人工智能正迅速成为各行业财务负责人的战略重点，推动因素包括更快的流程、更敏锐的洞察以及更高的运营效率等承诺。根据最新的 KPMG report，如今有 75% 的组织已在财务职能中积极使用 AI，较 2024 年的 30% 大幅上升。

然而，对许多人而言，第一代 AI 工具并未达到预期。AI 并未从根本上改变财务团队的工作方式，而是基本被限制在聊天机器人功能中——只能总结信息并提供通用建议，却无法理解更广泛的业务背景，也无法连接到财务工作实际发生的系统。尽管采用率很高，但只有 23% 的组织表示 AI 超出了他们的预期。

不过，这个聊天机器人时代正在接近尾声。金融领域 AI 的下一代，将由具备上下文、系统连接能力和治理机制的工具来定义，这些工具能够成为财务运营中的主动参与者——更广泛的行业已开始将其称为“agentic AI”，Google、Microsoft 和 Salesforce 等主要技术提供商也在投资这一转变。

独立 AI 在金融领域难以胜任

对大多数财务团队而言，最初的 AI 采用形式是使用基于 ChatGPT 和 Claude 等前沿模型的聊天界面。数据从现有技术栈中导出，再复制粘贴到聊天机器人中。与此同时，软件供应商急于为传统平台叠加 AI 功能，而初创公司则推广“AI-native”体验。

像 ChatGPT 和 Claude 这样的模型无疑能够提升文档总结等直接任务的生产力。但这种层级的实用性，远未达到财务负责人在最初投资 AI 时所设想的变革效果。

独立 AI 的核心局限在于，它存在于财务工作实际开展的系统之外。它无法访问应付账款（AP）工作流、供应商记录、发票数据或付款历史，而这些信息正是形成有意义建议所需的关键上下文。此外，由于独立 AI 与财务技术栈中的其他工具相互隔离，它无法对自己生成的建议采取行动。一个 AI 工具可能分析出差异，却无法进一步调查；另一个可能建议批准，却无法在合适的时间将发票路由给合适的人。

像 MCP 这样的开放协议代表 AI 的下一阶段

像 Model Context Protocol（MCP）这样的开放协议正在开始弥补这一差距。MCP 于 2024 年底由 Anthropic 作为开源标准推出，为 AI 安全连接到财务工作发生的系统提供了一种标准化方式。借助 MCP，AI 不再只是独立的聊天机器人，而是可以访问相关数据、理解业务背景，并实时执行获批操作。

这代表着一个显著转变。AI 曾经仅限于回答问题；而通过开放协议，它可以成为财务流程中的主动参与者。

设想这样一个场景：供应商向买方的 AP 团队提交了一张发票，而价格与采购订单不符。独立 AI 工具可以解释差异或建议下一步操作。但通过像 MCP 这样的开放协议连接的 AI，则可以直接参与调查和解决：它可以定位正确的采购订单和供应商历史，将当前价格与过往发票进行比较，找出不匹配的可能原因，将发票路由给合适的审批人，通知相关利益相关方，并记录解决结果——这一切都在组织既定的权限、审批政策和工作流程内完成。人工工作量减少，但团队始终保有完全控制权。

这一影响在金融和 AP 领域尤为明显

每天，财务团队都会生成并管理海量运营数据——发票、采购订单、供应商记录、付款历史、合同以及审批工作流。总体而言，这些数据能够为 AI 提供做出更好决策和采取有影响行动所需的上下文。但在大多数组织中，财务数据分散在彼此割裂的系统中，并受到严格控制。

像 MCP 这样的开放协议提供了结构，使 AI 能够安全连接这些财务数据。团队不再需要在互不连通的工具之间手动复制粘贴数据，因为 AI 可以在合适的时间访问合适的信息，同时仍然处于组织现有权限、审批政策和审计要求的约束之内。因此，财务团队既能节省时间、加快处理速度，又能保持安全与控制。

虽然开放协议可以在多个业务职能中产生显著影响，但在应付账款领域尤为突出，因为缺乏上下文往往会导致供应商付款延迟、未被识别的欺诈以及超支。例如，解决一张发票的差异，可能需要找到正确的采购订单、检查历史定价、确认货物是否确已收到，并识别合适的审批人。或者，处理供应商争议可能涉及搜索无数电子邮件、付款记录和支持文档。所有这些任务都非常耗时，而缓慢的解决速度会带来真实的业务风险。

借助像 MCP 这样的开放协议，过去需要大量人工投入的调查通常可以在几分钟内完成。问题更快得到解决，团队也有更多时间投入到更高价值的工作中。

在开放协议落地后，AI 便从一种“锦上添花”的生产力功能，演变为基础性的财务基础设施。组织能够在不牺牲准确性、治理或控制的前提下，做出更好且更及时的决策，推动业务向前发展。

开放协议在原本缺乏治理之处引入治理

随着 AI 日益融入业务运营，许多财务负责人仍持谨慎态度。安全性通常是首要顾虑，而且这种担忧是有充分依据的。财务系统包含高度敏感的信息，领导者必须确保任何接触这些数据的技术都符合最高安全标准。金融职能还受到严格监管制度约束——例如美国的 Sarbanes-Oxley（SOX）控制、欧洲的 GDPR 等数据隐私框架，以及适用于支付数据的 PCI-DSS 要求——这使得受治理、可审计的 AI 访问成为现实需要，而非奢侈选项。

开放协议并不意味着对财务系统的完全开放访问。恰恰相反。像 MCP 这样的协议在 AI 与财务系统之间建立了安全的、基于角色的连接，并尊重现有用户权限、审批政策和审计要求。每一次交互都可以被限定范围、监控和记录。

事实上，这种方式通常比许多组织当前的做法安全得多。如今，员工经常将发票、合同或其他敏感财务数据输入公共 AI 工具。这些非正式、缺乏治理的工作流会让组织暴露于安全和合规风险之中。开放协议提供了一种更安全的替代方案：组织无需让员工绕开现有系统，而是可以让 AI 在保持财务团队所需治理、问责和控制的同时，安全、可审计地访问正确的信息。

财务 AI 的下一步是什么

金融领域的 AI 正从聊天机器人时代过渡到新一代，而开放协议为 AI 提供所需的上下文和连接能力，使其能够创造真正的业务价值。越早采用这一方式的财务团队，将越有可能获得显著的效率提升，以及持续增强的长期竞争优势。

这些协议部署得越久，AI 可学习的上下文数据就越多，其简化日常任务、发现洞察并支持决策的能力也会持续提升。延迟采用的组织将发现自己很难追赶这些先行者。

与此同时，开放协议也在改变财务职能本身的角色。当组织拥有一个能够在后台处理常规工作的财务操作系统时，团队就会有更多时间专注于更高价值的分析，以及真正需要人工判断的决策。这个财务操作系统并不是由某一个工具或平台定义的；它代表着行业的发展方向——在这一方向上，AI 具备成为日常财务运营中主动参与者所需的上下文、连接性和治理能力。

关于 Ottimate

Ottimate 是一个由 AI 驱动的应付账款自动化平台，帮助财务团队降低成本、防止多付、检测欺诈，并在整个发票到付款生命周期中执行政策合规。

获取更多 Fintech Insights：The AI Shift in Fraud: Why Banks Need a New Playbook

[To share your insights with us, please write to psen@itechseries.com ]