财务 AI 培训
点击右侧下一页，点击左侧上一页，Esc 退出
财务 AI 应用培训

AI 赋能财务报表、分析与预警

从生成式 AI 基础和 WorkBuddy 低代码工具出发，结合财务场景案例与 APA-Insight 预警闭环，说明如何安全落地自动化报表、本地数据处理和风险提醒。

主讲人：技术管理部 - 付志福 日期：2026年5月18日
培训内容概览

本次培训聚焦四件事

01

AI 模型

生成式 AI、LLM、提示词、幻觉与边界。

02

AI 工具

WorkBuddy、通用 AI、Excel/BI、本地脚本。

03

使用经验

如何写提示词、如何保护数据、如何复核结果。

04

两个案例

低代码报表预警、本地处理 SAP 导出数据。

核心观点：AI 不替代财务判断，只替代重复劳动，并辅助更快发现异常。
AI 扫盲

人工智能、机器学习、深度学习、生成式 AI 的关系

AI

人工智能

让机器完成需要“智能”的任务，例如识别、分类、预测、生成。

ML

机器学习

让系统从数据中学习规律，而不是完全依赖人工写死规则。

DL

深度学习

用多层神经网络学习复杂模式，是很多大模型的基础。

GenAI

生成式 AI

根据提示词和上下文生成文本、图片、音频、代码等新内容。

财务场景中，生成式 AI 更适合生成初稿、解释、摘要和处理步骤；最终金额、口径和判断仍需人工复核。
生成式 AI 能力

生成式 AI 不只会聊天，也能辅助生产多种内容

文本

报告与摘要

生成月报初稿、会议纪要、差异解释、催收邮件和管理层摘要。

代码

公式与脚本

生成 Excel 公式、Power Query 思路、SQL 查询和 Python 数据处理脚本。

图表

看板与展示

根据指标口径建议图表类型，辅助设计经营分析看板和汇报结构。

流程

任务拆解

把复杂需求拆成数据准备、规则确认、计算校验、输出复核等步骤。

生成式 AI 的价值不是“一次给出最终答案”，而是把空白页变成可修改、可验证、可复核的初稿。
模型怎么来

数据 + 算法 = 模型

1训练数据模型学习的原材料，质量、多样性和代表性会影响输出质量。
2机器学习算法告诉模型如何从数据中识别模式、建立关联并调整参数。
3模型学习后的结果，可用于预测、分类、生成内容或回答问题。
4提示词与上下文用户提供任务、字段说明、样例和限制条件，影响每次输出质量。
对财务使用者来说，关键通常不是训练模型，而是给清楚的业务口径、字段说明、输入样例、输出格式和复核标准。
Token、向量与上下文

AI 不是直接“读懂整份文件”，而是分段处理信息

Token

模型会把文本切成较小片段再处理。文件越长、表格越大，消耗 token 越多。

向量 / 嵌入

模型把文字含义转成数字表示，含义相近的内容在向量空间中更接近。

上下文

模型一次能参考的信息有限。对话太长或资料太多时，早期信息可能被弱化。

财务实践建议：长制度、长报表不要一次性全部交给 AI，优先拆分任务、补充字段说明，并指定样例输出。
基础模型使用方式

从轻到重，优先选择成本最低、可控性最高的方式

最常用

提示工程

通过角色、任务、字段说明、样例和约束控制输出，适合大多数日常办公场景。

知识增强

RAG

先从制度、流程、知识库中检索相关资料，再让 AI 基于资料回答，适合财务口径问答。

专项优化

微调

用特定样例调整模型表现，适合长期稳定、样本充足、收益明确的专门任务。

成本最高

预训练

从大量数据训练基础模型，成本和门槛很高，通常不是普通财务应用的起点。

财务应用建议优先级：提示词模板 → WorkBuddy/低代码流程 → RAG 知识问答 → 本地脚本处理敏感数据；微调和预训练只在收益明确时评估。
基础风险认知

为什么财务不能直接相信 AI 输出

幻觉

AI 可能生成听起来合理但事实错误的内容，例如编造原因、出处或不存在的数据。

数据安全

上传未脱敏成本、价格、客户、供应商和合同数据，会带来隐私和合规风险。

可解释性

AI 给出的结论不一定能说明计算过程，财务报告必须能追溯到原始数据和明确规则。

财务使用 AI 的底线：AI 可以辅助生成“可能解释”，但不能替代金额核对、口径判断和责任确认。
一、AI 模型

用财务能理解的话解释 AI 模型

模型是什么

模型可以理解为“从大量数据中学习出来的规则压缩包”。它根据输入、上下文和提示词生成输出。

数据 + 算法 = 模型
模型 + 提示词 + 上下文 = 输出结果

大语言模型擅长什么

  • 理解自然语言需求
  • 生成报告、摘要、邮件和 PPT 文案
  • 生成 Excel 公式、Python、SQL 思路
  • 把业务规则拆成执行步骤
能力边界

