多主体、多系统之间的往来账目要逐笔核对，差异要逐项追因。过去，这属于典型的 " 表哥表姐 " 时间：Excel 文档一直打开，人工比对到眼睛发花，一个流程走下来动辄一两天。
如今在阿里巴巴集团财务部，对账季呈现出另一番景象：一批各自带有明确任务、画像和职能的 Agent 接手了这项工作。它们各持各的 Skill、连接不同的业务平台、持有不同的上下文，通过 A2A 协议相互串联：入口 Agent 先做分析，再把任务分发给六七个 Agent 并行处理。
这个过程中，当 Agent 发现自己缺少数据时，它不会凭空捏造，而是通过打通的钉钉 IM，以机器人身份给真人同事发消息，请对方提供数据或二次核查，拿到回复后再把信息带回协作流程。
这个样本之所以稀缺，是因为它恰好落在当前企业财务 AI 落地最纠结的位置上—— Agent 提升了个人效率，不代表企业整体效率就能提升。
工具有了，但智能没到位
当下，企业财务其实并不缺 AI。
在会计核算、费用报销等高频基础模块，其采用率和智能化程度早在 SaaS 普及阶段就已开始持续渗透，而在业财融合、经营决策支持等更贴近战略价值的领域，企业财务对智能化的需求与日俱增。
但是需求的膨胀并不等于供给的匹配，财务 AI 的落地，正面临一个尴尬的现实。
CFO 通常具备全局经营视角和考核权，因此在推动业务拥抱 AI 时，必然会反复权衡 AI 项目的投入产出。多个企业 CFO 与我们的交流中提到：" 老板支持 AI 转型，但会反复追问‘怎样花钱、花多少、花多久’，对花钱存在明显担忧。" " 就算 AI 给我们也用不了，因为企业没有数据基础，前几年投入数百万的数据中台与会员运营体系基本作废了。" 还有的 CFO 指出，" 我们早就选定模型了，但却卡在漫长的审批流程里，选型速度根本追不上模型迭代速度。组织流程与 AI 节拍之间存在一整代错位。"
阿里云智能集团 CFO 罗伟观察到，有的企业看不见明显路径，甚至试图第一天就把 ROI 算清楚，不敢轻易尝试；有的企业则卡在数据上，很多审批流程通过邮件走，数据还没有形成结构化；还有的企业则将篱笆扎得非常紧，包括阿里巴巴自身，此前都做了很多数据安全的分级。但 AI 时代，这些管控措施可能被直接绕过，而且很多时候可能是在不理解数据加工方式的前提下，无意识泄露数据。
我们意识到，现实中大量企业财务智能化仍面临投入回报疑虑、数据基础薄弱和组织流程错位的诸多障碍。
ACCA 与 CA ANZ 联合发布的一项调研数据显示，在价值评估缺口方面，财务部门评估战略数据价值的方法仍较为分散：仅 21% 的受访者会对数据项目进行 ROI 测算；更多受访者采用相对主观的方式，其中 34% 收集利益相关者意见，21% 采用试错法；另有 33% 会针对每项数据计划分别制定商业案例，而 28% 尚未建立系统化方法。
《2026 年中国企业财务智能化现状调查报告》则发现，尽管 OCR、智能流程自动化等成熟技术成为企业财务工作的标配，大模型、Agent 的采用仍处于早期阶段。同时，企业间的财务智能化水平同样参差不齐，反映出企业决策人、CFO、财务人员对智能财务的认知和理解的差异。
如何突破大模型、Agent 在企业财务落地的瓶颈，其实并不在工具的可用性，而在组织的可行性。过去一年，阿里巴巴财务团队相对完整地走过了场景挖掘、能力沉淀、组织变革的全过程，财务团队已上线了 70 多个 Agent，沉淀了 200 多个 Skill，从发票识别到内控巡检形成了一批 " 数字员工 "，这批实践成果在 2026 年云栖大会上集中亮相。这恰恰是行业寻找已久的中国企业财务 AI 落地样本。
阿里集团 CFO 徐宏把企业应用的智能化程度划分为五级成熟度，从工具革命一路延伸到价值重构。
L0 信息化：基于规则支撑并记录流程执行
L1 LLM as a Tool：大模型嵌入现有流程提供类人判断
L2 Co-pilot：个人 Agent 按需处理任务提升个体上限
L3 Auto-pilot：组织 Agent 自主执行常驻任务，职能在线
L4 Super-pilot：处理人力不可及的工作，产出新组织能力
