今日最值得落地（3条）
- 把月结对账做成“可版本管理的财务 Skill”，而不是个人提示词
- 流程场景：AR sub-ledger 到 GL 对账、收入变动分析、ERP 迁移校验、主数据变更、定时报表。
- 最小试点做法：先选一个每月重复的对账流程，把输入文件、匹配键、差异分类、金额阈值、输出格式写成一份可复用 Skill。输入可从 AR 明细、GL aging、BigQuery / 数仓收入表、ERP 导出文件开始。
- AI 处理：自动读取两份表，按 invoice ID / customer / amount / period 匹配；把差异分成 exact match、timing difference、unexplained variance；对收入变动按 segment / customer / revenue source 做 bridge。
- 复核/控制点：controller 或 FP&A owner 只复核 exception report；任何入账、调账、主数据变更仍需人工批准。Skill 必须有版本号、变更记录、输入日期锁定、金额阈值。
- 输出物：reconciliation package、variance bridge、exception list、领导层 slide deck、Skill 版本库。
- 来源：CFO Connect：Inside Anthropic’s Finance Team: What 150 Claude Skills Looks Like in Practice（社区案例 / Anthropic finance team workflow；来源页面显示为 2026 年内容，文中引用 June 2026 webinar）
- CFO 应先建立 AI 使用清单和“金额阈值控制”，再扩大自动化范围
- 流程场景：AI 接触 forecasting、close anomaly detection、pricing / revenue recognition、AP/AR、payment、reporting 时的治理框架。
- 最小试点做法：本周先做一页 AI inventory：每个 AI 工具记录 vendor / owner / touched process / input data / output / reviewer / materiality threshold / 是否影响财务数字。
- AI 处理：不要求一开始自动化；先把“AI 是建议、生成草稿、还是直接决策”分类，区分 rule-based automation 和 AI-native judgment。
- 复核/控制点：所有影响财务报表、客户收费、付款、银行信息、收入确认的输出必须有 named human reviewer；高金额付款禁止 AI 自动执行；close / reporting 输出必须回勾 ERP 和 GL。
- 输出物：AI inventory、RACI、risk appetite statement、materiality threshold table、quarterly audit committee update。
- 来源：CFO Connect：The CFO’s AI Governance Framework（CFO governance workshop recap；来源页面显示为 2026 年内容）
- AP 自动化可以先用开源 invoice-to-pay agent 做“影子流程”验证，不直接碰 ERP 生产账
- 流程场景：供应商发票处理、3-way match、重复发票检查、欺诈/异常检查、审批流、ERP 模拟入账。
- 最小试点做法：抽取最近 50 张低风险供应商发票 PDF，加上 PO、收货记录、vendor master 的只读导出，跑一遍影子流程；先不写回 ERP。
- AI 处理：OCR / VLM 抽取发票字段，按 PO / receipt / vendor master 做三单匹配，生成异常原因和建议处理动作。
- 复核/控制点：AP reviewer 复核字段置信度、重复发票、银行账户变更、金额差异；controller 只看超过阈值或规则冲突的 exception。
- 输出物：invoice extraction table、match result、approval queue、audit log、mock ERP posting file。
- 来源：GitHub：mshojaei77/invoice-to-pay-agent（open-source repo；GitHub topic 页面显示 Updated Jun 29, 2026）
Accounting / Close / Controls
- AP 发票处理：PDF -> 抽取 -> 校验 -> 人工复核 -> 审批日志
- 输入：供应商发票 PDF、PO、收货记录、vendor master、ERP 导出。
- AI处理：抽取 invoice number、vendor、tax、amount、due date、bank details；做重复发票、3-way match、异常标记。
- 人工复核：AP owner 复核低置信字段和异常项；controller 复核银行账户变更、超阈值金额、非 PO 发票。
- 输出物：待审批清单、exception queue、audit log、ERP posting draft。
- 风险控制：禁止 AI 自动改供应商银行账户；付款前保留双人审批；字段置信度低于阈值必须人工确认。
- 来源：GitHub：invoice-processing-workflow topic（GitHub workflow/repo collection；页面包含多个 2026 年更新的 invoice workflow repo）
- 月结对账：适合从“异常报告”开始，而不是从自动入账开始
- 输入：AR sub-ledger、GL aging、bank statement、intercompany balance、prepaid schedule。
- AI处理：先做匹配、分类、差异解释草稿；不直接生成 journal entry。
- 人工复核：controller 审核 unexplained variance；业务 owner 解释 timing difference；超过 materiality threshold 的差异单独签字。
- 输出物：close workpaper、variance bridge、差异追踪表。
