AI进利润表难在哪：审核九成是取数对账

试点热、入表冷

据新浪财经报道，约95%的企业生成式AI试点没有在损益表上留下可衡量的影响，真正创造显著价值的集成式试点只有约5%。

AI项目上线容易，算进利润表难。据新浪财经报道，一项被广泛引用的调研显示，约95%的企业生成式AI试点并未在损益表上留下可衡量的影响，只有约5%的集成式试点创造了显著价值。报道同时给出一个行业坐标：2026年上半年软件业收入增长9.5%，利润仅增1.0%，增收不增利。

问题不在模型够不够聪明。在近日一场以"将AI能力转化为企业利润"为主题的行业大会上，一位财务风控专家把财务审核比作一座冰山：约九成是取数、对账、单据核验等基础准备工作，只有约一成是真正的判断和决策。基础环节不打通，AI只能在边缘打转。

三个可量化的收敛信号

成本账、效率账、门店账，指向同一件事：AI的价值来自把规则和口径统一起来。

成本账。一家拟融资的科技企业，同一补贴事项因适用规则不同，自动发放可能是200元，经申请特批可达800元；回溯历史数据，合理发放区间在230万元至1400万元之间。规则统一后落在600万元左右，理论上最多可节约约800万元。做法并不复杂：先把"一人一策、一事一议"的补贴规则梳理成统一口径，再梳理授权矩阵，把CEO从全年2200多笔审批降到107笔，相当于从每天十多笔变成每两天一笔。

效率账。另一家制造集团的非生产性采购走了同样的路：梳理7类台账、1条责任链、2套机制后，关键付款资料关联完整度从60%升至95%，异常定位时间从2小时降到5分钟，采购到付款审核周期从20天缩到4天，支付前检查覆盖率从45%升至98%。顺带还梳理出307万元可向供应商追偿的金额——合同里有条款、执行中有证据，只是过去"拿不出数据"。

门店账。一家连锁餐饮300多家门店、每月七八千张单子，只有12个人审。AI不替人做最终决定，只做初审、筛查、提醒和预警，把"维修费报成食材发票""费用部门选错门店"这类问题在提交时就拦下来，人做兜底。上线后，审批从约一周、财务审17小时，压缩到一天之内。

落点：先理顺口径，再谈智能

三本账的共同前提是数据与规则先标准化。从行业趋势看，AI财税的落地难点往往不在模型选型，而在业务维度的取数口径与规则一致性：合同、采购、付款、核算分散在多个环节，口径各异，AI难以形成闭环。

这也是当前企业推进财务数智化的普遍次序——先把流程与标准统一，再让自动化接住标准化环节，人保留判断权。若顺序颠倒，系统只会把旧流程固化一遍。对多数企业而言，理清业务账，比上线一个新工具更靠前。