金融 AI：淺談人工智能如何改變財務團隊

文章摘要

• 金融 AI 已從單純撰寫摘要，進化到能夠自主執行整個財務工作流程，大幅縮短結帳時間、防範詐騙，並提升支付成功率。

• 要發揮 AI 的最佳效能，關鍵在於系統能否掌握全貌。當銀行帳戶、支付系統與財務軟件散落在不同的平台，AI 便無法有效串聯各平台上碎片化的資料。

• Airwallex 整合全球金融基礎設施與軟件於同一平台上，讓 AI 能全面掌握所有實體與外幣資金流動，以及每一道審批流程。

人工智能 (AI) 並不會取代您的財務團隊，而是大大減省重複性高且耗時的工作。試想一下，對帳流程可以在一夜之間完成、實時監測詐騙；當支付失敗時，系統會自動重試並選擇最佳路徑；此外，現金流預測能達到即時更新，全面覆蓋所有實體與外幣。然而，AI 只有在掌握全貌時才能實現這一切——即是當您的金融基礎設施、支付系統與財務軟件之間緊密接合、無縫連接。

何謂金融 AI？

「金融 AI」指的是運用人工智能來自動化各項財務職能。財務工作尤其適合使用 AI，因為大多程序都具備重複性強、規則為本的特性，且容易以量化指標衡量成功。同時，財務資料多為結構化資料，且流程規範清楚，是 AI 發揮效用的理想環境。

您很大機會已在財務工作流程中使用某種形式的 AI。若您從未使用金融 AI，您將會在不久的將來使用這項科技，尤其當您採用的是現代化的金融科技供應商。例如，規則為本的自動化早已將發票與採購訂單進行比對；排程化工作流程正在啟動月結任務；風險評分則在標記可疑交易。

AI 會在安全防護機制內，根據每一筆交易持續學習，並適應新的行為模式。它能自動讀取收據內容，並參考團隊過往對相似支出的分類方式進行智能分類。此外，AI 也會根據不同的交易類型的成功率，動態調整其支付路徑，確保部分特別的交易類型也能高效、穩定地完成。

金融 AI：基本概念與定義

要理解人工智能如何改變財務團隊的工作模式，您需要先學習幾個關於人工智能的基本概念，以及如何高效使用這個工具：

• 機器學習 (machine learning) 是 AI 學習與進化的方式，它會透過分析歷史資料中的模式，進而作出預測或決策。例如，AI 可以學會辨識特定的交易模式是否具有詐騙風險，或者判斷特定地區的付款透過哪些支付路徑成功率最高。

• 代理 (agents) 指在明確的邊界與規則下，自主規劃並執行任務的系統。系統會評估當下情形，選擇適當行動，並運用各種工具完成整個工作流程，例如接收發票到實際付款。

• 代理式 AI (agentic AI) 正是指這種具備自主執行能力的 AI 系統。此概念用以區分僅負責撰寫內容的生成式 AI，以及進行分析與預測的分析型 AI。

• 對話式金融用戶體驗 (conversational finance UX) 讓用戶透過自然語言與財務系統進行互動。您可以直接提問：「我們在新加坡的現金狀況如何？」或下達指令：「星期五支付這張發票。」對話式 AI 會理解您的意圖、搜集資料並執行操作。

• AI 原生系統 (AI-native systems) 指從設計核心便內建 AI 能力的平台，而非在現有軟件上添加 AI 功能。

• 統一基礎架構 (unified infrastructure) 意味著企業帳戶、支付系統、公司卡和財務軟件都在同一平台運作。AI 可以獲取整個財務運作的關聯脈絡，而非單一工具的碎片化資料。

• 應用程式介面 (application programming interfaces) 讓 AI 代理能採取行動，如發出付款指令或更新記錄。若缺乏 API，AI 只能分析數據並提供建議，但無法實際執行指令。

這些概念環環相扣。AI 代理透過機器學習作出決策，透過 API 執行指令，並依賴統一化的基礎架構，獲取整個營運脈絡的可視性，從而有效運作。若缺失任何一環，AI 的能力便會大打折扣，從「自主執行」退化為僅能「輔助支援」。

