《AI 为财税工作提效的进阶指南》

《AI 为财税工作提效的进阶指南》

面向大型企业的智能体、知识库与团队沉淀实战

主讲：陈莎莎 老师

【课程背景】

今年财务圈里几乎人人都在聊 AI。可你真去问一圈会发现：用过的人不少，复用到日常工作流的人不多。

我们见过太多这样的场景——月底关账，新人还在手工核对几百行银行流水，而隔壁工位的人已经让智能体十分钟跑完，自己只做复核；税务师为了一个政策口径，在十几个网页和文件里翻来翻去，而有人把制度喂进知识库，一句话就拿到带出处的答案。

问题在于：大多数人的 AI 使用，停留在“聊天”层面。问一句答一句，换个问法就翻车；换个人、换个电脑，经验归零；企业花了钱买工具，效率却卡在“个人天赋”上，组织层面毫无沉淀。

更现实的是，国企和上市公司还有一道绕不开的红线——数据保密与合规。财务数据天然敏感，怎么用 AI 才不踩雷？这也是很多大厂迟迟不敢放开的原因。

本课不讲“AI 是什么”的基础科普，而是站在已经会用 AI 的财税人面前，回答一个更关键的问题：怎么把零散的 AI 用法，升级成一个人搭得起来、团队接得住、企业放得心的“工作体系”——智能体怎么选、个人工作台怎么搭、知识库怎么建、团队能力怎么沉淀，一步一步讲透。

【课程收益】

• 厘清智能体与普通 AI 对话的本质区别，建立“能动手干活”的智能体认知框架。

• 对比豆包、Codex、WorkBuddy 等主流大厂智能体，形成适合本企业的选型判断。

• 搭建一套属于自己的“财务个人工作台”，把智能体、知识库与常用模板收进一个入口。

• 运用智能体将报销、记账、月结、报税等高频重复工作实现半自动处理，缩短处理时长（估算）。

• 构建企业财税专属知识库，让 AI 基于私有制度与政策作答，降低“一本正经胡说”的AI幻觉风险。

• 把个人零散的 AI 用法封装成团队可复用的提示词、模板与 Skill，沉淀为组织资产。

• 在国企/上市公司合规框架下安全使用 AI，掌握数据脱敏与保密的关键动作。

• 设计从“个人尝鲜”到“组织级提效”的推广路线图，推动 AI 能力在团队内规模化落地。

【课程对象】

大型国企、上市公司及集团型企业的财务、税务、审计、内控人员，以及需要借助 AI 提效的办公与经营分析人员；要求学员已具备财税基础并初步接触过 AI 工具。

【课程时间】

1天（6小时/天）

【课程大纲】

一、为什么财税人员要从“会用 AI 聊天”进阶到“用 AI 搭工作体系”？

1. 现状：人人都在用，但效率卡在“个人天赋”上

会用 AI 的人越来越多，但产出质量高度依赖个人 prompt 水平

“换个问法就翻车”：没有稳定、可复用的流程

案例：费用明细

2. 痛点：零散使用带来的三大天花板

经验无法沉淀：人会离职，prompt 留在个人电脑里

上下文断裂：每次重新解释背景，重复劳动

组织无获得感：企业买工具，却买不到“团队能力”

讨论：你所在团队，AI 提效目前卡在哪个环节？

3. 本课主线：从“个人聊天”到“工作体系”的四层跃迁

第一层 会用（聊天）→ 第二层 善用（智能体/工作台）→ 第三层 沉淀（知识库/团队 Skill）→ 第四层 治理（合规/规模化）

一天课程对应这条跃迁路径：认知→选型→个人落地→组织放大

二、面向财务与办公人员的最新智能体（Agent）到底能做什么，和普通 AI 工具有什么不同？

1. 重新认识智能体：从“对话”到“自主执行”

什么是智能体：感知—决策—执行—反馈的闭环，能调用工具、记住目标、多步完成任务

与大模型对话的核心区别：不是“你问它答”，而是“你给目标，它自己拆步骤、调工具、出结果”

