每一次完美的 AI 体验背后，都离不开一套看不见的数据架构。
很多人觉得，AI 现在最大问题是“还不够聪明”。其实不是，真正的问题在于，AI 缺少足够完整的上下文信息。
目前，只有 11% 的财务工作流能够在没有人工介入的情况下自动运行。问题并不出在 AI 本身，而在于支撑 AI 的底层数据架构还没有跟上。
1900 年，马萨诸塞州一家棉纺厂里的织布机，依然靠悬挂在天花板上的皮带，由一根钢制主轴统一驱动。这套系统沿用了几十年，和过去蒸汽机驱动的方式没有太大区别，只是把动力源换成了电动机。斯坦福大学经济史学家 Paul David 发现，电力并非一出现就带来了生产力的提升。直到 40 年后，当工厂主拆掉原有的中央主轴，为每台织布机都配备独立电机，并按照新的动力方式重新设计整个厂房布局，电气化才真正释放出生产力。
今天的财务领域也在经历类似的变化。
很多企业在落地 AI 时，关注的是软件和模型本身，却忽略了底层架构。AI 应用越来越多，预算不断增加，管理层也持续批准新的试点项目。然而，今年 6 月 Airwallex 委托 Forrester Consulting 撰写的行业深度研究《打造适配AI时代的财务体系》显示，在 1,279 位受访财务决策者中，只有 11% 的财务工作流能够在没有人工介入的情况下自动运行。
原因并不是今天的 AI 模型还不够强大，而是大多数企业依然建立在 AI 出现前就存在的、分散的数据架构之上。在掌握完整、可信的信息之前，AI 只能做到提供建议，还不足以为企业真正执行决策。
财务 AI 靠的不是 Prompt，而是上下文
我们平时所使用的 AI，其实只是整个系统最表层的一部分。它可能是一个聊天窗口、一条系统建议、一项被标记出来的异常。真正决定 AI 能不能从“给建议”走向“做决策”的，是这些交互背后的底层架构。
比如，当 AI 智能体要审批一笔付款时，单看发票显然不够，还需要知道这笔钱属于哪个主体、目前有什么币种、是否有其他付款正在处理、谁有审批权限，以及交易是否符合当地监管要求。
这些信息无法靠 AI 模型自己“想出来”，而是需要从它背后的数据架构中提取。换句话说，AI 能做出什么样的判断，很大程度上取决于它能拿到什么样的信息。
AI 能否真正“动起来”，取决于三层架构
第一层是数据架构：企业需要把不同市场、不同业务的交易金额、审批情况和主体信息打通，让 AI 看到一套统一、完整的数据。
第二层是工作流架构：企业需要建立相应的审批和管理机制，让 AI 智能体能在既定的治理框架下安全执行，而不是每一步都需要人工确认。
第三层是基础设施：包括相关牌照、支付网络以及支付体系连接，这些让 AI 做出的决定最终能在真实的业务环境中实现。
这三层缺一不可。少了任何一层，AI 都只能停留在“给建议”的阶段；只有当三层架构都搭建起来，AI 才有可能真正安全地执行决策。
碎片化的技术底座，让 AI 卡在了数据层
那么，为什么 AI 很难真正规模化进入财务工作流？
Forrester 调研发现，65% 的财务管理者认为，碎片化且不统一的财务数据是阻碍 AI 规模化应用的首要问题；61% 的受访者则指出，跨区域、跨主体的系统集成过于复杂。归根结底，这两个问题指向的是同一件事：企业的数据和系统没有真正打通。
在碎片化的系统里，AI 很容易基于仅有的部分信息做出错误判断。
一个只能看到支出、却看不到现金状况的智能体，可能会批准一笔余额实际上无法支付的采购申请；
一个能看到现金余额、却看不到待结算交易的智能体，则可能因为误判资金状况，而不必要地拦截一笔本可以正常支付的付款。
