上周，一家客户约我们上门演示 AI 在财务上的应用。
对方 CFO 提了个很实在的要求：「别讲概念，拿数据跑给我看。」
我们当时卡住了。
演示 AI，必须配一套业务数据。可谁愿意把自家真账拿出来给别人演？
于是这周我们干了件笨事：虚构了一家公司，然后把它做「活」。
一、我们造了一家公司
沪宁精密制造（上海）有限公司。
年营收 2.83 亿，通用设备制造，一般纳税人 + 高新技术企业，318 名员工，母公司加 3 家被投资单位，5 条产品线，17 家客户分布在 4 个区域。
围绕这家公司，我们做了35 张业务数据表：20 张待处理发票、三家格式完全不一致的科目余额表、内部交易清单、研发费用明细、进项发票清单、工资表、采购付款流程描述、会议记录……
然后，把工具包里的 50 条 AI 指令，一条一条，对着这套数据跑了一遍。
结果让我们自己都有点意外。
二、发现一：AI 不是替你干活，是替你「追问」
先看两张发票。
7 号发票和 15 号发票：销售方相同、税号相同、金额相同（3,600 元）、服务内容相同、开票日期只差 2 天。
唯一不同：票号。
交给人工审核，很可能「票号不一样」就放过去了。
AI 给的判断是高风险（RED），其中一条理由让我印象很深：
「票号不同只能排除『同一张票重复提交』，无法排除『同一业务拆分开票两次报销』。」
它连验证路径都给好了——调取两张发票对应的运输委托单与物流签收单，核对承运车辆车牌号，向供应商索取该期间对账单。
AI 真正的价值不是算得快，是把你习以为常的地方，重新问一遍「为什么」。
图 1｜第 03 条 · 重复报销识别：四要素雷同，仅票号不同，AI 仍判定高风险
三、发现二：最值钱的不是省时间，是算清机会成本
P5 非标定制件，收入 2,120 万，占总收入 14.27%，看起来是条不错的产品线。
毛利率 4.20%，毛利额 89.04 万，占全部毛利的 2.12%。
更关键的是一个非财务指标：它引发的生产排期调整 96 次，占总调整次数的 40.34%。
AI 做了个测算：把这 18% 的产能转给 P1 高精度轴承组件（毛利率 42.30%）——净增毛利 1,445.46 万元。
什么概念？相当于这家公司上半年净利润（1,179.80 万）的 122.5%。
一条「看起来在赚钱」的产品线，实际吃掉了一整年的利润空间。
机会成本这东西，靠经验很难算清楚——因为它藏在你没做的那件事里，而不是你已经做的事里。
图 2｜第 20 条 · 产品盈利排序：P5 以 18% 产能只贡献 2.12% 毛利
四、发现三：它能看出「表面赚钱、实际在失血」
B 公司（深圳），账面净利润 926 万，在集团四家主体里排第二。
AI 做的第一件事不是看利润，是算了一个比值：
经营活动现金流÷ 净利润 = −186 ÷ 926 = −0.20
每赚 1 块钱账面利润，实际净流出 0.20 元现金。
顺着往下挖：
· 应收账款周转天数 128 天，集团平均 82 天，是最好那家（61 天）的 2.1 倍
· 费用率 18.60%，全场最高
· 收入规模 8,460 万，集团第二，却贡献了唯一的负数经营现金流
结论很直接：规模越大，对集团现金流的拖累越严重。
图 3｜第 17 条 · 盈利质量分析：B 公司账面净利第二，现金含量却是 −0.20
五、发现四：勾稽关系上，AI 不留情面
我们故意在三大报表里埋了两个错。
第一个：未分配利润
期初 3,944 万 + 本期净利润 1,179.80 万 = 5,123.80 万，报表期末数却是 5,067.80 万，差 56 万。
AI 没停在「有差异」，它列了四种可能：计提盈余公积、已宣告未发放股利、前期差错更正、报表取数错误。
还补了一刀：负债端没有「应付股利」项目，若确已宣告而未入账，属漏记负债。
第二个：现金流量表
期初现金 2,860 万 + 净增加额 818 万 = 3,678 万，但资产负债表货币资金期末是 3,342 万，差 336 万。
