KPMG国际 | kpmg.com毕马威。创造不同。2026 决策优势：人工智能如何为财务毕马威全球金融人工智能20315172021222 © 2026 版权由一家或多家KPMG国际实体拥有。KPMG国际实体不向© 2026 版权由一家或多家KPMG国际实体拥有。KPMG国际实体不向客户提供服务。版权所有。内容前言结论KPMG如何提供帮助方法论十二、治理与控制建立信心05 人工智能是决策引擎，而非成19 从采用到绩效保证准备差距数据质量与劳动力缺口04 执行摘要3 前言© 2026 版权由 KPMG International 的一个或多个实体拥有。KPMG International 的实体不向客户提供任何服务。版权所有。对1,013位高级领导进行的调查 | 20个国家 | 13个行业 | 收入1.25亿美元以上（美国为5亿美元以上） | 于2026年3月进行金融领域内的AI应用在过去两年中增长了超过一倍。 根据我们的2026年调查，许多组织如今看到了显著的业务回报。最大的增长集中在特定领域，同时，在实现规模化绩效的组织与那些仍在投入但未产生相应影响的组织之间，已出现明显的差距。金融领域的动态与KPMG 2026年第一季度全球人工智能脉搏调查在企业层面的发现相呼应：人工智能的成熟度正超越将其转化为绩效的操作能力。 2026年金融调查反映了这一点。相对于市场而言，技术和金融服务组织的代表性过高，这意味着头条采用的数字部分是由进展最快的部门塑造的。在重要的层面，注意到了部门之间的差异。尼克·麦克艾伦 KPMG国际财务顾问全球主管本报告基于事实和数据，分析了当前人工智能在金融领域哪些方面正在提升绩效、哪些方面尚未提升，以及取得成效的领导者们采取了哪些不同的做法。本报告《2026年金融科技》探讨了这些收益的来源及其驱动因素。 该报告基于我们2024年关于金融报告中的AI研究，将关注范围扩展至整个财务职能——包括治理、控制和劳动力。研究数据来自对13个行业、20个国家共1,013位高级财务领导人的调查。斯特凡·斯托克勒 KPMG国际审计创新与人工智能全球主管各行各业，金融领导者们正共同面对一系列运营问题：人工智能在哪些领域带来了最强的性能提升，是应引领还是跟随其应用，如何衡量人工智能的交付成果，如何加强对其的管控，以及如何构建由人类和人工智能共同组成、能够支撑其发展的整体人才队伍。这些问题正实实在在地在董事会会议室和财务职能部门中展开讨论，而非停留在理论层面。斯特凡·施滕德 KPMG国际税务与法律人工智能全球主管一个主题尤为突出：在人工智能领域进展最快的组织，是将信任——治理、控制、人工监督——视为构建绩效的一部分，而非合规的成本。 这构成了KPMG可信人工智能框架的核心，也是理解后续发现的关键线索。4 决策优势执行摘要© 2026 版权由 KPMG International 的一个或多个实体拥有。KPMG International 的实体不向客户提供任何服务。版权所有。来源：KPMG全球金融领域人工智能报告，2024年（样本量=2,900）和2026年（样本量=1,013）。2024年至2026年的比较在方向上具有可比性；各轮次的问卷范围有所不同。有关问卷层面的详细信息，请参阅方法论部分。自主智能（或半自主智能）是指能够自主或半自主地规划、推理、行动和学习以实现目标的系统。引人注目的是收益正集中在哪里。 最大的改进体现在决策质量、预测准确性和响应能力上。这些领域判断密集，而非交易流程。部署了自主AI的组织报告称，在关键财务指标上的表现至少提升了32%，在预测准确性和投资回报率（ROI）上更是接近提升了40个百分点。金融领域的AI正作为决策引擎在运行，而非成本杠杆。运营约束是一致的。 数据质量和完整性是最常被提及的障碍和机遇。大多数组织正在提升现有团队的技能，但只有28%的人在重新思考他们需要的人才类型。培训人员使用人工智能工具与构建人机一体化总工作模式之间的差距尚未弥合。