今日最值得落地（3 条）
1｜Spendesk CFO：MCP 直连 Claude，三个核心财务报告从小时级压缩到 8 分钟内
- 场景：差旅合规检查、预算 vs 实际 OPEX 审查、AP 账龄分析。
- 可做动作：Spendesk CFO Pauline Babell 分享了三个具体提示词工作流。差旅合规：“Generate travel policy compliance report, April 2026”，输出违规清单、成本中心分摊、建议修正措施。预算对比：“Generate budget report for Q4 2025”，输出 variance、未计划支出、按成本中心的风险与行动计划。AP 账龄：“AP aging report — overdue exposure this week”，输出逾期敞口、按账龄分层的发票数量、优先行动清单。
- 复核控制：MCP 连接设为只读（不能创建付款、审批发票、修改记录）；数据权限与 Spendesk 用户权限一致；Claude Enterprise 不用公司数据训练。每次查询结果需 controller 或 AP owner 审核后再向管理层汇报。
- 输出物：合规报告、OPEX 审查 deck、AP 账龄报告——均可设为每月自动运行。
- 关键前提：数据必须先整合到一个干净的平台。Pauline Babell 原话：“Consolidation comes first. You cannot connect what is not consolidated.”
- 来源：CFO Connect — MCP and Claude for Finance（Spendesk 社区发布的 CFO 实操分享，2026 年）
2｜Cube 创始人：AI vs Automation 决策框架——两个问题判断用哪个
- 场景：财务团队选型——某个流程该用规则自动化还是 AI。
- 可做动作：用两个维度画决策矩阵。(1) “我能写清楚规则吗？“——能且覆盖所有例外→自动化；需要判断力/上下文/模式识别→AI。(2) “审计要求高吗？“——给审计师/董事会/资本配置的输出→高审计性，必须有人工复核和置信度阈值；内部分析/情景规划→可轻治理。最高风险象限：规则不确定 + 审计要求高。
- 复核控制：高审计性 AI 输出必须有：文档化假设、置信度阈值、指定复核人签字。
- 输出物：判断矩阵表。Cube 建议的具体靶点：规则确定→自动化的场景包括经常性分录、期末预提、集团内部抵消、variance 阈值告警、报告分发、数据校验、资产负债表对账；AI 场景包括自然语言跨系统查询、大额交易异常检测、情景叙述/commentary 起草、多部门预测输入综合。
- 关键警告：自动化风险是”把当前理解的漏洞一起固化”；AI 风险是”没有可审计的推理路径”。
- 来源：Cube Software — AI vs. Automation in FP&A（供应商创始人文章，含可复用框架，2026 年 5 月更新）
3｜新 CFO 前 90 天 AI 赋能上手剧本——按周拆解
- 场景：新任 CFO 或财务 leader 快速上手并建立 AI 工作基础。
- 可做动作：上任前：要求最近 24 个月董事会 deck、投资人材料、战略规划，用 AI 提前综合。第 1-2 周：用 AI 综合历史文档，识别反复出现的主题、风险和缺口；第一件事是搞清数据血缘——每个 KPI 从哪来、谁拥有源数据。第 3-4 周：建流程清单，映射每个手工流程的 owner、时间成本、下游依赖，不碰任何”承重”流程。第 2 月：审计所有定期报告——三个问题：(1) 谁读、驱动什么决策？(2) 停掉 48 小时有人 notice 吗？(3) 其他地方有更准确的数据吗？目标砍掉约 50% 的”僵尸报告”。第 3 月：交付前瞻性财务模型含情景分析，不只是历史回顾。
- 复核控制：每个数字必须可追溯到审计级、已连接的数据源。AI 输出只有追溯到可信基础设施才可采用。
- 输出物：流程清单、僵尸报告清理日志、前瞻性财务模型。
- 来源：Cube Software — The New CFO’s First 90 Days（供应商文章，含可执行 playbook，2026 年）
Accounting / Close / Controls
1｜规则确定的会计流程应优先自动化，而非上 AI
基于 Cube 决策框架（见今日最值得落地第 2 条），以下流程属于”规则可写、数据源确定、一致性优先”的自动化靶点：经常性分录与期末预提、有明确逻辑的集团内部抵消、阈值触发的 variance 告警、报告分发与调度、数据校验检查、资产负债表对账。判断标准：如果初级分析师能在 10 分钟内写出步骤且每月做法相同，就该自动化。
