--- id: "9iAQdKxyiQc" title: "AI 如何让 Figma 财务团队成为构建者" channel: "a16z" host: ["Seema Amble","Ivan Makarov"] guests: ["Praveer Melwani"] date: "2026-11-05" updated: "2026-11-06" duration: "50:11" duration_seconds: 3011 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=9iAQdKxyiQc" canonical: "https://pod-exp.pages.dev/9iAQdKxyiQc/" transcript_jsonl: "https://pod-exp.pages.dev/9iAQdKxyiQc/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 智能体","金融基础设施","企业软件"] series: ["AI 与软件","a16z"] --- # AI 如何让 Figma 财务团队成为构建者 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Figma CFO Praveer Melwani 认为，财务团队正在从核对过去转向帮助业务决定下一步。借助 AI，财务人员可以把催收、费用分析、尽调和数据整合等重复工作自动化，把时间投入客户、实验与战略判断。团队成员亲自做原型能快速验证想法，但成熟方案需要 CIO 与系统团队整合成可靠、可复用的平台。AI 也让招聘更看重求知欲、业务理解、数据素养、沟通和独立判断；财务基本功仍重要，思考不能外包。企业推进自动化应先夯实数据基础，再建立一致指标和报告体系。 ## [0:00] 开场预告 · YouTube **Praveer Melwani：** 我觉得，我们有机会吸引并打造全球最优秀的财务团队。因为人们想要的，很大一部分是学习的机会，是感到公司愿意培养自己，也希望身边的人都想把自己的专业做到最好。 **Seema Amble：** 我们很想聊聊，怎样的人才算优秀的团队成员、优秀的招聘对象？ **Praveer Melwani：** 我希望招到求知欲特别强的人。他们加入团队，是想解决问题、真正理解业务。你可以用 AI 来帮自己、增强自己的能力，但最关键的是，你仍然要会独立思考。现在很多人都在批评 AI 生成的垃圾内容。我听一位 CFO 说，使用 AI 之后，每天都能产出没完没了的文档。但你发出的任何东西，都会占用别人阅读所需的时间、精力和注意力。这里面 95% 的难题，其实只是把数据放到正确的位置。 **Seema Amble：** 你觉得未来 12 到 18 个月会有什么变化？ **Praveer Melwani：** 如果我们面对的最大复杂性保持不变，我觉得一年后我们可能就不需要这么多人了。嗯…… ## [0:54] 自动化如何改变财务角色 · YouTube **Seema Amble：** 欢迎收听 a16z 播客，我是 Seema Amble，今天和我的合伙人 Ivan Makarov 一起主持。我们最近写了一篇文章，叫《你需要一位新 CFO》。我们的观点是，AI 正在把财务工作带到一个新阶段，CFO 的职责也越来越包括构建自动化，以及设计相应的系统和团队。今天我们请来 Figma 的 CFO Praveer Melwani，想聊聊你职业生涯中的观察，以及你和团队现在在做什么。Praveer，谢谢你来。 **Praveer Melwani：** 谢谢邀请，很高兴来。 **Seema Amble：** 先从一个问题开始吧。想请你们两位结合自己的职业经历，谈谈自动化如何改变了财务岗位和团队的工作。 **Praveer Melwani：** 我一直觉得，财务人员应该是运营型的领导者。