财税场景的典型形态

问答型：基于知识库的政策/制度问答

流程自动化型：自动抓取—核对—生成报告

RPA+AI 型：跨系统搬运数据并做智能判断

案例：让智能体“把本月所有差旅报销单按部门汇总，标记异常，生成表”——一句话 vs 半小时手工

2. 主流大厂智能体横向对比：财务人怎么选？

对比维度：搭建门槛 / 知识库与私有化支持 / 财务场景适配 / 企业级安全与合规

对比对象（示意/脱敏）：豆包（字节跳动）、Codex（OpenAI）、WorkBuddy（腾讯企业办公智能体）

讨论：不同规模与合规要求下如何选型

3. 智能体的能力边界与风险初识

适合交给智能体的：规则明确、重复、可复核的工作（抓取、汇总、初核、起草）

必须人工把关的：判断、签字、对外报送、不可逆操作

三类风险早期识别：幻觉（编造数据/政策）、越权（访问不该访问的文件）、外泄（敏感数据出域）

三、怎么搭建属于自己的“财务个人工作台”，把智能体、知识库和常用模板装进一个入口？

1. 什么是财务个人工作台：从“打开 N 个工具”到“一个入口搞定”

工作台核心组成：智能体 + 知识库 + 提示词/模板 + 常用报表/快捷指令

与零散使用 AI 的区别：上下文连续（不用反复解释）、资产可沉淀（模板/知识都在）、操作可追溯（留痕）

案例：把“月结检查清单”“差旅审核规则”“常用分析模板”钉在工作台首页

2. 工作台搭建四步法

第一步 梳理个人高频工作流与痛点清单（先做“工作盘点”）

第二步 选入口/平台（结合模块二对比结论，按合规要求选）

第三步 接入智能体与知识库（知识库详见模块五）

第四步 固化常用模板与快捷指令（把高频 prompt 变成一键按钮）

演练：用 WorkBuddy 搭一个最小可用工作台

边界：哪些放工作台、哪些仍走原有财务系统（如核心核算、资金支付）

定期复盘与资产更新：每月清一次“僵尸模板”，补一次知识库

四、怎么用智能体把报销、记账、月结、报税等高频重复工作自动化？

1. 选场景：先挑“高重复、规则清、可复核”的三类活

报销审核（规则校验、异常标记）、记账辅助（凭证草拟）、月结检查（清单核对）、报税初稿（数据归集）

评估标准：频率高、步骤固定、容错可复核

2. 搭建一个财税智能体的四步法

定义目标与输入输出（给它“做什么、要什么格式”）

接数据源与工具（表格、系统导出、OCR、知识库）

写“工作说明”而非“一次提问”（把 SOP 写进智能体的指令里）

设复核闸口（AI 出草稿，人做终审）

案例：差旅报销智能体——批量读取发票与申请单，按规则初核，输出异常清单+合规建议

3. 提效对比：过去 vs 现在（耗时均为估算值，建议用学员课前自测基线替换）

过去怎么做：人工逐张核对、Excel 拉表、邮件来回

现在怎么做：智能体批量读取—规则校验—生成清单，人只复核

演练：用工作台里的智能体跑一遍你自己的报销初核流程

五、怎么把企业财税制度、政策与历史经验沉淀成专属知识库，让 AI 回答更准更稳？

1. 为什么需要专属知识库：通用大模型“不懂你家规矩”

