限時優惠 - 免費試用全新 Airwallex AI 金融方案，解鎖 $68,888 商務獎賞。
35% 的財務主管今年未有計劃擴展 AI 應用。主要原因如下：
認為數據零散、缺乏一致性，是將 AI 擴展至各項財務流程的主要挑戰。
指出難以配置、擴展或自訂供應商提供的 AI 功能。
表示團隊缺乏操作 AI 財務流程的實戰經驗。
深入了解我們對 AI 財務應用的見解
財務團隊的 AI 應用版圖：北美為何領先
37% 的北美受訪者，AI 已能執行多步驟的預設任務。相比之下，歐洲團隊似乎仍有很大的追趕空間。
自建與外購的兩難：為何大多數財務團隊傾向採用混合模式
51% 企業正轉向混合模式。關鍵在於如何好好拿捏內部專業知識與外部資源的比例。
AI 提升了工作效率，但「人手審批」卻成了最大阻力
生產力雖然提升了，但整體流程並未加快。84% 的工作流程仍需要人手介入才能完成。財務團隊開始意識到單靠 AI 並不足以突破所有的流程局限。
AI 投資回報率，為何財務長仍未有清晰答案？
74% 財務主管視 AI 為首要任務。但仍有 40% 停留在建立商業論證 (business case) 的階段，難以向管理層證明短期效率以外的長遠價值。
財務團隊對 AI 發展並不卻步，卻受制於底層基礎設施
現有基建無法滿足財務主管的期望
當財務主管評估擴展 AI 的阻礙時，首五大技術挑戰均指向同一個根本問題：現有基礎設施的設計，根本無法讓數據在不同實體、地區及職能之間順暢流轉。
- 74% 已轉用單一平台或減少核心平台的數量，以支援其財務工作流程。
- 現時仍有 84% 的財務流程需要人手介入才能完成。
- 跨實體及地區的資訊零散且各自孤立，導致 AI 難以擴展至對帳、報表及基本應付帳款 (AP) 等簡單應用之外。
- 整合平台雖然可以減低複雜度，但如果數據無法跨系統互通，核心問題依然存在。
缺乏系統協調能力，單一痛點解決方案漸失優勢
AI 的價值取決於跨系統協調工作流程的效率。財務領袖清楚知道，他們需要一個統籌層 (orchestration layer) 作為基礎，讓 AI 能夠貫穿整個財務部門發揮作用。
- 66% 表示，能否在廣泛的財務生態系統中提供協調能力，是他們挑選供應商的首要準則。
- 65% 傾向採用靈活、以平台為基礎的架構，以支援逐步引入 AI 技術。
現有基建無法滿足財務主管的期望
當財務主管評估擴展 AI 的阻礙時，首五大技術挑戰均指向同一個根本問題：現有基礎設施的設計，根本無法讓數據在不同實體、地區及職能之間順暢流轉。
- 74% 已轉用單一平台或減少核心平台的數量，以支援其財務工作流程。
- 現時仍有 84% 的財務流程需要人手介入才能完成。
- 跨實體及地區的資訊零散且各自孤立，導致 AI 難以擴展至對帳、報表及基本應付帳款 (AP) 等簡單應用之外。
- 整合平台雖然可以減低複雜度，但如果數據無法跨系統互通，核心問題依然存在。
缺乏系統協調能力，單一痛點解決方案漸失優勢
AI 的價值取決於跨系統協調工作流程的效率。財務領袖清楚知道，他們需要一個統籌層 (orchestration layer) 作為基礎，讓 AI 能夠貫穿整個財務部門發揮作用。
- 66% 表示，能否在廣泛的財務生態系統中提供協調能力，是他們挑選供應商的首要準則。
- 65% 傾向採用靈活、以平台為基礎的架構，以支援逐步引入 AI 技術。
「許多工具都加入了 AI 功能，但往往各自為政。您可以在單一系統中使用 AI，但它無法與其他系統的 AI 溝通，這就是原生整合 (native integrations) 的局限。如您的流程需要人手處理例外情況、跨系統整合資訊，或涉及跨越多個工作流程的邏輯，您就必須具備一個統籌層 (orchestration layer)。」
企業財務長
美國科技 (SaaS)
