编者按：Mike Nader是总部位于加利福尼亚州福斯特城的Incorta公司的现场首席技术官。Incorta是一家专注于实时数据分析的企业软件供应商。本文观点仅代表作者个人。

十年前，数据与分析部门负责人向CFO汇报工作还是一种罕见现象。如今，这种架构已相当普遍。

这并非偶然，它折射出财务职能在过去十年间发生的深刻变化。

财务部门依然承担着解释“发生了什么”的职责，这部分工作并未消失。但如今，财务被赋予了更多期待：不仅要说明“为什么发生”，还要指出“什么发生了变化”，以及“企业下一步应当采取什么行动”。

尤其是最后一点，代表着财务职能的根本性转变。传统上，财务工作侧重于报告历史业绩，对可能重塑未来预期的实时业务信号缺乏可见性。

一个典型的运营场景

不妨设想这样一个案例：在伊利诺伊州皮奥里亚的一家制造工厂，一家供应商未能按时交付包装线所需的管道。生产线仍在运转，但产能无法达到计划设定的水平，吞吐量降至预测值的80%。

运营问题在工厂内部显而易见，但财务影响可能在数周内都不会显现。

财务最终会看到结果——营收低于预期，预测出现偏差。总部的某个人会追问究竟发生了什么。

而答案其实一直就存在于业务运营之中。

多年来，财务团队在生成准确、可复现的报告方面已经做得非常出色，这项工作依然重要。但真正的价值已不再局限于制作另一份相同格式的报告，而在于理解数字所传递的信息，以及企业应当如何据此做出响应。

快速变化的时代

当下，快速识别运营信号的需求比以往任何时候都更为迫切。关税正在改变成本结构，供应链中断不断打乱生产计划，需求模式的转变让财务预测的难度持续加大。两周前看起来还合理的预测，可能在这个月结束前就已过时。

当前环境为财务部门提供了一个重新审视既有流程的契机。许多流程诞生于这样一个时代：每一个新问题都意味着一次新的数据提取、一张新的电子表格、一次新的对账或一场新的会议。当获取细节的成本高昂时，这些流程是合理的。但问题在于，它们如今是否依然适用。

这正是我认为许多关于人工智能在财务领域应用的讨论未能切中要害的原因。

AI并不能凭空创造商业洞察。它真正能做的，是帮助财务部门更快地找到答案。但这有一个前提：底层数据必须可访问且值得信赖。

判断力：稀缺的核心能力

同时，这还需要判断力。正因如此，我对那些擅长制作数据透视表的人并不特别兴奋。我可以生成一万份Excel工作簿，这已不再是稀缺技能。我真正需要的是懂业务的人。

在我合作过的最优秀的预测专家中，未必是那些在Excel上花费时间最多的人，而是那些真正理解业务如何运转的人。

他们知道供应商问题何时会引发下游连锁反应；他们知道需求何时偏离了正常轨道；他们知道某个数字看起来不对劲，因为它与从客户那里听到的、在运营中看到的或从市场感知到的情况不符。

这种判断力正变得愈发重要，而非相反。

AI对财务的影响

AI的兴起，本质上只是为财务部门腾出了更多精力，去专注于更高价值的工作。

大量围绕数据收集、验证和报告生成的常规工作如今可以实现自动化。这并不会降低财务专业人士的价值，而是改变了他们创造价值的位置。

差异化的关键不在于谁能构建最复杂的电子表格，而在于谁足够了解业务，能够识别出变化正在发生，并预判这种变化可能带来的影响。

财务部门一直擅长解释“发生了什么”。现在的机遇在于，在仍有时间采取行动之际，理解“为什么发生”。