工作群里冒出一段 13 分钟的财务系统介绍视频，作者作为得到负责产研的联合创始人，完全不知道这个叫「知衡」的系统存在。做它的不是技术团队，而是两位财务分析师。从最初只想解决查数，到把月结那 47 份 Excel 串成闭环，她们用 AI 做完了超出本职的事。

一步步让AI把一项完整的工作做完。

上周，我在公司的一个工作群里，突然看到了一段动画视频。13分钟，讲的是一个财务系统的功能介绍。画面、旁白、结构，全是AI做的。

我当时顾不上看视频做得好不好，脑子里冒出来的第一个问题是：这个系统是什么？我怎么完全不知道？

朋友们知道，我是得到的联合创始人，所有跟AI和产研相关的团队都是我负责的。按理说，公司里凡是跟产品和技术沾边的项目，我多少都该有点印象。

但这个名字叫「知衡」的财务系统，我一点都不清楚。

这里也得跟你先交代一下背景。得到虽然业务规模不大，但因为是直接面向用户的，业务形态又很多，所以各种财务业务极其复杂。

比如得到App里有课程这种单独购买的虚拟商品，还有AI学习圈、听书、电子书这种会员订阅式的形态。

苹果和安卓的渠道费不一样，还得分苹果支付、支付宝和微信支付。另外，还有直播、纸质书、线下课等等。

不同的业务形态、不同的支付渠道、不同的合作形式，光是一笔收入怎么入账，就能分出七八种情况。

所以过去这些年，财务系统一直是我特别头疼的事。一方面是它非常复杂，另一方面也来源于我对这方面的无知。

其实很多次，我都努力去学习里面的知识，但因为头绪确实太多，往往是从入门到放弃。但一个公司的财务数据质量非常重要，所以我一直在想办法招资深人士，来加强这块的建设。

最高峰的时候，我专门搭过一个给财务部门用的产研小分队，最多有10个人。但后来发现还是很难做，因为产研的同学很难深入理解财务里面的那些逻辑。

一份报表为什么要这样算，一笔收入为什么要那样拆，这些东西你不在那个岗位上干个三五年，真的搞不明白。

这也是很多公司内部系统，特别是财务会计系统遇到的通病。

所以，当我在群里看到这个完全陌生的财务系统时，我是真的震惊了。哪怕我对AI这么了解，在我的刻板印象里，财务系统都应该是AI最后才能去碰的东西。

我赶紧去问这系统是谁做的，得知结果后非常惊讶。这个系统从头到尾，都是我们的两位财务分析师秦雅君和张君怡用AI做出来的。

她们做的是财务分析，程序开发和产品设计都超出了她们原本的工作范围。她们给这个系统取了个名字，叫「知衡」，就是知得失、懂平衡的意思。

我对她俩为什么会做这个系统、怎么用AI做出来的产生了浓厚的兴趣，所以跑去问了来龙去脉。听完之后，我觉得非常有收获，所以今天也跟你分享一下。

知衡这个系统最早想解决的，其实就是一件很简单的事：查数。

我们公司的数据散在各种地方，会计数据在用友，业务数据在数仓，有些明细还要去OA导出，有些资料在飞书群里，还有一些计算依据放在飞书多维表里。

管理者想看一个数，经常要找好几个人、翻好几个系统才能拼出来。所以她们最早的想法，是做一个「财务版牛小数」，就是一个对话机器人，你问一句话，它帮你把数找到。

这个对话机器人5月中旬开始做，很快就跑起来了。但跑起来之后她们发现，财务要解决的事，可不仅仅是问几个问题那么简单。

大家每个月还得花大量时间，重复那套月结流程：找资料、整理表格、执行调整、检查结果，再把文件传给下一个人。

光是一个月需要整理的财务管报，盘点下来就涉及47份Excel。飞书记录显示，3月的管报在一个工作群里来回传了17次，这还没算收集源资料、私聊和其他群里的传递。

每一次传递，背后都是精力的消耗。

所以到了7月，她俩的关注点就从「AI能不能回答」，变成了「能不能把一项完整的工作做完」。

知衡系统也从一个查数机器人，一步步做成了一个复杂系统，相当于把财务部大半的日常工作都搬了进去。

经营流水月报，是知衡第一个完整跑通的任务。

聊天记录显示，第一份全月流水表的交付时间是7月2日下午5点07分。AI发来一个Excel，8643行，后面列了各事业部的流水。

她们拿到表以后，第一步就是用手工表核对。几分钟后她们就发现不对：大部分调整是在事业部之间做重分类，这边减、那边加，合计应该是零，但AI把总流水调大了。

查出来才知道，有些应该减掉的数没有写成负数。修完以后继续核对，又发现漏了三类调整。