我加入 Figma 时，各种自动化都还没有建立起来。当时要想把工作做好，我得大量写 SQL、搭数据表，弄清楚怎么整合财务信息，好推动我希望在公司内部展开的讨论。现在我常常回想刚入职那段时间：我做的事情就像一个“力量倍增器”，让我能在整个组织里扩大影响力。我当年在搭建的东西，如今借助手边的工具，个人做起来容易得多，也现实得多、触手可及得多。我希望越来越多人能用运营视角看待自己的工作，并据此定位自己、与业务伙伴协作。我觉得，这正是这个岗位转变的关键：从一个像交通警察一样、偏财务职能的部门，变成业务的助推者，成为真正推动组织变革的人。 **Seema Amble：** 再具体说说 AI 出现之前你用什么做自动化吧。你当时到底在做什么？是 Excel 宏，还是用 OCR 识别文件？ **Praveer Melwani：** 几乎什么都做。我从写 SQL 开始，查看所有产品指标和使用数据，再把它们和 Stripe 里的财务信息对应起来。我会写四五百行 SQL，生成“黄金数据表”，再交给同事，或者接入我们使用的各种 go-to-market 系统。我一天里大部分时间都待在查询编辑器里。 **Ivan Makarov：** 当然，还得等查询跑完。 **Praveer Melwani：** 没错，而且还得希望第一次就写对。后来我们招了数据科学家，我会把自己做好的东西交给他们，请他们加进 ETL 流程。这样它就能成为定期运行的任务，我也能把同一份信息传到 Salesforce、Marketo 或当时使用的其他系统里。那对我来说是最初的突破：如果我们能统一定义、统一说法，就不用再反复争论什么是真的、什么是事实，而能直接讨论怎样推动业务。 **Ivan Makarov：** 我最近和一位二十出头的人聊天，他抱怨跑一次提示词要等太久。我跟他说，你还没经历过等 SQL 查询跑上好几个小时，结果出来却发现根本没跑对的痛苦。这种速度提升是一个数量级。 **Praveer Melwani：** 完全同意。 **Seema Amble：** 时间这个维度确实很有意思，尤其是我们经历的这些年。我在 Webflow 和 Figma 时都看到过，比如疫情期间，协作工具的使用量大幅飙升，最开始我简直不敢相信。我不知道你是不是也有类似经历：我当时以为是数据坏了，或者别的系统出了问题。我们花了好几周才弄清楚。现在这个时代，我觉得你可能很快就能查明原因…… ## [4:55] 自动化如何改变财务角色（续） · YouTube **Seema Amble：** ……有些指标的波动、使用量和收入变化，都可以在一小时内看出来。这已经是完全不同的世界了。你们也有这样的体验吗？ **Praveer Melwani：** 有。疫情初期，我们的业务起飞了。我想那也是我们开始和 Andreessen 的团队合作的早期阶段。现在我每天醒来，都可以重新了解正在发生什么；一天中的任何时候，我都能查看每小时的仪表盘或每日指标，看看有没有异常、该问什么问题。团队知道我总会进去看，至于他们喜不喜欢就不知道了。他们把我看作一个会带着想法来找他们、真心想一起把业务做好的人。我们彼此都能访问同一份数据。 **Ivan Makarov：** 有意思的是，我们上大学那会儿，数据更新节奏还是按月甚至按季度；后来变成每周。我记得数据更多迁到云端之后，大家开始做大型周报仪表盘。现在每天都能看到了。这改变了你看待和思考数据的习惯吗？你多久会关注一次？ **Praveer Melwani：** 我认为，能拿到数据，是我有效安排一天工作的关键。在 Figma 的早期，我每天醒来都会关注这件事。我记得刚加入时，最初几天每天大约有 30 个人注册付费方案。我会逐个看：他们是谁？用的是个人邮箱还是公司邮箱？我们能不能联系他们？能从中学到什么，帮助我们决定要打造什么产品？早期这特别重要。现在我也理解，任何指标朝某个方向变化都会带来什么影响。