企業資源規畫（ERP）系統已成為許多企業管理和營運的基礎，再加上流程自動化（RPA）工具的導入，財務部門過去需耗時處理的任務，如發票處理、對帳、稅務申報等，現在可交給數位系統完成。
當技術接管部分重複性任務，財務人員的角色正在轉型。他們從被動支援的角色，包括：資料核算、編制報表，逐漸轉為「價值驅動者」，開始以數據為基礎，提供各單位策略規畫與成本優化的建議。
AI 亦是協助財務部門轉型的利器。波士頓顧問公司（BCG）分享一家大型製造業的成功案例。該企業財務單位過去仰賴經驗和有限的數據，進行市場需求量的推測，但預測和實際的誤差達 17%，影響資源配置與客戶滿意度。在 AI 協助下，預測準確度提升 50%。此外，AI 還能根據不同市場需求變化，提供具體應對策略，這讓財務部門成為控管資金風險、支持企業決策的角色。
財務部門要求高度準確性，預測式 AI 較生成式 AI 普及
事實上，許多企業已將 AI 應用於財務領域。BCG 調查指出，61% 企業將預測式 AI（利用數據分析和機器學習技術來預測未來的事件或行為）使用在財務預測上，38％ 的企業則用於分析資料或財報撰寫。這類技術能提升預測的準確率超過 50%，並將數據洞察的速度提高 2 倍以上，幫助企業更敏捷和即時應對市場變化。
然而，相比預測型 AI 的廣泛應用，生成式 AI 在財務部門的普及程度仍然較低，僅有 8% 的企業已經使用，7% 的企業則處於試點導入階段。
生成式 AI 應用場景包括：識別財務報表上異常數字，像是發現銷售額比去年同期低，就生成可能的原因，提供相關人員檢核；或是發現客戶繳款逾期時，自動發信催收。
生成式 AI 在財務應用較少原因在於，財務部門工作往往涉及數字審核和合約條文解讀，這些任務對準確度要求極高，現階段財務人員未必完全信任 AI 判讀的結果。
其次，生成式 AI 的部分應用需仰賴預測式 AI 的基礎。舉例來說，財務長製作預算規畫書時，必須讓預測型 AI 先根據過往開支、生產量、稅務法規與匯率等資料產出未來的預算範圍，生成式 AI 才能根據這些資料進一步分析結果和產出規畫書的內容。
AI 應用從實驗性專案開始，直到準確度穩定超越人工評估
考量到財務應用對生成結果的準確度有極高要求，我建議企業採用實驗性專案的方式逐步導入。例如，選擇「預測第一季某生產單位的成本與收入」作為試點項目，同時保留人工估算的過程作為參照。季度結束後，對比 AI 預測與實際數據的準確度，並根據偏差進行模型調整與優化。當 AI 的預測準確度穩定超越人工評估時，再分階段擴大應用範圍，逐步提升同仁對 AI 生成結果的信任度。
領導者應根據企業數位化程度與 AI 應用的需求，選擇適合的 AI 解決方案。一是若企業已建置 SAP、Oracle 等 ERP 系統，可直接導入其內建的 AI 功能，像是自動建立發票或即時與供應商溝通。這是最輕鬆的選擇，無需重新蒐集數據，但系統商提供的功能未必滿足你的需求。
二是導入市面上的AI工具，可選用市面上 AI 工具，例如 Anaplan 提供的 AI 預算預測模型；三是自建模型，它需要投入更高的成本，但能滿足企業高度客製化的需求。
企業導入 AI 時，還是要回歸核心問題：財務部門痛點是什麼？解決問題帶來的效益為何？才能找到最有價值的 AI 解決方案。（口述｜徐瑞廷，整理｜簡鈺璇）
