AI時代，變的是人類與工具的協同方式，不變的是企業追逐利潤的永恒目標。企業如何借助AI實現更好的盈利？4月25日，以“AI拼才會盈”為主題的2025合思春季產品發布會在杭州正式召開，數百位先鋒企業的CFO、CIO、CEO共聚杭州，見證合思“無需報銷+AI”“收支管理+AI”“電子會計檔案+AI”智能解決方案重磅發布，并現場沉浸式體驗智能差旅、智能審批等AI協同場景，共同探索AI時代財務價值躍遷的全新可能。

發布會前，合思創始人兼CEO馬春荃接受中國藍TV、杭州日報、每日商報、錢江晚報、21世紀經濟報道、科技金融時報、浙江新聞頻道《美好浙生活》、杭州六套文化頻道、杭州三套《每周播報》、杭州四套影視頻道、鋅財經、翟菜花、IPO早知道、浙江在線、趙繼成頻道、首席信息官、商業與生活等多家媒體采訪，對于AI重構財務場景、智能財務工具及無需報銷解決方案，透露了更多細節與思考。

在馬春荃看來，AI正推動財務管理從“流程驅動”轉向“模型驅動”，通過“樂高式”動態數據模型實現業財智能匹配。企業應聚焦“增效”而非單純降本，理性認知AI邊界。合思是一名財務“AI訓練師”，幫助企業更好地擁抱AI，讓AI真正服務于企業，幫助企業挖出更多凈利潤。

Q1：“無需報銷”解決方案如何同時解決財務、IT和行政三個部門的差異化痛點？

馬春荃：財務部門天然關心“無需報銷”，因為他們每天都在處理報銷審批、預算控制這些具體事務，這些是他們最直接的痛點。但對IT部門來說，他們處在系統構建層，面臨的是完全不同的挑戰——需要快速響應各種集成需求，比如今天接入攜程商旅，明天對接阿里商旅，而且時間要求都很緊迫。

IT部門面臨的壓力主要來自三方面：業務部門、高層管理、財務部門（很多企業的CIO是向CFO匯報的）。他們的核心痛點是：如何快速實現系統對接？合思會幫助IT部門解決這個問題——就像一根“軟管”，可以彈性連接各種系統，既保持靈活性，又能快速打通。

但IT建設不能只有靈活性，還需要規范和標準。就像建筑中的走線工程，需要有規劃、有標準。因此，我們進一步打造了財務數智化平臺，聚焦財務最核心的收支管理（資金流、信息流、票據流），為IT部門提供標準化的腳手架和元數據層，讓他們能快速構建符合財務規范的解決方案。AI時代，對IT部門而言既是挑戰也是機遇，就像從建四合院轉向建小洋樓，整個技術架構都要重構。IT人員天生喜歡嘗試新技術，AI浪潮給他們帶來了新的發展空間。

回到“無需報銷”，合思主要解決三個部門的痛點：財務部門關注預算管控、票據合規；行政部門關注員工體驗和服務保障；IT部門關注系統對接的便捷性和擴展性。我們的方案就是要同時滿足這三個維度的需求。

Q2：在AI重構財務系統的過程中，如何從底層邏輯上突破傳統復式記賬法的局限，構建面向經營決策的新型財務體系？

馬春荃：從地基層面看，決策優化才是真正的底層邏輯。企業經營的核心目標就是盈利，而盈利需要通過科學的資源調度和資金配置來實現——這就是決策的價值。傳統的財務核算本質上是操作層的流程，就像家庭記賬一樣，如果記賬結果不用于決策就毫無意義。現行財務體系有兩大痛點：一是600年歷史的復式記賬法雖然經典，但顆粒度和口徑已無法匹配現代經營需求；二是財務報表的專業門檻導致管理者看不懂，就像普通人看不懂心電圖一樣。

真正的經營決策需要三類核心數據：收支數據、收支與獎懲的匹配關系、利潤分配對業務的激勵效果。這里有個典型案例：一家企業通過引流醫美客戶盈利，但他們沒有采用提成制，因為過度激勵會導致兩個致命問題——服務畸形（只關注潛在醫美客戶）和團隊協作斷裂。他們改用高底薪+年度評價獎金模式，既保持服務穩定性，又通過客戶滿意度實現單店年利潤400萬。

在AI時代，財務系統需要重構三個層次的能力：
建模層：將傳統財務數據解構成樂高式的分析模塊，通過AI動態組裝多維報表；
執行層：用AI agent替代人工審批，實現差旅/宴請等場景的智能風控（如結合客戶等級、商機金額自動判定標準）；
決策層：最終構建企業級數字大腦，從流程驅動升級為模型驅動。

具體實施路徑是可以從財務定義業務模型，到IT技術解構，再到選擇AI大模型廠商，最后形成決策支持系統。這本質上是把“記賬-分析-決策”的鏈條從固化報表升級為可動態組合的智能體系，就像從建造四合院進化到裝配式摩天大樓。