- 风险控制：自动化前先审计现有规则是否仍然正确、流程是否已变、输出是否有人复核。自动化最大的隐性风险是”把当前理解的漏洞一起固化”。
- 来源：同上 Cube 文章。
2｜StackAI：资本账户对账 AI Agent（供应商 demo）
一个财富管理基金的案例：资本账户对账原本需要分析师手动核实跨多个实体、报表和账簿的数千条记录。StackAI 展示了构建一个 Agent 来自动完成匹配和初筛。输入：多实体的资本账户报表和账簿数据。AI 动作：跨实体自动匹配、标记异常。人工复核：分析师对 AI 标记的异常逐条确认。输出：对账报告。
- 注意事项：这是供应商 demo，实际部署效果需自行验证。但流程架构（多源数据→Agent 匹配→人工审核异常→输出报告）可参考。
- 来源：YouTube — StackAI: Build a Capital Account Reconciliation AI Agent（供应商 demo 视频，2025 年底发布，日期未明）
FP&A / Planning / Reporting
1｜预算 vs 实际 OPEX 审查：从一周循环到 4 分钟
见今日最值得落地第 1 条。提示词 “Generate budget report for Q4 2025”，输出包括 variance、未计划支出、成本中心分层、风险与行动方案。Pauline Babell 原话：“No more Google Slides for OPEX review where it’s pending review. That’s powerful.” 关键：可设置为每月自动运行，第五个 workflow 的搭建成本远低于第一个——复利效应。
2｜AI 用于 FP&A 的高价值场景分类
基于 Cube 框架，AI 适合”高级分析师需要真正思考才能回答”的问题：跨财务系统自然语言查询、大额交易集异常检测、情景叙述和高管 commentary 起草、综合多部门预测输入、非线性历史数据的预测分析。关键条件：数据必须先可信，AI 才有用。“AI doesn’t make data trustworthy. The data has to be trustworthy first.”
- 来源：同上 Cube 文章。
Treasury / Cash / Risk
1｜AP 账龄报告：从小时级到 7.3 分钟
见今日最值得落地第 1 条。提示词 “AP aging report — overdue exposure this week”，输出逾期敞口总额、按账龄分层的发票数量、现金曲线可见性、优先行动清单。可每周自动运行。
数据暂缺。 本期未发现最近 365 天内关于现金预测、银行流水自动匹配、DSO/O2C 风险监控的新 AI 落地案例或实操方法。
Tax / Compliance / Audit
数据暂缺。 本期未发现最近 365 天内税务研究、SOX/内控或审计证据管理的新 AI 落地案例或实操方法。
CFO / Leader 团队建设经验
1｜cjgustafson（Startup CFO）：你不能 vibe code 一家上市公司
X 用户 cjgustafson 自述为 Startup CFO，近期发布两条相关内容：“You Cannot Vibe Code a Public Company: Where AI Actually Works in Finance” 和 “How do you build an AI-first finance team? And maybe more importantly, how do you trust the outputs?” 前者讨论 AI 在财务中的真实适用边界；后者聚焦 AI-first 团队如何构建、如何信任输出。
- 待验证线索：X 内容未能完整提取全文，无法确认具体流程细节。但从 bio “Startup CFO” 和主题定位看，是追踪 AI-native 财务团队组织方式的有价值线索。
- 来源：X — cjgustafson / X — cjgustafson（operator 信号，待验证）
2｜AI Ops / Chief of Staff 招聘信号：AI-native 公司正在规模化招 BizOps
