财务部、审计部、投资部，如何在财务分析工作中高效应用AI大模型

知风云：财务报表分析是一项既需要体力又需要脑力的工作。说体力，是因为要从大量数据中提取信息、计算指标、整理对比；说脑力，是因为要理解数字背后的业务逻辑，识别真正的风险和机会。

作者|知本咨询国企董事学习中心 朱腾
责编|亿亿 编辑|阿苓

长期以来，这两类工作都压在分析人员身上。问题在于，数据处理占用了太多时间，留给深度思考的空间反而有限。

一份年报几十上百页，光是把核心数据摘出来、把主要指标算一遍，就要花掉大半天。等到真正要形成判断、撰写报告的时候，往往已经精力不济。

AI大模型的能力边界，恰好与这个困局形成互补。它可以承担数据处理的繁重工作，让人把精力集中在真正需要判断的环节。但AI不是万能的，要把它用好，需要理解它能做什么、不能做什么，以及如何与人的专业能力形成配合。

因此在这篇文章中，我们将提供结构化的思考框架，三个层次、五类场景，帮助您系统地理解AI在财务报表分析中的应用逻辑。

在讨论AI应用之前，有必要先回到一个基本问题：财务报表分析的本质是什么？

表面上看，财务分析是在处理数字——计算比率、对比趋势、识别异常。但数字本身没有意义，数字背后的业务逻辑才有意义。

一家企业的应收账款增加了50%，这个数字说明什么？可能是业务扩张带来的自然增长，可能是放宽信用政策的结果，也可能是回款出了问题。同样的数字，不同的业务背景，得出的结论完全不同。

所以，财务分析的本质是透过数字看业务。通过资产负债表、利润表、现金流量表的勾稽关系，还原企业真实的经营状况、盈利质量和风险水平，最终为决策提供支撑。

这个过程需要两种能力的配合：一是数据处理能力，从海量信息中提取关键数据、计算各类指标、进行多维度对比；二是业务判断能力，理解数字背后的含义，识别真正的风险点，形成有价值的结论。

AI的定位非常清晰，它擅长数据处理，具备初步的业务判断能力。正确的人机协作模式是AI负责繁重的数据工作，人负责专业的业务判断。

图1 财务分析工作的人机定位

AI辅助财务分析可以分为三个递进的层次，每个层次解决不同的问题。

图2 AI财务分析的三个层次

第一层次：单表分析

这是最基础的层次，针对单张报表进行结构分析、趋势分析和异常识别。

资产负债表分析关注资产结构（流动与非流动的比例、各类资产的质量）、负债结构（短期与长期的比例、有息负债的规模）、所有者权益的变动。重点是识别资产质量风险，比如应收账款的账龄分布、存货的周转情况、固定资产的减值迹象。

利润表分析关注收入的增长趋势和结构变化、毛利率和净利率的波动、各项费用的控制情况。重点是评估盈利能力和盈利质量，区分经常性损益和非经常性损益，判断利润的可持续性。

现金流量表分析关注经营、投资、筹资三大活动的现金流状况，判断企业的造血能力和资金来源。重点是识别现金流与利润的背离，评估企业的真实经营质量。

在这个层次，AI可以快速完成数据提取、指标计算、趋势对比、异常标注等工作，为深入分析奠定基础。

第二层次：跨表验证

三张报表之间存在严密的勾稽关系，跨表验证是判断数据可靠性的关键。

基础勾稽包括：货币资金与现金流量表的期末余额是否一致、未分配利润的变动与净利润及分红是否匹配、固定资产的增减与投资活动现金流是否对应。这些关系如果不成立，说明数据可能存在问题。

深层验证更有价值。比如，利润表显示净利润为正，但现金流量表显示经营活动现金流为负——这个背离是怎么产生的？需要追溯到资产负债表，看是应收账款大幅增加、还是存货积压、还是预付款项增多。通过跨表追溯，才能找到问题的根源。

AI可以自动完成勾稽验证，并对数据不一致的地方进行标注和追溯分析，大幅提升验证效率。

第三层次：综合诊断

在单表分析和跨表验证的基础上，形成对企业财务状况的综合判断。

比如盈利能力评价（ROE、ROA、毛利率、净利率等指标的综合分析）、偿债能力评价（流动比率、速动比率、资产负债率、利息保障倍数等）、运营效率评价（应收周转、存货周转、总资产周转等）、现金流质量评价（经营现金流与净利润的匹配度）。

