人工智能和生成式AI正激发财务领导者的无限想象。经过多年试运行和试点项目,这些技术现已在会计、资金管理、规划、并购等领域规模化应用。雄心显而易见,投资持续增长。但回报往往难以把握。核心问题是:领导者如何超越炒作,在财务领域实现AI和生成式AI的真实投资回报?
作者:Sebastian Stange、Alexander Roos、Marc Rodt、Michael Demyttenaere、Aaron Arnoldsen
核心要点
财务领域高ROI的AI项目有何不同?关键在于已验证的实施策略与聚焦实际影响的用例相结合。
人工智能和生成式AI正激发财务领导者的无限想象。经过多年试运行和试点项目,这些技术现已在会计、资金管理、规划、并购等领域规模化应用。雄心显而易见,投资持续增长。但回报往往难以把握。核心问题是:领导者如何超越炒作,在财务领域实现AI和生成式AI的真实投资回报?
2025年3月,BCG首席财务官卓越中心对全球大型企业的280多位具有AI和生成式AI实践经验的财务高管进行了调研。这是首个系统量化财务领域AI和生成式AI投资回报,并实证评估具体策略与用例驱动因素的研究。
我们的发现:
对技术的信心高涨,但成效参差不齐。报告中位数ROI仅为10%——远低于20%的普遍目标,近三分之一的财务领导者表示仅获得有限收益。缺失的不是兴趣或努力,而是合理成本下的价值实现。
高ROI团队做出不同选择。他们从一开始就聚焦价值而非单纯学习;采取整体转型视角而非单点用例开发;积极与IT部门和供应商协作而非闭门造车;并通过有序执行实现价值递进。
最终,领先者明白AI和生成式AI的成功不仅在于影响——更在于影响与投入的比值。在此,我们提供一份确保投资回报的实施指南。
投资回报率(ROI)差距真实存在
财务部门正在加速应用AI和生成式AI——但财务回报表现不一。仅45%的高管能量化其举措的ROI。其中三分之一报告回报低于5%,另有25%处于5%-10%区间——远低于20%的普遍预期。
三分之一的受访财务高管正在积极试点新项目,44%已进入规模化部署阶段。预期颇高:约30%认为到2025年底AI和生成式AI将带来变革性价值,半数预计未来三年内取得突破性成果。
虽然ERP转型仍是财务首要任务,但AI、专业软件解决方案和生成式AI紧随其后。更重要的是,CFO认为这些技术比早期技术进步(如机器人流程自动化或流程挖掘)更具变革性。
这种信心已体现在日常应用中。超半数受访团队在法定会计、交易核算及资金管理领域应用传统AI和生成式AI,许多机构正将其扩展至控制管理和并购支持等更高价值领域。
那么,阻碍ROI实现的因素是什么?关键在于AI和生成式AI并非即插即用的现成解决方案。
由于合规性、监管和审计要求,财务团队常面临比其他部门更多的实施障碍。为应对这些挑战,许多机构转向"AI代理"——专为复杂环境设计的AI应用系统。
代理技术驱动财务未来
智能体即将改变财务职能。这些自主应用程序能够执行任务或做出决策,通常能够随着时间的推移不断调整,无需人工干预。不妨将它们视为虚拟队友:由 GenAI 或 AI 驱动的专用工具,能够从多个数据源获取数据,分析输入并采取行动——无论是执行变更还是提出建议。无需任何提示、编码或校准。护栏已预先精心构建到系统中。定义目标、设定界限并确保问责仍然是人类的职责。
我们的调查发现,超过 75% 的财务主管预计座席将在三年内成为日常运营的一部分。理由很充分:座席能够将自动化扩展到传统工具难以触及的复杂且异常频发的领域。
一些组织已经看到了成效。目前,17% 的财务团队正在积极使用 GenAI 代理,另有 13% 的团队计划效仿。领先的财务自动化提供商 HighRadius 使用代理 AI 减少了现金申请流程中三分之一的人工工作。
设想一个嵌入在应付账款中的代理。它可以扫描发票,将其与采购订单和合同条款进行比较,标记不匹配项,并触发审批工作流,从而大幅缩短异常处理时间。
ERP 供应商正竞相将座席嵌入到原生系统中。随着应用规模的扩大,企业将需要新的监管模式来确保透明度、一致性和强有力的管控——尤其是在受监管的环境中。
处于AI和生成式AI探索初期的组织常缺乏必要资源、技能和基础设施。进阶者则面临高实施成本及数据质量、可审计性、协同等问题。低估这些挑战本身就是风险:数据显示,对困难有清醒认知的团队比盲目乐观者进展更快。总体而言,73%的高管认为至少存在四项关键障碍,24%指出七项以上。
尽管如此,部分财务部门仍取得可观回报。约五分之一报告AI和生成式AI投资ROI达20%或更高。
领先团队如何获取真实回报