通用 AI 的盲区：不知道你们公司的报销标准、科目口径、内控流程

知识库的作用：让 AI 基于“企业私有知识”作答，而非凭记忆瞎编（降低幻觉）

案例：同一问题“业务招待费怎么算个税”，通用回答 vs 结合本公司制度的回答

2. 知识库构建四步法

收：归集制度文件、政策汇编、历史问答、典型案例（注意脱敏）

洗：清洗格式、去重、切分章节，标注来源与时效

建：导入知识库，建立“制度/政策/案例/口径”四类索引

管：设权限（谁能看什么）、定更新机制（政策变了谁来改）

3. 知识库的权限与质量控制

按密级分级：公开制度 vs 受限数据，分别设访问权限

质量护栏：关键结论必须“带出处”，不允许无来源断言

定期回检：每季度核对政策时效，淘汰过期知识

六、怎么把个人零散的 AI 用法沉淀成团队可复用的提示词、模板与 Skill？

1. 从个人经验到团队资产：为什么要沉淀？

个人提示词的局限：换人就失效，离职即丢失

团队资产的可复用价值：新人一周上手，质量不靠天赋

三类资产库的建设思路：提示词库 / 模板库 / 最佳实践库

2. 怎么把高频操作封装成自己的 Skill / 小工具，让团队一键复用？

什么是 Skill：可复用的“提示词+流程+工具/知识库”包，比单条 prompt 更稳定、可移植

封装四步法

提炼场景（明确“谁、在什么环节、解决什么问题”）

固化提示词与步骤（把 SOP 写死，减少随机性）

绑定工具/知识库（让 Skill 直接调数据、查制度）

测试与发布（用真实脱敏样例跑通，再上团队库）

案例：把“增值税申报表勾稽校验”封装成可复用 Skill（R1/R2/R4 三组勾稽关系自动校验）

演练：封装一个自己的小工具/模板（如“费用异常扫描”）

3. 分享、评审与版本管理

团队内分享机制：内部资产库，谁做的好谁上墙

评审标准：准确率、可复用性、是否脱敏、有无复核闸口

版本迭代与治理：谁维护、怎么回滚、怎么淘汰

七、在国企/上市公司的合规要求下，怎么安全用 AI 而不触碰数据与保密红线？

1. 红线清单：哪些数据绝对不能“出域”

敏感数据：员工身份、银行账号、客户信息、未公开经营数据、国家秘密与核心商业秘密

判定原则：凡涉及“可识别个人/可影响股价/可泄露商业机密”的数据，默认不进公有云

2. 安全用 AI 的四道闸

脱敏前置：上传前隐去姓名、证件号、账号、金额等关键字段

环境隔离：敏感场景用企业版/私有化部署，数据不出企业边界

权限最小化：智能体只给“够用”的访问权，禁止自动执行付款/删除等不可逆操作

留痕可溯：保留调用日志与人工复核记录，做到可问责

3. 组织层面的合规机制

制定《AI 使用与数据分级规范》，明确“能做什么、找谁审批”

定期审计智能体的访问范围与输出，防越权与泄露

讨论：如果要让部门全面用 AI，第一道该立的规矩是什么？

数据脱敏案例实操

案例：发票清单的脱敏与还原

八、团队和企业怎么从“个人尝鲜”规模化推广到“组织级 AI 提效”？

1. 为什么多数企业停在“个人尝鲜”

缺少标准（每人各用各的）、缺少资产（无团队库）、缺少治理（无合规底线）

2. 推广三阶段路线图

试点期：选 2–3 个高频场景 + 种子用户，跑出可量化提效

标准化期：沉淀提示词/模板/Skill 资产库，建培训与评审机制

规模化期：嵌入流程、对接系统、设专人运营与治理

3. 怎么度量“AI 提效”说得清、算得准

指标设计：单任务耗时、差错率、人力释放小时数、复用率

用课前自测基线做对照，避免“拍脑袋说提效”

案例：某集团财务共享中心——从 3 人试点到 200 人规模化的 6 个月路径

4. 可持续的运营机制设“AI 提效接口人”，负责资产库运营与答疑

季度复盘：哪些 Skill 在用、哪些该淘汰、下一步建什么

【数据脱敏与保密合规注意事项】

• 禁止将未脱敏的客户信息、员工身份、银行账号、合同金额等敏感数据直接上传至公有云 AI 服务。

• 涉及国家秘密、核心商业秘密的数据，仅在通过企业安全评审的私有化/专属环境（如企业版 WorkBuddy、本地部署）中处理。

• 对外提供数据前必须先做脱敏

• 坚持“AI 辅助、人工把关”原则：所有 AI 生成的凭证、申报、审计结论必须由具备资质的人员复核签字。

• 关注智能体的“越权”风险：限制其可访问的系统、文件与接口，避免自动执行不可逆操作（如直接付款、批量删除）。

• 保留操作留痕与审计日志，确保每一次 AI 调用可追溯、可问责。

• 遵守《数据安全法》《个人信息保护法》及企业内部的保密与数据分级制度。