综合诊断还需要进行行业对标，把企业的财务指标与同行业可比企业或行业平均水平进行比较，判断企业在行业中的相对位置，识别竞争优势和劣势领域。

AI可以计算多维度指标、生成综合评分、进行行业对比，但最终的综合判断——这家企业到底怎么样、风险有多大、值不值得投资，仍然需要人来完成。

上面讲的是分析框架，但框架要落地，还需要具体的操作方法。下面结合实际工作中的常见需求，针对五类典型场景，分别提供一个可以直接使用的提示词模板。这些模板经过实践检验，读者可以根据自己的具体情况调整后使用。

场景一：快速建立全景认知

拿到一份财务报表，首先需要建立整体认知。AI可以在几分钟内完成全景扫描：从资产负债表提取主要科目和结构占比，从利润表计算核心盈利指标和变化趋势，从现金流量表分析三大活动的现金流状况。输出一份结构清晰的概览报告，让分析人员快速了解企业的基本面貌，明确后续的重点分析方向。

【提示词模板：全景扫描】

请对这份财务报表进行全景扫描分析。

一、资产负债表概览

——提取主要资产科目，计算各项占总资产的比例

——提取主要负债科目，计算资产负债率

——标注同比变化超过20%的科目

二、利润表概览

——计算毛利率、净利率、费用率

——展示近三年的收入和利润变化趋势

——识别非经常性损益项目

三、现金流量表概览

——经营/投资/筹资活动现金流净额

——判断企业现金流的组合类型

四、初步发现

——列出需要重点关注的异常项目

——建议后续深入分析的方向

场景二：系统性风险扫描

财务报表中的风险信号往往藏在细节里。AI可以按照预设的风险清单进行系统性扫描：收入与应收账款的匹配度、利润与现金流的背离程度、毛利率的异常波动、关联交易的规模和占比、存贷双高等不合理现象。对触发预警条件的项目自动标注，减少人工审核时的遗漏。

【提示词模板：风险扫描】

请对这份财务报表进行风险信号扫描，逐项检查以下预警指标：

1、收入质量预警

——收入增长率与应收账款增长率是否背离

——第四季度收入占比是否异常偏高

2、利润质量预警

——净利润与经营活动现金流是否长期背离

——非经常性损益占利润总额的比例

3、资产质量预警

——应收账款账龄是否恶化

——存货周转率是否持续下降

——是否存在大额商誉或无形资产

4、偿债风险预警

——短期借款占有息负债比例是否过高

——是否存在存贷双高现象

5、关联交易预警

——关联交易金额及占收入/采购的比例

对触发预警的项目，说明具体情况和风险程度。

场景三：重点科目深度分析

对于全景扫描中发现的异常科目，需要进行深度分析。比如应收账款异常增长，AI可以进一步分析账龄分布、周转率变化、坏账准备计提充足性、前五大客户集中度、关联方往来占比等，形成完整的分析链条。

这类深度分析需要人机配合——人提出分析方向和关注重点，AI执行数据提取和计算工作。

【提示词模板：应收账款深度分析】

请对应收账款进行深度分析。

一、规模与趋势

——近三年应收账款余额及同比增长率

——应收账款占营业收入的比例变化

二、账龄分析

——提取账龄分布（1年以内、1—2年、2～3年、3年以上）

——计算各账龄段占比，与上期对比

——判断账龄结构是否恶化

三、周转效率

——计算应收账款周转率和周转天数

——分析周转效率的变化趋势

四、坏账准备

——坏账准备计提政策

——坏账准备余额及计提比例

——判断计提是否充足

五、集中度与关联方

——前五大应收对象及金额

——关联方应收款项金额及占比

六、风险评估

——综合判断应收账款质量

——识别主要风险点

场景四：三表勾稽与联动追溯

验证三张报表的勾稽关系，对数据不一致的地方进行追溯分析。比如经营活动现金流远低于净利润，AI可以分解差异来源：折旧摊销的影响、应收账款变动的影响、存货变动的影响、应付账款变动的影响，逐项分析，定位问题所在。这是AI的强项——繁琐的数据追溯工作可以快速完成。