每出现一次这样的错误，财务团队经常要再增加一道审批或控制规则。结果就是，企业原本希望通过 AI 减少人工操作，却因为底层数据不完整，又不断增加新的人工环节。
统一的数据架构可以改变这一局面。当付款、账户余额、审批和结算等信息都处在同一个可信的数据环境中，AI 就能基于完整信息做判断，从而做出更可靠的决策。
揭秘那些藏在幕后的基础设施
每一个真正实现自动化的财务决策，背后都需要一整套基础设施共同支撑。
牌照决定资金在哪些地方能够合法流动；与当地支付网络直接连接，决定资金能够多高效地完成流转；卡组织资质、交易数据以及工作流管控机制，则帮助 AI 判断接下来应该做什么。
单独来看，这些都是基础设施投入。但把它们连接起来，就会形成一个更重要的能力：让企业拥有统一、可信的财务数据视图，从而让 AI 有足够的信息基础来做出判断。
而这样的基础并不是一朝一夕就能搭建起来的。
过去十年，我们持续投入全球化运营管理所需要的基础设施。如今，Airwallex 空中云汇在全球拥有超过 85 张金融牌照，并在美国 45 个州以持牌资金周转机构身份开展业务；同时，我们已经直连超过 120 个国家及地区的本地清算网络，超过 90% 的交易无需再经过 SWIFT。
这些投入最初并不是为了 AI，而是因为全球资金流动本身就需要信任、监管能力以及稳定、清晰的运营架构。随着 AI 能力不断成熟，这套原本为全球资金流动搭建的基础设施，也变成一项实现财务自动化所必需的底层能力。
而这套统一架构所带来的商业价值已经开始显现。
全球酒店集团 Minor Hotels 用一个整合的 Airwallex 平台替代了原本碎片化的支付技术栈，通过本地化收单和一站式资金管理，每年节省超过 700 万美元。
与此同时，同一套统一架构不仅降低了运营复杂度，也为 AI 提供了一致的数据基础和完整的上下文信息，让财务工作流能够更安全地实现自动化。
安全保障，是 AI 架构的“承重墙”
随着 AI 在财务工作流中承担越来越大的决策权限，它的每一个决策，都必须建立在可靠的控制体系之上。
一个可以审批付款、甚至直接调动资金的 AI 智能体，到底有多安全，取决于背后的身份验证、访问权限和审计机制是否可靠。安全做得不够，不仅风险更高，也会直接限制 AI 的工作范围。毕竟，财务团队不会把重要的决策交给一个自己无法完全信任的系统。
因此，安全架构已经成为 AI 架构不可分割的一部分。
一套能够让 AI 获取完整信息的统一底层架构，同样需要明确控制谁可以访问数据、谁可以执行哪些操作，以及每一个决策如何被记录和追踪。
对于正在评估 AI 平台的财务管理者来说，真正需要关注的并不只是供应商“有没有 AI 能力”，还要看支撑这些 AI 能力的安全架构是否足够可靠，能否支撑企业更大规模地开展自动化财务运营。
AI 最终会回报那些真正坚实的底层架构
回看电气化时代，那些真正提升生产力的工厂，并不是最早购入电动机的，而是那些围绕电动机重新设计整个生产体系的。
今天的财务领域，也来到了类似的节点。
未来真正能从 AI 中获得最大收益的企业，不只是那些采用了更先进模型的企业，更是那些提前搭建好底层数据架构的企业：连接分散的系统，让交易数据保持统一，并以完善的基础设施，让 AI 在每一次决策时都能获取完整的信息。
牌照、支付网络和安全能力之所以重要，正是因为它们共同构成了这套底层基础。AI 可能是当前行业内最瞩目的创新，但真正让财务自动化成为可能的，实则是这套藏在背后的数据架构。
注释：
除特别说明以外，本文引用的数据均来自《打造适配AI时代的财务体系》行业研究。该研究由 Forrester Consulting 受 Airwallex 委托，于 2026 年 6 月完成。
发布于：
财务运营
