Fanlix全球研究洞察
财务规划的下一站是 “自主”
生成式人工智能与智能代理正在重塑金融格局
2025/09/29 Fanlix凡立
一览
在当今动荡的市场环境下，传统的预算周期过于缓慢和僵化。
原生 AI 代理与生成模型将改变企业的规划、预测和资本分配方式。
目前，已有超过 25% 的财务团队在季度规划中应用某种形式的机器学习。
生成式 AI 与代理型 AI 不仅能提升预测的准确性和速度，还能提供战略性洞察。
设想这样一个场景：只需用简单的语言指令，财务系统即可根据最新的销售渠道和市场数据更新第四季度预测，并在几分钟内生成完整建模、经过风险调整的答案。无需电子表格、无需团队催促、没有时间延迟。 这并非未来的设想，而是正在逐步实现的现实。
FinRobot 的出现
2025 年 6 月，AI4Finance 基金会低调发布了 FinRobot —— 一个专为金融打造的开源平台。与通用的“副驾驶”不同，FinRobot 聚焦于为企业资源规划（ERP）系统开发 AI 原生代理，能够深刻理解企业财务结构、业务流程和决策权体系。
这无疑是一项重大突破。长期以来，ERP 一直是企业技术堆栈中最缺乏灵活性的部分。而 FinRobot 的嵌入式代理能够：
分析实时数据并直接采取行动
自动化规划周期
触发跨职能工作流程
所有操作均在 ERP 系统内部完成。结果是，预测得以持续更新，预算实现自动调整，财务部门能够实时向管理层提供战略信息。
回报
最终，企业将获得：
更灵活的规划
更少的临时救火
更快速且与业务目标高度一致的决策
AI 代理的出现，标志着金融行业正迈入 智能、自主的新纪元。
传统规划的局限
传统预算体系已难以适应当今不断变化的经济环境。通胀冲击、供应链中断以及客户偏好的快速转变，凸显了依赖僵化、基于日历的规划模式的风险。
然而，许多财务规划与分析（FP&A）团队依旧被冗长的规划周期所困，难以跟上变化节奏。往往等报告送到决策者手中时，数据早已过时，而重新预测的过程同样繁琐。
正因如此，全球首席财务官（CFO）普遍将 FP&A 转型列为首要任务（见图 1）。
为成功应对市场波动，财务团队需具备五项关键绩效属性：准确性、及时性、灵活性、创新性以及对价值与成本的把控。我们在2022年的调查显示，仅有 13% 的首席财务官表示其团队能够始终如一地满足这五项要求（见图 2）。
技术有望缩小这一差距：到 2024 年底，已有约 35% 的公司在财务领域采用或正在考虑采用生成式人工智能；在 2024 年下半年，财务部门在所有业务职能中呈现出最快的采用增长速度。
生成式与代理式人工智能
生成式人工智能用于解释数据并与之交互；代理式人工智能则可基于数据做出决策并自主管理系统。
许多公司已将机器学习（ML）应用于财务预测。根据美国财务专业人士协会（FAP）的数据，目前约有 28% 的财务团队在季度规划中采用某种形式的机器学习。这类工具通过识别海量数据中的模式来提升预测准确性，但也存在局限：通常需要大量前期调整、结构化输入数据和技术监督。
生成式 AI 与代理式 AI 在预测与规划中各具互补优势。生成式 AI 常被用于生成与汇总内容，但在预测领域也已展现出颠覆性价值：它可以在几分钟内将评论、新闻和内部信息中的信号合成为可用于模型的变量；并通过检索增强生成（RAG）等技术提升预测的可解释性。想象一位财务分析师对第三季度收入下滑的原因提出疑问，不必翻阅复杂的电子表格或模型，只需向 AI 提问即可获得通俗、参考模型假设与输入变化的解释。这种可解释性有助于建立信任，并支持跨部门的自助式规划。
生成式 AI 还支持基于场景的交互式预测。用户可提出“如果……会怎样”的假设（例如“如果将营销费用下调 10% 会怎样？”），并实时获得模型响应，从而把规划从季度制的例行事务转变为持续的协作过程，显著提升战略敏捷性。
相比之下，Agentic（代理式）AI 指的是能够管理整个预测工作流程的自主系统。这些代理不仅响应查询，还会主动采取行动：有的负责清洗与提取数据，有的选择并训练合适的预测模型，有的生成输出并触发告警，甚至能建议预算再分配。
以微软为例，其财务部门已开始运用 AI 代理支持核心 FP&A 职能，如预测、差异分析、对账与报告。预测代理已在无代码机器学习平台上替代基于 Excel 的建模；对账代理可自动匹配账户记录，将周期从数小时缩短到数分钟；分析师代理负责解释结果、构建可视化仪表盘并起草执行要点。这些系统与 Microsoft 365 深度集成，使分析师能在 Excel、Teams 与 Outlook 中直接访问预测、洞察与操作建议。例如，支持 Copilot 的代理可以汇总收件箱趋势、模拟场景并生成报告草稿。微软的实践展示了代理式财务模型深度嵌入与可扩展性的潜力。
生成式 AI 与代理式 AI 的结合，不仅提升了预测能力，更在根本上重新定义了预测与规划的范式。
