第四章 合规基线——这条路完全走得通
面向企业主和财务负责人的财务 AI 落地指南，系统讲解财务团队 FDE 化、合规基线、技术底座、六大场景、实施路线与风险治理。
第四章 合规基线——这条路完全走得通
核心结论：很多企业主听到「让财务人员自己写代码做工具」的第一反应是担心合规。答案很明确：FDE 模式——人在环中、数据不出域、每一步可追溯——天然比任何黑箱 SaaS 更容易满足合规要求。本章梳理中国企业财务必须遵守的合规框架，并逐条说明为什么「你的团队自己用工具解决问题」反而是最合规的路径。
FDE 模式在合规上比黑箱 SaaS 更安全
合规是财务工作的底线。让财务人员自己写代码做工具，企业主通常会担心三件事：出了错谁负责、工具没经过 IT 评审是否安全、数据在个人电脑上处理是否违反《数据安全法》。
这一章逐条说明，为什么 FDE 模式——你的财务人员用本地部署的 AI 模型、在自己的工具上处理自己的数据——比把数据发给第三方 SaaS 更安全、更可追溯、更容易满足监管要求。
三个核心优势：
人在环中。 工具的使用者就是开发者本人。他理解每一个规则的含义，知道每一个输出的来源。出了异常，他比任何人都快地发现和修正。这不是黑箱——是一个人对他自己做的工具负全责。
数据不出域。 本地部署意味着所有数据在企业内部的服务器上处理。不经过第三方、不上传到云端、不存在跨境传输。这直接满足了《个人信息保护法》最小必要原则、《数据安全法》分类分级要求。
每一步可追溯。 脚本就是规则的可读版本。你不需要逆向工程一个黑箱系统来搞清楚"它到底做了什么"——代码就在那里，每一行逻辑都清清楚楚。审计人员要追溯，直接看脚本。
中国企业财务数字化的合规框架
下面梳理中国企业财务必须遵守的合规框架。核心是三条防线，每一条 FDE 模式都有天然优势。
防线一：数据不出域——本地部署是天然的安全优势
财务数据是企业最敏感的数据。员工报销、客户付款、供应商账户、工资与税务数据必须做敏感分级和权限收敛。
《个人信息保护法》要求目的限制、最小必要原则。《数据安全法》要求数据分类分级。《数据出境安全评估办法》对跨境数据有严格管控。
本地部署意味着数据从始至终不离开企业。你的财务人员的工具在本地服务器上运行，处理的是企业内部数据，不经过任何第三方 API。这直接满足了：
- 最小必要原则：数据只在企业内部流转，只用于预定的财务处理目的
- 数据不出域：不存在跨境传输问题，不需要额外的安全评估
- 权限可控：谁有权限运行什么工具、处理什么数据，完全由企业内部控制
相比之下，SaaS 产品需要把数据上传到第三方服务器——每一次数据传输都是一次合规风险敞口。
你需要确保的一件事：工具涉及 PII 的处理（员工报销中的姓名、身份证号、银行账号等）做了脱敏或访问控制。
防线二：人审不可绕过——工具做准备工作，人做判断
《会计法》第九条要求根据实际发生的经济业务事项进行会计核算。《会计法》第二十七条要求记账人员与审批人员、经办人员的职责权限应当明确、相互分离。电子凭证会计数据标准要求全流程电子化——接收→报销→入账→归档→查验，数电发票的入账标识和用途确认不可跳过。
这几条法规的共同要求是：工具不能替代人工审批。付款必须双签，高风险分录必须人工复核，异常必须可追溯。任何自动化工具都必须在电子凭证的闭环中运行，不能旁路或跳过法定查验环节。
FDE 模式在这条防线上反而比传统系统更容易做到：工具做的是规则校验和数据匹配——这些是「判断前的准备工作」。最终的审批、付款、过账决策仍然由人做出。脚本负责校验和标记，人负责审批和决策，两者天然分离。
你的财务人员用工具做的是数据处理和规则校验，不是凭空生成会计分录。三单匹配脚本的输入是真实的采购订单、入库单和发票，输出是匹配结果和差异标记——每一条记录都可以追溯到原始凭证。工具在流程内加速，不绕过任何环节。发票查验、入账标识、用途确认等法定环节一个不少。
你需要确保两件事：所有不可逆操作（付款、过账、税务申报）前，必须有系统暂停点和人工审批，工具不能直接触发；所有工具的输出保留原始凭证编号或业务事件 ID 的关联，确保可追溯。
防线三：其他合规要求——口径、税金、对外传播
除了上面两条核心防线，还有几条合规要求一并说明：
