收益：
- 能够区分人工智能在财务工作流程中哪些地方可以实时节省时间，哪些地方应该由人类做出决策和承担责任
- 能够应用三层规则，通过数量级、独立复制和源代码控制来验证每个财务结果
- 养成匿名上下文和编辑提示的习惯，以利用人工智能而不共享敏感的财务数据
当你观察财务专业人员的一天时，大多数团队的情况都是相似的：阅读长电子表格、计算比率、检查预算与实际差异、在 Excel 中创建公式、为管理层、电子邮件和会议准备演示文稿。因此，用于真正的“财务判断”部分的时间，即数字的含义以及它需要什么决策，会被重复性的工作淹没。这就是人工智能（简称 AI；使用大型语言模型处理文本和数字的软件）发挥作用的地方。人工智能不会替你做决定；它帮助您做好决策准备、生成草案、加快计算速度并将处理后的信息呈现在您面前。在本模块中，我们不会将人工智能定位为“自动分析师”，而是一个训练有素的助手，其输出每次都会得到验证。
在第一个单元中，我们澄清三件事：人工智能在财务工作流程的哪些阶段增加真正的价值，哪些决策必须严格遵循人性化，以及在这样做时必须遵守哪些验证和隐私规则。如果屋顶安装不正确，后续装置的技术可能会变得危险；因为金融是一个错误以金钱来衡量的领域。
概念：幻觉：人工智能令人信服地捏造实际上并不存在的数字、来源或物品。上下文：你给人工智能的输入（表格、假设、问题）。验证：以独立的方式检查输出。这三个概念是整个模块的支柱。
哪些业务是AI加速器，哪些业务有风险？
财务事务的结果分为两个方面。一方面是可逆的、低风险的准备工作；另一方面，不可逆转的决定会导致金钱、声誉和法律责任。人工智能的价值取决于你在这个领域的立场。
业务类型
人工智能贡献
专业人员的作用
表格/报告摘要
从长表中提取
将项目与来源进行比较
比率/账户初步研究
公式设置，第一个数字
定义、单位和顺序控制
Excel 公式/宏
骨架和逻辑生成
用测试数据验证
报告/演示文稿草稿
提出叙述和结构
将每个图链接到来源
情景/预测小说
提出一个假设框架
合理性和回测
投资/信贷决策
分析材料
最终决定并签字
规则很简单：人工智能输出的风险等于该输出出错时所造成的损害。图表标题拼写错误是无害的；错误计算信用额度可能会导致数百万美元的损失。因此，在使用输出之前要问的第一个问题是：“如果这是错误的，会发生什么？谁会注意到？”
注意：人工智能可生成流畅且自信的文本。流畅性并不能保证准确性。即使没有真实数据，语言模型也可以“编造”令人信服的数字、项目名称和立法。在金融领域，这并不停留在纸面上。它变成了错误的决定和金钱。
应该由人们做出的决定
有些决策永远不应该完全自动化；存在技术、法律和道德风险：
- 决策和批准：投资、贷款分配、融资、股息和定价决策的最终批准。
- 声明和签名：诸如“这些表格是正确的”或“该金额符合立法”之类的声明需要人工签名。
- 给客户的建议：个性化投资建议是一个受立法管辖、需要权力和责任的领域。
- 使用机密数据做出的决策：使用未公开披露的结果和个人数据进行的交易。
警告：即使人工智能产生“4500万土耳其里拉信用额度合适”这样的结果，在没有专家用抵押品、现金流和风险状况进行验证的情况下应用它也是不可接受的。任何导致决策的输出在实施之前都必须经过有能力的人员的独立验证和批准。
验证规则：三层控制
应用三层控制，以编辑和审核员的眼睛来使用人工智能输出，而不是盲目地使用。这是我们将在整个模块中重复的基本反应。
- 单位和排名（健全性检查）：结果的单位是否正确？尺寸是否合理？如果一家营业额为4000万的公司，净利润为9亿，那一定是哪里出了问题。
- 独立重现：使用计算器或通过简短的 Excel/Python 运行手动重现计算。如果两种不同的方法给出相同的结果，信任就会增加。
- 来源验证：人工智能提供的每一项、费率定义、立法条款和市场数据都必须经过官方来源的逐字验证。
