自建與外購的兩難：為何多數金融團隊傾向採用「混合模式」？

除非另有說明，本文所有數據均出自 Forrester Consulting 受 Airwallex 委託進行的研究《建立 AI 驅動的財務部門》(2026 年 6 月)。

目前已有超過半數 (51%) 的財務團隊採用混合 AI 模式。當企業在抉擇「內部自建」或「向外採購」時，核心考量往往並非技術門檻，而是更深層的營運架構。

Airwallex 早前委託 Forrester 進行一項研究，當中英國一間科技公司的高級財務總監直言：「我們絕少選擇自行開發。工程團隊大多認為『自行編寫程式其實不難』，但當仔細評估審計追蹤、SOC 1 報告以至內部控制框架等合規要求時，就會發現背後牽涉的層面極為繁複。」

這個兩難局面如實反映了全球財務團隊的現狀。AI 的技術門檻並非高不可攀，內部工程團隊往往能在數月內完成模型建構並取得初步成果。然而，真正的落地阻力源於後續的合規要求：核數師需要追溯 AI 決策的具體理據，合規團隊擔憂潛在的內控漏洞，而財務長亦可能發現，企業並未為模型預留長期的合規配套預算。要將 AI 正式納入財務報告流程，企業必須先跨越審計與內控難關。

Forrester Consulting 在今年初訪問了 1,279 位財務決策者，得出一個關鍵發現：現時已有 51% 企業實行「混合模式」，結合內部開發與外部供應商的資源，預計未來 12 個月內比例更會升至 57%。數據反映，企業已跳出「自建或外購」——非此即彼的框架，多數金融團隊早已選擇將兩者優勢整合，以應付現代業務需求。

57% 企業選擇「混合策略」

未來 12 個月內，只有 26% 企業計劃完全依賴內部自研，而打算全面外購的比例更僅佔 17%。絕大多數 (57%) 企業傾向採用混合模式，而且是經過深思熟慮的決定。

這種轉變同時具有方向性。財務總監預計在未來 12 個月內，完全外判的比例將由 26% 下降至 17%。這反映財務領袖正尋求對 AI 掌握更大主導權，以減少對供應商的過度依賴。

背後的考量很務實：內部人員最熟悉業務邏輯，絕對有能力主導 AI 落地；但若要長期緊貼審計與監管要求去維護合規框架，單靠內部資源將面臨巨大壓力。因此，目前的趨勢已轉向「內外分工」：由內部主導應用場景與流程設計，僅將繁重的底層合規交託予專業供應商，形成最具成本效益的佈局。 43% 企業預計未來 12 個月內，其 AI 功能將建基於供應商平台，再進一步與現有金融系統進行配置及整合。上述「引入外部基礎設施，再由內部開發自訂功能」的架構決策極具戰略價值，既能讓金融團隊加快 AI 部署步伐，又能避免因沉重的合規負擔而拖慢整體進度。

拖慢自建項目的「合規門檻」

內部工程團隊或許能在一季之內完成 AI 模型的開發，卻往往低估了隨之而來、動輒需時數年的合規工作。財務營運必須嚴格遵守 SOC 1、SOC 2、SOX、PCI DSS，以及因應不同市場、部門和交易類型而持續演變的各地監管要求。因此，任何應用於財務報告、對帳或支付的 AI 系統，在處理首筆交易之前，都必須具備完善的審計追蹤紀錄、可解釋的邏輯，以及足以滿足外部審計標準的內部控制機制。

單是建構這套機制，已是一項耗時數年、動輒數以百萬計的投資。系統投入運作後，開支更會持續增加：在監管與審計標準不斷收緊之下，團隊必須持續進行版本控制與文件更新。在初期規劃時，工程團隊大多只聚焦於 AI 模型開發，未有將這些高昂的長期合規維護開支納入預算，最終令這筆隱藏成本帶來沉重的開支壓力。

平台數量減少，數據孤島依然存在

數據揭示了一個現實：即使企業已大幅整合系統，仍有高達 84% 的機構表示財務流程需依賴人手介入。單靠減少平台數量，並不能消除系統斷層。由於各個平台在設計時未能互通工作流程，數據依然零散。因此，就算團隊將工具由十個精簡至三個，只要底層數據無法自動流轉，最終仍要靠人手去填補系統間的銜接缺口。

審計環節成為新阻力

面對 AI 龐大的數據生成量，傳統的抽樣審計已不勝負荷。為求穩妥，審計團隊只能退回最保守的做法：增加人手核對、要求更多文件證明，結果反而拖慢了整體營運效率。

部分走在 AI 應用前沿的企業，已開始推動審計師放棄手動驗證，轉向實時、由科技驅動的審查模式。Forrester 研究中一位英國高級財務總監亦指出，現時業界越來越期望審計團隊能透過 API 直接接入系統，取代傳統的人手索取資料與抽樣核對。