70%的人报告称，过去一年中生成式人工智能是指能够从大数据集中学习并创建新内容（如图像、文本和语言）的先进神经网络。人工智能是指让机器通过编程来模拟人类思考和学习的智能。76% 的组织正在积极利用人表现并非一致。 治理和控制更强的组织报告的结果明显更好——在某些情况下，其显著改善的比率是无这些条件的组织的三到六倍。正式追踪与AI相关的关键绩效指标（KPI）的组织表现优于未追踪的组织。同时具备鉴证准备能力的组织也优于仅进行追踪的组织。人工监督仍然至关重要，尤其是在信任AI输出结果决定是否采取行动的情况下。通过治理、控制和监督来落地的信任，是领先者脱颖而出的关键。金融领域对人工智能的采用范围广泛。 超过四分之三的组织正在利用人工智能进行财务规划、报告和商业分析。71%的报告称，人工智能在他们的财务领域达到了或超出了投资回报率的预期。但采用范围广和表现优异并非一回事。报告称人工智能超出预期的组织比例仅为23%——这个比例比总体满意度数字所暗示的更小群体要小。这与KPMG 2026年第一季度全球人工智能脉搏在企业层面的观察相呼应：人工智能的采用速度超过了组织将其转化为大规模企业整体绩效的能力。自2024年以来，金融领域75%与30%的主动式AI使用率这三类在调查中分别进行了测量。 采用成熟度、绩效结果和部署模式因类型而异。若研究结果针对某一特定类别，文中会加以注明。5 © 2026 版权由一家或多家KPMG国际实体拥有。KPMG国际实体不向© 2026 版权由一家或多家KPMG国际实体拥有。KPMG国际实体不向客户提供服务。版权所有。人工智能是决策引擎，而非成本杠杆636%35%32% 8%10%12%17%24%14%38%35%18%37%29%22%19%12% 注意：'无计划'部分因尺寸限制未标注。总计因尺寸限制未标注。由于四舍五入，总计可能不等于100%。成熟度阶梯：财务职能在人工智能部署中的位置KPMG 2026年金融AI（无权重）。统计说明：A6a，基准=过去6个月在代理式AI方面取得进展的受访者（n=867）。成熟度阶梯：A3/A4/A5，n=1,013。© 2026 版权由 KPMG International 的一个或多个实体拥有。KPMG International 的实体不向客户提供任何服务。版权所有。各阶段组织占比，按AI类型划分（n=1,013）。代理式AI比AI和生成式AI各多两个阶段。人工智能应作为决策引擎，而非成本杠杆人工智能（AI）总体而言生成式人工智能代理型人工智能没有计划规划驾驶部署扩展编排 / 指挥 / 策划自主AI专属阶段未针对人工智能（AI）或生成式人工智能（Gen AI）进行衡量发展多智能体更响应性金融领域对人工智能的多数假设始于效率：更快的结算、更少的错误、更低的成本。但数据却揭示了另一番景象。金融职能中人工智能的活跃使用率在两年内已从30%提升至75%。率先取得进展的组织并非是那些最广泛采用人工智能的组织——事实上，大多数组织已经采用了。 它们是那些进入部署的协调阶段、将人工智能引导至最需要判断力的工作中的组织：规划、预测、风险评估。客户体验增长潜力关于金融领域的人工智能，讨论的焦点已发生变化。 两年前的问题在于人工智能能否发挥作用，如今的问题则在于它应该被部署去做什么。那些真正理解其价值并取得成功的组织，是利用人工智能来提升判断力，而不仅仅是加速任务。真正的回报就在于此。该发现与KPMG 2026年第一季度全球人工智能脉搏调查结果相似：在企业层面，竞争优势已从采用人工智能转向统筹人工智能。当具有能动性的AI能够创造可衡量的价值时，它通常集中在增长能力、响应速度和改善客户体验上。但采用的速度快于组织规模化实现企业级价值的能力。 传统的投资回报率衡量方式——即收入增加、成本节约——并不能捕捉到人工智能在金融领域当前实际创造价值的地方。人工智能正在改进金融业服务企业的方式，而不仅仅是其内部运营方式。