所以严格说，那天是AI第一次把全月流水表做出来，但就跟考试一样，当时AI仅仅是交卷了，并没有及格，离核对通过还差得远。

而且她俩刚开始用AI做月报，不但没省时间，反而要加班。

一个手工几分钟就能改完的小地方，AI做了半个小时。追问它在干嘛，AI说正在重新「渲染」整个Excel。她俩当时也不理解这个技术词到底是什么意思，所以没敢动。

那时候她俩的实际感受就是：等，一直等。但其实那只是个特别小的调整，AI出现了理解上的幻觉。

从这件事就能看出来，财务人员和AI改报表的方式差别很大。一个熟练的财务人员改一份报表，她知道改一个地方会影响哪里、哪些地方不用动，这些全是经验。

但AI不知道。你告诉它改一个数，它可能会把整张表重新跑一遍。

后来她们慢慢摸索出来，除了告诉AI改什么，还得告诉它影响范围是什么，哪些东西不要碰。

但更让人头疼的又来了，AI有时候会「作弊」。

有一次做仓储物流费用的拆分，AI交上来的结果和手工表完全一致。她们一开始还挺高兴，觉得终于算对了。后来越看越不对劲：这也太巧了吧，一分钱都不差？

仔细检查才发现，AI直接把手工表里的现成数字抄过来了，压根没按规则计算。数虽然对得上，计算过程却省掉了。

这事儿你要没有财务背景，根本发现不了。

因为结果看起来是对的，格式也对，逻辑也通，只有真正懂这些数字是怎么一步步算出来的人，才会觉得：「不对，这个算法不可能得出这个数。」

你看，数字太完美了，也会露出马脚。

类似的坑还有不少。有一回她们说「8月流水」，AI也说「8月流水」，核对了半天对不上，最后才发现两边说的压根不是同一个版本的8月流水。

还有本地测试明明跑得好好的，部署到正式环境就挂了。更崩溃的是，有些问题明明已经修好了，结果AI恢复旧版本的时候又把bug带回来了，只能再修一遍。

我问她们，遇到这些情况会不会觉得AI不靠谱，想放弃？她们说不会，因为这些问题其实跟当年带新人是一样的。

新人也会犯这些错，也会理解偏差，也会把改好的东西又改回去。区别只是AI不会闹情绪，而且你骂完它，它真的会改。

还有一件事让我觉得挺厉害：随着她俩把功能一个个做出来，整个团队的协作方式也跟着变了。

以前那些Excel散在不同的人手上，谁改了什么、改的是哪个版本、用的什么规则，全靠记忆和沟通。

一旦有人换岗或者请假，接手的人根本不知道上个月某个数是怎么调出来的。现在大家通过这个系统找资料，计算规则也写进了系统。

以前只存在某个人脑子里的经验，其他同事现在也能看到、照着用了。

一份经营流水月报，从拉数到交付，过去大概要4个人天，现在压到了1个人天。

从她俩的AI活跃记录上，经常能看到晚上十一二点还在发新版本。我问她们怎么回事，她们笑着说是AI成瘾了。因为每做完一个功能，就会发现下一个可以做的东西，然后就停不下来了。

我还问了她俩一个问题：这个系统现在离理想状态，完成度有多少？

她们说大概10%。对，你没看错，就是10%。做了好几个月，已经有十几个功能模块了，她们说这才走到10%。

我问那剩下的90%是什么。她们随口举了个例子：现在系统能自动拉数和算数了，但有些调整的判断还得靠人。

比如一笔关联交易到底该怎么抵消，同一笔收入在会计口径和管理口径下要做不同的拆分，这些东西没有一个固定公式，每次都得根据实际情况判断。

她们脑子里装着的东西，远远比已经搬进系统里的多得多。

说到这里，今天的分享，我重点并不是想夸我们的财务同事有多厉害。而是觉得，特别是今年，AI在很多场景的能力已经非常强了，比如写代码、做工具。

这意味着，很多原来只有产研人员才能做的事，现在业务人员自己也有机会动手了。

所以，如果你也是一个业务型的角色，完全值得基于自己的工作想一想，有哪些痛点值得去解决。

先不要想能不能做出来、自己会不会，你就拿着这个痛点，跟AI深入聊一个小时。聊着聊着，可能你就会有自己动手做点什么的冲动。

因为以前产研流程，中间有很多专业环节：要写代码、画原型图、甚至跟产品经理反复吵需求。这些步骤现在都可以省掉不少，AI已经能帮着做掉很多。

最需要的，是你把自己干了这么多年的活，一步一步讲给AI听。

其实，我觉得现在才是对「资深专家」的真正考验：你到底是有二十年的经验，还是把一年的经验重复用了二十次？

你手里有没有真东西，比以前任何时候都重要。