企业财务数据管理平台Datarails发布的一项调查显示，人工智能验证工作已占据财务团队每周工作时间的26％。该调查揭示了AI工具在财务领域应用中面临的核心信任障碍。
调查指出，缺乏可审计性被财务团队列为信任AI处理关键任务的最大障碍，其次是AI输出的准确性问题以及大语言模型常见的幻觉现象。这意味着尽管AI在财务场景中的部署速度加快，但验证和复核AI生成结果所消耗的人力成本正在成为新的效率瓶颈。
Datarails是一家专注于为财务团队提供数据整合、报告自动化和预算规划服务的SaaS平台，其产品定位在帮助中型企业财务部门减少手动数据操作。此次调查结果反映出企业级AI落地过程中的一个普遍矛盾：AI工具承诺提升效率，但为确保输出可靠性所需的验证环节，反而可能抵消部分效率收益。
从行业角度看，财务场景对数据准确性和合规性要求极高，AI生成内容的可追溯性和审计能力成为企业采购决策中的关键评估维度。当前，包括Datarails在内的财务SaaS厂商正试图通过在平台中嵌入审计日志、数据溯源和人工复核工作流来应对这一挑战。
该调查未披露具体受访企业数量和调研方法细节。但26％这一数据表明，在AI深度嵌入财务工作流的现阶段，人机协作中的验证环节仍需大量人工投入，AI在关键业务场景中的完全自主运行尚不现实。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
