从AI审计经验解析财务数字化转型的成功要素及人机协作优化

在“下一代财务战略与AI应用研讨会”上，日本国家EY新日本有限责任审计法人数字战略部部长兼合伙人加藤信彦发表了题为《从AI审计实施经验解析财务数字化转型成功条件》的演讲。

加藤信彦基于近十年AI审计的实施经验，提出了财务部门向“进攻型财务”转型的实用方法。他从审计中积累的知识出发，围绕数据与流程重构、人才培养及治理视角，详细阐述了可复制的数字化转型推进要点。

财务数字化转型

下一代财务的目标与财务部门面临的挑战

本次演讲旨在基于AI审计的实施经验，将其知识进行泛化，提出财务领域可复制的数字化转型推进方法。加藤强调，将审计中遇到的问题和学习经验尽可能普遍化，并应用于财务、会计及核算领域的重要性。

他指出，下一代财务应从传统的“准确记录过去”功能转变为为经营决策快速提供洞察的“战略伙伴”。这不仅是效率提升，更是整合财务与非财务信息，面向未来创造价值的角色转变。实现这一目标，必须建立兼顾推动成长战略的“进攻”和应对风险的“防守”的“双元经营”核心财务功能。

然而，转型过程中存在诸多障碍。加藤将财务部门面临的挑战归纳为五个层面：

数据分散：子公司及事业部数据割裂，难以实现整体优化分析。
依赖个人及手工操作：大量基于Excel的作业，效率和复现性不足。
分析能力不足：生成决策所需洞察需高技能和时间。
治理与披露复杂化：非财务信息扩展及披露要求提升增加负担。
人才短缺：数据与AI应用人才培养跟不上需求。

针对这些问题，AI不仅是效率工具，更是提升决策质量和速度的核心技术。加藤建议从财务信息的AI应用入手，逐步推广至非财务信息，是现实可行的路径。

财务数据整合

换言之，下一代财务的实现是通过以AI为前提的数据和业务流程重构，整合分散的信息和作业，构建能为经营提供有价值洞察的体系。正确理解现有问题结构是起点。

从AI审计实施经验看解决方案及人机角色分配

实现财务数字化转型关键不在于简单引入AI，而是根据业务特性合理划分“集中化”与“分散化”。加藤指出，标准化且可复现的业务应集中处理，产生价值判断的业务则应留在现场。

EY针对客户数据多样性设立了数据加工专门团队，集中处理分析前环节，实现了约3000家公司审计数据的集中处理。标准化审计业务则集中于卓越中心（CoE）推动自动化，累计节省33万工时。AI异常检测已在629家公司审计中应用，实现基于全量数据的风险检测和洞察提供。

这些举措的核心是将审计中积累的实施知识重构为财务领域可用的形式。AI基于海量数据高速全面执行异常检测和数值变动分析，人则赋予结果意义，结合背景和语境做出判断。加藤形象地描述为“AI发现异常，人赋予意义并判断”。

这一角色分工进一步体现为“专家的隐性知识”与“AI代理的显性知识”结合。专家的隐性知识涵盖如何解读分析结果、理解例外背景等判断和思考过程；AI代理则负责全量数据汇聚、异常检测、驱动因素分析及自动摘要等显性知识领域。即人负责思考与判断，AI负责洞察生成。

人机协作模型

因此，AI应被视为扩展专家思维的工具，而非单纯自动化工具。对AI提供洞察持续追问“为何如此”，正是提升人类价值的过程。加藤强调，结合专家隐性知识与AI显性知识，能最大化附加价值。

近年来，多智能体AI协同应用逐渐普及，许多标准业务正由AI自主处理。与此同时，人类则需聚焦更高阶判断、沟通及高风险领域。

换言之，财务数字化转型的本质不是“人或AI”的二元对立，而是“人机如何协同”的设计。审计现场积累的实施知识为财务领域提供了极具实用性的指导。

财务数字化转型的成功要素与未来展望

那么，基于AI应用的财务数字化转型成功需要哪些条件？加藤总结为三大要素：业务、人才与治理的三位一体变革。

首先是业务变革，整合数据与业务流程，使AI代理能学习显性知识。若仍维持传统孤岛式业务，AI效果有限。需跨越财务、会计、核算流程，统一数据，构建AI持续分析与洞察的基础。加藤提出分阶段推进：①流程整合，②实时数据联动，③基于AI应用的再设计。尤其是AI代理与数据平台常态联动，随时提供洞察，将极大提升决策速度。

其次是人才培养与技能再造。尽管AI提升了分析与检测能力，解读结果并转化为决策仍依赖人。加藤认为未来财务人才需具备“数据素养”、“AI素养”及“专家隐性知识”三大技能。初期由数字化转型部门主导，专家支持，逐步向财务部门转移技能，最终实现现场人员自主数据分析并提供经营洞察的理想状态。

第三是AI治理建设。AI应用越广，判断过程透明度及责任归属越重要。加藤强调需建立责任体系、透明机制和内部控制三大支柱治理。“明确AI承担范围与人类判断界限，最终责任始终由人承担”，随着AI自主性增强，人为控制设计不可或缺。

财务数字化转型三要素