值得注意的是，对于多数企业组织而言，如果是小修小补可能根本达不到 L3，要实现 L3，就必须进行财务重构，按照 AI 的能力对整个工作流程进行重新设计。
为何财务先行
在多数企业还在争论 AI 该从哪个部门先落地时，在阿里巴巴，财务却成为被 " 选中 " 的部门。这件事情有个最容易被所有人忽略的前提：财务，天然处于数据最密集的位置上。
在阿里巴巴这样庞大的组织内部，多年以来一直在坚定地走财务线上化路径。也就是说，从会计财务、税务，到资金管理、内部控制，以及商业管理、信用控制等众多场景，背后积累的是大量相对结构化的财务数据。对比之下，当其他职能部门还在补数据结构化这一课，财务部门已经在靠数据展开一系列的运营分析了。报表、Excel、数据库，恰恰是财务 " 表哥表姐 " 们的日常。
另一个关键推力则来自 CFO 作为财务一把手自上而下的推动，这一点非常关键。AI 时代，从 CFO 的视角，必须愿意做一些早期投入。
2025 年，CFO 徐宏给出了一个前置判断：AI 将改变整个财务的工作范式，并开始了早期实践。不过，彼时 AI 工具还比较原始，财务部门做的更多是研究、思考和储备，但这个节奏很快就因为 Agent 的到来被大幅提前，集团财务部门也开始进行更密集的 AI 实践。2026 年 6 月，阿里内部 AI 办公产品合并为 " 千问办公 " 统一底座，阿里财务也通过千问办公将这套实践提炼为可对外交付、可商业化的产品方案。
在千问办公产研负责人束骏亮看来，现阶段的大组织在推进 AI 转型时，如果想第一天就把 ROI 算清楚是比较困难的，并不利于 AI 的推广。
罗伟强调，ROI 有两层：一是提效——时间压缩、成本下降；二是提质——比如准确率从 70% 跃升到 90% 甚至 95% 以上，这是纯人力很难稳定达到的水平。后者往往被忽略，但对财务而言，" 做对 " 比 " 做快 " 更重要。
不过，要说阿里巴巴为什么这么笃定，可能还有一个原因是在于互联网公司常讲的 " 自己先用自己造的东西（dogfooding）" 的基因。
罗伟说，阿里云是中国领先的 AI 服务提供商，如果阿里云的财务都不能在 AI 应用领域做到相对领先，说不过去。从财务人的角度，他说，AI 这个东西，一旦发现它对你的日常工作有帮助，就停不下来。同时，唯有深入真实业务，才能准确判断 AI 的应用价值，从而由财务域的实践延展至整体 AI 战略的落地。
具体分工上，阿里巴巴内部由集团统领铺底，一线纵深突破：集团层面，率先展开 AI 实践，落地在共享服务、财务、财资这些全员共用的横向职能场景；各业务单元，像阿里云一侧则更多推进业务财务、内控、销售管理等贴近业务的场景。
在阿里巴巴集团的所有职能线里，其实很多条线都已在 AI 建设节奏中，财务线反倒成为参与人数最多、走得最靠前的一条。
70 多个场景，落在哪里
截至目前，阿里巴巴财务线已经有 70 多个财务场景从几百个候选场景中被筛选出来，并基于千问办公平台形成了工具化产品，让整个部门都能用起来。
基础作业规范类：发票识别、单据审核、差旅报销、报表生成等。以发票处理为例，Agent 直接接管了 Procure to Pay（P2P，从采购到付款）的端到端服务，无人值守率从约三分之二提升到 92%，审核成本下降 31%。
业务洞见及辅助决策类：资产负债表核对、预测分析等。资产负债表核对，这个因集团历史上业务分分合合、两三个业务共用一个公司外壳而异常繁重的任务，时效从 50 个工作日缩短至 30 个，准确率从 70% 提升到 90% 以上。
分析决策流程类：现金流预测与管理、内控等。
以现金流预测与管理为例，一批各自有明确任务、画像和职能的 Agent 协同工作，实现工作流程可审计、可监控、全程留痕。罗伟透露，核心业务的短期现金流预测准确率，从大约 70% 提升到了 90% 以上，与此同时，AI 现金流分析驱动对不同业务性质的账户资金实现流动性、收益性结合的精细化管理，在保障业务顺畅开展的同时，也带来了数以千万计的资金收益。
这些场景中相对深度的场景，也是束骏亮所定义的 " 复杂场景下的多 Agent 协作 "，这是千问办公与阿里集团财务共同探索出的、更有价值也更具挑战性的场景。
