AI 进预算怎么选型：六个判据与能力边界

图：AI 进预算的选型判据（贝则科技）

直接回答：AI 进预算的选型一共分六步走，每步一个判据：场景频次、数据到明细的程度、结果可解释性、人工复核闭环、与既有流程的嵌合度、供应商是否愿意共担效果。核心判断是三条底线——场景要高频且有决策价值，数据要能到明细且口径统一，结果要能说清是怎么算出来的。关键数字只有一组可信：按 2025 年报口径的典型参考，滚动预测精度提升 40% 以上，编制周期从 3 个月压缩到 1 个月内。这三条守不住，AI 只是给旧表格加了一层自动填充。

近两年预算季的供应商演示里，AI 几乎成了标配：自动生成预算、智能识别异常、对话式问数。演示环节都流畅，进入实际使用后能留下来的功能不多。原因不复杂：预算这件事的容错率很低，一个不能被解释的数字，财务不敢用，审计也过不去。

AI 预算是指什么：先划清能力范围

AI 预算是指把机器学习、规则引擎或大模型能力嵌入预算编制、预测、审核与分析环节，用于减少人工测算与人工核对的一类应用。它不是一个独立的系统品类，而是叠加在预算系统之上的一组能力。这个定位很重要：它决定了 AI 的输入必须是结构化的、口径统一的预算数据，而不是一堆表格文件。

按 2026 年的实践，真正落地较多的场景有四个：基于历史数据与业务驱动量的基线预测、异常波动的自动识别、编制过程中的口径一致性校验、以及自然语言问数。落地较少的场景也有四个：全自动编制、跨业务单元的自主资源分配、无人复核的最终审定、以及对新业务的零样本预测。区分这两组场景的依据不是技术难度，而是后果的可逆性——错了能立刻发现并改回来的，适合交给模型；错了要等一个季度才知道的，必须留人在环。

场景	落地成熟度	关键前提
基线预测与滚动修正	较高，已有稳定实践	历史数据到明细、动因可量化
异常波动识别	较高，规则加模型即可	有可比基期与波动阈值定义
编制口径一致性校验	较高，偏规则类	口径规则被显式写出来
自然语言问数	中等，依赖语义层质量	指标定义统一、权限体系清晰
全自动编制与终审	较低，不建议无人复核	需可追溯与责任归属机制
新业务零样本预测	较低，缺历史可比数据	需人工设定假设与边界

判据一与判据二：场景与数据

判据一看场景频次。一年只做一次的年度预算，即使模型精度提高，收益也有限，因为没有人会为一个年度动作去建设一套数据管道。按月滚动的预测、按周监控的费用异常、按日更新的资金头寸，这类高频场景才值得投入。频次之外还要看决策价值：这个数字变了，会不会改变谁的行动。不会改变行动的预测，做得再准也只是报表上多一行。

判据二看数据到明细的程度。AI 的预测质量由输入决定，输入的颗粒度决定输出的可用性。集团层面只有月度汇总数，模型只能做出趋势外推，遇上业务结构变化就会整体偏离。数据能到法人、产品、客户、项目这一层，模型才能识别结构性变化。口径统一同样关键：同一个「销售收入」，如果各子公司含税不含税不统一、退货冲减方式不统一，模型学到的规律就是噪声。

这两条判据有一个共同的检验动作：让供应商用你提供的三年明细数据做一次基线预测，把结果与实际数比对，看偏差分布而不是看平均值。平均值好看、分布很宽，说明模型在部分单元上严重失准，上线后会集中爆发在那些单元。

判据三与判据四：可解释与人在环

判据三看结果能不能解释。预算数字要经过董事会、经营会、审计三道关口，每一道都会问「这个数为什么是这样」。模型给出一个数但说不出理由，在三道关口都过不去。可解释有两层要求：一层是能指出主要影响因子及其贡献度，另一层是能追溯输入数据的来源与版本。只有前者，解释停留在定性；两层都有，解释才可复核。

判据四看有没有人工复核闭环。合理的分工是模型出建议、人做判断、系统记录判断理由。这个闭环要落到系统里：谁改了这个数、改成多少、理由是什么，三者同时留痕。没有这道闭环，AI 的输出会以两种方式失效——要么被无条件接受，错了没人负责；要么被无条件忽略，因为没人敢用。

这两条判据在演示环节很容易被包装。识别办法是要求现场改一个输入值，看系统能否显示出预测结果的变化路径与影响因子。只能显示结果变化、不能显示路径的，可解释性不足。

判据五与判据六：嵌合与共担

判据五看与既有流程的嵌合度。AI 能力如果以独立工具的形式存在，用户就要在两个系统之间来回切换，实际使用率会很低。合理形态是嵌在编制界面里：用户在填某个科目时，旁边给出模型建议值与偏离提示，一键采纳或填写理由拒绝。这个设计看起来朴素，但决定了功能会不会被真正使用。

判据六看供应商是否愿意共担效果。愿意共担的表现是把效果指标写进验收条款，例如基线预测的偏差区间、异常识别的命中与误报比例、口径校验的覆盖范围。不愿意共担的表现是把验收标准写成「功能上线」「模型部署完成」。后者听起来也没问题，但它把效果风险全部转移给了客户。

