从OpenAI财务部门看AI转型：也许我们该先重构决策，再重构流程

很多企业谈AI转型时，第一反应往往是：哪些工作可以自动化？哪些岗位可以提效？哪些表格、报告、会议纪要可以交给AI？

这些问题当然都重要。但最近OpenAI CFO Sarah Friar分享的一组实践，让人产生了另一个想法：也许企业AI转型真正应该先问的，不是“哪些任务可以交给AI”，而是“哪些关键决策值得被重新设计”。

OpenAI正在推动两个长期目标：一个是Zero-day Close，也就是尽可能接近“零日结账”；另一个是持续更新的预测体系。表面看，这些目标似乎都可以被理解为财务效率提升，但如果再往深处看，它们改变的并不只是财务人员做表、对账和预测的速度，而是管理层获得经营信息、理解经营变化和做出判断的节奏。

这可能是两种完全不同的AI转型思路。

今天不少企业的AI项目，会从员工日常工作出发。比如，财务部门可以让AI自动整理报表，销售部门可以让AI写拜访纪要，市场部门可以让AI生成文章，研发部门可以让AI辅助写代码。每一个场景看起来都能节约一些时间。

但问题也许在于：如果这些时间被节约下来以后，企业最重要的经营决策没有变快、没有变准，管理方式也没有发生变化，那么AI带来的更多可能只是“局部提效”。

我们不妨换一个问题。假设一家企业现在每个月做一次经营预测，从数据汇总到形成分析需要两周。那么真正值得思考的，也许不是“如何把预测报告写得更快”，而是：

如果经营预测可以从每月一次变成每周一次，甚至持续更新，管理层会做出哪些不同的决策？一旦从这个问题出发，AI转型的讨论就会自然从工具层进入管理层。

从OpenAI财务团队的实践看，有一个值得参考的顺序：先确定关键决策，再梳理流程；先识别流程中的信息和数据，再确定控制边界；最后才决定AI应该承担什么。

这和很多企业当前的路径正好相反。常见做法往往是先采购工具，再找场景，再计算ROI。结果是企业里很快出现几十个AI应用，但彼此之间缺乏关联，也很难回答一个问题：这些应用究竟改变了什么经营结果？

如果从关键决策出发，情况可能会不一样。比如我们希望提高销售预测的准确性，那么下一步需要看的不是“销售团队能不能使用AI”，而是：当前预测依赖哪些信息？信息在哪里延迟？谁负责判断？哪些数据可信？哪些异常需要人工介入？哪些判断可以交给模型，哪些判断必须保留在人手里？

这时，AI不再是一个单独增加的工具，而是开始成为管理流程的一部分。

OpenAI财务团队还有一个细节值得注意：AI输出需要连接可靠来源，预测结果需要提供解释，而已经批准的财务基线如果发生修改，仍然需要财务人员授权。

这似乎提醒我们，AI转型并不是把更多权力交给AI，而是重新划分人与AI之间的责任边界。

有些工作适合自动完成，比如数据整理、异常识别、初步分析；有些判断可以由AI提出建议，但需要人确认；还有一些关键决策，无论模型多强，最终责任仍然需要明确落在人身上。

所以，当AI开始进入企业核心流程后，我们也许需要同时设计三件事：

什么可以自动完成，什么必须人工确认，以及什么情况下系统需要停止并升级处理。

这是一种新的管理能力，而不只是新的技术能力。

另一个值得思考的地方，是企业如何衡量AI。

很多企业现在会统计员工使用率、调用次数、生成内容数量，甚至用“节省了多少小时”来证明AI价值。这些指标并非没有意义，但它们更多是在描述AI被使用了多少，而不是企业因此改变了多少。

OpenAI财务团队关注的指标更接近实际业务结果：预测更新是否更快、自动对账比例是否提高、人工处理的异常是否减少、解释经营差异需要的时间是否缩短。

这可能给我们一个启发：

AI项目的评价单位，也许应该逐渐从“调用量”变成“可靠工作完成量”。

如果一个AI系统每天调用一万次，却没有真正推动任何一个决策节点向前，它的价值可能很有限。相反，一个每天只运行几十次的AI流程，如果能够让关键经营预测提前一周完成，也许价值反而更高。

不同企业的关键决策并不一样。

制造企业可能关心订单、库存、产能和交付；B2B企业可能关心线索、报价、方案和商机判断；消费企业可能更关注客户需求、转化和供应链响应。

所以，AI转型也许很难依靠一套统一的“场景清单”完成。

更现实的方式，可能是从企业自身最重要的几个决策开始，一层层向下看：决策依赖什么信息，信息经过什么流程，流程存在哪些延迟和失真，哪些环节适合AI，哪些环节必须由人承担责任。

这也是为什么，AI转型正在越来越像一个管理问题，而不只是IT问题。

我们可以把一个AI场景简单拆成六个问题：谁做决策？多久做一次？需要什么信息？哪里最慢？AI能够改变什么？哪些判断必须由人保留？

也许当这些问题能够被回答时，企业才真正开始从“使用AI”走向“用AI重构经营”。

这件事当然不会有统一答案，也不可能一次设计完成。它更像是一种需要不断试验、复盘和修正的组织能力。

如果我们把AI看成管理体系的一部分，而不是一个额外工具，也许很多过去纠结的问题——该买什么模型、该自动化什么岗位、该如何证明ROI——都会慢慢找到更清晰的落点。

而真正值得继续讨论的问题可能是：在我们的企业里，哪一个关键决策，最值得先被重新设计？

参考资料

OpenAI，Sarah Friar，《What building an AI-native finance function taught me》，2026年8月10日。文章介绍了 OpenAI 财务团队建设 AI-native finance function 的实践，包括 Zero-day Close、自动化持续预测，以及“从重要决策出发，反向重构数据、工具、审批与工作流”的方法；同时强调 AI 输出应连接可靠来源、预测需要可解释、已批准基线的调整需由财务人员授权，并提出以实际完成的可靠工作和决策结果衡量 AI 价值。

OpenAI，《OpenAI and PwC collaborate to reimagine the office of the CFO》，2026年5月4日。OpenAI 与 PwC 将 OpenAI 财务部门作为 AI Agent 在企业财务场景中的“customer zero”，围绕预测、报告、采购、支付、资金、税务和结账等核心流程进行实践，强调 AI 不只是自动化重复任务，更需要与企业数据、治理、控制机制以及人工监督结合，以支持更及时的经营决策。