脱颖而出的组织凭借两大优势:差异化实施策略与精准用例选择。
在我们测试的30多项实施策略中,有十项表现最为突出——包括将AI和生成式AI融入整体财务转型、系统化追踪、制定清晰数据战略、聚焦速赢项目等(见图表1)。数据分析表明,CFO通过以下四大验证策略可显著提升投资回报。
财务领域AI和生成式AI最成功实施策略
坚定不移聚焦价值。高回报团队优先考虑速赢项目而非开放式学习——这种专注带来6%的成功率提升。顶尖执行者设立专项AI和生成式AI预算控制成本,将资源导向有效领域——这是十大成功策略之一。项目必须证明实质价值才能获得资金。团队采用与其他重大投资相同的严谨标准——支持有效项目,砍掉无效投入。
系统化追踪对指导AI决策至关重要——但许多CFO承认建立困难。部分用例难以量化,特别是当价值体现在洞察力提升等无形收益时。此时领导者可采用替代指标(如全职人力节省、预测准确率提升)评估影响。指标无需完美即可生效。价值追踪实践能保持项目聚焦,减少开发资源浪费于华而不实功能的风险。
采取更广阔的转型视角。将AI和生成式AI融入整体财务转型的领导者,成功率比孤立实施者高出7%。
高绩效团队串联关联用例而非运行数十个无关试点,使数据、技术等基础投资产生更大效益。这种"珍珠链"方法让用例效益相互促进,释放更广泛的组织重构。同样,当CFO将用例应用于端到端流程而非孤立环节时效果更佳。
某消费品公司CFO在财务规划与分析部门采用这种全局重构方法。初期该组织面临典型挑战:团队成员手动整合多方数据应对临时需求,常无法准确评估营销促销对利润的影响,其他基础计算也缺乏信心。
为此,团队构建了驱动树模型——通过数学方法将不同数据源的操作指标与财务结果关联,支持从简单加法到复杂算法的各种连接。该系统还支持便捷添加新数据源和调整连接方式以适应不同需求和商业模式变化。随后他们叠加生成式AI驱动的自然语言界面,实现按需提取临时查询的精准答案。重构后的系统使报表生成时间缩短50%。
当报表系统运作后,团队采用"珍珠链"策略扩展影响。基于现有驱动树模型,他们能轻松替换新输入数据实现算法预测——使预测速度提升30%。同样的逻辑还支持动态情景建模,为团队新增了这项能力。
实现转型规模需要深度用户采纳。财务团队必须掌握新系统的使用边界、结果验证方法,并调整工作流程。因此变革管理与沟通同属十大成功要素。正如某财务高管所言:"通过加强利益相关方管理来实现加速突破。"
治理框架也需明确定义。可审计性是首要关切,通过实用化框架提前应对可建立信任并降低后期风险。这些步骤颇具挑战——许多CFO表示其组织在此遇到困难。但若缺乏明确的风险解释与合规政策,即使最有前景的AI和生成式AI项目也会停滞。财务部门应直面而非回避这些难题。
积极协作。财务部门无需独自构建所有能力,协作往往带来更高回报。某蓝筹企业CFO强调:"财务与IT的协作对确保AI应用至关重要。"
AI和生成式AI转型高度依赖IT部门——不仅是基础设施,更在于专业技术支持。高绩效团队与IT紧密合作,并释放财务部门合适人才。组建专职团队(而非兼职配置)可提升5%的成功率。
与外部伙伴的协作同样重要。鉴于AI和生成式AI专家招募困难,数据显示借助供应商专业知识可增加5%成功概率。
技术层面亦然——利用现有软件方案而非从零开发能提升ROI。然而40%的CFO仍不清楚供应商现有产品,及时了解是当务之急。
主流ERP系统已内置AI和生成式AI功能。例如SAP的Joule自然语言聊天机器人可生成报告、匹配现金流、预测付款;BlackLine运用AI识别关账风险和交易匹配。这些持续升级的功能为财务团队提供了处理数据审计等挑战的现成工具。
这并不意味着现成方案总是最佳选择。平均55%的解决方案为自主开发。但定制开发应仅限于能创造显著差异化或重大客户价值的场景。以算法预测为例——这对多数企业都是高影响用例,因其需要适配企业特定数据、商业模式和决策场景,值得投入专属解决方案。
分阶段目标化执行。某大型消费品公司CFO坦言:"初期最大失误是缺乏清晰路线图,过度追求小范围胜利。"
领先者从中汲取教训:最成功的财务团队不追求全面转型,而是按需构建,确保每步都产生实质回报。启动时,CFO应组建小型专项团队而非广泛试错,这种聚焦方式可减少资源浪费,提升6%的成功率。
仅靠试点不产生ROI。最成功团队从起始就规划扩展路径——减少展示性试点,更多投入用户采纳等基础工作。数据转型也应循序渐进,根据用例需求投资数据质量,而非追求初始完美。这种有序方式既能快速实现价值,又为后续发展奠定基础——因为为一个用例构建的基础设施常能支持其他关联用例。
