外部公开案例解读 · 非识度交付项目：本文解读 OpenAI 官方客户案例与公开报道，Chatham Financial 不是识度的客户或合作方；文中效果数据均为该公司自报口径。
凌晨还在核交易记录的人，对这件事最有感觉：一笔记录要翻授权文件、比对成交条件、找出对不上的地方，一套动作下来半小时过去了，还都得留痕备查。10 月 2 日 OpenAI 发布的客户案例里，金融机构 Chatham Financial 把这段核对工作交给一套自己做的应用，据其披露，早期测算里复核一笔的时间从约 30 分钟压到 4 分钟以内。它最值得抄的地方不是这个数字，是动手的顺序——这套 财务自动化 打法里，第一步既不是选软件，也不是接模型。
事件本身：这家公司做了什么
Chatham 给客户做资本市场决策建议，对准确和可审计的要求很高。它有一项叫 Process Zero 的流程重构服务，做法是围绕结果来重排流程：先确认一项工作最少需要哪些输入和证据，再判断哪一步必须由人来做，最后才决定 AI 和 AI 搭建的工具该承担什么。交易验证是它最早落地的例子：控制与数据完整性团队原本要核对系统记录是否和客户授权、实际成交一致，现在由应用自动收集佐证、比对关键条款、把对不上的地方标出来交给人工复核。据其披露，早期测算把复核时间从约 30 分钟缩短到 4 分钟以内。他们同时还在做一件事：拿真实交易和资深复核人员的结论，持续比对这套应用的表现，确认稳了再扩大范围。
为什么它不先换系统，先给流程排一遍序？
多数企业上财务系统的顺序是反的：先听软件商讲功能，再回来想办法把流程塞进去。Chatham 的顺序是先问三个问题——这件事要的结果是什么？最少需要哪些输入和证据？哪一步的判断必须由人来下？答案清楚了，剩下的重复动作才有资格交给机器。我们的判断：财务自动化不是把整套流程一次换掉，是先给流程排一遍序，把「必须由人判断」的环节先圈出来。圈不出来的，说明流程本身还没想清楚，这时候上什么工具都会返工。
财务自动化，哪一段最值得先交给 AI？
看这份案例的选法：核对类工作先上。它有三个特征——规则明确、量大重复、有明确对错，翻授权、比对条款、标出差异，都是「对或不对」能说清的动作，AI 做完还能留痕。反过来，判断类工作先放着：定价、谈判、给客户的口径、一次性决策，这些的答案不在文件里，在人脑子里。想找自己公司里最该先动的那一段，可以用识度的增长卡点自查清单把获客、转化、交付、复购、成本五个环节过一遍，先看哪一段的时间是被重复核对吃掉的。
上线之后，还有两步不能省
- 拿老手的结论对齐。这份案例明确说，在扩大自动化之前，一直在用真实交易和资深复核人员的结果校验应用表现（据其披露）。这件事的价值在于：验收标准不是「AI 说得像不像」，是「和干了十年的老手结论对不对得上」。对得上再扩量，对不上就先改。
- 把监督责任留住。据 Tech in Asia 报道，美国金融业监管机构 FINRA 已明确：用了 AI 的公司，合规责任仍在自己身上，监督、治理、测试、监控一样不能少。这条不只金融业适用——谁用 AI 谁负责，出问题那天不会因为是机器做的就算了。
识度的判断：这套顺序能迁移什么
我们的判断有三条。第一，先定结果，再定工具。写不出「这件事做完算成功」的样子，就先别签合同，把这一步补上。第二，验收标准要用人来定。提前想清楚：拿谁的结果当标尺？对得上多少算过关？这份案例给了一个现成的答案——资深复核人员的结论。第三，留痕要和效率一起设计。AI 做的每一步能不能留下审计留痕、倒查到依据，比它省了多少分钟更影响这笔投入能不能长期留下。也有该劝退的情况：一件事一年做不了几回、错了也没人追责的，先别折腾自动化，把表单和模板理顺更划算。
财务自动化不是把流程交给机器，是先圈出必须由人判断的环节，剩下的才交给机器。
常见问题
财务自动化一般指什么？
把重复、规则明确的财务动作交给工具自动完成，比如财务对账、发票校验、交易核对、报表生成；人保留判断、审批和异常处理的那部分。
从哪一段开始最稳？
选「量大、规则清、有明确对错、做完能留痕」的一段，比如交易或单据核对。这段跑稳了，再往需要判断的环节扩。
怎么验收 AI 核对得对不对？
先用真实业务跑一段，把 AI 的结论和资深同事的结论逐条比对，算一致率；一致率站稳了再扩大范围，别一上线就全量切换。
哪些财务工作别交给 AI？
需要对外沟通口径、涉及一次性判断和责任的，比如定价让步、异常事项定性、对外承诺，仍要由人拍板。AI 出结论、人签字，这条线不要含糊。
如果您正盘算给财务或运营环节上 AI，却不确定该从哪一段动手，欢迎预约一次适配沟通：先一起把流程排一遍序，再决定买什么。
← 返回识度案例