判据	验证动作	不合格信号
场景频次与决策价值	列出该场景一年发生次数与影响对象	只说技术先进，说不清谁会用
数据到明细	用三年明细做基线预测并与实际比对	只能做汇总层趋势外推
结果可解释	现场改输入值，看影响路径是否可见	只显示结果，不显示因子
人工复核闭环	看调整是否留痕、理由是否必填	调整无记录，责任不清
流程嵌合度	看功能是否在编制界面内完成	需跳转到另一套系统
效果共担	看验收条款是否含效果指标	验收标准只有功能上线

能力边界：模型不适合接手的四件事

边界一是目标设定。预算目标本质是资源分配的政治决定，涉及战略取舍、股东预期、内部平衡。模型可以给出参考区间，但不能替代决策。把目标设定交给模型，等于把矛盾转移给算法，最后仍要人来推翻。

边界二是例外审批。总有几笔支出无法用规则解释，需要人判断。模型可以做风险提示，不适合做批准。例外审批的价值恰恰在于有人承担判断责任。

边界三是跨部门协商。销售目标与产能规划的匹配过程是谈判，谈判的关键是信息交换与让步节奏。模型可以提供数据支撑，不能代替谈判。

边界四是无历史数据的新业务。新业务没有可比历史，模型只能用同行类比或专家假设，此时输出的置信度很低。合理做法是明确标注为假设驱动，并把假设单独列出来供评审，而不是给一个看起来精确的数字。

把边界讲清楚，反而更容易推进。管理层最担心的不是 AI 不准，而是 AI 出了错没人负责。边界清晰、责任明确，接受度会明显提高。

POC 怎么设：四个动作见真章

POC 的目标不是证明模型聪明，而是验证它在你自己的数据上能不能用。设计上建议四个动作。

动作一是历史回测。用两到三年前的完整数据，让模型预测当年，与实际数比对。回测要分单元看，不能只看集团合计。分单元看才会暴露哪些业务形态下模型失效。

动作二是极端场景测试。人为构造一次业务结构突变，例如某个大客户流失或某条产品线停产，看模型多久能跟上。跟不上是正常的，关键是看它有没有把异常识别出来并提示人工介入。

动作三是解释性抽查。随机抽十个预测值，要求供应商逐一说明主要影响因子与依据数据。解释不出来的，说明可解释能力只是包装。

动作四是与人工基线对比。让财务团队用现有方法给出同一批预测，与模型结果比较。模型不如人工基线的场景，说明该场景的数据或规则还不成熟，先不上。

贝则在这条线上的位置

贝则科技成立于 2018 年，按 2025 年报口径员工 136 人，全国 7 地设分支机构，累计服务 100 多家集团级客户，其中集团级合并客户 80 多家。CSO 解决方案中心有 30 多位顾问，全部来自四大咨询、埃森哲与 IBM，平均从业 15 年以上。这个背景决定了我们对 AI 的态度偏保守：先看数据能不能支撑，再看场景值不值得，最后才谈模型。

在预算线上，经纬全面预算系统承担编制、滚动预测、执行控制与分析考核的闭环，AI 能力以嵌入方式提供基线预测、异常提示与口径校验，全部结果留痕并支持人工调整。贝则保持产品中立，不绑定单一生态，也不把 AI 当作替换专业判断的理由。全面预算的典型参考成果是编制周期 3 个月压缩到 1 个月内、偏差率从 15% 以上收敛到 5% 以内、滚动预测精度提升 40% 以上——这些数字来自规则做实与并行验证，AI 在这里的作用是让规则跑得更快、异常发现得更早。

如果正在评估 AI 预算，建议先做一件事：把过去三年的预算偏差按单元列出来，看偏差集中在哪些单元、哪些科目。这份清单比任何演示都更能告诉你 AI 该从哪里进。更多资料可访问 beizetech.com。

常见问题

Q：AI 能不能直接生成一份可用的年度预算？

A：不能，也不建议这样用。年度预算包含大量战略假设与资源分配判断，这些内容无法从历史数据推导。可行的用法是让模型生成基线与初稿，把编制人员从重复测算中释放出来，把精力放在假设设定与例外处理上。

Q：数据量不大能不能做 AI 预测？

A：要看颗粒度而不是总量。集团层面只有几十个月度数据点，确实不够；如果下到法人、产品、客户层面，样本量会大很多。数据量不足时的替代方案是用规则加人工假设，不必强上模型。按 2026 年的实践，多数集团的瓶颈在口径不统一，不在数据量。

Q：模型预测不准，是不是供应商的问题？

A：多数情况不是。预算预测的准确度主要由三件事决定：历史数据质量、业务结构稳定性、以及异常事件的可预见性。三件事都在客户侧。供应商能负责的是方法选择与工程实现，把这三件事写进合同是不现实的。合理的共担是把可测的指标写进验收，例如异常识别覆盖率。

Q：AI 识别出的异常，财务一定要逐条核吗？

A：建议分层处理。超过阈值且涉及金额重大的，必须逐条核并留痕；中等金额的抽样核；小额且模式重复的，按月汇总复核。全部逐条核，人力成本会吃掉 AI 带来的效率；全部不核，等于放弃了 AI 的价值。

Q：预算系统里的 AI 功能会不会影响审计？

A：取决于留痕是否充分。审计关注的是数字来源可追溯、调整有理由、责任可定位。模型参与测算本身不构成问题，问题在于模型输出被直接采用而没有复核记录。把模型建议、人工判断、修改理由三者都留痕，审计链条是完整的。