Q3：系統從“流程驅動”到“模型驅動”，“AI in all”如何幫助企業從傳統的費用管控轉向經營導向的智能決策？

馬春荃：理想的模型驅動應當像企業經營風險管理的大腦，能夠通過智能交互完成所有決策，但這仍是一個需要長期努力的終極目標。現階段的工作重點是將每個工作流環節轉化為智能體，逐步替代人工操作。在差旅場景中，行程規劃是最典型的應用案例。傳統的差旅安排需要考慮多個關聯因素：不同地點的動線規劃（分公司、會展中心、客戶拜訪等）、交通工具選擇（如虹橋高鐵與浦東航班的取舍）、住宿偏好（全季還是亞朵）等，這些決策疊加企業預算標準和個人習慣后變得異常復雜。AI系統通過分析歷史數據、實時位置和預算松緊程度，能夠在時間優先或成本優先等不同條件下給出最優解，大大降低了員工的決策負擔。

海外票據處理是另一個關鍵應用場景。面對多語言小票識別難題，特別是中東、泰國等地區的票據，傳統方式幾乎無法準確判斷消費內容。AI系統現在能夠識別90%以上的海外票據，比如辨別出5000元的泰國珍珠項鏈消費，為財務審批提供了可靠依據。這解決了企業出海過程中最棘手的報銷難題，避免了為稀有語種專門招聘財務人員的困境。

這些場景化應用最終都將服務于企業風險管理模型的構建。真正的風險管理不是簡單的費用管控，而是要在承擔、規避、降低或拒絕等不同策略間做出選擇。例如，差旅管理不能孤立看待，必須與業務目標相結合——比如評估5小時的客戶拜訪是否值得投入。這種業財融合的思維，正在推動企業管理從單純的管控或服務導向，轉向以經營為核心的智能化決策模式。

Q4：當前宏觀環境變化下，企業運用AI的財務目標是否從“降本”轉向“通過數據驅動管理決策”？

馬春荃：當前經濟環境并不樂觀，尤其是像特朗普關稅政策這類“黑天鵝”事件影響著全球貿易往來。而降本增效依然是當前企業繞不開的熱議話題，很多人只盯著“降本”，其實“增效”更重要。企業運用AI增效已經是板上釘釘的事實，其中增效應該包含兩個維度：一是效率，用更少資源辦更多事；二是效益，同樣的投入創造更大價值。

以差旅管理中一個有趣場景為例，有些公司為了省錢強制員工合住酒店，而實際執行中95%情況因為各種原因無法合住，更麻煩的是，如果兩個人合住后其中一個人提前結束行程，另一個人就必須搬出去換更低價格、符合差旅標準的酒店。這是典型的“過度管理”——表面功夫做得足，實際效果卻適得其反。這些規定不僅沒省到錢，反而增加了管理成本，員工也怨聲載道，最后業務也沒推動。

如果企業采用阿米巴模式，把差旅費用和項目收益直接掛鉤，省下的錢可以分紅，超支扣獎金。此時，員工就會精打細算，就像攢錢買房一樣認真。不管是差旅還是其他業務，核心問題只有一個：這筆賬到底劃不劃算？未來，我們可以通過AI技術實現智能化管理，每個團隊領導都擁有自己的智能助手，根據業務需求自主決策，即通過數據驅動管理決策。

Q5：企業數字化轉型過程中，如何讓管理者更理性地認識AI技術的實際應用邊界，避免對其產生不切實際的期望？

馬春荃：我們正在經歷從流程驅動到模型驅動的轉型，AI技術在其中扮演關鍵角色。很多人對AI技術存在很多認知誤區——有人覺得它無所不能，就像用豆包聊天那樣簡單。但實際上，AI需要嚴謹的工程化構建，既要發揮其能力，又要控制“幻覺”，我們要做AI的“訓練師”。

這次我們特意設計成體驗型發布會，現場準備讓參會者親手構建財務AI應用，通過低代碼平臺和prompt工程窗口，體驗AI技術的實際應用邊界。雖然短時間內很難構建完整的財務AI系統，但做個demo相對簡單，就如同兒童的編程課，通過可視化工具快速上手，讓大家對AI有更理性的認知。

Q6：合思把自己比做“AI訓練師”，是如何訓練它，訓練的成果和經驗有哪些？

馬春荃：這個所謂的訓練師角色，本質上是在做流程邊界的規則設定。我們做預算審批工作流時，原本就有一套給人用的規則體系，現在只不過是把這些規則適配給AIagent使用。當AI的行為與規則不符時，我們就進行干預裁剪；遇到模糊狀態則升級到人工決策。關鍵在于掌握風險控制的度——就像風險模型一樣，我們把情況分為低中高三級：低風險自動通過，中風險引入人工參與，高風險直接拒絕。

具體來看，在分類環節，后續動作可以由agent自動分發，也可以通過自動化流程處理。分揀結果出來后，高風險流程直接拒絕，中風險升級到直線領導審批，低風險則自動通過（但會打上備注標簽供后續審計追溯）。這就是我說的訓練過程——難度不高但極其復雜，就像要給小孩搭建安全屋，必須考慮到所有可能的越界方式（鉆欄桿、翻墻、墊枕頭跳等）。要讓AI agent達到“從心所欲不逾矩”的狀態，需要非常精巧的規則設計。