产生最高ROI的AI和生成式AI用例
我们的分析不仅关注实施策略,更识别出最具价值的应用场景(见图表2)。值得注意的是,十大高价值用例多集中于风险管理、财务规划与分析、法定会计领域,而非财务运营。
带来变革性影响的AI和生成式AI用例
风险管理位居榜首——这个在AI讨论中较少提及的领域却产出惊人成效。运用技术检测欺诈、降低相关成本的财务领导者常获得变革性成果。财务预测紧随其后,在现金流建模、销售计划、库存管理等方面影响显著。
但我们发现,仅少数财务团队在探索这些持续产生超额ROI的领域。
这并非缺乏行动。典型财务部门有6个处于概念验证阶段的用例和5个已投产项目。更先进的组织可能另有1-2个进行中用例,但总数很少超过十个。
缺失的不是努力——而是影响力。当前多数财务团队优先考虑提升内部效率的用例,特别是应付应收、政策起草、编码等交易领域。这些用例通常实施更快、更易论证,在需要效率提升支持转型时尤为适用。但先进财务职能不止于此——他们在追求效率的同时,更侧重释放商业价值的用例:如优化决策、改进预测或加速洞察。数据显示,他们更可能将这些高影响领域与核心效率提升并行推进。
领先团队正将注意力转向高ROI用例——这是将努力转化为真实影响的最可靠路径。某全球娱乐公司近期试点的生成式AI风险工具就是典型:该工具扫描财务动态、识别异常并自动生成高管级警报,提供近乎实时的风险视图。此类应用既降低风险敞口,又将财务部门定位为整个业务的智能中心。
领导者还需明确生成式AI的适用场景——因其擅长领域与传统AI截然不同(参见侧栏《在语言领域应用生成式AI,而非数学领域》)。
在语言领域应用生成式AI,而非数学领域
生成式AI为财务开启新可能——但仅适用于特定任务。与传统AI确定性处理结构化数据不同,生成式AI基于概率预测最可能响应,其设计特性会引入变异——既激发创造力也可能产生幻觉。因此其核心优势在于语言处理而非数学计算。
这种差异至关重要。多数财务工作流程涉及确定性问题:销售验证、账户核对、法规遵从等,这些并非生成式AI所长。机器学习、规则自动化等传统技术仍是精确工作的首选。结构化数据处理通常更适合API、SQL查询等可审计方式。
若仍需逐行核对生成结果,效率增益将荡然无存。但真实机遇确实存在:自动生成财务评论、投资者沟通稿、自然语言系统界面乃至Python分析脚本等场景表现优异。
生成式AI可能改变部分工作的执行地点。凭借多语言能力与操作引导,更多财务活动可转移至共享服务中心,降低对当地语言能力与机构知识深度的依赖。
CFO应保持清醒:生成式AI无法跨越ERP缺陷或解决数据质量问题。但选择性应用确实能扩展产能、提升效率。
AI和生成式AI正在重塑财务职能——不仅使其更精简,还通过快速精准的洞察变得更战略化。但回报不会来自单纯实验,而需将AI视为绩效投资:目标明确、执行严格、影响可测。
取得最佳成果的财务团队并非做得更多,而是做得更准。他们聚焦价值,有的放矢地扩展,并量化每个环节。
路线图从未如此清晰。对CFO而言,下一步很简单:让ROI成为战略核心——并由此引领转型。
根据波士顿咨询公司(BCG)的报告,航空航天和国防(A&D)领域的人工智能投资存在三个关键真相:首先,竞争优势来源于人工智能技术栈的顶端,即面向用户的解决方案,而非底层基础设施和数据集成,但目前大部分支出仍集中在底层。其次,定制化的人工智能解决方案能够带来更高的投资回报率,然而许多企业仍在依赖现成的系统。最后,A&D公司倾向于建立大型内部AI团队,而其他行业则通过与外部合作伙伴合作,更智能地扩展规模。报告建议A&D企业重新聚焦投资,优先发展面向用户的AI解决方案,采用云优先策略,定制适合自身独特任务的AI...
关键要点
BCG 针对 200 位首席营销官 (CMO) 的年度全球调查显示,人们对 GenAI 未来影响力的乐观情绪日益高涨,这推动了新的营销投资,这些投资不仅注重效率,更注重增长。为了支持从实验到规模化的战略转变,CMO 现在需要关注绩效衡量、人才以及端到端流程的实施。
转变战略重点。 通过实施快速扩展流程,首席营销官可以优先考虑那些能够在内容、个性化和代理等领域释放下一阶段增长潜力的投资。
加强衡量。 对绩效和投资回报率的严格审查将要求首席营销官们巩固他们在过去几年中建立的坚实衡量基础。
提...
2025年5月28日下午国策智库专家、专精特新研究专家、新质生产力实践与应用专家、中国贸促会商业行业委员会上海标准化服务中心主任、中国创造学会创造理论与应用研究专业委员会副主任委员和创新创业创造专业委员会副...