生成式 AI 适合什么，不适合什么

适合

  • 周期性、固定格式、规则明确的报表
  • 数据清洗、分类、汇总、初步异常识别
  • 会议纪要、管理层摘要、分析框架
  • 代码、公式、自动化脚本初稿

不适合直接决策

  • 付款、税务、披露、审计结论
  • 无复核的最终金额与比例
  • 未脱敏敏感数据在线上传
  • 没有明确口径的复杂经营判断
财务报告只能写可验证结论；AI 可以给可能解释，但不能把猜测当事实。
财务 AI 实践地图

2026 年财务 AI 常见落地场景

场景AI 可以做什么人必须确认什么
费用报销发票识别、费用分类、政策初筛、重复报销检查真实性、合规性、审批责任
应付账款 AP发票字段提取、PO/收货/发票匹配、异常说明付款条件、税务、供应商信息
应收账款 AR逾期分析、催收优先级、催收邮件草稿客户关系、信用策略、争议处理
预算与 FP&A预算差异、滚动预测、情景模拟、管理层摘要假设、口径、业务解释
关账与报告报表汇总、差异解释、报告初稿准确性、披露、审计线索
合规与审计异常交易初筛、证据清单、控制检查审计结论、整改责任、留痕
二、AI 工具

财务日常建议按四层选工具

低代码优先

WorkBuddy

数据分析、报告生成、定时自动化、推送结果，适合财务日常。

通用 AI

通义、DeepSeek、Kimi、ChatGPT、Claude

写提示词、生成思路、润色报告、生成代码草稿。

数据工具

Excel / Power Query / BI

稳定报表、仪表盘、可视化和长期看板。

进阶

Python 本地脚本

SAP 导出数据二次加工、多表合并、复杂规则分类。

建议顺序：能用低代码就不用代码；涉及敏感数据和复杂规则时，再采用本地脚本。
WorkBuddy 日常路径

为什么财务更容易从 WorkBuddy 开始

适合财务的能力

  • 自然语言下达任务，不必从零写代码
  • 导入 Excel/CSV，生成统计图表和报告
  • 周期性自动执行日报、周报、月报
  • 任务完成后保存到工作空间并推送

适合的任务

  • 月度预算执行分析
  • 经营数据可视化报告
  • 费用异常初筛
  • 固定口径的管理层摘要
注意：如果要做“预警”，建议用明确阈值触发，再让 AI 负责解释和生成摘要。
三、使用经验

财务提示词六要素

角色

你是财务分析助手、预算分析助手、成本分析助手。

背景

说明业务场景、数据来源、分析目的和口径。

任务

列清楚要汇总、分类、对比、预警还是生成报告。

输入

字段说明、样例数据、文件格式、统计周期。

输出

表格、图表、异常清单、邮件、PPT 摘要。

约束

不得编造、金额以原表为准、无法判断需标注。

可直接复制

财务通用提示词模板

你是一名财务分析助手。 背景：我需要分析【月份/部门/产品线】的【成本/收入/费用/应收】数据。 数据：提供 Excel/CSV，字段包括【字段说明】。 任务： 1. 按【维度】汇总【指标】； 2. 找出【阈值】以上的异常项目； 3. 对异常原因给出可能解释，但不要编造事实； 4. 输出管理层可读的摘要。 输出格式： - 一张汇总表 - 一张异常明细表 - 三条核心结论 - 三条建议行动 约束：金额和比例必须以原始数据计算为准；无法判断的原因标注“需人工确认”。
案例一

WorkBuddy：自动化报表与异常预警

1准备模板部门、科目、预算、实际、同比、环比。
2导入数据上传 Excel/CSV 或选择固定目录。
3生成分析汇总表、图表、异常清单、摘要。
4设置阈值超预算 5%、环比上涨 10%、逾期 30 天。
5定时推送每周或每月自动执行并推送结果。
预警设计原则：规则判断 + AI 解释 + 人工确认。
案例一提示词

月度预算执行分析示例

你是一名财务经营分析助手。请读取我上传的 Excel 数据，完成月度预算执行分析。 任务： 1. 按部门和费用科目汇总预算、实际、差异额、差异率； 2. 找出差异率超过 5% 或环比增长超过 10% 的项目； 3. 生成异常明细表，字段包括部门、科目、预算、实际、差异率、可能原因、建议动作； 4. 生成 3 条管理层摘要和 3 条后续跟进建议。 约束： - 所有金额以原始 Excel 计算为准； - 原因只能写“可能原因”，不能编造确定结论； - 无法判断的项目标注“需业务确认”。
案例二