AI Operators Newsletter（Evan Lee）在 2026 年 5 月 13 日发布第 26 期，汇总 50 个 AI 公司 BizOps/Chief of Staff 职位。过去一年共发布 693 个职位，3,300+ 订阅者。值得关注的信号：Variance（AI agents for compliance）在招 Business Operations Manager；Paradigm（AI-powered spreadsheet）在招 Business Operations；多家 Series A-B 公司正在招 Head of Operations 和 Strategy & Operations Manager。
- 解读：AI-native 公司正在用 BizOps/CoS 角色来承接原本需要更多专岗的财务/运营工作，这是 headcount substitution 的组织信号。
- 来源：AI Operators Newsletter — Vol. 026（招聘信号汇总，2026 年 5 月）
开源 / AI 工程可借鉴
1｜Deja Vu：本地优先 AI 记忆层，跨工具共享上下文
GitHub 项目 JSingletonAI/dejavu，204 stars，Python 实现，Apache-2.0 许可。核心架构三层：接口层（Python SDK / CLI / REST / MCP Server）→ 记忆引擎（用 Venice API 做记忆提取和排序）→ 本地 SQLite 存储（~/.dejavu/memories.db）。
- 财务团队可借鉴：如果团队用 Claude Desktop / Cursor 等 MCP 客户端做财务分析，Deja Vu 可以让 AI 在不同会话间记住公司的会计政策、科目结构、历史 variance 解释等上下文，不需要每次都重新输入。所有数据留在本地 SQLite，不出站。
- 适用试点：先在 FP&A 场景试——把公司的成本中心结构、常用 KPI 定义、历史 commentary 存入 Deja Vu，看 Claude 在生成月度 commentary 时是否减少幻觉和重复提问。
- 注意事项：依赖 Venice API 做记忆提取（需 API key）；204 stars 属于早期项目，生产环境需评估稳定性。
- 来源：GitHub — JSingletonAI/dejavu（开源项目，持续活跃）
本周可做的小实验
1｜用 Claude + MCP 跑一次 AP 账龄报告
- 数据：导出最近一周的 AP aging 数据（供应商、发票号、到期日、金额、付款状态）。
- 动作：配置 Spendesk 或类似工具的 MCP 连接，用提示词 “AP aging report — overdue exposure this week” 查询。
- 复核：AP owner 对照 ERP 原始数据逐项核对 AI 输出的逾期金额和发票数量。
- 产出：AP 账龄报告 + 差异记录。
- 判断标准：如果准确率 >95% 且生成时间 <10 分钟，值得扩展到月度自动运行。
2｜画一张 AI vs Automation 决策矩阵
- 数据：列出财务团队当前 10 个最耗时的月度流程。
- 动作：用两个维度打分——(1) 规则确定性（1-5，5=规则完全明确）；(2) 审计要求（1-5，5=给审计师/董事会）。画 2x2 矩阵，把 10 个流程放进去。
- 复核：Controller 审核分类是否合理。
- 产出：决策矩阵表 + 自动化优先级排序。
- 判断标准：右上象限（规则确定+审计高）的流程应在 30 天内完成自动化 POC。
3｜用 Deja Vu 给 Claude 存入公司会计政策上下文
- 数据：整理公司会计政策手册（收入确认政策、费用分类标准、集团内部抵消规则等）。
- 动作：安装 Deja Vu (
pip install dejavu && dejavu serve)，用 CLI 把政策条目存入记忆库，然后用 Claude Desktop 做 MCP 连接。 - 复核：Senior Accountant 验证 Claude 在回答会计政策相关问题时是否引用了正确的政策条目。
- 产出：Deja Vu 记忆库 + 测试问答记录。
- 判断标准：如果 Claude 回答准确率从基线提升 >30%，考虑扩展到更多上下文。
4｜审计并砍掉 3 个”僵尸报告”
- 数据：导出团队当前所有定期报告清单。
- 动作：对每个报告问三个问题（见今日最值得落地第 3 条）：谁读、停掉 48 小时有人 notice 吗、其他地方有更准确的数据吗？
- 复核：FP&A owner 和业务负责人确认哪些报告可以停发。
- 产出：僵尸报告清理日志（报告名、停发原因、最后阅读人确认）。
- 判断标准：如果能砍掉 30%+ 的报告，团队时间释放明显，值得继续推进。