在傳統的企業運作中，財務部門往往被視為一個「紀錄與回報」的後勤單位。每個月末，財務團隊必須經歷痛苦的結帳週期，從各個系統收集數據、對帳、解釋差異，最後將結果呈報給管理層。然而，當這些數據到達決策者手中時，往往已經是過去式。OpenAI 的財務長 Sarah Friar 分享了她在公司快速成長過程中，如何將財務職能重新設計為「AI 原生（AI-native）」的體系，旨在將財務從單純的帳務處理，轉化為能夠即時洞察業務並驅動決策的核心引擎。
背景與核心目標
OpenAI 在建立財務體系時面臨的挑戰與許多公司相同：儘管擁有頂尖的 AI 工具，但基礎工作仍依賴手動搜尋資訊、更新預測以及在試算表中處理重複性任務。為了打破這種僵局，OpenAI 設定了兩個大膽的目標：零日結帳（Zero-day Close）與自動化且持續更新的預測（Continuous Forecasting）。
零日結帳的核心在於建立一個即時、已對帳且可追溯的財務視圖，讓領導者能隨時掌握公司的財務現況，而非等待月結。而持續預測則在此基礎上，利用 AI 監控業務變動，預判未來趨勢，並分析哪些決策能改變最終結果。這意味著財務團隊的工作重點從「重建過去發生了什麼」轉向「分析現在發生什麼，以及未來如何調整」。
從工具使用者轉變為工具構建者
AI 原生財務體系最顯著的轉變，在於財務專業人員的角色演變。過去，財務人員依賴 Excel 模型和 PowerPoint 簡報；現在，他們開始利用 ChatGPT Work 和 Codex（OpenAI 的程式碼生成工具）直接構建自定義的 AI 儀表板與工具。
這種轉變讓不具備編碼能力的財務人員也能成為「構建者」。例如，一名負責廣告業務的同仁利用 Codex 開發了一套工具，能將月度廣告預測自動拆解為週與日計畫，並將所有數字與核准的模型掛鉤。這證明了當最了解業務問題的人能直接形塑解決方案時，財務專業知識能得到更深層的延伸，使團隊能建立一套動態的決策基礎設施，而非僅僅是靜態的報表。
重新設計決策導向的工作流
要實現 AI 原生，不能僅僅是在舊流程中加入 AI，而必須圍繞著「決定」來重新設計整個工作流。以結帳流程為例，傳統模式中，實際支出、採購單、應計費用分布在不同系統與對話紀錄中。AI 原生的模式則是將核准的支出計畫、總帳數據與交易細節整合在一個持續對帳的視圖中。
在這種新流程中，AI 負責處理初步的差異解釋並標記異常項，而財務人員則負責驗證數字、運用專業判斷並進行最終簽核。同樣地，在預測方面，AI 將統計模型、銷售對話與營運數據整合，讓領導者能即時看到：如果某個新客戶的承諾尚未納入基準線，將如何影響季度或年度結果。這種從「數據源」到「決策」的直接路徑，大幅縮短了決策週期並提升了品質。
權限開放、問責制與價值衡量
在推動轉型時，OpenAI 採取了「由下而上的實驗」與「由上而下的策略」相結合的方法。首先提供廣泛的 AI 權限，讓員工在實際問題中探索，例如透過財務黑客松開發出 IR-GPT（專為投資者關係設計的自定義 GPT），用來快速草擬盡職調查的回答。
然而，速度必須與嚴格的控制相匹配。AI 雖然能秒級生成初稿，但財務人員必須對結果負責，負責審核內容的正確性與一致性。CFO 需與 IT 團隊定義 AI 的數據訪問權限、核准閾值以及升級機制，確保每個輸出都有可靠的來源。
最後，衡量 AI 的價值不能僅看購買了多少席位或消耗了多少 Token（AI 處理文本的基本單位），而應建立基於營運表現的評分卡。例如，衡量結帳週期的縮短程度、自動對帳交易的比例，或是預測精準度的提升。如果一個較昂貴的模型能以更少的嘗試次數提供可靠答案，減少人工複審時間，那麼它在經濟上反而是更高效的選擇。
實務意義與限制
將財務職能 AI 原生化，其本質是將財務人員從繁瑣的數據彙整中解放，讓他們有更多時間去挑戰假設、提供業務建議並行使專業判斷。這不僅提升了財務部門的運作效率，更讓 CFO 能夠以更清晰的視角觀察業務，將 AI 的智能轉化為企業的持久價值。
然而，這項轉型並非單純的技術升級，而是一場組織文化與工作定義的變革。它要求財務人員走出舒適區，學習構建工具，並要求管理層重新定義對「準確性」與「速度」的平衡。對於大多數企業而言，起步點應是從一個具備高影響力的工作流開始，透過實證逐步擴展，而非試圖一次性地將所有流程 AI 化。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。