如今，许多财务团队使用人工智能主要是为了更快地完成工作：读取发票数据、加快对账速度、用更少的时间准备报告。这些收益是真实且可衡量的。但董事会会议上提出的问题往往不同："人工智能投资对公司作出更好决策的能力有什么贡献？"
Gartner于2026年7月20日发布的调查为这两种观点之间的差距给出了数字。根据2026年3月对204名财务高管进行的调查，财务领域的人工智能投资中有45%偏向生产率，只有20%偏向决策质量。本文探讨这种失衡意味着什么，以及如何将投资组合重新向决策质量倾斜。
我们此前在关于财务自动化的文章中考察了哪些财务流程能快速带来回报。本文的关注点不同：除了速度上的收益，人工智能对财务部门在决策中的作用有何贡献。
数据：投资流向何处，董事会期望什么？
Gartner公布的分布分为三组。受访者中，45%表示其投资偏向生产率，35%表示投资较为均衡，20%表示偏向决策质量。
据Gartner，问题在于这种分布与董事会的优先事项不一致。财务高管将以生产率和效率为重点的应用场景放在首位，而董事会则更看重支持增长、改进决策并提供竞争优势的投资。结果就是Gartner所说的"认知差距"：财务团队报告其人工智能应用取得了进展，而董事会看到的战略影响却很有限。
生产率收益的天花板
Gartner评估中有一项发现格外突出：提高个人生产率或简化交易流程的投资，虽然在财务职能中带来了可衡量的效率，但对大多数组织而言，其回报存在天花板。一项任务被加速之后，如果这种速度没有改变更广泛的业务决策，也没有实质性地改变财务的工作方式，收益通常就会趋于平稳。
在同一调查中，投资于创造新价值主张、产品或市场的人工智能项目的职能部门，报告实现高价值的可能性高出一倍以上。这并不意味着生产率投资没有必要；它表明，仅由生产率投资构成的组合会限制价值。
决策质量在实践中意味着什么？
决策质量似乎是个抽象的概念，但Gartner 2026年8月对预测的评估使其变得具体。人工智能可以比以往任何时候都更频繁地更新预测，并生成新的情景和预警信号。然而据Gartner，预测的速度已开始超过高管们自信地解读变化的能力。
因此，Gartner强调，衡量成功的标准不应是速度，而应是在不确定性下有把握地作出的决策。建议的工具如下：
- 并非每次更新都需要决策。 哪些预测变化需要采取行动、哪些只需监测，应事先确定。
- 可解释性建立信任。 预测输出应与可识别的业务驱动因素和透明的假设挂钩；无法解释的变化会削弱信任。
- 护栏阈值区分信号与噪声。 决策触发条件、重要性阈值、置信区间和质疑流程，可以减少对短期波动的过度反应。
这种方法表明，以决策质量为目标的人工智能不仅仅是建立模型的问题；它必须与决策流程、阈值和职责一起设计。
人的判断的作用
决策质量还取决于财务团队质疑人工智能输出的能力。Gartner 2026年9月的评估指出，即使是受过培训的财务员工，也不确定如何将人工智能应用于日常工作。建议的路径是重新设计工作：由人工智能准备初稿，员工审核输出、质疑假设、检查例外情况，并解释数字的含义。这种分工也是以决策质量为目标的应用场景顺利运作的前提。
在同一评估中，Gartner建议将学习与工作流程中的摩擦点挂钩：重复性任务、流程瓶颈和手工交接，让员工有机会将人工智能应用于他们本来就需要解决的问题。生产率项目的价值在此同样得以体现；正是在这些工作中，团队在转向决策支持之前了解到工具在哪些地方有用、在哪些地方会出错。
实用路径：重新平衡投资组合的检查清单
以下步骤是根据来源中的发现得出的一般框架；各组织需要根据自身的决策流程和数据成熟度加以调整。
- 对现有组合进行分类。 将财务领域的每个人工智能项目标记为"生产率"、"均衡"或"决策质量"。Gartner使用的这种三分法，便于用共同的语言与董事会讨论分布情况。
- 以书面形式写明董事会期望的成果。 列出增长、资本配置、风险和竞争地位等企业层面的目标；将每个项目与其所贡献的目标对应起来。
- 确定决策质量方面的候选项目。 Gartner指出的领域包括改进决策、开展情景分析、识别增长机会，以及创建数据、模型和知识等可复用资产。
- 改变衡量指标。 不再以试点数量或节省的工时衡量，而是定义跟踪企业层面影响的指标；兼顾近期收益和长期战略价值。
- 事先写好决策规则。 对于预测和情景工具，在开始使用之前明确行动阈值、置信区间和质疑流程。
- 将可解释性作为一项要求。 如果无法解释是哪个业务驱动因素发生了变化，模型输出就不应进入决策会议。
- 将生产率收益与决策挂钩。 明确流程加快后腾出的时间将转用于哪项分析或决策；否则收益就会触及天花板。
- 定期重新平衡组合。 Gartner指出，成功的定义是一个不断变化的目标，需要随着业务需求的变化重新评估。
结论
财务领域的第一波人工智能带来了生产率，这些收益很有价值。但Gartner的数据显示，大部分投资集中在这一领域，而董事会期望的是对决策质量和增长的贡献。弥合差距的办法不是停止生产率项目，而是在组合中增加以决策质量为目标的项目，以明确的决策规则为其提供支撑，并以企业层面的成果衡量成功。
从Orient Global的角度看，一个稳妥的起点是按这三个类别如实地对现有人工智能组合进行分类。
为什么物流经验对决策质量工作很重要。 物流是每天在不确定性下作决策的实践。再订货点、安全库存和例外警报事先确定了何时某种变化需要采取行动、何时可以直接消化，这正是检查清单第5步要求财务部门具备的纪律。我们的一位顾问拥有30多年运营、物流和供应链经验：在一家大型科技分销企业，他全面负责物流、仓储、技术服务和行政运营，组建并领导100多人的团队，并通过KPI驱动的项目实现了运营绩效的持久提升。他还在领先的零售、物流和分销机构设计并指导了大型物流和分销网络，管理全国性仓储和运输业务以及网络与产能规划，而这些都是建立在预测和情景基础上的决策。作为一名工业工程师，他如今通过人工智能和自动化将这种供应链管理纪律带给中小企业。认识我们的顾问。
#interimmanagement #forwarddeployedengineering