → SaaS订阅            

7.3 主流财务AI产品快速对比

产品

定位

部署方式

适用场景

Coze/扣子

零代码AI平台+多Agent协作

云端SaaS

学习/试点、多智能体协同

影刀RPA+AI智能体

RPA+AI Agent

桌面端/云端

流程自动化、财务对账、银行对账

金智维

RPA+AI

私有化/混合云

财务自动化、审核机器人

帆软AI

BI+AI

混合云

数据分析

金蝶AI

ERP+AI

私有化

核心核算

用友BIP

企业云平台

混合云

全场景

影刀RPA+AI智能体说明：

● AI智能体：具备自主思考和分析能力，能处理复杂决策场景

● AI工作流：适合复杂逻辑处理，如"读取邮件→AI分类→AI提取信息→自动回复"

● AI Power平台：一站式AI智能体搭建平台，与影刀RPA深度集成

● 财务应用：银行对账、财务对账、SAP/用友财务模块自动化

八、实战工坊 ：效率提升与智能体开发

8.1 场景1：搭建“问不倒”的合规知识库

财务制度多、变化快，同事经常问：报销标准是什么？审批流程怎么走？海外补贴多少？

财务人员反复回答同样的问题，耗时耗力。

AI解决方案：搭建财务制度智能问答系统，随问随答。

8.2 场景2如何实现采购合同智能审核？

振石每年从印尼采购大量镍矿，采购合同审核耗时且易出错。

需要核对：价格是否合理？数量是否一致？条款是否符合政策？违约条款是否平衡？

AI解决方案：搭建采购合同智能审核系统，自动提取关键信息并检查合规性。

8.3场景3：如何自动生成经营分析报告？

风电复合材料是振石的核心业务，经营分析工作耗时。

数据收集→计算→分析→报告，每次需要2-3天。

AI解决方案：搭建风电经营分析智能体，自动生成分析报告。

8.4场景4：如何进行投资项目ROI分析？

振石印尼镍铁项目投资18亿美元，投资回报分析复杂。

需要计算：NPV、IRR、回收期，还需要做镍价波动敏感性分析。

AI解决方案：搭建ROI分析智能体，自动进行投资回报分析。

九、振石财务AI建设，下一步应该做什么？

9.1 集团化企业的财务AI应用重点

9.2 跨境业务的AI应用场景

9.3 重资产制造业的AI应用特色