Bagaimana AI Mengubah Peranan Pasukan Kewangan: Daripada Pemprosesan kepada Business Partnering

Oleh Jane Ha · Dikemas kini 11 Oktober 2026

AI mengubah peranan pasukan kewangan dengan mengambil alih kerja berulang yang berasaskan peraturan (mengekod invois, memadankan transaksi, menyusun laporan draf pertama) supaya orang dapat meluangkan lebih banyak masa untuk menyemak output, menganalisis hasil dan menasihati perniagaan. Pekerjaan tidak hilang mengikut jadual tertentu. Campuran tugas dalam setiap pekerjaan beralih daripada menghasilkan angka kepada menyemak, menjelaskan dan bertindak berdasarkan angka tersebut.

Panduan ini ditujukan kepada CFO, pengawal kewangan (controller), pengarah kewangan dan pengurus kewangan yang perlu merancang jumlah kakitangan, pengambilan pekerja dan latihan sementara alat-alat berubah di bawah mereka. Ia merangkumi apa yang ditunjukkan oleh bukti tenaga kerja, pandangan mengikut peranan tentang apa yang beralih, kemahiran yang semakin bernilai, dan urutan praktikal untuk latihan semula kemahiran. Untuk sisi teknologi, lihat AI dalam kewangan dan kes penggunaan AI dalam kewangan yang konkrit.

Fakta Utama

• Biro Statistik Buruh AS (BLS) menjangkakan pekerjaan akauntan dan juruaudit meningkat 5% dari 2025 hingga 2035, dan menyatakan bahawa AI dan automasi mungkin mengambil alih sebahagian tugas rutin sambil menjadikan kerja nasihat dan analitik lebih menonjol, tanpa mengurangkan permintaan keseluruhan (BLS Occupational Outlook Handbook: Accountants and Auditors).
• Sumber yang sama menjangkakan kerani simpan kira, perakaunan dan pengauditan merosot 6% sepanjang 2025 hingga 2035, dengan menyatakan bahawa perisian telah mengautomasikan banyak tugas mereka (BLS: Bookkeeping, Accounting, and Auditing Clerks).
• Dalam tinjauan CFO Signals suku keempat 2025 oleh Deloitte terhadap 200 CFO di syarikat Amerika Utara yang berpendapatan sekurang-kurangnya $1 bilion, 49% menamakan pengautomasian proses untuk membebaskan pekerja bagi kerja bernilai lebih tinggi sebagai keutamaan utama bakat kewangan untuk 2026 (Deloitte CFO Signals).
• Dalam tinjauan terhadap 1,446 pemimpin kewangan kanan oleh AICPA dan CIMA, yang dijalankan dari Ogos hingga September 2025, 56% menamakan AI generatif sebagai jurang kemahiran yang paling menonjol dan 32% menamakan business partnering (perkongsian dengan perniagaan) (tinjauan Future-Ready Finance oleh AICPA & CIMA).
• ACCA dan CA ANZ meninjau 1,600 profesional kewangan pada 2026: 72% melaporkan hanya mempunyai kemahiran GenAI asas atau tiada, dan 93% bimbang tentang integriti dan kebolehsahihan pandangan yang dijana AI (ACCA dan CA ANZ, Enabling finance insight).

Apa yang Sebenarnya Berubah

Kerja kewangan sentiasa mempunyai dua lapisan. Yang pertama ialah pengeluaran: merekod transaksi, menyesuaikan akaun, menutup buku, menyusun laporan. Yang kedua ialah pertimbangan: memutuskan maksud angka itu, apa yang perlu dilakukan dan sama ada ia boleh dipercayai. Selama beberapa dekad, sebahagian besar jam kerja pasukan kewangan dihabiskan untuk lapisan pertama, dan lapisan kedua mendapat sisa masa yang ada.

AI, dan alat automasi yang lebih lama seperti RPA, menyerang lapisan pertama. Pembelajaran mesin membaca invois dan memadankannya dengan pesanan belian. AI generatif mendraf ulasan varians daripada lejar. Ejen boleh mengejar kelulusan dan menyediakan catatan jurnal, seperti yang diterangkan dalam ejen AI untuk kewangan. Apabila lapisan pengeluaran menjadi lebih murah, lapisan kedua menjadi sumbangan utama pasukan.

