AI 在财务领域的应用
74% 企业财务负责人极为重视 AI 在财务领域的应用，然而实际落地面临诸多挑战
企业财务负责人普遍认为，将 AI 应用于财务工作是未来 12 个月的第一要务，尤其是在加强财务管控和建立应对市场动荡的金融韧性方面。
90% 的财务负责人均表示，接下来的一年内会增加 AI 相关投入，但仍有 35% 没有将 AI 技术拓展至更多的工作流的计划，其中存在哪些阻碍因素呢？
Airwallex 空中云汇委托 Forrester Consulting 对全球 11 个市场的 1,279 高级财务管理人员进行调研，深度剖析 AI 在财务领域的应用前景和实际落地情况。
1/3 全球财务决策者没有扩大 AI 应用的计划，主要原因是
认为碎片化、不一致的数据是在财务工作流中规模化应用 AI 的关键挑战
表示缺乏配置、拓展或自定义配置供应商提供的 AI 工具的技能
表示缺乏使用 AI 驱动财务流程的经验
相关阅读：AI 在财务领域的前景和洞察
打造适配 AI 时代的财务体系
由 Airwallex 空中云汇委托 Forrester Consulting 调研并撰写
财务团队积极拥抱 AI ，却受制于企业自身财务基建
现有的财务基础设施无法满足企业负责人预期
当财务负责人谈及阻碍 AI 规模化应用的原因时，排名前五的技术挑战都指向了同一个底层问题：现有的基础设施在构建之初，并非为了在不同实体、地区和职能部门之间进行干净、顺畅的数据迁移而设计的。
- 74% 的财务领导者已经开始转向使用单一平台或少数核心平台，以支持他们的财务工作流程。
- 84% 的人仍需要人工干预才能完成其财务工作流程。
- 跨实体和跨地区信息的碎片化、孤岛化，让 AI 应用仅限于对账、报表和基础应付账款流程等简单场景，难以推广到更为复杂的应用场景。
- 整合平台虽然能降低复杂性，但如果数据无法在系统之间被干净、顺畅地传输，问题依然无法得到解决。
系统编排能力是核心竞争力，单点解决方案正逐渐失去市场
AI 的价值取决于工作流程在不同系统之间被有效编排。财务负责人非常清楚，他们需要一个编排层，以此为基础让 AI 在整个财务职能部门中全面发挥作用。
- 66% 的人表示，能够串联广泛财务生态系统的编排能力是他们选择供应商的首要标准。
- 65% 的人希望拥有灵活的、基于平台的系统架构，以支持循序渐进的 AI 部署和应用。
现有的财务基础设施无法满足企业负责人预期
当财务负责人谈及阻碍 AI 规模化应用的原因时，排名前五的技术挑战都指向了同一个底层问题：现有的基础设施在构建之初，并非为了在不同实体、地区和职能部门之间进行干净、顺畅的数据迁移而设计的。
- 74% 的财务领导者已经开始转向使用单一平台或少数核心平台，以支持他们的财务工作流程。
- 84% 的人仍需要人工干预才能完成其财务工作流程。
- 跨实体和跨地区信息的碎片化、孤岛化，让 AI 应用仅限于对账、报表和基础应付账款流程等简单场景，难以推广到更为复杂的应用场景。
- 整合平台虽然能降低复杂性，但如果数据无法在系统之间被干净、顺畅地传输，问题依然无法得到解决。
系统编排能力是核心竞争力，单点解决方案正逐渐失去市场
AI 的价值取决于工作流程在不同系统之间被有效编排。财务负责人非常清楚，他们需要一个编排层，以此为基础让 AI 在整个财务职能部门中全面发挥作用。
- 66% 的人表示，能够串联广泛财务生态系统的编排能力是他们选择供应商的首要标准。
- 65% 的人希望拥有灵活的、基于平台的系统架构，以支持循序渐进的 AI 部署和应用。
“许多工具都在加入 AI 功能，但它们都局限于各自的独立生态中。你可以在单个应用程序里使用 AI，但它无法与其他系统中的 AI 交互。这正是原生集成的短板所在。如果你在处理异常情况时需要人工审核、需要跨多个系统的上下文信息，或者需要跨越不同工作流的逻辑处理，你就需要一个编排层。”
首席财务官
软件科技企业，美国
“对我而言，最重要是这些工具在整个财务生态系统中的集成效果如何。我们最近部署了一套资金管理系统，成效非常显著，因为它能够与我们的其他系统实现无缝对接。这种跨平台的数据流动让我们能够保持资金管理团队的精简，并实现了很大一部分流程的自动化。”
高级财务总监
旅游科技企业，英国
“Progress toward autonomous finance needs to be assessed by function rather than treating finance as a single block. In transactional areas such as accounts payable and receivable, they are far easier to automate because the rules are clear and outcomes are largely binary. Strategic finance remains less advanced. The work is inherently more complex, relying on judgement, business context, and well-integrated data.”