- 风险控制：锁定数据截止日；保留原始导出文件；每个调整建议必须能追溯到源交易。
- 来源：GitHub：ap-automation topic（GitHub repo collection；页面显示多个 AP / reconciliation / audit trail 项目于 2026 年更新）
FP&A / Planning / Reporting
- FP&A AI 使用要落到“variance commentary”和“管理层 deck”两个输出
- 输入：Actuals、Budget / Forecast、GL account mapping、revenue by segment、customer movement、部门费用表。
- AI处理：按 account / department / customer / segment 识别最大变动项，生成 variance commentary 初稿和 follow-up question list。
- 人工复核：FP&A owner 检查计算逻辑和解释是否与业务事实一致；business partner 确认 operational driver；CFO 只看重大差异和行动建议。
- 输出物：variance memo、monthly business review deck、action tracker。
- 风险控制：AI 不能凭空解释原因；每条 commentary 必须引用表中 driver、金额、期间、owner。
- 来源：YouTube：FP&A Interview Prep using AI Webinar | June 2026（webinar transcript；published 1 month ago）
- Monthly Financial Review 可以做成“CFO 先回答问题，再出 deck”的工作流
- 输入：月度 actuals、预算、收入/成本 driver、cash / compute / headcount 等经营指标。
- AI处理：先生成信号清单和问题，不直接生成最终 deck；要求 CFO / FP&A lead 回答关键判断后，再生成 MFR。
- 人工复核：CFO 确认四类问题：本月真正发生了什么、为什么发生、是否可持续、下一步管理动作是什么。
- 输出物：MFR deck、driver table、CFO discussion notes。
- 风险控制：把“叙事生成”和“管理判断”分开；AI 只能提供 90%-95% 草稿，最终判断由 CFO / FP&A owner 签字。
- 来源：AI CFO Office：Anthropic’s CFO uses Claude for the monthly financial review（Substack / partial public article；来源页面显示 2026 年内容，部分正文需订阅）
Treasury / Cash / Risk
数据暂缺。 本期未发现最近 365 天内、同时具备公开正文和可复用流程细节的 treasury / cash forecasting / liquidity risk AI 落地案例。 本周如要试点，建议只做低风险版本：用过去 13 周银行流水 + AR aging + AP due schedule 生成 rolling cash forecast 草稿，由 treasury 或 controller 手工复核，不允许 AI 发起付款或修改银行信息。
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
- 财务 AI owner 应该在 finance 内部，而不是完全交给 IT
- 团队建设经验：有效做法不是让 IT 写所有自动化，而是由 accountant、FP&A analyst、tax reviewer 把自己的工作步骤写成可复用流程；IT / data team 提供权限、连接器、版本控制和安全边界。
- owner 分工：
- Process owner：定义输入、规则、异常、输出格式。
- Finance reviewer：确认结果是否可用于 close / reporting。
- IT / data owner：管理系统连接、权限、日志。
- CFO / controller：定义哪些场景必须人工签字。
- 质量指标：节省小时数不是唯一指标；还要看异常漏报率、复核通过率、返工率、审计证据完整性。
- 落地提醒：先要求每个 team lead 提交 2 个“每月重复、规则明确、有人复核”的 Skill 候选，不要先做全公司大平台。
- 来源：Anthropic webinar：How finance teams use Claude Cowork（operator webinar；June 2026）
- AI governance 要纳入 CFO / Controller / Audit Committee 的常规节奏
- 团队建设经验：AI 触及数字后，CFO 不一定是系统 owner，但必须是 controls、audit attestation、risk appetite 的共同 owner。
- review/control 机制：每季度向 audit committee 报告 AI use cases、materiality threshold、human override、vendor model update、数据使用范围。
- 组织分工：CFO / FP&A Director 负责 forecasting assumption review；controller 负责 close / journal / control evidence；CRO / CCO 参与 pricing 和 revenue impact；external auditor 关注 methodology、population completeness、change log。
- 来源：CFO Connect：CFO’s Guide to AI Investment ROI（CFO framework / governance article；来源页面显示 2026 年内容）
开源 / AI 工程可借鉴
- n8n + Google Sheets + Gmail 的 AR 自动催收，可作为小团队 finance ops 的轻量试点
- 可复用架构：Google Sheets 存 AR aging，n8n 定时读取逾期发票，LLM 生成分层催收邮件，Gmail 发出或生成草稿。