為什麼 AI 對於現代金融服務至關重要

財務營運的擴展方式與公司其他部門截然不同。企業在擴張業務時，銷售或工程部門的人手無需按比例增加，但財務團隊的規模往往隨交易量線性增長。每進入一個新市場、新增一種貨幣或實體，都意味著更多人手操作。這會導致月結關帳時間延長、對帳人手不足，以及詐騙審核成為營運瓶頸。

要打破這個惡性循環，唯一的方法是自動化那些佔用財務團隊 六、七成時間的例行性工作。AI 便是目前最高效的工具，它既能透過機器學習理解企業財務脈絡，又能穩定地執行這些常規操作。

及早部署 AI 的公司將取得顯著的競爭優勢。而事實上，大多數企業仍對金融 AI 抱持觀望態度。麥肯錫近期的報告指出，近三分之二的組織尚未開始在企業層面規模化採用 AI 工具。若您搶先部署，當對手還在不同系統間採集數據時，您的關帳週期已縮短至數小時；您的支付成功率將持續提升，而對手卻因可避免的拒付而流失營收。這種優勢會隨著交易量增加而不斷擴大。

金融 AI 的關鍵應用場景

AI 在財務領域的影響已明確體現在三大核心職能中，並帶來可量化的回報：

• 提升支付成功率：AI 會即時分析發卡機構的回應數據，自動調整支付路徑和重試策略。Prosus 旗下的 iFood 在引入 AI 機制後，支付成功率升至 97%，而拒付率則從 2.6% 大幅下降至 0.1%。

• 詐騙偵測：與其獨立評估每筆交易，AI 能參考完整的交易歷史，分析更深層的行為模式。萬事達卡的「Decision intelligence Pro」將詐騙偵測成效平均提升約 20%，部分案例甚至高達 300%。Visa的 Scam Disruption 團隊則在 2024 年成功阻止了 3.5 億美元的詐騙交易活動。

• 有效減少對帳所需時間：AI 代理可接手大量耗時的作業流程。Microsoft 部署 Copilot 後，將銀行對帳時間從數小時縮短至數分鐘。一項由 MIT 與史丹佛在 2025 年進行研究指出，生成式 AI 的試點項目能縮短會計流程，平均可為每月結帳流程節省 7.5 天。

Airwallex 透過 AI 提升支付成功率，降低誤判拒付。我們的系統會即時讀取發卡機構的訊號，並為每筆交易動態選擇最佳支付路徑。同時，我們也將 AI 應用在財務營運自動化：自動擷取並為開支進行分類、同步會計系統及交易資料，以加速整個對帳流程。

金融 AI 的未來：新興趨勢及技術

可以慶幸的是，對於財務人員而言，AI 將以更直覺的方式走進日常工作中，例如對話式介面、開支自動化、簡化對帳流程。但同時，我們也應花時間理解 AI 未來的發展方向。目前負責處理單一任務的 AI，將逐步演變為多代理協作的系統，在更少人為介入的情況下，共同完成更複雜的財務流程。以下是未來可能會出現的改變：

AI 代理進行協作

不同「專業分工」的 AI 代理，將在支出管理、支付、資金調度與合規之間進行協作，並共享完整脈絡。一個代理負責處理發票，將觸發第二個代理檢查預算與法規合規要求；接著交由第三個代理，在最佳的時間與匯率條件下安排付款；最後再由第四個代理更新現金流預測。現階段擁有統一化基礎架構的平台已能實現這樣的協作模式，因為其銀行系統、支付軌道與財務流程原本就建立在同一基礎之上，讓代理之間能夠無縫交接工作、避免整合差距。

自動化財務營運

真正的自主化財務，就像一個 24 小時不間斷在後台運作的 AI 代理網絡，每個代理負責財務營運中的不同環節。在 Airwallex，我們早已部署在統一的軟件和基礎架構之上打造的金融AI 代理，涵蓋開立帳單、資金管理、審查決策等任務。財務團隊仍可隨時介入，包括設定審批流程或檢視決策結果，但日常的財務營運將逐漸由系統自行完成。