自建與外購的界線該如何劃分？

現時業界最常見的策略是：將合規要求極高的底層基建（如支付網絡、換匯交易、發卡、合規與審計追蹤等）交由外部供應商處理；並將內部資源集中於開發專屬的商業邏輯（例如自訂資金調度、專屬風險模型及特定審批流程）。

至於具體的內外佔比並無統一標準，主要取決於三大核心因素：工作流程的標準化程度、數據互通性，以及相關職能涉及的監管風險。

按職能特性決定分工

資金管理團隊的日常決策，高度依賴嚴密的參數與內部專屬邏輯。面對這類規則分明、且專屬企業內部的場景，自建 AI 是最佳切入點。以跨國資金調度為例，當中的流動資金管理與換匯對沖策略，完全取決於企業自身的銀行網絡與風險胃納，團隊絕對有條件自行開發專屬模型；稅務合規亦屬同理。

相反，企業發展或投資者關係等高度依賴人為判斷的職能，核心痛點在於從龐雜的非結構數據中提煉關鍵分析，而非單純的流程自動化。針對這類需求，直接引入市場上成熟的 AI 工具，效益會遠比從零自建來得高。

至於應付帳款與金融規劃及分析團隊，其策略則需按實際情況微調，底層數據基礎、流程繁簡及合規風險，將是決定最終「自建與外購」比例的關鍵考量。

跨系統的「統籌層」才是決策核心

一位美國 SaaS 企業首席財務官在 Forrester 的訪問中點出了目前的最大痛點：個別 AI 工具在單一系統內表現出色，卻無法跨平台溝通。當團隊需要人手介入處理例外情況、調取跨系統的背景資料，或串聯不同部門的工作流程時，企業便需要一個能整合多方系統的底層架構。

上述痛點是架構決策的核心關鍵。企業可以採購多個頂尖的單點方案，但最終仍可能面臨流程斷層。核心價值在於，企業能否透過「統籌層」無縫串聯各項工具，並讓團隊在此基礎上建立專屬的商業邏輯。

Forrester 的數據亦印證了上述觀點：66% 的決策者在挑選供應商時，會優先考慮其跨越整個金融系統架構的統籌能力；65% 則期望擁有靈活、以平台為基礎的架構，以支援模組化應用。面對這種轉變，真正具備優勢的供應商，往往能夠與企業的現有系統深度整合，並提供穩固的開發基礎。

混合模式衍生的人才缺口

混合模式在理論上固然理想，但在實際執行時，卻為金融團隊帶來了前所未有的人才挑戰。

Forrester 數據顯示，53% 受訪者將「缺乏管理 AI 金融流程經驗」視為擴展技術的最大阻礙；目前僅 15% 企業在財務部內部制定了專屬的 AI 人才策略。多數公司仍停留在基礎的 AI 認知培訓，但要在「自建與外購」之間精準拿捏，單靠基礎課程根本無法應付。

混合策略要求團隊具備跨領域能力：既要懂 AI 技術與內部管控，又要能在供應商平台上，設計出符合公司審批與報告邏輯的專屬工作流。這類複合型人才過去鮮少被提及，如今卻是金融轉型最核心的資源。

部分領先企業已開始將數據科學家引入財務部，與傳統會計人員互補。澳洲一間電商的財務主管指出，以往團隊培訓是「八成會計知識、兩成通用技能」，如今比例已完全反轉，重心全面轉向 AI 應用、提示詞操作及批判思考。

若企業仍將 AI 需求全數交由 IT 部門處理，溝通延誤衍生的隱藏成本，往往遠超系統節省的人手開支。以日常營運為例，當資金分析師需要提交 IT 任務單才能微調 AI 工作流時，原有的商業時機早已在系統流程與開發週期的反覆交涉中流失。

對選擇金融基礎設施的啟示

全球 1,279 位金融領袖已經對「自建還是外購」的問題給出答案：兩者皆需。關鍵在於企業應如何劃定分工界線，以及其金融基建是否具備足夠彈性，讓團隊在最合適的位置作出部署。

支付、換匯、帳戶與支出數據在單一平台的互通，是解決數據零散、推動 AI 擴展的重要基礎。企業藉由採購合規的底層架構，便能釋放團隊資源，專注建構切合業務需要的商業邏輯，為財務部門打造核心優勢。

本文提供的資料僅供參考，並不構成法律、監管、稅務或投資建議。讀者應就其個人情況，尋求專屬顧問或律師的專業意見。

資料來源：除非另有註明，本文提及的所有數據均源自 Forrester Consulting 於 2026 年 6 月代表 Airwallex 進行的委託研究報告《建立 AI 驅動的財務部門》。