Itu tidak bermakna pasukan kewangan sepuluh orang menjadi pasukan tiga orang. Dapatan Deloitte adalah tentang niat: CFO mengatakan mereka mahu automasi membebaskan orang untuk kerja bernilai lebih tinggi. Sama ada mereka menempatkan semula masa itu atau sekadar memotong kos ialah pilihan pengurusan.

Apa yang Ditunjukkan oleh Bukti Tenaga Kerja

Tinjauan kerajaan: campuran tugas beralih, bukan seluruh profesion

BLS Occupational Outlook Handbook ialah sumber data awam yang paling jelas kerana ia melaporkan setiap pekerjaan secara berasingan. Setiap angka di bawah datang daripada halaman pekerjaan itu sendiri, jadi jangan membaca merentasi baris seolah-olah ia satu populasi.

Bacalah corak itu dengan teliti. Pekerjaan yang paling hampir dengan pemprosesan transaksi tulen ialah yang diunjurkan mengecut. Pekerjaan yang dibina sekitar analisis dan pertimbangan diunjurkan berkembang. Dan peranan yang tidak mengecut dijangka berubah dari segi kandungan, bukan sekadar alat.

Satu peringatan tentang penggunaan data ini. Ini ialah unjuran untuk pasaran buruh AS, dan ia menggambarkan bilangan pekerjaan, bukan apa yang berlaku di dalam sesebuah syarikat. Penurunan 6% merentasi 1.5 juta pekerjaan kerani masih boleh disertai kira-kira 144,100 kekosongan setahun, menurut halaman BLS yang sama, semuanya daripada pekerja yang berpindah ke pekerjaan lain atau meninggalkan tenaga kerja. Pelan anda sendiri harus dibina berdasarkan data proses anda sendiri.

Keutamaan CFO: automasi ialah keputusan bakat

Tinjauan Deloitte suku keempat 2025 meletakkan automasi di puncak keutamaan bakat kewangan untuk 2026, dengan 49% CFO menamakannya. Tinjauan yang sama mendapati 87% CFO menjangka AI amat penting atau sangat penting kepada operasi kewangan pada 2026, dan 54% menyenaraikan pengintegrasian ejen AI ke dalam kewangan antara keutamaan transformasi utama mereka. Apabila orang yang menetapkan belanjawan kakitangan mengatakan tujuan automasi ialah kerja bernilai lebih tinggi, peranan yang kekal mesti dibina untuk menghasilkannya.

Badan profesional: jurang kemahiran ialah kesesakan

Tinjauan AICPA dan CIMA terhadap 1,446 pemimpin kewangan kanan melaporkan bahawa 88% melihat AI sebagai aliran teknologi yang paling transformatif untuk perakaunan dan kewangan dalam 12 hingga 24 bulan akan datang, namun hanya 8% menyatakan organisasi mereka sangat bersedia. AI generatif ialah jurang kemahiran yang paling menonjol pada 56%, diikuti data dan analitik (36%), komunikasi, pengaruh dan pemikiran kritis (33%) serta business partnering (32%). Latihan di tempat kerja dinilai sebagai cara paling berkesan untuk menutup jurang oleh 61% responden.

Laporan 2026 ACCA dan CA ANZ, berdasarkan 1,600 profesional kewangan, mengukuhkan gambaran itu dari sisi kakitangan: 72% hanya mempunyai kemahiran GenAI asas atau tiada, 41% mencari latihan pada masa sendiri, dan 93% bimbang tentang integriti dan kebolehsahihan pandangan yang dijana AI. Senarai halangannya wajar sentiasa ada di hadapan pasukan anda: isu kualiti data (42%), kekurangan kemahiran yang sesuai (42%) dan kesukaran mengintegrasikan pelbagai sumber data (40%). Ketua eksekutif ACCA menyifatkan peralihan ini sebagai pasukan kewangan berkembang daripada enjin pelaporan retrospektif kepada pemacu strategik bagi pandangan merentasi seluruh perusahaan.