AI 生成代码，本地处理 SAP 导出数据

业务痛点

  • SAP 导出数据粒度不够细
  • 产品成本需要按模块、组件二次分类
  • 多表合并和去重手工耗时数天
  • 数据敏感，不适合上传在线平台

解决方案

  • 用脱敏样例向 AI 说明规则
  • 让 AI 生成 Python/Excel 公式/脚本
  • 真实数据只在本地电脑运行
  • 后续月度任务替换文件后一键执行
实践经验：初版代码通常需要迭代，剩余部分通过反馈、样例和人工调试逐步完善。
案例二提示词

SAP 成本分类脚本示例

你是一名熟悉财务数据处理的 Python 助手。请帮我生成本地运行的 Python 脚本。 背景：我从 SAP 导出产品成本明细 Excel，需要按物料字段重新分类。 输入文件：cost_raw.xlsx 字段包括：产品编码、产品名称、物料编码、物料描述、成本金额、数量、月份。 分类规则： 1. 物料描述包含“WiFi”或物料编码前缀为 WIF 的，分类为“WiFi 模块”； 2. 物料描述包含“屏”或“Display”的，分类为“显示组件”； 3. 无法匹配的分类为“其他待确认”。 输出：明细结果、汇总表、原始金额合计与输出金额合计。 约束：代码只在本地读取文件，不连接网络，不上传数据。
APA-Insight 项目实践

预警系统的核心不是“发邮件”，而是形成风险闭环

APA-Insight 面向 Android TV OTA 合规风险管理，将多源数据采集、统一口径复算、趋势预测、分级告警和邮件推送串成完整闭环，可作为财务预警系统设计的参考。

291

监控对象

按品牌、平台、设备型号持续监控；财务场景可替换为客户、项目、供应商、产品线。

31

重点对象

先筛出必须关注的对象，减少无效信息干扰，让风险优先级更清晰。

26

达标对象

达标状态基于统一指标和规则自动复算，减少人工口径差异。

5

风险对象

已触发严重告警，进入责任人确认、处理计划和后续跟踪闭环。

可迁移的方法：先定义对象、指标、阈值、趋势窗口和责任人，再让 AI 辅助生成解释、摘要和待确认问题。
项目界面参考

APA-Insight 主页面的预警看板结构

APA Insight
合规看板OTA预警数据管理
总设备数291
强制合规31
已达标26
未达标5
PlatformBrandModelLevelStatus
平台 A品牌 A型号 ACritical未达标
平台 B品牌 B型号 BWarning即将越线
平台 C品牌 C型号 CInfo持续关注

页面结构特点

  • 顶部先放关键 KPI，让风险一眼可见。
  • 中间用明细表承接每一个风险对象。
  • 用颜色和标签区分严重、预警、关注。
  • 支持导出 Excel / PNG，便于汇报和留痕。
  • 按平台、品牌、型号筛选，可替换为客户、部门、项目、供应商。
页面为脱敏示意图，保留看板结构和展示方式，不包含真实业务明细。
APA-Insight 方法论

从事后报表升级为提前预警

1多源采集TADA、APA、GOTA、Activations 等来源。
2指标复算不用原系统结论，按统一口径重新计算。
3阈值判断例如窗口期内达标率、激活量、维护期剩余天数。
4趋势预测预测 30/60/90/180 天后是否跌破。
5分级告警严重、预警、关注、提示，明确处理优先级。
6邮件推送自动发送 HTML 报告和 XLSX 明细。
预警系统的完整链路是：数据采集 → 规则判断 → 趋势预测 → 自动推送 → 人工闭环。
预警分层

APA 的四级告警可迁移为财务风险分层

严重

已经越线

当前已经不达标，需要立即处理。财务例子：重大客户逾期、预算严重超支、现金红线跌破。

预警

短期会越线

当前未越线，但预测 30 天内可能触发风险。财务例子：预算消耗过快、毛利率即将低于目标。

关注

需要提前准备

中期存在风险或维护期不足。财务例子：合同到期、授信到期、库存账龄接近阈值。

提示

背景提醒

不一定需要立即处理，但需要纳入月度简报。财务例子：口径变化、数据缺失、异常波动。

预警邮件参考

预警邮件不是普通通知，而是“可执行的风险清单”

[APA Insight] OTA 预警报告 - 严重 5 / 预警 20 / 关注 16

自动生成日期：2026-05-10 · 收件人按责任范围配置

OTA 预警中心：共 41 条需要关注的 OTA 预警，邮件正文直接给出分级标准、风险明细和预计跌破时间。

严重5当前已不达标
预警20预测 30 天内跌破
关注16需提前准备
级别对象关键指标预计跌破建议动作
严重对象 A达标率 0.0%已跌破立即确认责任人与处理计划
预警对象 B达标率 12.9%119 天提前准备资源和排期
关注对象 C维护期不足365 天内纳入月度跟踪
邮件为脱敏示意，保留“摘要 + 标准 + 明细 + 动作”的结构，不包含真实收件人、品牌型号和明细数据。
财务改造思路