「對我來說，最重要的因素是這些工具在整個財務生態系統中的整合程度。我們最近實施了一個資金管理系統，它的效果非常顯著，因為它能與我們的其他系統無縫接合。這種跨平台的流暢度讓我們能保持精簡的資金團隊，並將大部分流程自動化。」
企業高級財務總監
英國科技（旅遊）
「我們應該按不同職能來評估邁向自主財務的進度，而非將財務視為單一板塊。在應付帳款和應收帳款等交易領域，自動化要容易得多，因為規則清晰，結果也多屬非黑即白。策略性財務的發展則相對落後。這些工作本質上更為複雜，需要依賴判斷力、業務背景以及高度整合的數據。」
商業財務主管
澳洲電商企業
「財務自動化的發展速度已超越了審計實務的步伐。在財務領域，正確性並非可有可無，而是至關重要。我認為確保數字準確是我的責任。我相信我們最終會實現全面自動化，但更廣泛的生態系統需要迎頭趕上，尤其是審計人員。」
企業高級財務總監
英國科技（旅遊）
「要讓 AI 在這個領域發揮作用，它需要學習業務的細微差別、關鍵驅動因素、重要事項，以及『良好』的標準。這需要時間、反覆運算和持續的意見回饋。在建立這些背景資訊之前，即使 AI 成為完成工作的核心工具，策略性財務亦無法與會計領域一樣同步實現自主化。」
企業財務長 (CFO)
美國科技 (SaaS)
財務領袖的真正訴求：實時財務分析
加速決策行動
57% 表示引入 AI 的主因是為了改善實時預測及情境規劃，並實現日常工作流程的一站式自動化。AI 正向價值鏈上游移動，從單純提升效率，進化至提供實時數據分析及決策支援。
AI 作為智能助手
僅 23% 期望 AI Agent 能自主更改決策。財務主管更傾向將 AI 定位為智能助手：提供更準確的預測及更可靠的執行力，而人類則負責監督整體策略。
統一平台
超過 50% 優先考慮發展診斷及預測功能，以輔助財務決策。要實現這種智能化，前提是必須具備穩健的基礎，讓數據從一開始就能在不同實體、地區及職能之間保持一致流動。
互聯基礎設施是收窄差距的關鍵
穩固的基礎必須從底層建起。Airwallex 採用 AI 原生及 API 優先架構設計，將數據無縫接合至支付、財務及開支管理的核心。我們多年來致力獲取多國牌照、構建支付渠道，並連接全球清算系統，讓資金跨國界無縫流動。這套基礎設施讓 AI 能夠全面掌握資金流向，大幅減少數據零散問題，並確保大規模執行時的一致性。
AI 技術日新月異，單靠內部資源往往難以應付。因此，我們的平台專為運行複雜財務流程而設，您的團隊無須具備深厚的技術專長亦能輕鬆操作。我們的 AI 助手 Kai 可以利用自然語言協助您設定帳戶、將工作流程自動化，並解答各種數據查詢。
個國家： 讓您像本地企業一樣收款
個國家： 支援本地轉帳
高達 287
億美元： 年化處理全球支付交易額
個國家： 支援全球收款
缺乏合適人才，AI 執行將會停滯
53% 的財務領袖認為，技能缺口或缺乏操作 AI 財務流程的經驗，是擴展 AI 的主要挑戰。大部分企業仍處於收窄人才差距的初期階段：
- 僅 15% 正在實行涵蓋全公司的結構化 AI 人才策略（包括職位重塑、認證及招聘）
- 24% 尚未評估 AI 將需要哪些技能轉變，更遑論推出培訓計劃。
- 大多數企業介乎兩者之間，其中 24% 正在建立基礎 AI 認知，另有 30% 正在培訓特定員工以開發 AI 驅動的工作流程。
AI 徹底改變財務職能，領袖必須重新思考如何分配各層面的工作任務，並抱持開放態度，吸納不同背景的人才。未來的財務團隊需要具備混合型的技能組合，將傳統的財務專業與數據、AI 及策略規劃能力緊密接合。
混合模式將成未來主流
與其完全依賴內部自建或單純採購外部 AI 功能，51% 的財務領袖傾向採用「混合模式」來擴展 AI 應用，將內部研發能力與外部專業技術整合。預計在未來 12 個月內，此比例將進一步上升至 57%。