验证提示（使审核输出变得更容易）：“清楚地列出您在执行以下分析时使用的所有假设、公式和输入数字。在单独的行上显示每个中间步骤。用“需要来源”标签标记您提供的每个市场/监管值。不要编造任何您不确定的数字；如果您不确定，请写“不确定”。”
弱提示/强提示
弱：“解释一下这家公司的财务状况。” （结果：没有上下文，一般性句子；不清楚哪个数字、哪个时期、哪个比较基础。）强：“解释以下 2023 年和 2024 年损益表项目。计算营业额、毛利率和营业利润的变化百分比，比较这两年，并列出 3 个引人注目的发现并说明理由。仅使用我给出的数字；如果缺少数据，则‘没有数据’[这里用铅笔]”
区别在于上下文。强大的提示功能；它包括周期、比较基础、所需的度量以及“仅使用给定数据”约束。这种一句话训练大大降低了产生幻觉的风险。
迷你箱
案例 1——虚假增长率。分析师问AI“行业平均增长率是多少？”他问道。 AI坚定地说“14.3%”。分析师在将其放入报告之前询问来源； AI无法给出明确的来源。一项简短的研究表明，实际行业增长率约为 6%。经过核实，幻觉在进入报告之前就被抓住了。
情况 2 — 订单错误。虽然 AI 计算的 EBITDA（息税折旧前利润）为 1200 万土耳其里拉，但结果显示为“12 亿土耳其里拉”。通过排名检查，分析师发现这超出了营业额 100 倍；单位（千TL/TL混淆）错误被发现并纠正。
案例 3 — 隐私泄露风险。一位专家即将将尚未发布的季度业绩粘贴到公共工具中。它会记住公司政策，对数据进行匿名处理（将公司名称设为“A 公司”，按比例给出金额）并使用公司工具。这样，分析就完成了，但敏感数据不会泄露。
处理敏感财务数据的原则
金融最敏感的方面是数据。非公开结果、客户信息和个人数据；它存在隐私、KVKK 和内幕交易方面的风险。基本原则：在共享之前对数据进行匿名处理，如果可能的话只要求结构。
匿名提示模式：“我想解读一家零售公司的损益表。我给出的不是实际数字，而是比例：假设营业额为100，销售成本为62，营业费用为24，净利润为8。将这种结构与该行业合理的零售利润率进行比较，并告诉我需要考虑的要点。”
常见错误
- 使用输出而不验证它。 “AI说”不是理由；每个问题都需要独立控制。
- 在没有上下文的情况下提出问题。如果没有给出比较的时期、单位和基础，解释就会变得笼统和误导。
- 不假思索地共享机密数据。未公开的财务数据、个人数据和客户信息不应在未经匿名处理的情况下发布。
- 将精确的语言与准确相混淆。 AI越自信，你就越要小心；自信的语气并不是证据。
- 将决策委托给人工智能。投资、贷款和定价决定权仍由个人决定； AI只生产材料。
总之
人工智能加快了财务工作中重复且耗时的部分：总结、核算、制定、起草。然而，决定权和责任仍然由个人决定。每个输出必须经过三层控制（等级、独立再现、来源）。编写带有上下文的提示和匿名化敏感数据是我们将在本模块的每个单元中重复的两个关键习惯。当你有纪律地使用人工智能时，你会获得速度，而当你没有纪律地使用它时，你就会赔钱。
应用任务
从您自己的企业或虚构公司中选择一项财务任务（例如，两种年度损益表解释）。首先写一个弱提示并获取输出。然后应用本单元强大的提示模式：添加周期、指标、比较基础和“仅使用给定数据”约束。将两份打印输出并排放置并写出差异。然后独立验证至少两个强有力的打印输出（手帐或来源）中的数字，并记下您在哪个验证中发现的内容。
清单
- [ ] 我在提示中添加了期间、单位和比较基础。
- [ ] 我写了“只使用给定的数据，不要弥补”约束。
- [ ] 我检查了输出中至少两位数的顺序。
- [ ] 我独立复制了至少一张图。
- [ ] 我将立法/市场价值标记为“需要资源”。
- [ ] 如果有敏感数据，我会对其进行匿名处理或使用企业工具。
- [ ] 我确认最终决定权归本人所有。