Head of Commercial Finance
Ecommerce , Australia
“财务自动化的发展速度已经超过了审计实践的跟进步伐。在财务领域，准确性不是可选项，而是至关重要的。我认为确保数据正确是我的职责所在。随着时间的推移，我们未来会更接近完全自动化，但整个大生态系统需要跟上脚步，尤其是审计师。”
高级财务总监
旅游科技企业，英国
“For AI to be effective in this space, it needs to learn the nuances of the business, what the key drivers are, what matters, and what “good” looks like. That takes time, iteration, and continuous feedback. Until that context is built, strategic finance won’t become autonomous at the same pace as accounting, even as AI becomes a core tool in how the work gets done.”
Chief Financial Officer
Technology (SaaS), US
财务负责人的期望：实时交互的财务智能
基于洞察的快速行动
57% 的人表示，采用 AI 的主要原因是为了改善实时预测与场景规划，以及实现常规工作流程的端到端自动化。AI 正在向价值链的上游迁移，从单纯的提高效率，转变为提供实时洞察和决策支持。
AI 成为决策辅助工具
仅有 23% 的人目标是让 AI 智能体自主更改决策。财务领导者目前正在构建的，可以提供决策辅助的 AI它能提供更好的前瞻预见性和更可靠的执行力，同时由人类来监督和掌控战略方向。
统一的数据平台
超过 50% 的人正在优先考虑引入诊断性与预测性能力，以协助制定财务决策。这类智能的实现需要一个坚实的基础，那就是数据从一开始就能够在不同实体、地区和职能部门之间实现流动，并保持一致性。
互联的基础设施是解决上述挑战的关键
一个强大的根基必须从底层开始筑起。Airwallex 空中云汇自诞生之初就具备 AI 原生与 API 优先的基因。在设计上，数据便能在收单、资金管理和支出管理之间进行无缝编排。我们深耕多年，在全球范围内获取牌照、构建支付网络并对接全球清算系统，以实现资金的跨国流动。这种底层架构赋予了 AI 对完整资金流的全局可见性，从而减少了数据碎片化，并实现了规模化的持续稳定执行。
AI 的实际应用往往落后于企业内部的 AI 能力建设。我们的平台旨在运行复杂的财务工作流，而无需您的团队具备深厚的底层技术专业知识。我们的 AI 助手 Kai 能够帮助用户设置账户、自动化工作流程，并能使用自然语言回答各类数据问题。
国家和地区本地收款
国家和地区本地付款
$2870亿+
年化处理交易量
国家和地区收单
企业 AI 能力建设需要专业人才
53% 的财务负责人将技能差距或在运行 AI 驱动财务流程方面经验有限，视为规模化应用 AI 的关键挑战。大多数企业目前仍处于填补这一差距的早期阶段。
- 只有 15% 的企业正在执行结构化的、企业级的 AI 人才战略，其中包含岗位重新设计、技能认证以及人才招聘。
- 24% 的企业甚至还没有评估 AI 将带来哪些技能变化，更不用说启动相关培训
- 大多数企业处于两者之间：24% 的企业正在构建基础的 AI 能力，30% 的企业则在培训特定员工以开发 AI 赋能的工作流。
随着 AI 彻底重塑财务职能，领导者需要重新思考整个业务栈中需要完成的任务，并对招聘非传统背景的人才持开放态度。财务团队未来需要向复合型技能演进，将传统的财务专业知识与数据、AI 以及战略能力紧密结合。
未来企业 AI 能力建设依赖于混合模式
与其完全自主构建或完全外包 AI 能力，51% 的财务负责人选择通过混合模式来规模化应用 AI，将内部能力与外部专业知识相结合。这一比例预计在未来 12 个月内将上升至 57%。