按照束骏亮的理解，Agent 提升个人效率毋庸置疑，但个人效率的提升，不代表整件事情的效率就能提升。比如问答、查政策、发票识别，这些场景对于今天任何一个 Agent 都不是难事，像发票识别在没有大模型的时代也能做得很好。
如果再参照第三方 Gartner、德勤等对财务 AI 成熟度的划分，当多数企业仍停留在 " 个人助手 " 与 " 团队问答 " 阶段，阿里财务已经跑到了 " 数字员工 " 与 " 多 Agent 班组 " 的位置。
组织再造：一号位、快赢与 Super User
一年下来，阿里巴巴财务线自身最大的变化不是 " 省了多少人天 " ——人并没有减少——而是人的时间重新分配了。罗伟用一个比例来描述：原来是 2 个人做架构、8 个人做执行，未来应该翻转为 8 个人做架构、2 个人做执行，甚至所有人都是架构师。人的精力从逐单执行转向规则维护、异常判断和质量把关。
同时，他提到如果只是在几个大项目里使用了非常好的 AI 解决方案，并不能算作 AI 落地成功，还需要整个组织对 AI 的应用能力达到一定水准。很多好的点子，一定是自下而上、由最熟悉场景的同学具备了 AI 能力之后思考出来的重构，而不是只做几个大项目。
罗伟今年组织层面的一个 OKR，就是整个组织 AI 能力的迭代和升级。可以拆解为三件事情：
第一，把中台做好。构建数据、组织 skill 等通用能力，一支类似内部 FDE（Forward Deployed Engineer，前沿部署工程师）的落地团队，把所有人的下限抬起来。
第二，让整个组织动起来，拓宽度。中台做好统一选题的支持，鼓励大家先做 " 快赢 "，即一个月内基本可以落地见效的动作，且将 Token 消耗量、skill 的下载量等视为组织 AI 活跃度的观察数据之一（不作为 KPI）。
第三，用大项目做深度。这里需要多个团队协同，其中就包括与千问办公协同搭建的 Agent to Agent 场景产品能力。
当然，让所有人的认知到位、搭团队、设计长线作战方案、打破部门墙……这些事情不可能自然而然发生，一定需要一号位去引导，甚至在某种情况下亲自下场推动。
CFO 作为财务一号位的角色同样重要。从阿里巴巴的实践来看，可能既要当总指挥，也要做赋能者。
比方说，早期钉钉与千问办公的连接，中台的搭建，都需要一支特种部队，把数据安全、数据权限这些可预期的最大障碍集中解决掉。
罗伟举例，在阿里云，每个小团队还会出一名 Super User，这些人往往来自中层骨干，他们对 AI 理解和运用最深，同时还能把团队积极性带动起来。
同时，内部分享也被制度化，每周一到两场，由不同团队自己讲自己的思路和做法，甚至还有一个收集想要的 Skill 的 " 许愿池 "。
快赢、许愿池、Super User ……这些颗粒度极细的动作背后是同一个判断：AI 转型的本质是组织再造，而不是 IT 项目。这也是防止 AI 落入 " 高级 RPA（Robotic Process Automation，机器人流程自动化）" 陷阱的关键。束骏亮解释 RPA 是完全标准化的流程，一旦平台界面更新或数据位置变化就识别不了，AI 相比 RPA 最大的好处是能够泛化。罗伟则从业务侧补充：避免 RPA 陷阱的核心不是把旧流程做得更快，而是用 AI 重新设计流程，比如内控从 " 抽检一部分控制点 " 变成 " 全量扫描 + 巡检机器人持续监控 "，这是完全一个新的思路，一个新的角度看这个问题。
财务即产品
如今再来看这套实践沉淀价值的方式，远比成果本身更值得行业注意。
在千问办公的视角里，70 多个场景沉淀下来的不是一个个孤立场景，而是一套原子化能力，这些能力不绑定具体场景，可以重新组合到新场景中。
企业客户需求千差万别，标准产品无法包打天下，因此还需要 FDE 团队进入业务现场，和业务方一起把原子能力串成可落地的方案。标准能力保证可复制，FDE 保证可落地。
打个比方：一个季度对账 Agent，表面上看是帮财务对账，但拆开看，它背后依赖的是一堆通用零件，比如：Agent 定义能力、Agent 调用能力、运行日志与审计能力、多 Agent 编排能力，以及打通 IM 的能力。这些能力积累得越来越多，在企业内部落地的时候，才会具备更多的可行性。