把 APA-Insight 翻译成财务语言

APA-Insight 做法财务系统可改造成财务应用价值
Device / SKU客户、项目、供应商、产品线、费用中心每个对象都可以被持续监控。
Snapshot月度/周度财务指标快照不只看一张报表，而是看趋势。
Patched Level回款率、预算执行率、毛利率、现金覆盖率定义关键指标并设置阈值。
SPL Distribution应收账龄、成本构成、库存账龄从明细分布推导风险。
Forecast Breach Day预计多少天后跌破财务红线从事后解释升级为事前预警。
Monthly Email自动财务风险简报自动推送异常清单和管理层摘要。
财务看板示意

财务预警看板示意

统计看板

12.6%费用超预算率
38逾期应收项目
7 天预计现金红线
5重大风险事项

预警条形图

预算超支
72%
应收逾期
58%
毛利下滑
43%
合同到期
31%
以上数值为展示样例，用于说明页面结构，不代表真实财务数据。
预计实现方案

财务预警系统可以按 5 层实现

1. 数据层

SAP/Excel/预算表/应收账龄/费用明细，先做脱敏样例和字段字典。

2. 指标层

预算执行率、逾期天数、毛利率、现金覆盖天数、成本环比。

3. 规则层

用阈值判断当前是否越线，例如超预算 5%、逾期 30 天。

4. 预测层

用趋势窗口估算 30/60/90 天后是否会跌破红线。

5. 推送层

生成 HTML 邮件、Excel 附件、WorkBuddy/企业微信提醒。

AI 放在解释层：生成可能原因、管理层摘要、待确认问题和跟进建议；红线判定仍由规则和财务口径控制。
预计实现细节

以“应收逾期 + 预算超支”为例

应收逾期预警

  • 对象：客户 / 项目 / 销售区域
  • 指标：应收余额、逾期天数、逾期金额占比、历史回款速度
  • 规则：逾期 > 30 天进入预警，逾期 > 90 天进入严重
  • 预测：按近 3 个月回款趋势估算多少天后触发红线
  • 推送：客户清单、金额、责任人、建议催收动作

预算超支预警

  • 对象：部门 / 科目 / 项目 / 产品线
  • 指标：预算、实际、差异额、差异率、环比、同比
  • 规则：实际超过预算 5% 进入预警，超过 10% 进入严重
  • 预测：按日均消耗速度估算月底是否超支
  • 推送：Top 异常、可能原因、需业务确认事项
AI 在预警中的角色

AI 不负责判定红线，AI 负责解释红线

环节更适合谁做原因
阈值触发规则引擎 / 低代码流程必须稳定、可解释、可审计。
趋势预测规则 + 统计模型需要基于历史数据和明确窗口。
异常解释AI 辅助可以快速总结可能原因和待确认问题。
管理层摘要AI 辅助 + 人工复核提高表达效率，但结论必须复核。
处理决策财务负责人 / 业务负责人涉及责任、资源和业务判断。
落地建议

4 周试点计划

周期目标产出
第 1 周选择 1-2 个低风险高重复场景场景清单、字段模板、口径说明
第 2 周设计提示词和脱敏样例数据提示词模板、样例 Excel、复核规则
第 3 周用 WorkBuddy 或本地脚本跑通流程初版报表、异常清单、推送样例
第 4 周复核、优化、固化为标准流程操作手册、风险清单、复盘结论
优先试点：月度预算差异、产品成本分类、应收逾期预警、费用异常初筛。
安全与合规

财务 AI 使用守则

不能做

  • 不能上传未脱敏敏感经营数据到未批准工具
  • 不能让 AI 做最终付款、税务、审计结论
  • 不能把 AI 猜测写成确定事实
  • 不能跳过金额、比例、分类复核

应该做

  • 优先使用公司批准工具和本地处理
  • 使用脱敏样例讲清业务规则
  • 保留提示词、脚本、输出和复核记录
  • 固定任务沉淀模板和复核清单
让 AI 做重复劳动，让财务做专业判断。
结束页

本次培训可以留下的三个动作

每人准备一个场景

找一个每月重复、口径明确、低风险的报表任务。

每组沉淀一个模板

形成提示词、字段说明、输出样式和复核清单。

先试点再推广

从 WorkBuddy 低代码开始，复杂场景再本地脚本化。

资料来源

来源与参考