其中，中国、新加坡和荷兰在“摆脱纯第三方外包”的转型中处于领先地位。因为纯外包模式往往会带来供应商恶性扩张和数据碎片化的风险。
企业 AI 能力建设需要专业人才
53% 的财务负责人将技能差距或在运行 AI 驱动财务流程方面经验有限，视为规模化应用 AI 的关键挑战。大多数企业目前仍处于填补这一差距的早期阶段。
- 只有 15% 的企业正在执行结构化的、企业级的 AI 人才战略，其中包含岗位重新设计、技能认证以及人才招聘。
- 24% 的企业甚至还没有评估 AI 将带来哪些技能变化，更不用说启动相关培训
- 大多数企业处于两者之间：24% 的企业正在构建基础的 AI 能力，30% 的企业则在培训特定员工以开发 AI 赋能的工作流。
随着 AI 彻底重塑财务职能，领导者需要重新思考整个业务栈中需要完成的任务，并对招聘非传统背景的人才持开放态度。财务团队未来需要向复合型技能演进，将传统的财务专业知识与数据、AI 以及战略能力紧密结合。
未来企业 AI 能力建设依赖于混合模式
与其完全自主构建或完全外包 AI 能力，51% 的财务负责人选择通过混合模式来规模化应用 AI，将内部能力与外部专业知识相结合。这一比例预计在未来 12 个月内将上升至 57%。
其中，中国、新加坡和荷兰在“摆脱纯第三方外包”的转型中处于领先地位。因为纯外包模式往往会带来供应商恶性扩张和数据碎片化的风险。
北美地区正处于领先地位，已有 37% 企业正在使用 AI 执行多步骤工作流
干净的数据才是真正的核心优势
在北美，37% 的人表示 AI 已经足够先进，可以执行多个预先配置的任务，高于 30% 的全球平均水平。这是因为在北美，仅有 47% 的人报告存在数据孤岛或数据不一致的问题，然而这在全球范围内被公认为是规模化应用 AI 的首要障碍，这一比例明显低于亚太地区的 55% 和欧非中东地区的 58%。
投入计划印证了执行力上的领先地位
北美的投资意向进一步佐证了其在执行力上的领先优势：67% 的北美财务领导者预计，在未来 12 个月内，AI 领域的投资将增长 10% 或更多。仅有 8% 的人预计投资将保持不变，是所有区域中对投资持犹豫态度比例最低的地区之一。
EMEA 地区的监管环境正拉大各市场之间的差距
合规压力并非均匀分布
在欧非中东地区，英国在 AI 执行成熟度上脱颖而出，无论是在自主工作流、多步骤预配置工作流，还是单项操作工作流方面均表现强劲。在英国，仅有 49% 的人表示对风险和合规的担忧正主动放缓 AI 的部署进程，而法国这一比例则高达 54%。
碎片化依然是难以逾越的天花板
相较于欧盟部分地区，英国较为宽松灵活的监管环境有力支撑了更强的 AI 应用意向，但数据碎片化依然是核心的束缚条件。在法国和德国，71% 的财务领导者将跨地区、跨实体或跨供应商的集成复杂性视为在财务工作流中规模化应用 AI 的首要技术挑战，这一比例在全球范围内是最高的。
在亚太地区，人才储备越完善的地区相对 AI 应用越领先
先行者优先构建人才能力
在亚太地区，那些在构建内部 AI 能力上投入最多的地区，其发展速度也最快。在新加坡，有 27% 的企业正在执行结构化的、企业级的 AI 人才战略，这一比例在本次调查的所有市场中是最高的。中国紧随其后，比例达到 21%。这种对人才的投资直接体现在了执行力上，新加坡有 18% 的企业在极少需要人工干预的情况下自主运行 AI，而全球平均水平仅为 11%。
人才缺口直接拖慢落地执行
与此相反，新西兰和澳大利亚在劳动力准备方面表现滞后。两国分别仅有 7% 和 9% 的企业在执行企业级的人才战略，这一差距直接对应了它们较慢的 AI 执行进展。
了解企业财务负责人如何布局未来
Airwallex 空中云汇委托 Forrester Consulting 开展此项研究，以了解财务负责人如何应对从“早期采用” 向 “在复杂环境中规模化应用 AI” 这一现实阶段的转变。
通过对 11 个市场的 1,279 名财务决策者进行问卷调查，并对 6 位财务领导者进行深度访谈，本研究深入探讨了在初始部署之后所显现的重重障碍，以及编排如何将数据、系统、工作流和人类判断有机结合，从而以可持续的方式推进 AI 的应用。
以上引用的所有统计数据均来自该项研究（2026年6月）。