这些能力并非抽象概念。束骏亮介绍，千问办公已经从阿里巴巴财务的 70 多个场景中沉淀出一组标准化产品组件：Agent 定义与画像、统一调用接口（API/CLI/IM 三种入口）、运行环境配置（公网 / 本地可选）、身份鉴权与权限管理、全链路日志与审计、多 Agent 编排（业务人员可自定义 Agent 小队、路由规则与执行顺序），以及跨系统打通能力。
财务场景对数据准确性要求极高。束骏亮介绍，千问办公通过四重机制降低出错概率：数据治理（对数据库字段做语义化）、强制代码执行（要求 Agent 通过写代码而非直接生成结果来完成操作，保证逻辑严密）、全链路日志审计（每一步可回溯）、数据来源展示（供用户 Double Confirm）。至于 "AI 出错谁负责 " 这个普遍焦虑，束骏亮的回答是：" 谁引入谁负责 "，沿用企业现有的管理框架，引入 Agent 的部门负责人对结果负责。
对外部客户如何测算 ROI，束骏亮的建议非常务实：不要试图在第一天就把所有 ROI 算清楚。建议企业从两类场景切入：" 高频重复劳动 "，每周 / 每天重复几十上百次的流程，以及 " 高难度跨部门协同 "，需要拉通多部门、耗时长的挑战性场景，用小预算试点，运行 7-10 天达到稳态后，再计算节省的人力、缩短的流程时间与 Token 成本。
" 阿里巴巴更多是希望提供一个初始推动力，只有把这个飞轮或者雪球滚起来，企业内部的业务流程才会越来越多地往 AI 方向转。" 他说。
不过，这些场景毕竟是阿里集团这样超大规模的财务组织提炼而成，因此对外首先受益的一定是同等规模具备复杂财务业务场景的客户企业。中小企业场景相对聚焦，往往三四个能力就能覆盖大部分需求。
因此，客户在千问办公能够找到的，未来不会只是这 70 个固定场景，而是场景背后的能力组合：模型、运行时（Harness）、编排、定义、调用、审计。这些能力到了不同企业，能沉淀出远比如今更多的场景。目前这套解决方案已对接金蝶、用友等国内主流财务软件，独家打通 Salesforce 等企业级常用系统，近期正在对接天猫、飞猪等阿里生态数据。策略上不追求集成数量，而是关注集成后能否带来业务增量、能否无缝融入企业原有体系。
这也是 AI 时代与 SaaS 时代的根本不同：SaaS 时代客户要基于产品功能改变自己的流程，AI 时代则不必为了 AI 强行改变流程，而是在原有流程里找到能被 AI 替代和加速的环节。本质上，这也是从 SaaS 时代 " 卖产品 + 实施 " 到 AI 时代 "PaaS+ 服务 " 的演进。
财务人员画像的质变
AI 重构了组织，其中的每一个岗位也势必会被改变。
罗伟描绘的未来财务团队结构是：两个人做执行，八个人做设计，甚至十个人都做设计，而他们驱动的是 100 个、甚至 500 个 Agent 具体做落地执行的工作。
这不是效率提升的量变，而是角色重构的质变：财务人员从 80% 执行 /20% 设计，翻转为 20% 执行 /80% 设计，核心能力变成 " 定义正确的问题 " 和 " 维护 AI 工作环境 "。CFO 的角色也随之扩展，除了决策增强，还要承担 AI 治理、数据底座建设与组织变革引导的责任。
在罗伟看来，AI 带来的不是渐进式提效，而是财务价值的跃迁：从搬运走向判断，从记录过去走向模拟未来，从规则的执行者走向规则的设计者。
再回到阿里巴巴财务自身，AI 实践相当于把一个个抽象命题变成了具体路径。价值重塑，就发生在每一个财务人从 " 表哥表姐 " 到财务 AI 产品经理、AI 开发者的转身中。这个 " 转身 " 不是让财务人员去写代码，而是让他们具备产品思维、数据思维和工程思维：能把业务问题翻译成 AI 可处理的任务，能定义输入输出与评价标准，能协同技术团队迭代优化，能在业务场景中验证价值。至于这套能力如何在更广泛的行业里复制，答案正在被一步步写出来，它取决于数据基础、场景判断、组织意愿、治理框架，也取决于是否有人愿意先走一遍。
这也让行业看到，从当下走向 AI Native 财务组织的路径已经清晰，剩下的只是走完这段路的时间。（本文首发于钛媒体 APP）