Kerja peringkat permulaan: soalan yang masih terbuka

Kesan yang paling hangat diperdebatkan ialah ke atas kakitangan junior, yang secara tradisinya mempelajari profesion ini dengan melakukan pemprosesan. ICAEW melaporkan bahawa Big Four mengurangkan pengambilan junior sepanjang dua tahun lepas, dengan tanggapan bahawa AI sebahagiannya menjadi punca, tetapi kini kesemua empat merancang mengambil sekurang-kurangnya 1,000 orang junior tahun ini, dengan EY menjangkakan 1,600. Seorang perekrut yang dipetik dalam artikel yang sama menyatakan bahawa profesional awal kerjaya kini meluangkan kurang masa untuk kemasukan data dan lebih banyak untuk menyemak output, dan majikan semakin menilai kebolehsuaian serta keselesaan dengan teknologi (ICAEW). Anggaplah ini sebagai petunjuk, bukan data yang muktamad. Apa yang jelas ialah masalah reka bentuknya: jika junior tidak lagi belajar dengan menaip catatan, anda memerlukan cara lain untuk mengajar mereka bagaimana angka dibina.

Mengikut Peranan: Hari Ini Berbanding dengan AI

Jadual di bawah ialah pandangan perancangan, bukan ramalan untuk mana-mana syarikat tertentu. Ia menunjukkan di mana lapisan pengeluaran mengecut dan apa yang dijangka dilakukan oleh individu itu sebagai gantinya.

Dua corak menonjol. Pertama, semakan menjadi kecekapan teras pada setiap peringkat. Seseorang yang dapat mengesan akruan yang salah dalam lautan akruan yang betul lebih bernilai daripada seseorang yang boleh menyediakan seratus akruan. Kedua, peranan rakan kongsi perniagaan bukan lagi kemewahan. Apabila pengeluaran menjadi lebih murah, kekangan terhadap nilai kewangan ialah sejauh mana ia membantu pengurus membuat keputusan, dan itulah maksud perkongsian dengan perniagaan.

Kemahiran yang Semakin Bernilai

Tinjauan menunjuk kepada senarai yang ringkas.

Pertimbangan dan semakan. Output AI lancar dan kadangkala salah. Orang yang mengesan ralat perlu memahami perakaunan asas, salasilah data dan kawalan. Inilah maksud praktikal human-in-the-loop (manusia dalam kitaran) dalam fungsi kewangan: penyemak yang dinamakan, semakan yang ditentukan dan kuasa untuk menolak.

Kefasihan data. Anda tidak memerlukan setiap akauntan menulis kod. Anda memerlukan mereka tahu dari mana data datang, mengapa sesuatu medan kosong dan apa yang tidak dapat dilihat oleh model. Jika asas data anda lemah, mulakan dengan kesediaan data kewangan untuk AI, kerana AI menggandakan kesan data yang buruk lebih pantas daripada manusia.

Literasi AI generatif. Jurang GenAI 56% dalam tinjauan AICPA dan CIMA ialah item tunggal yang terbesar. Literasi di sini bermakna mengetahui apa yang perlu ditanya, cara mengesahkan jawapan dan data mana yang tidak boleh sekali-kali dimasukkan ke dalam alat yang tidak diluluskan. Kes kemahiran yang lebih luas dibincangkan dalam literasi AI: kemahiran baharu di tempat kerja.

Komunikasi dan pengaruh. Analisis yang tiada siapa bertindak ke atasnya tidak bernilai. Jurang 33% dan 32% bagi komunikasi dan business partnering menunjukkan ramai pasukan mengetahui angka tetapi bergelut mengubah keputusan dengannya.

Pemikiran proses dan kawalan. Seseorang perlu memutuskan apa yang dilakukan proses automatik apabila menemui pengecualian, dan membuktikannya kepada juruaudit. Orang kewangan yang memahami aliran kerja dan objektif kawalan menjadi pereka proses baharu.