如果能在问题变大之前发现，可能就能替公司省下几百、几千美元；反过来，如果发现的是增长机会，就能加大投入、继续挖掘。对我来说，这是每天、甚至一天多次都要关注的节奏。我希望团队和整个业务里更多人也能对这些指标承担责任，像业务负责人一样主动排查问题，而不是说“下周再看”，因为现在的变化节奏很快，问题越早解决越好。接下来，在聊你们自动化了什么之前…… ## [7:34] 怎样才是优秀的财务人才 · YouTube **Seema Amble：** ……我还想听听，过去什么样的人会是团队里的优秀员工、优秀人才，尤其是领导岗位上的人？先不谈 AI。 **Praveer Melwani：** 我觉得核心要求和今天差不多，只是应用方式会有些不同。我希望招到求知欲特别强的人，他们加入是为了解决问题、真正理解业务，并找到能带来正确结果的解决办法。我现在依然很看重这一点。AI 能让很多繁琐、重复的工作越来越少占用你的时间，你就能把更多时间用来发现业务里可以产生突破的地方，并把它们放大。所以我看重求知欲、数据素养、提出好问题的能力，以及把思路组织清楚、看懂数据结果并有条理地表达出来的能力。 **Seema Amble：** 你会怎么面试这类人才？你的做法有什么变化吗？ **Praveer Melwani：** 我现在正在招一位财务副总裁。对我来说，案例分析是整个流程里非常重要的一环。我想考察候选人怎样使用手边的工具。当然，我会期待他们使用这些工具。我不会给太多案例信息；我们是上市公司，外部有很多公开数据。关键在于，他们能不能把这些零散的信息拼起来，做出合理的分析，模型结果是否说得通。他们不只是能生成结果，还必须真正理解它是怎么来的。 接下来的讨论会看：他们是否真正理解自己搭建的模型结构？有没有测试过哪些部分对变化最敏感？能不能凭借这个模型，对业务如何运作形成可靠直觉？刚才也提到，能不能把分析有效地讲清楚？任何人都可以选自己喜欢的大语言模型，很容易就做出一个模型。但你有没有把它当成真正帮助自己思考的工具？今天不能把思考外包出去。AI 可以帮你、增强你的能力，但你仍然必须自己思考。 ## [10:16] Figma 财务团队自动化的工作流 · YouTube **Ivan Makarov：** 你说的很多其实无论有没有 AI 都是好员工应具备的素质。AI 只会让问责和严谨性更重要，因为你得确认交付成果背后确实经过了思考。 **Seema Amble：** 具体聊聊你们自动化了什么吧，也可以谈谈我们在被投公司看到的情况。能不能介绍几个 Figma 的工作流，以及你们怎么决定优先做什么、又是怎么实现的？ **Praveer Melwani：** 可做的事情太多了，我挑几个有意思的例子。过去一年变化很快：一开始我还在鼓励大家接受新工具、新的工作方式，现在每天都有很多很棒的点子冒出来。我们在公司全员大会的一个环节叫 Fig Nation，会展示大家如何用 AI 构建东西。财务团队经常上台分享。比如信用与催收团队的 Kajal，把整个工作流重新搭了一遍，从发票追踪、现金催收到与 NetSuite 对账，都整合进一个自建系统，并接上了我们使用的各类系统。 这让他能腾出手来继续缩短应收账款回收周期，把精力放在真正重要的事情上，也能继续自动化其他繁琐任务。他又重做了信用检查流程，把不同数据集巧妙地串起来，不必再手动逐个查；现在其他人也能用这套工具推动改变。 公司开发团队也很有意思。现在尽调时，我们会看团队能不能通过 vibe coding 把产品做出来，看看产品体验如何、技术有多复杂。大家都应该能试着重现产品。 **Ivan Makarov：** 你们会尝试把产品重做出来？哇。 **Praveer Melwani：** 对。团队现在做得相当好，可以初步判断一个想法是不是真的、实现有多难。当然，各种想法都有细节差异，但这样能建立扎实的直觉。 **Seema Amble：** 以前尽调这部分是不是得找产品团队来做？ **Praveer Melwani：** 我们现在仍然会和产品团队合作，但你可以先展示“这是我做出来的、这是我看到的”，这样会让讨论更有说服力。 **Ivan Makarov：** 所以这些是公司发展团队的人，不是产品团队的人，而且他们有财务背景，对吧？ **Praveer Melwani：** 没错，很有意思。我们的文化很重视文档，他们会写投资备忘录、并购备忘录之类的材料。最后阅读这些文档的，通常是管理层或产品负责人。领导们看问题的方式往往有共通点，所以团队给每位领导都做了一个独特的“人格”模型，整理成一组能力，让他们用来审阅投资备忘录、改进流程。 **Ivan Makarov：** 像是把投资委员会做出来，让这些角色彼此互动？ **Praveer Melwani：** 正是如此。他们会演示这些角色如何来回讨论：“Praveer 会怎么说，Dylan 会怎么说，CRO Sean 又会怎么说。”这样就能看出文档哪些部分需要补充、还要做哪些尽调，以及我必须追问哪些常见问题。 ## [14:17] Figma 财务团队自动化的工作流（续） · YouTube **Praveer Melwani：** 这样能减少大家坐在一起讨论所需的时间。我看到 AI 在很多方面都能帮你增强能力、替换工作流，也能帮助你理解和学习。我经常惊讶于我们能这么快围绕一个想法反复试做。它让我非常乐观：我们有机会吸引并打造全球最优秀的财务团队。人们想要学习，想感到公司在培养自己，也想被一群努力精进专业的人包围。我越能推动和促成这种改变，我们就越能留住人才、培养人才，让他们成长。 ## [15:04] 自建还是采购，以及如何识别 AI 垃圾 · YouTube **Seema Amble：** 这些工具都是直接用大语言模型自己搭的吗？你们也会找现成的 AI 工具合作吗？更愿意自建还是采购？ **Praveer Melwani：** 我刚才说的那些有不同做法。有些人在 Codex 里写代码，公司发展团队也在 Codex 里推进项目；有些人用工作流自动化工具，围绕 ChatGPT 智能体构建能力，信用与催收的一些流程就是这样做的。现在大家也开始用我们自己的工具搭建。比如 Figma Make，可以用自然语言提示创建应用或网站，还能托管并配上后端。有些用例已经开始出现。我很期待这样我们还能反过来给产品提意见。 现在这个阶段，很多人开始公开批评 AI 垃圾内容。大家以前谈无限 token，现在开会时会直接说这是 slop。我听一位 CFO 说，AI 让每天生成的文档多到没完没了，人人几分钟就能写十篇过去要花一两周的文档，结果什么都找不到。招聘上这会带来什么影响？你们会招更熟悉工具的年轻人，还是招资深人才？我担心我们会忘记 AI 之前的世界级标准，比如一个真正优秀的模型应该是什么样，尤其是对有经验、自己做过模型的人来说。 **Ivan Makarov：** 你觉得事情会怎么发展？你有时也会看到 AI 做出来的东西很差吗？ **Praveer Melwani：** 有时候会。我们内部也制定了用 AI 写内容时的标注政策。我之前提过，不能把思考外包。你让别人读的东西，就会占用他们的时间、精力和注意力。所以我们得用同样高的标准去审阅、阅读、总结，把内容讲清楚。你可以从不同起点开始，我完全接受，但每个人都要认真对待如何使用彼此的时间。 我也遇过一些东西看起来只做了一半，需要追问：“你真的弄明白这里发生了什么吗？”但也有时候我会觉得，哇，你们迭代得真快。几周前我们在做 2027 年规划，开差旅与娱乐（T&E）费用审查会，查看整个费用组合，讨论哪些政策有机会调整、哪些地方没有按应有方式执行。公司财务团队把分散在不同数据源的信息整合得很好：我们用 Navan、Zip 和 Ramp。要把这些数据对上，有很多模糊匹配工作。某人到底是去外地参加团队活动，还是住在旧金山、只是去那里拜访？这些数据应该如何打标签、如何处理？95% 的难题其实只是把数据放到正确的位置。模型很擅长替你做这些假设。