当然，“自主”并不意味着“放手不管”。随着企业扩大 AI 的应用规模，治理仍至关重要，尤其是在数据来源、模型监督与决策问责方面。人工智能代理必须具备可审计性、偏差检测能力，并与企业的风险框架保持一致。目标是增强决策智能，而非实现不受约束的自动化。
生成式与代理式人工智能
生成式人工智能用于解释数据并与之交互；代理式人工智能则可基于数据做出决策并自主管理系统。
许多公司已将机器学习（ML）应用于财务预测。根据美国财务专业人士协会（FAP）的数据，目前约有 28% 的财务团队在季度规划中采用某种形式的机器学习。这类工具通过识别海量数据中的模式来提升预测准确性，但也存在局限：通常需要大量前期调整、结构化输入数据和技术监督。
生成式 AI 与代理式 AI 在预测与规划中各具互补优势。生成式 AI 常被用于生成与汇总内容，但在预测领域也已展现出颠覆性价值：它可以在几分钟内将评论、新闻和内部信息中的信号合成为可用于模型的变量；并通过检索增强生成（RAG）等技术提升预测的可解释性。想象一位财务分析师对第三季度收入下滑的原因提出疑问，不必翻阅复杂的电子表格或模型，只需向 AI 提问即可获得通俗、参考模型假设与输入变化的解释。这种可解释性有助于建立信任，并支持跨部门的自助式规划。
生成式 AI 还支持基于场景的交互式预测。用户可提出“如果……会怎样”的假设（例如“如果将营销费用下调 10% 会怎样？”），并实时获得模型响应，从而把规划从季度制的例行事务转变为持续的协作过程，显著提升战略敏捷性。
相比之下，Agentic（代理式）AI 指的是能够管理整个预测工作流程的自主系统。这些代理不仅响应查询，还会主动采取行动：有的负责清洗与提取数据，有的选择并训练合适的预测模型，有的生成输出并触发告警，甚至能建议预算再分配。
以微软为例，其财务部门已开始运用 AI 代理支持核心 FP&A 职能，如预测、差异分析、对账与报告。预测代理已在无代码机器学习平台上替代基于 Excel 的建模；对账代理可自动匹配账户记录，将周期从数小时缩短到数分钟；分析师代理负责解释结果、构建可视化仪表盘并起草执行要点。这些系统与 Microsoft 365 深度集成，使分析师能在 Excel、Teams 与 Outlook 中直接访问预测、洞察与操作建议。例如，支持 Copilot 的代理可以汇总收件箱趋势、模拟场景并生成报告草稿。微软的实践展示了代理式财务模型深度嵌入与可扩展性的潜力。
生成式 AI 与代理式 AI 的结合，不仅提升了预测能力，更在根本上重新定义了预测与规划的范式。
当然，“自主”并不意味着“放手不管”。随着企业扩大 AI 的应用规模，治理仍至关重要，尤其是在数据来源、模型监督与决策问责方面。人工智能代理必须具备可审计性、偏差检测能力，并与企业的风险框架保持一致。目标是增强决策智能，而非实现不受约束的自动化。
实现规划现代化的三条路径
企业可通过三种不同路径推进 FP&A 的现代化：精简流程与数据基础、以 AI 增强流程与数据，以及彻底重塑规划模式。
精简
精简侧重于去除不必要环节并提升节奏。许多公司花费数月制定年度计划，计划一出便已过时。通过压缩细节、优化任务顺序并自动化对账等重复性工作，企业可显著缩短规划周期。建立可靠的数据基础是关键前提。尽管许多 AI 预测始于运营数据，其影响会扩展到整个财务体系。例如，全球电力管理公司伊顿通过整合供应链的实时数据，加速了生产与财务决策。为解决数据碎片化问题，伊顿采用某 AI 平台整合了来自 72 个 ERP 系统的数据（涵盖 300 多家工厂与大量零部件），从而实现对供应链的实时洞察，快速识别物料短缺并防止停机。这一案例说明：在部署智能预测前，必须先确保数据的统一、结构化与可信。
增强
利用 AI（尤其是生成式 AI）增强规划能力，可以带来更丰富的洞察与更快的反馈。例如，一家全球消费品公司通过传统 ML 将收入预测时间从两周缩短至两小时，预测准确率提升至 97% 以上。AI 代替了繁琐的演示与差异分析工作，释放分析师去聚焦战略决策。该公司正考虑进一步引入生成式 AI，用于场景模拟、偏差标注与撰写叙述性摘要（如每周报告与再分配建议）。
重塑
重塑要求对运营模式进行全面重思，超越单纯的技术升级。一些公司已放弃固定年度预算，转而采用滚动预测与事件驱动式规划。以喜利得为例，其以每年三次的滚动预测与相对绩效指标替代静态预算，并将奖金与外部基准挂钩而非内部目标。虽仍以人为为中心，但该模式强调响应速度，使组织能快速应对宏观变化或行业冲击。喜利得自 2006 年起推行的变革证明：即便在 AI 普及之前，通过围绕真实事件而非日历设计财务系统，就能显著提升敏捷性。
重塑金融的召唤
动态规划正迅速成为最佳实践。那些仍受限于僵化、基于日历的流程的公司，正在被采用智能、持续在线规划的企业甩开。核心挑战在于：企业如何快速调整规划方式，以充分发挥 AI 的潜能。
敢于试验 AI 并设计适应性系统的领导者，将在未来十年定义金融的面貌。