【提示词模板：利润与现金流差异分析】

净利润与经营活动现金流出现背离，请进行差异分析。

一、差异概况

——近三年净利润金额

——近三年经营活动现金流净额

——计算现金流/净利润的比值

二、差异分解

请按以下因素分解差异来源：

——非现金费用影响（折旧、摊销、减值）

——应收项目变动影响

——存货变动影响

——应付项目变动影响

——其他经营性项目变动影响

三、主因定位

——导致背离的主要因素是什么

——这个因素是暂时性的还是持续性的

四、风险判断

——利润的现金含量如何评价

——是否存在利润质量问题

场景五：分析报告生成

分析完成后，需要把结果整理成报告。AI可以按照标准结构生成报告初稿：分析概要、企业概况、各维度分析结论、风险提示、综合评价。

人的工作是审核内容、调整措辞、补充判断，而不是从空白文档开始写起。这可以大幅节省报告撰写的时间。

【提示词模板：财务分析报告】

请基于前面的分析，生成一份财务分析报告。

报告结构：

一、分析概要（200字以内）

——分析对象和时间范围

——核心结论（3—5个要点）

二、财务状况分析

——资产质量评价

——盈利能力评价

——偿债能力评价

——现金流质量评价

三、主要发现

——积极因素

——需要关注的问题

四、风险提示

——列出主要风险点

——评估风险程度（高/中/低）

五、综合评价

——整体财务状况判断

——后续建议

要求：语言简洁专业，结论有数据支撑。

AI是工具，工具用得好不好，取决于使用方法。

任务要拆解，指令要具体。不要指望一个宽泛的提问能得到精准的回答。有效的做法是把分析任务拆解成具体的问题，每个问题单独完成，最后汇总形成完整图景。指令越具体，AI的输出越有针对性。

数据要核对，结论要验证。AI提取的数据可能有误，计算和判断也可能出错。用于正式报告或重要决策的内容，必须人工核对。AI的输出是初稿，不是定稿。

业务背景不能省。AI分析数据，但不了解业务背景。在使用AI之前，应该先说明基本情况：行业、主营业务、发展阶段、分析目的。有了背景信息，分析才能更有针对性。但最终的业务判断，仍然要靠人来完成。

信息安全要重视。财务报表涉及敏感信息。使用外部AI平台时，要了解数据安全政策。对于高度敏感的项目，可以考虑脱敏处理或使用内部部署的AI工具。

AI不会取代财务分析师，但会重新定义这个岗位的价值。

快速阅读、批量计算、模式识别、报告生成这些工作以前占用了分析人员大量时间，现在可以交给AI完成。

但AI不擅长的恰恰是财务分析最核心的部分，理解业务逻辑、判断风险实质、权衡利弊得失、提出决策建议。这些能力建立在对行业的深刻理解和长期积累之上，是机器难以复制的。

未来的财务分析工作，角色会发生转变：从数据处理者转变为业务判断者。繁重的数据工作交给AI，人把精力集中在真正需要判断和决策的环节。

因此，工具的进步不会让专业能力贬值，只会让专业能力的要求更加聚焦。会用AI的分析人员和不会用AI的分析人员，效率差距可能是几倍甚至十几倍。这个差距，会越来越明显。

本文介绍的是AI辅助财务分析的基本框架和思路。如果你希望在实际工作中应用这套方法，可能还需要更具体的操作指导：每个环节具体怎么做？提示词怎么写？常见问题怎么处理？分析结果怎么整理成报告？

为此，我们编写了《AI辅助国企管理实操指南102号——财务报表分析》，指南共分五章，覆盖财务报表分析的完整流程：

第一章基础准备，介绍三张报表的核心要素、AI工具的能力边界、提示词工程基础、数据准备与格式要求。帮助读者建立正确的认知框架，做好分析前的准备工作。

第二章资产负债表分析，从结构分析、质量分析、趋势分析、能力评估、专项分析五个维度展开，涵盖货币资金、应收账款、存货、固定资产、隐性负债、关联交易等重点科目的分析方法，附有详细的提示词模板。

第三章利润表分析，包括盈利能力多维度分析框架、收入质量审查技巧、成本费用结构优化、非经常性损益识别与调整，帮助读者评估企业的盈利能力和盈利质量。

第四章现金流量表分析，涵盖经营活动现金流解析、投资活动战略解读、筹资活动结构分析、三大活动联动解读、现金流与利润匹配度验证、造假风险预警信号、现金流预测模型等内容。

第五章三表联动综合分析，介绍勾稽关系自动验证、综合财务健康度诊断、行业对标智能比较、投资决策辅助报告生成等方法，帮助读者形成对企业财务状况的完整判断。

知本咨询旗下自媒体

未经授权 禁止转载