口径一致。 《会计信息化工作规范》（财会〔2024〕15 号）要求各系统互联互通、数据共享。你的财务人员做的工具，输入数据来自 ERP，输出数据回到 ERP 或与 ERP 口径对齐。他们比任何外部供应商都更清楚自己公司的科目编码和核算口径。确保工具使用的会计政策、科目表和核算口径与 ERP/EPM 保持一致就行。
税金由规则算，不由 AI 猜。 《大企业税务风险管理指引》要求建立税务内控体系、票税一致性。税金计算和申报表填写必须由确定性规则驱动。你的财务人员做的工具是规则驱动的——按税法规定的公式计算税金。AI 的角色在辅助性的地方：税务政策问答、风险扫描。核心计算由规则驱动的脚本完成。
对外传播要标识。 《生成式人工智能服务管理暂行办法》的适用范围限定为"向公众提供服务"。内部使用的工具不触发算法备案和安全评估。但如果管理报告中有 AI 辅助生成的归因分析和经营解读文本，对外传播前必须经过法务/投资者关系部门审查并按规定标识。
合规检查清单：快速自测
以下 8 个问题覆盖四个维度。如果你的团队能全部回答"是"，说明 FDE 化的合规基础已经到位：
会计真实性与报告口径
| 序号 | 检查问题 | 通过标准 |
|---|---|---|
| 1 | 自动化工具产生的所有会计数据和报表，是否全部可追溯到真实的原始经济业务凭证？ | 每条输出有对应的原始凭证编号或业务事件 ID |
| 2 | 工具使用的会计政策、科目表和核算口径，是否与企业 ERP/EPM 统一？ | 不存在独立的口径定义 |
内部控制与职责分离
| 序号 | 检查问题 | 通过标准 |
|---|---|---|
| 3 | 所有不可逆操作（付款、过账、税务申报）前，是否有系统暂停点和人工审批？ | 工具不能直接触发不可逆操作 |
| 4 | 财务人员自行搭建的自动化工具/脚本，是否纳入了版本管理？修改是否有记录？ | 脚本变更有版本控制和变更日志 |
数据安全与隐私保护
| 序号 | 检查问题 | 通过标准 |
|---|---|---|
| 5 | 工具处理的数据是否全部在本地部署的服务器上运行？是否经过任何第三方 API？ | 数据不出企业内部网络 |
| 6 | 工具涉及 PII（员工姓名、身份证号、银行账号等）的处理是否做了脱敏或访问控制？ | 敏感字段已脱敏或权限收敛 |
AI 治理与对外传播
| 序号 | 检查问题 | 通过标准 |
|---|---|---|
| 7 | 税金计算和申报的核心逻辑是否由确定性规则驱动，不依赖概率性模型输出？ | 税务计算脚本是规则驱动的 |
| 8 | 对外传播的内容中如包含 AI 辅助生成的文本，是否经过审查并按规定标识？ | 有审签流程和标识机制 |
不同规模企业的差异化落地
合规要求是普适的，但落地方式因企业规模而异。
小企业：参照《小企业内部控制规范（试行）》轻量设计。职责分离可以简化为"做的人不批、批的人不做"，工具版本管理可以用 Git 或简单的文件命名规范。关键是：底线不能突破——凭证可追溯、付款必须人工审批、数据不出域。
大中型企业：以《企业内部控制基本规范》为基线。FDE 化不需要重建内控体系——只需要在现有框架内增加一个维度：「业务人员自建工具的治理」。具体包括：工具登记（谁做了什么工具、处理什么数据）、版本管理（脚本变更需记录）、权限控制（谁有权限运行什么工具）。
上市公司/央国企/跨境企业：叠加专项要求。上市公司叠加信息披露管理办法；央国企叠加国资委穿透式监管要求；跨境企业叠加《数据出境安全评估办法》。FDE 模式的本地部署优势在这些场景中更加突出——数据天然不出域，合规成本最低。
合规不是障碍
合规的存在不是为了阻止你提高效率，是为了确保效率提升不以牺牲真实性、安全性和可追溯性为代价。
FDE 模式——你的财务人员用本地部署的 AI 模型、在自己的工具上处理自己的数据——在每一个合规维度上都是最自然的合规路径：
- 工具的使用者就是开发者，对工具的行为负全责
- 数据从始至终不离开企业
- 每一条规则都是可读的脚本，审计追溯没有黑箱
- 人在环中，关键决策始终由人做出
合规没问题。那你接下来会问：技术上需要什么条件？投入多少？ 下一章告诉你，你只需要两样东西。
第四章小结：合规的核心是三条防线——数据不出域、人审不可绕过、口径税金和对外传播。FDE 模式在每一条上都有天然优势：人在环中、数据不出域、每一步可追溯。合规不是障碍，是护栏——而且 FDE 模式天然就在护栏内运行。下一章：你只需要两样东西——技术底座比你想象的简单。