- 适合流程：低金额、标准化的 SMB AR follow-up；先从“生成邮件草稿”开始，不自动发送。
- 数据流：AR aging -> overdue bucket -> customer email template -> reviewer approval -> Gmail draft / sent log。
- 注意事项：催收语气、客户争议、信用 hold 不能完全交给 AI；对 top customers 和争议账款必须人工处理。
- 来源：GitHub：SyedAliRaza1990/accounts-receivable-automation-n8n（open-source n8n workflow；GitHub topic 页面显示 Updated Jul 25, 2026）
- GL 到三张表和 CFO summary 的 n8n workflow，可用于“自动报表草稿”而非正式报表
- 可复用架构：General Ledger in Google Sheets -> n8n workflow -> Gemini 生成 P&L / Balance Sheet / Cash Flow summary -> Google Docs / Gmail 输出。
- 适合流程：管理报表初稿、月度财务摘要、经营复盘材料草稿。
- 数据流：GL export -> account mapping -> statement calculation -> narrative summary -> reviewer comments。
- 注意事项：三张表计算必须用确定性规则，不应让 LLM 自由计算；LLM 只负责解释和格式化。正式报表必须回到 ERP / consolidation system 核对。
- 来源：GitHub：SyedAliRaza1990/financial-reporting-automation（open-source n8n workflow；GitHub topic 页面显示 Updated Jul 26, 2026）
- MCP server 方向值得关注：把 AP invoice extraction 做成受控工具接口
- 可复用架构：MCP server 提供 AP invoice 字段抽取、重复检测、vendor normalization、payment terms calculation；LLM / agent 只通过受控接口调用。
- 适合流程：AP intake、vendor master 清洗、付款条款校验、重复发票预警。
- 数据流：invoice PDF / OCR text -> MCP tool -> structured fields -> validation rules -> AP reviewer queue。
- 注意事项：MCP 工具要有权限边界、输入输出日志、字段 schema、错误处理；不要让 agent 直接连 ERP 生产写权限。
- 来源：GitHub：AuxiLabs-Auxiliobits/auxilab-mcp-ap-invoice（open-source MCP repo；GitHub topic 页面显示 Updated Aug 5, 2026）
本周可做的小实验
- AR 对账 Skill 影子测试
- 数据范围：选一个子公司或一个业务线的 1 个月 AR sub-ledger + GL aging。
- 动作：让 AI 输出 exact match / timing difference / unexplained variance 三层报告。
- owner：AR accountant 准备数据；controller 复核 exception。
- review log：记录每个 exception 的 AI 分类、人工结论、是否误判。
- 继续条件：人工复核后准确率达到可接受阈值，且所有重大差异都被捕捉。
- AP 发票字段抽取 + 审批队列
- 数据范围：50 张低风险供应商发票 PDF，不含敏感银行变更。
- 动作：抽取 vendor、invoice number、amount、tax、due date、PO number；按金额阈值生成审批队列。
- owner：AP lead 复核字段；controller 抽样复核 10 张。
- review log：保留原 PDF、抽取字段、人工修改、最终审批人。
- 继续条件：关键字段错误率可控，且重复发票 / 非 PO 发票能被标记。
- Monthly variance commentary 草稿
- 数据范围：本月 actual vs budget 的 top 20 variance。
- 动作：AI 只生成 commentary 草稿和需要业务确认的问题，不生成最终结论。
- owner：FP&A owner 校验数字；business partner 补充业务原因；CFO 看最终摘要。
- review log：每条 commentary 标注“数据支持 / 业务确认 / 不采用”。
- 继续条件：FP&A 减少初稿时间，同时没有出现无依据解释。
- AI inventory 一页表
- 数据范围：财务团队所有正在使用的 ChatGPT / Claude / Copilot / spreadsheet add-in / OCR / automation tool。
- 动作：记录 process、input、output、owner、reviewer、是否影响财务数字、是否有审计日志。
- owner：controller 牵头；IT security 补充 vendor / data policy。
- review log：CFO 每月看新增和高风险用例。
- 继续条件：所有影响数字的 AI 用例都有 owner、复核人和阈值。
- 管理报表“确定性计算 + AI 叙事”分层
- 数据范围：一个部门的 P&L、headcount、pipeline 或 usage driver。
- 动作：Excel / BI 完成全部计算；AI 只生成 management narrative、风险提示、下一步问题。
- owner：FP&A analyst 做计算；FP&A manager 审核叙事。
- review log：标记每句解释对应的 source row / dashboard / business owner。
- 继续条件：AI 没有改动计算口径，且叙事能缩短管理报表准备时间。