斯特凡·斯托克勒 KPMG国际审计创新与人工智能全球主管财务团队正以更快的速度响应变化的环境和业务需求。金融领域代理式AI最具引用价值的可衡量来源771%44% 金融业将人工智能用在关键领域人工智能在判断密集型工作中创造了最大收益：规划、预测、风险评估。KPMG 2026年金融AI（样本量=1,013，未加权）。A1[预测准确性]，面向企业（T2B）=中等程度+显著提升，按行业划分。银行业样本量n=138；医疗保健业样本量n=32（基数较小，仅作趋势判断）。© 2026 版权由 KPMG International 的一个或多个实体拥有。KPMG International 的实体不向客户提供任何服务。版权所有。预测准确率：银行业 vs. 医疗保健业银行医疗保健依赖判断的工作在财务职能上积累了最多的潜在弱点。 它基于不一致的数据、投入不足的工具以及嵌入数字中的手动判断。在此方面，人工智能有更多获益的机会，并且当它发挥作用时，有更大的杠杆效应来创造收益。金融领导者正在寻求从人工智能中获得真正的决策优势——而非进行实验。 微软与KPMG携手，正帮助组织现代化其数据资产，建立恰当的治理机制，并负责任地扩展人工智能应用，从而让洞察力更快地从数据流向决策。银行与科技部门在提升运营效率和预测精度方面发挥着引领作用，而结构化数据与监管规范已为人工智能所需的基础奠定了基础。税务和财务职能一直运行在不一致的数据、零散的系统和最了解这些数字的人的手工判断之上。 人工智能正是为了解决这些问题而构建的。那些真正取得进展的职能，是利用人工智能来重建基础，而不仅仅是自动化已有的工作。比尔·达夫 财务副总裁 微软公司27分差距过去12个月内报告有中度或显著改善的机构百分比斯特凡·施滕德 KPMG国际税务与法律人工智能全球主管医疗保健和消费者领域在决策质量、效率接近度和预测准确性方面，由银行和科技带来的双位数利润差距。 仅预测准确性方面的差距就达到27个百分点。原因并非在于努力或雄心，而是数据：来源分散、整合缓慢以及遗留系统限制了人工智能可以发挥作用的基础。对金融领导者而言，这意味着很明确。 AI在金融领域的最大回报来自于提升判断力，而非削减交易成本。下一个制约因素并非技术。而是治理：即信任AI产出的所需控制措施。性能提升主要集中在决策密集型工作中：决策质量（70%）、决策速度（71%）和预测准确率（64%）。 交易流程也在改进，但提升幅度较小。8Non-deployers 76%44% 一些领域正在分化/脱钩。来源：KPMG 2026年金融AI（样本量=1,013，未加权）。行业调整：按行业划分A1，T2B为温和+显著改善。代理调整：A1×A5，按A1指标平均计算。© 2026 版权由 KPMG International 的一个或多个实体拥有。KPMG International 的实体不向客户提供任何服务。版权所有。自主部署AI与未部署AI代理部署者部署者 = 放大、编排、多代理阶段（n=537）。非部署者 = 没有计划、规划阶段（n=146）。生成式人工智能已在各行业报告与分析领域持续带来效益，但真正的性能飞跃正体现在自主智能被部署用于跨工作流程进行规划、推理和行动，从而获得更大自主权。报告中度重或显著改善的机构百分比，A1指标平均值六项中的五项医疗保健试验。 差距最大之处在于基础工作要求最干净的数据：接近效率、预测准确性、投资回报率。这一优势并非平均分布。 银行业在六大金融指标中的五项中表现领先，包括运营效率和预测准确性，这反映了监管机构对清洁、及时数据的压力。技术和金融服务组织在代理部署方面更为领先，这反映了其数字化成熟度以及优化资本配置的竞争压力。在其他行业，创新投资在流向财务部门之前，会先用于运营或研发。绩效差距悬殊且高度集中：处于协调和多代理阶段的组织，在平均分上比仍处于早期规划阶段的组织高出32分，而在最重要的指标——预测准确性和投资回报率上，差距接近40分。当基础工作已实现标准化，例如减少错误时，利差会收窄。 而在金融...