Cara Melatih Semula Kemahiran Pasukan Kewangan, Langkah demi Langkah

1. Petakan jam kerja semasa anda. Minta setiap pasukan menganggar berapa banyak masa dihabiskan untuk pemprosesan, semakan, analisis dan nasihat. Kebanyakan pasukan mendapati bahagian nasihat adalah kecil. Itulah garis dasar anda.
2. Pilih proses yang hendak diautomasikan dahulu. Mulakan di tempat volum tinggi dan peraturan jelas, seperti pengambilan data invois atau penyesuaian bank. Panduan kes penggunaan membantu anda menyenaraikan pendek pilihan.
3. Tentukan ke mana masa yang dibebaskan pergi sebelum anda mengautomasikan. Tuliskan sasarannya: penutupan lebih pantas, lebih banyak kitaran peramalan, lebih banyak masa bersama pemilik belanjawan. Jika anda tidak memperuntukkan kapasiti itu, ia akan diserap oleh permintaan ad hoc baharu atau dipotong tanpa pelan.
4. Reka bentuk semula peranan, bukan sekadar tugas. Kemas kini huraian tugas supaya semakan, pengendalian pengecualian dan business partnering menjadi tugas yang jelas. Ubah kriteria prestasi supaya sepadan.
5. Latih di tempat kerja. Dalam tinjauan AICPA dan CIMA, 61% menilai latihan di tempat kerja sebagai pendekatan paling berkesan. Gandingkan proses pilot dengan pelan pembelajaran yang ringkas: berlatih mengesahkan output daripada alat sebenar, menggunakan fail sebenar.
6. Bina semula laluan junior. Jika kakitangan peringkat permulaan tidak lagi belajar melalui pemprosesan manual, wujudkan rotasi berstruktur, latihan semak-dan-jelaskan dan pemerhatian bersama controller atau ketua FP&A supaya mereka masih membina asas.
7. Tentukan peraturan semakan dan pemilikan. Bagi setiap langkah yang dibantu AI, namakan siapa yang menyemak, apa yang diperiksa dan apa yang berlaku apabila mereka tidak bersetuju dengan sistem. Simpan jejak audit.
8. Berkomunikasi secara terbuka. Beritahu pasukan tugas mana yang berubah, apa pelan untuk masa yang dijimatkan dan bagaimana peranan akan berkembang. Berdiam diri akan disangka pelan pemberhentian.
9. Ukur kedua-dua belah. Jejaki masa kitaran dan kadar ralat, tetapi juga bahagian masa pasukan yang dihabiskan untuk analisis dan business partnering, serta kepuasan pemilik belanjawan. Jika set kedua tidak bergerak, kapasiti itu pergi ke tempat yang tidak membantu.

Perangkap yang Perlu Dielakkan

Memotong sebelum menempatkan semula. Mengurangkan kakitangan sebaik sahaja alat dilancarkan menyingkirkan orang yang paling sesuai untuk menyemaknya. Tunggu sehingga proses berjalan lancar dengan kadar ralat yang diukur.

Menganggap semakan sebagai cop getah. Jika penyemak meluluskan ratusan item yang disediakan AI sehari tanpa melihatnya, kawalan itu wujud di atas kertas sahaja. Ambil sampel dengan sengaja, jejaki pembetulan dan putarkan penyemak.

Mengosongkan bangku junior. Automasikan semua kerja peringkat permulaan tanpa laluan pembelajaran gantian dan anda akan kekurangan controller masa hadapan dalam lima tahun.

Mengambil pekerja untuk huraian tugas yang lama. Jika pekerja baharu disaring berdasarkan kelajuan kemasukan data atau pemformatan Excel, anda sedang mengoptimumkan kerja yang kini dilakukan oleh alat.

Mengabaikan kepercayaan. Dengan 93% profesional yang ditinjau bimbang tentang integriti pandangan yang dijana AI, pasukan yang tidak mempercayai output akan mengulanginya secara manual dengan senyap dan menghapuskan penjimatan. Tunjukkan bagaimana output disemak dan dari mana ia datang.

Langkah Seterusnya

Mulakan dengan peta jam kerja dalam langkah pertama. Ia mengambil masa sepetang, dan ia memberitahu anda sama ada pasukan anda kebanyakannya menghasilkan atau menasihati hari ini. Kemudian pilih satu proses untuk diautomasikan dan satu kemahiran untuk dibina bersamanya. Jika proses pertama itu ialah kelulusan rutin yang tersangkut dalam e-mel, alat aliran kerja seperti perkhidmatan kelulusan Rework (aliran berurutan, selari atau bersyarat) boleh membawanya, manakala semakan dan pertimbangan kekal di tangan orang anda. Untuk sisi teknologi dan kes penggunaan, baca AI dalam kewangan, dan untuk alat penyediaan draf khusus perakaunan lihat AI generatif dalam perakaunan.