我不需要结果百分之百准确，只要大方向正确，能帮我看清哪些地方值得重点关注就够了。 团队最后给出了一组建议的政策调整。我记得那天早上我提了些意见，半小时后开会时，所有内容都按我想要的方式整理、可视化出来了。我当时就想：“天啊，这真是个绝佳用例。”他们做到的事情，手工操作可能根本做不到。AI 垃圾当然可能出现，但如果工具用对地方、也知道什么程度算够用、什么必须做到无可挑剔，确实能释放很多潜力。 ## [19:04] 自建还是采购，以及如何识别 AI 垃圾（续） · YouTube **Praveer Melwani：** ……可以产生很多突破。会议开始时，所有内容都已经可视化了。那真是非常棒的用例，他们做出来的效果我觉得手工根本做不到。AI 垃圾确实会有，但用对工具、用在合适的地方，同时清楚什么结果够用、什么需要做到非常精确，就能释放出真正的价值。 ## [19:32] 把一次性智能体变成共享系统 · YouTube **Ivan Makarov：** 补充两点。第一个关键突破是数据。现在有了 AI，你可以接入各种数据源，快速做模糊匹配，让不同来源的数据得到大致正确、甚至精确的对账。过去你得跑 SQL 查询、等结果，然后还得自己充当 BI 分析师。第二点是，大家正在培养自动化的能力。比如我认识一位成长期公司的 CFO，他说一两个月里团队做出了四五十个智能体。它们当然不可能全都长期使用，我猜大约 90% 最后都弃用了，但这让大家形成了一个习惯：碰到手工、繁琐、又没有好工具的工作，就先想想能不能自动化。这个变化几乎和真正做出智能体一样重要。 **Praveer Melwani：** 完全同意。另一个问题是怎么分享、怎么让别人知道同事做了什么。我们内部审计团队花很多时间追着员工补充工单信息，才能满足 SOC 审计要求。GRC 团队做 ISO 和 SOC 2 审计时也在做同样的事。应付账款团队写应计项目时也会不断来回确认。既然要做信息收集、核对和对账，为什么不做一个统一平台？这正是系统团队能发挥作用的地方：把已经出现的做法协调起来、产品化，免得每个人都各自搭一套相似的东西。我觉得这就是 CIO 职能的一种演进：把自下而上的成果整合起来，重新构建、重复利用，让系统即使离开最初的创造者和搭建者也能继续运行。我们会在全员大会上分享，也会在团队之间交流。 **Seema Amble：** 我还听另一家成长期公司的客户成功负责人说，他每个销售代表都用 vibe coding 做了一个不同的仪表盘，数字各不相同。所以确实需要有人把数据协调起来。这就引出一个问题：到底由哪些团队来构建？谁来牵头？是团队里有人先做出智能体，再交给中央工程团队吗？我们也常谈“财务工程师”这个概念，想听听你的看法。 **Praveer Melwani：** 让专业人员先提出想法、快速迭代很重要。他们知道什么效果好、自己想要什么，也最了解要优化的流程。他们很适合做初版原型。但我不确定是否也该由同一个人负责检查所有上游依赖、确保系统正确托管，或者判断公司其他人是否有同样需求。世界一流的 CIO 团队可以在这里发挥作用。 昨天我们刚迎来新 CIO Casper Sorenson，他之前在 Coinbase。面试时我们聊了很多，怎样在 CIO 组织内部设立集中的产品管理职能，与各业务团队合作，找出真正有效的东西，再搭建其他人可以继续开发的基础。这和传统系统团队的作用相似，变化在于迭代速度更快，也更容易让其他人接着往上搭。 ## [23:32] 把一次性智能体变成共享系统（续） · YouTube **Ivan Makarov：** 现在公司里的这类能力是集中管理的吗？你觉得以后会变吗？ **Praveer Melwani：** 最终会集中起来。Figma 的很多事情都是业务长得比支撑工具建设得更快。我一直希望让组织有空间去构建，不想用基础设施拖慢大家，所以我们现在有点在追赶。有些团队已经比较成功地把系统集中起来，另一些团队则建得很快，我们现在正在想办法支持他们。