信号 01
团队实际应用 AI 的地方
在我们采访过的 FP&A 团队中，常见的模式不是要求 AI 构建预测，而是要求 AI 帮助解释已经构建的预测。一旦在常用的电子表格或规划工具中汇总了预测，下一步几乎总是一个叙述：与上个月相比发生了什么变化，为什么发生变化，以及这对未来意味着什么。这个叙述步骤是 AI 正在做的真实的、被采用的工作。
这与 Kingston 工作流程库中更广泛的模式相一致：模型在构建和解释数字方面最可靠，而不是从头开始生成数字。
信号 02
这在实践中是什么样子的
典型的周期：FP&A 最终确定现有模型中的预测数字，然后将期间变化提供给 GPT 或 Claude 等模型，并提示要求提供初稿方差说明（按驱动因素分组）。然后，分析师会编辑该草稿——对其进行修改，纠正模型在因果关系方面出现的任何错误，并添加只有人类才知道的背景信息。
团队报告说，这显着缩短了叙述的起草时间，而没有改变谁拥有预测本身或其假设。
信号 03
团队遇到麻烦的地方
报告最不成功的团队是那些试图让模型直接接触预测模型的团队——在电子表格本身内部生成公式或假设，而不是根据其输出进行工作。这种方法产生了更多的返工，而不是更少，主要是因为 AI 建议的假设中的错误比 AI 建议的句子中的错误更难发现。
实践课程团队一致认为：将 AI 保持在预测的下游，而不是内部。