實際上，智能體的構建復雜度遠超想象。程序語言本身就是一個復雜體系，當你看到函數套函數、程序包相互引用的結構時，就會發現這是個龐大的不可見體系。現在的AI工程模塊只是在這個基礎上，疊加了大模型的語義理解、評估決策等能力層，但底層的邏輯結構一脈相承。

Q7：合思在AI方面選擇了怎樣的發展道路，如何做出差異化？

馬春荃：做好AI應用和研發自有小模型并不矛盾，就像電氣化時代，用戶只關心用電需求，而廠商需要考量電壓、電流等技術細節。合思為AI應用廠商，必須兼顧兩方面：既要深入理解各類AI的特性與邊界，又要精準匹配用戶需求。

在AI應用構建過程中，有兩個核心要素：首先是“知人善任”。就像管理團隊一樣，必須清楚每個AI模型的特長——有的擅長推理，有的精于圖像識別。其次是“井井有條”'的任務分解能力。需要將業務流程拆解成具體任務，再分配給最合適的AI模型執行。這實際上考驗的是企業駕馭AI的綜合能力，與管理團隊異曲同工。但更重要的是，企業必須找準那些真正需要AI解決的痛點。只有將市場洞察與AI能力精準匹配，才能打造出有價值的產品解決方案。合思正在構建的就是這樣一套完整的AI應用體系——從需求挖掘，到任務分解，再到模型匹配，最終形成閉環的產品化能力。這才是AI技術真正發揮商業價值的完整路徑。

Q8：“無需報銷”的智能化進程是否會因AI的爆發而加速推進，更快實現全鏈路L5級目標？

馬春荃：AI技術的快速發展，尤其是大模型（如DeepSeek）的突破，確實顯著降低了企業應用AI的門檻，從而加速了“無需報銷”的智能化進程。例如，我們早在2017年就開始探索NLP和視覺識別技術，但過去受限于成本和實施難度，普及較慢。如今，大模型讓企業能以更低成本、更高效率實現自動化報銷，推動行業向L5級目標邁進。

從L4到L5需要從三個方面改進：一是知識庫與模型的結合，將規則從知識庫內化為模型參數，減少對知識庫的依賴，提升處理效率；二是幻覺控制，通過規則邊界限制AI的生成范圍，確保輸出的穩定性。例如，設定高風險任務必須轉交人工審核；三是多代理協同，優化多個AI代理之間的協作規則，確保任務分發的準確性和效率。另外，L5的實現并非一蹴而就，而是通過“蠶食”傳統流程逐步完成。例如，先從簡單的費用審核入手，再逐步擴展到復雜的合同分析和風險預測。

因此，技術的作用始終是加速落地，而非改變本質
。AI的爆發確實會縮短技術成熟周期，但企業能否真正實現L5級“無需報銷”，取決于如何將技術與商業邏輯深度結合，而不僅僅是依賴技術本身。

Q9：合思是否有針對海外市場的解決方案？在出海問題上是如何布局的？

馬春荃：合思重點解決海外小票難題。海外小票格式和語言多樣，識別和審批困難，給企業財務管理帶來挑戰。合思利用AI技術，精準識別海外小票信息，包括金額、消費內容等，并進行語言翻譯，解決語言障礙。同時，在審批環節，AI依據預設規則和風險模型，對消費行為進行風險管控和提示，確保費用支出合理合規。

在出海布局上，合思根據企業規模和行業特點提供定制化方案。對于規模較大的出海企業，其海外業務復雜，財務管理要求高。合思通過數智化能力，實現對海外分支機構財務數據的實時監控和分析，輔助企業做出準確財務決策，并協助企業了解不同國家和地區的財稅法規，確保合規經營；規模較小的出海企業更注重成本效益和操作便捷性。合思推出輕量化財務軟件，操作簡單，集成費用報銷、小票識別等基本功能，降低使用成本，滿足小企業日常需求。

Q10：AI是否替代財務人員，未來財務人需要具備哪些能力？

馬春荃：AI技術不會完全取代財務人員，而是推動其角色升級——從基礎執行轉向管理決策。AI通過自動化票據識別、風險審核等重復性工作顯著提升效率，同時支持財務人員調用多AI代理并行處理數據分析、報告生成等任務，并借助多維數據關聯能力提供更精準的決策支持，實現工作質量和邊界的雙重擴展。

面對AI變革，財務人員需構建三大能力：一是技術理解力，掌握AI工具應用并認知其局限；二是業財融合能力，將財務數據與業務目標深度結合；三是創新思維，探索預測模型等新場景應用。這些能力將幫助財務人轉型為“價值創造者”。

AI如同歷史上的電力革命，正在創造而非消滅可能性。財務從業者要主動擁抱技術變革，將AI視為拓展專業價值的工具。這一轉型的本質是回歸商業邏輯——通過技術杠桿放大人類智慧，在效率與創新中尋找平衡。