AI 直接定性：这是报表编制错误，不是业务问题——现金流量表的「现金及现金等价物」口径不含受限资金，编制时把货币资金期末数直接抄了过去。
很多企业的勾稽错误，恰恰是因为跳过了所有者权益变动表这一步。AI 不会跳。
图 4｜第 12 条 · 报表勾稽检查：8 项校验，精准定位 2 处不平
六、发现五：内控缺陷会被它串成一条线
我们给了一段采购付款流程描述，8 个环节。
AI 找出 8 项缺陷，其中 4 项重大。
真正让我后背发凉的是它的总结方式——它把四条缺陷连成了一条路径：
新增供应商（权限未分离）→ 自建并关闭采购订单（权限集中）→ 付款不核对入库单（三单匹配缺失）→ 网银 U 盾无物理分离（授权形同虚设）
一个人可以完成从「虚构供应商」到「资金转出」的完整闭环。
然后它给了一句很实用的话：这四条不必全改，切断任意一条，整条路径就断了。
投入产出比最高的两项：U 盾拔下来单独保管（零成本，当天见效）、供应商主数据权限从采购部门剥离（低成本，见效快）。
图 5｜第 39 条 · 内控缺陷识别：8 项缺陷，4 项重大，首尾相接构成闭环
七、发现六：它敢对「看起来可行」的项目说不
一个技改项目，初始投资 2,400 万，5 年期，年净现金流 720 万，折现率 8%。
NPV = +556.35 万，IRR = 16.27%。
两个指标都指向「可行」。
但 AI 多算了一个数：动态回收期 4.03 年。
项目总年限 5 年，考虑资金时间价值后要第 5 年才回本，留给公司的「净赚期」只剩 0.97 年。
它还做了压力测试：
· 年现金流下降 15% 到 612 万时，NPV 从 556 万骤降到 125 万，降幅 77.50%
· 盈亏平衡点 580.78 万，缓冲空间仅 19.34%
结论：原则同意，但建议分期投入，并推迟到 2027 年 Q1 启动——因为公司 8 月第三周有 720 万资金缺口，9 月还有 3,000 万授信到期。
只会算 NPV 的是工具，会算「什么时候不该投」的才是参谋。
图 6｜第 30 条 · 投资回报测算：NPV、IRR 双达标，但动态回收期 4.03 年
八、发现七：AI 漏掉的地方，才是财务人值钱的地方
50 条跑完，我反而想清楚一件事。
下面这些，AI 做不了，或者做了也不能全信：
· 收入确认时点：涉及合同条款解读、履约义务识别，得结合业务实质
· 资产减值测试：存货跌价、坏账计提，本质是对未来的估计
· 合并范围判断：B 公司持股 45% 但委派董事长，算不算控制？AI 能梳理依据，但拍板的是人，还要在附注里承担披露责任
· 异常事项的定性：勾稽不平的背后，是错误、舞弊还是系统问题
AI 负责「发现问题」和「准备材料」，人负责「做出判断」和「承担责任」。
这条边界必须清楚。在财务、税务、审计这些有合规责任的领域，AI 的输出可以是判断的输入，但不能成为免责的理由。
九、写在最后
这 50 条指令跑完，我们整理出一份完整的结果集：166 张表格，每条都包含输入数据、AI 输出结论和落地提示，还有一个可以直接在线查看的版本。
覆盖七大类场景：发票与报销、报表与合并、经营分析、预算与预测、税务、审计与内控、通用提效。
需要说明一句：整套数据——企业名称、税号、客户、供应商、人名——全部虚构，不指向任何真实主体。这样你可以毫无顾虑地看、拿去演示、给团队做培训。
如果你也想让 AI 在自己的账上跑一遍：
后台回复【演示】，我们把这份完整的跑测结果发给你。也可以预约上门，给你的财务团队做一场两小时的实操演示。
也欢迎了解FDE 先锋会员。这 50 条指令能帮你省时间，但要把 AI 真正变成职业竞争力，需要系统的能力训练——问题定义、情境工程、实施交付、安全治理，四类角色能力，三层成长路径。会员还纳入工信部人才交流中心「AI 财务管理师」线上课程与测评（IITC 证书）。
让经验，成为可部署的 AI 能力。
请扫码填写信息：
我们把：
50个开箱即用的提示词；36 张虚拟数据包; 168 张表格完整版; AI 财务落地工具包50个场景指令全量跑测结果集。
全部免费分享给您！
