- 日期:2026-11-08
- 原始日期:2026-10-08
- 来源:a16z《You Need a New CFO》阅读原文 ;配套播客《The New CFO: How AI Is Rewriting the Finance Function | Figma CFO Praveer Melwani》阅读原文
- 渠道:a16z
- 体裁:报告
- 讲者:Seema Amble & Ivan Makarov(a16z 合伙人,本文作者);播客嘉宾 Praveer Melwani(Figma CFO)
- 信源层级:一手(a16z 官网原文,已直读)
- 标签:组织设计 / AI原生组织 / 判断力 / 财务
- 一句话:AI 终结了「数据是瓶颈」,CFO 从记账者变成「公司操作系统的设计者」——稀缺的不是产出,是判断力。
一、三代 CFO:会计师 → 银行家 → 建造者
- 记账时代(清账、建内控、出报表)→ 招四大出身
- 融资时代(募资、把交易做成)→ 招投行出身
- 规划时代(FP&A、指标、业务伙伴)→ 仍多从投行/PE 招
- 现在:稀缺技能变成 “设计公司运转的操作系统”——数据、工作流、Agent、Skill、控制,把“上下文”转成“智能与决策”。
- 标志:财务团队内部出现 “财务工程师”(finance engineer),CFO 越来越多亲自扮演这个角色。
- 对照:OpenAI CFO Sarah Friar 把财务定义为实时职能——走向“零日关账 + 持续更新的预测”,而非传统的月度关账节奏。
金句:最好的财务负责人听起来不再像计分员,更像建造者(builders)。
二、更多数据、更好工具、更瘦团队(7 条)
- 数据不再是瓶颈。 2020 年的核心抱怨是数据过期、碎片化、难整合;AI 让跨系统数据的抽取、摄取、解读更快——团队把时间从“获取信息”移到“采取行动”。
- 财务软件栈正在变成“财务团队的一部分”。 新一代工具数天上线(不是数季)、自己抓数据(不用人喂)、实时给洞察(不是月底)。ERP/税/采购每个环节都有了 AI 原生替代品(如 Rillet、Concourse、Lio、Stuut、Sphere、Petual、CFO.ai)。
- 上一代软件帮财务“管理”工作,这一代软件自己“做”工作。
- “财务工程师”崛起。 最先进的财务团队不只用 AI 工具,还自建自动化 / 仪表盘 / 内部工具。不少人从没写过代码、曾怀疑 AI、也没有工程资源——过去 9–12 个月“被 AI 打通了”。
- Anthropic 财务团队维护 70+ 个财务专用 AI Skill(当生产代码管),其中一个能产出 90–95% 完整的月度财务复盘,把数小时压到约 30 分钟。
- OpenAI:Friar 团队自建 IR/采购 GPT 与实时仪表盘替代静态董事会材料。
- 有人两周内让团队造出 50 个 Agent(不都有用,但让人人体验到“Agent 真出活”的魔法时刻)。
- 操作纪律(一句话):“同一件事做第二遍就写工作流;工作流写第二遍就写 Agent。”
- 财务团队更小、杠杆更高。 财务占比从 ~5% 降到目标 2%,重人才密度而非人数。招聘口径从“讲讲你的模型”变成 “讲讲你的 prompt 序列”。
- 资深领域专家杠杆最大(Anthropic 财务里最重的用户是税务负责人)——初级人缺“什么才算好”的上下文。
- 规划变成持续的。 按用量计费(token/分钟/API)本就难预测;月度节奏太慢。走向持续预测:会上就能跑复杂情景。
- 控制(controls)成为产品的关键特性。 每个数字要有一条可审计、可信的链路回到来源(含哪些 Agent 参与)。Agent 起草凭证要留工作底稿、走审批——财务定规则、负责签核。有控制,才有速度。
- 财务获得更大授权。 算力是 AI 公司最大的运营支出之一;财务能拉通用量、基建成本、客户收入,判断新功能/用量上升对毛利的影响——从而在定价、产品发布、支出承诺上有更强话语权。
- build vs buy 成为一个核心财务决策:“造”可能是大工程,也可能只是非技术团队 vibecoding 个小工具;“买”可能是按用量/按结果付费。
三、角色被重写
CFO 正在成为公司操作系统的建造者与架构师——要分清“什么该人做、什么该软件做”。AI 原生 CFO 必须 automation-first,并具备新框架:造什么、买什么、如何算 ROI。回报是:更多时间花在业务本身、做 CEO 的战略伙伴。
四、来源里那个“荒诞案例”(务必与热点文区分)
你(懿武)转来的中文热点文《人人“写软件”,企业会更高效吗?》里那段——“员工各自用 AI 开发数据仪表盘,结果连经营数字都不一致” / “软件通胀”:
- 它出自这场 a16z 播客访谈的交谈(中文二手文转述),不在上面这篇 a16z 文字稿里。
- 一手 = 播客音频(本机未直听),二手 = 猫不白(腾讯新闻)/ 至顶科技(网易)两篇中文转述。
- ⚠️ 该“仪表盘数字不一致”案例的具体措辞,建议回听原播客核对后再对外引用。
读后判断
- “造第二遍就写工作流、工作流写第二遍就写 Agent”——这条可以直接抄进造物云/小龙虾的方法论。 它是把“人的重复经验”沉淀成 Agent 的判断规则,与邱懿武“经验能否被沉淀 × 是否愿投时间”同轴。
- “软件通胀”是真命题,也是造物云的(尤其是现场):当每个客户/每个员工都能用 AI 自建工具,壁垒就从“造得出”转向“统一数据、协调系统、长期可靠运行”——正是造物云 KA 服务该切的位。
- “控制即产品特性” 对应你教育/硬件线的“数据归属 + 验收标准”:没有可信链路,越自动越危险。