中國、新加坡及荷蘭已率先擺脫純外判模式，有效解決了供應商過多及數據零散 (data fragmentation) 的風險。
缺乏合適人才，AI 執行將會停滯
53% 的財務領袖認為，技能缺口或缺乏操作 AI 財務流程的經驗，是擴展 AI 的主要挑戰。大部分企業仍處於收窄人才差距的初期階段：
- 僅 15% 正在實行涵蓋全公司的結構化 AI 人才策略（包括職位重塑、認證及招聘）
- 24% 尚未評估 AI 將需要哪些技能轉變，更遑論推出培訓計劃。
- 大多數企業介乎兩者之間，其中 24% 正在建立基礎 AI 認知，另有 30% 正在培訓特定員工以開發 AI 驅動的工作流程。
AI 徹底改變財務職能，領袖必須重新思考如何分配各層面的工作任務，並抱持開放態度，吸納不同背景的人才。未來的財務團隊需要具備混合型的技能組合，將傳統的財務專業與數據、AI 及策略規劃能力緊密接合。
混合模式將成未來主流
與其完全依賴內部自建或單純採購外部 AI 功能，51% 的財務領袖傾向採用「混合模式」來擴展 AI 應用，將內部研發能力與外部專業技術整合。預計在未來 12 個月內，此比例將進一步上升至 57%。
中國、新加坡及荷蘭已率先擺脫純外判模式，有效解決了供應商過多及數據零散 (data fragmentation) 的風險。
北美遙遙領先：37% 企業已執行多步驟 AI 工作流程
數據整全成核心優勢
在北美市場，37% 受訪者表示 AI 已能執行多項預設任務，略高於全球平均的 35%。背後關鍵在於數據質素，只有 47% 北美受訪企業認為「數據孤島或格式不一」是擴展 AI 的主要障礙，比例遠低於亞太區的 65% 及歐洲、中東和非洲 (EMEA) 的 68%。
積極投資鞏固領先地位
北美市場的投資意向亦反映了其領先優勢。67% 企業預期未來 12 個月將增加 10% 或以上的 AI 投資，僅 8% 預期維持不變，是全球對 AI 投資態度最堅決的地區之一。
EMEA 監管環境擴大市場之間的差距
各地合規壓力不一
在 EMEA 地區中，英國在自主運作、預先設定的多步驟及單一步驟等工作流程的 AI 執行成熟度均高居首位。僅有 49% 受訪者表示風險與合規顧慮正在拖慢 AI 部署，相較之下，法國的相關比例則達 54%。
數據零散仍是最大發展上限
與歐洲部分地區相比，較為靈活的監管環境帶動了更強烈的 AI 採用意願，但數據碎片化 (data fragmentation) 依然是主要的限制因素。在法國和德國，71% 受訪者表示跨地區、機構或服務商的系統整合複雜性，是在金融工作流程中擴展 AI 應用的首要科技挑戰，相關比例高居全球首位。
在亞太區，人才儲備決定市場領先地位
先行者著重內部培訓
縱觀亞太區，越積極建立內部 AI 團隊的市場，領先優勢就越明顯。以新加坡為例，有 27% 企業正推行涵蓋全公司的系統化 AI 人才策略，比例冠絕所有受訪市場；中國則以 21% 緊隨其後。這種對人才的投資直接反映在執行力上：18% 的新加坡企業只需極少人手介入即可自主運行 AI，遠高於全球平均的 11%。
人才缺口拖慢執行進度
另一方面，新西蘭和澳洲在人才培訓及儲備上相對落後。兩地分別只有 7% 及 9% 企業推行全公司的人才策略，這方面的差距直接導致 AI 應用步伐放緩。
Airwallex 委託 Forrester Consulting 進行此項調查，並探討財務主管如何將 AI 從早期部署，至複雜環境下的應用。
研究覆蓋 11 個市場共 1,279 位財務決策者，並透過深入訪談 6 位財務主管，剖析部署後的關鍵障礙，以及如何透過「統籌層」(orchestration) 協調數據、系統與工作流程，從而推動可持續的 AI 發展。
所有引用的統計數據均出自本項研究（2026 年 6 月）。