AI 作為策略夥伴

未來，AI 將成為您的策略財務夥伴，即時解讀數據並提出行動建議。您可以直接詢問 AI：「我們下個季度在新加坡的外匯風險是多少？」隨即，AI 便能即時提供預測、避險建議與情境模擬。每當現金流出現異常變化、客戶行為轉變，或潛在策略風險浮現時，AI 也能及時主動示警。

由於 AI 能理解從供應商關係、付款流程，到收入入帳與最終對帳的完整財務脈絡，它可以串聯出財務團隊需要數天才能拼湊完成的洞察。這將促使 CFO 的角色，從「執行者」變為「架構師」——從管理帳目，進化為打造企業策略。

閱讀更多關於對話式 AI 重塑財務領導力的文章。

更豐富的支付數據，造就更智慧的 AI 模型

由於支付數據源更多樣化，這也讓 AI 變得更聰明。ISO 20022 作為全球金融訊息傳遞標準，已將結構化資料取代過去難以解讀的支付代碼，涵蓋發票編號、收款方資訊與匯款明細等內容。這意味著，AI 不再只依據金額與日期進行判斷，而是能從完整的交易脈絡中學習，進而實現更精準的詐騙偵測、更可靠的現金流預測，以及更智慧的支付路由決策。

選擇能賦予 AI 全貌的平台

在過去數十年間，財務團隊持續改善「控制機制」，包括增加審批層級、導入人工檢查，以降低錯誤與詐騙風險。在交易量可控、錯誤成本高昂的年代，這樣的做法無可厚非。但隨著企業規模擴大，這些原本為了風險控管而設計的流程，反而成為營運瓶頸。到頭來，您可能花在管理流程上的成本，甚至高於偶發錯誤本身帶來的損失。

而 AI 徹底顛覆了這個模式。AI 讓財務團隊能在提升營運速度的同時，自動落實控管機制，並保有更完整的審查軌跡。更重要的是，AI 為企業成長打開新思考維度，例如在無需大幅擴展團隊的情況下，快速進入新市場、增加新貨幣。

但這一切，唯有在基礎架構為 AI 而生時，才能真正實現。在 Airwallex，我們將全球金融基礎設施與軟件打造為一個統一的全球支付平台，涵蓋全球企業帳戶、全球收單、換匯與跨境轉帳，以及支出管理。這讓 AI 能以單一真實來源 (single source of truth)，全面掌握您在每個國家、實體與外幣下的財務狀況。其他平台或許也能提供先進的 AI 功能，但若系統之間彼此斷裂，AI 永遠無法看見財務脈絡的全貌。

最先邁向自主化財務營運的團隊，將定義未來十年的可能性。您面前有兩個選擇：從一開始便將系統建立在 AI 原生的基礎架構之上；或者，花上數年時間修補碎片化的系統，因此持續落後於競爭對手。

常見問題

如何分辨「分析式」AI、「生成式」AI，以及 AI 代理（又稱「代理式人工智慧」）？

分析型 AI 專門分析數據並提供預測，例如風險評分；生成式 AI 則用於創作內容，例如撰寫財務報告。代理式 AI 則更進一步，它具備自主執行能力，能規劃並完成整個工作流程，例如處理發票、重試失敗的付款指令等。

如何在不全面重建系統的情況下，開始導入 AI 功能？

建議採取漸進式策略，先從重複性高且成效明顯的環節入手，例如自動化開支管理或改善付款流程。同時，您可以考慮轉用 AI 導向的金融平台；由於這類原生系統已將金融基礎設施與軟件整合，能同時支援企業帳戶、全球收單及支出管理，讓 AI 在統一的數據基礎上發揮最大效用。

AI 系統需要哪些「安全防護機制」？

AI 系統必須持續監控與改善，例如設立專責崗位進行人為監督。同時，企業應重視數據隱私與資訊安全，維持運作透明度，並定期稽核 AI 決策是否存在偏差，確保系統符合相關法規與合規要求。