日本大阪的ソルビス税理士法人与东京M&Aナビ公司于8月13日通过YouTube免费公开了一场关于AI财务尽调（DD）自动化实操的网络研讨会。该活动聚焦于如何利用生成式人工智能工具“Claude”（Anthropic公司开发）的扩展功能“Skill”，将财务尽调中的三项核心流程实现部分自动化。内容面向税务师及会计事务所从业者，无需报名即可观看，重点呈现了实际业务场景下的操作演示与技术边界分析。
本次演示基于双方共同开发的AI辅助系统，涵盖财务尽调的三个关键环节：调查范围设计（スコーピング）、资产负债表与损益表分析（BS・PL分析）、以及最终报告撰写。整个过程由ソルビス税理士法人代表境裕介现场操作并讲解，展示了从原始财务数据输入到结构化输出的完整链条。演示所用数据为模拟生成，非真实企业资料，且明确强调本视频仅为信息分享，不构成任何税务或法律建议。
在技术实现层面，系统依托Claude的“Skill”功能，通过预设指令模板和规则引擎，使AI能够自动识别财务报表中的异常项目、计算关键比率、提取关联交易线索，并生成初步分析摘要。例如，在损益表分析中，AI可自动识别连续三年收入下滑但费用未同步下降的异常组合，并标注潜在风险点。在资产负债表分析中，系统能对长期应付款项进行分类提示，判断是否存在隐性负债风险。这些功能显著减少了人工查阅和比对的时间成本。
演示也坦承了当前AI能力的局限性。对于涉及复杂商业逻辑、管理层主观判断或跨部门协调的事项，如客户集中度风险评估、关联方交易合理性判断、未来现金流预测等，仍需依赖专业人员的经验介入。例如，当某笔大额应收账款账龄超过两年但未计提坏账时，AI虽可标记异常，但无法独立判断其是否属于正常经营周期内的延迟回款，必须结合业务背景确认。这表明当前AI在财务尽调中更适合作为“第一道筛查工具”而非完全替代者。
AI财务尽调的产业化门槛与适用场景
该系统已在ソルビス税理士法人内部投入使用，但其大规模推广仍面临多重挑战。数据安全是首要障碍。财务尽调涉及企业敏感信息，若使用第三方云平台处理，需满足日本《个人信息保护法》（APPI）及《金融商品交易法》对数据存储与访问权限的要求。目前系统采用本地部署+加密传输方式，但对中小型事务所而言，软硬件投入成本较高。
模型的准确率依赖高质量训练数据。当前系统主要针对日本本土企业财报格式（如采用日本会计准则J-GAAP）进行优化，若用于中国或欧美企业，需重新调整提示词（prompt）和验证规则。这意味着跨国应用时需额外投入定制化开发，难以直接复用。审计机构对AI生成内容的可追溯性要求严格，系统必须保留完整的操作日志与决策路径，以满足合规审查需求。
从应用场景看，该技术最适合应用于中小型企业并购项目。这类项目通常财务体系相对简单，报表规范，且时间窗口短，对效率要求高。对于年营收在5亿至50亿日元之间的企业，传统尽调可能耗时2-3周，而借助AI辅助后可压缩至5-7个工作日。这对M&A中介平台如M&Aナビ而言具有显著价值——可提升撮合效率，缩短交易周期，增强客户黏性。
对中国行业用户的采购与技术选型参考
对中国税务师事务所、财务咨询公司或跨境并购服务机构而言，该案例提供了可借鉴的技术路径。目前尚无公开信息显示中国企业已部署类似系统，但国内已有部分头部会计师事务所开始测试AI辅助审计工具。例如，普华永道中国推出的“AI审计助手”已能在底稿生成、凭证抽查、异常波动预警等方面提供支持。但与日本方案相比，多数国内系统仍停留在“文档生成”阶段，尚未实现从数据输入到分析的端到端闭环。
在采购选型上，中国用户应重点关注三点：一是系统是否具备本地化部署能力，避免敏感数据外泄；二是是否支持中文财务报表解析，特别是对合并报表、附注披露等复杂结构的识别能力；三是能否与主流财务软件（如用友、金蝶、SAP）无缝对接。考虑到中国监管环境对AI使用的审慎态度，建议优先选择具备国家信息安全认证（如CMMI、ISO 27001）及可信AI评估资质的产品。
从供应链角度看，此类系统的核心依赖于大语言模型接口服务。中国企业若自建类似系统，需考虑与国产大模型（如通义千问、讯飞星火、百度文心）的集成可行性。但目前这些模型在财务术语理解、逻辑推理和长文本分析方面仍落后于Claude等国际领先模型。短期内，通过API调用海外模型仍是更高效的选择，但需评估跨境数据流动合规风险。