我觉得我们正处在一段混乱的中间阶段。 **Seema Amble：** 这和我们从不少公司听到的很像：无论是 go-to-market 工程师、人才工程师，还是财务工程师，都是分散在各团队里的建设者，背景各不相同。有时是有工程背景的财务人员，擅长思考该自动化哪些流程；有时是从别的团队借来的产品工程师。大家都还在摸索这种角色应该是什么样。 **Ivan Makarov：** 这让我想到数据科学团队如何与组织其他部门合作。数据科学伙伴越了解合作团队的上下文，工作效果通常越好。我们有数据科学人员和产品团队合作，他们对产品的直觉不亚于产品经理和工程师，被视为核心团队成员，能一起构思、推动变化，只是使用了不同的工具。同样，也有人支持财务组织。有几位其实来自会计背景，他们知道这类工作必须特别严谨、始终准确，也懂得其中的细节：什么算退款，什么算无法收回，以及各种核对和平衡要求。这些知识让他们成为更好的构建者。我觉得“财务工程师”也一样，大家至少得对必要的业务知识有共同理解，才能逐步建立上下文，也帮助其他人拓宽思路。 ## [26:26] 谁来定义指标 · YouTube **Seema Amble：** 我为什么问指标定义？早期公司可能只有 20 个人，只有创始人，没有财务或业务人员，却已经在建立关键指标的定义，用于报告、投资者沟通和业务决策。之后财务人员加入了，指标定义该由谁负责？过去我们可能每隔几年才重新审视一次；现在用 AI 更容易查看代码或 Stripe 的业务逻辑，这会不会改变重新检查的频率？ **Praveer Melwani：** 我们团队负责这些数据的输出。我们公司比你说的早期公司成熟一些，管理控制也更完善。我一直很看重口径一致。这样我在董事会、管理团队以及公司其他人面前提供的信息都能保持可靠：大家知道，我现在给出的数字和一个月前给出的相同，历史数据不会变，也不是想隐瞒什么。随着公司发展、开始尝试新的做法，我们在每个财报季都会讨论披露口径，但我希望保持一致，做出的决定也经得起回看、能长期成立。大家用不同方式思考业务、帮助业务做得更好当然很好，但一致性也有价值。 **Seema Amble：** 你们团队里谁自动化做得最多？ **Praveer Melwani：** 问的是哪个岗位？我可以说一个人，但估计很快又会有人做出新东西。说实话，大家都在做：有人负责预测模型的一部分，有人负责业务运营（BizOps），把日常的竞争对标和定价研究自动化。我觉得互相激励、不断做得更好，能让整个组织都投入进来。所以我不太愿意只说某一个人；这是一支团队在共同推进。 **Ivan Makarov：** 这类人通常在某个领域经验更深，还是各类人都有？你自己也做了多少自动化？ **Praveer Melwani：** 早期我亲自示范很有帮助：如果我都在用新方式做事，大家就该知道我也期待他们这样做。不过，做得快的人通常对数据源很熟，也明白它们怎么连接起来。了解系统架构之后，你就能像架构师一样思考，怎样合乎逻辑地把系统接起来；也能分清模型是在做确定性的判断，还是在推断，以及哪些任务可以接受推断、哪些不行。其他人也会从中学习。 我们建立了展示分享的节奏、内部黑客松，也会请外部专家来交流。我经常和其他财务负责人讨论，再把有用的信息带回团队，让大家都能吸收。我的管理团队也在做类似的事。现在大家互相学习，挺让人振奋的。 ## [30:24] 把 AI 工具当作招聘福利 · YouTube **Seema Amble：** 我和 CFO、财务总监以及一线员工聊天时，经常听到一个共同主题：大家重新觉得工作有意思了。以前可能要花两三周对账、关账，现在人们把目光转向业务，也能发现更多洞察。大家对 AI 和垂直领域解决方案带来的可能性都很兴奋。 我想回到“采购”的问题。我前几天和一家高速增长公司聊，他们说自己发展太快，只能把所有东西都买现成方案。你也会这么想吗？自建可能更慢，直接买现成工具更快。对于核心记录系统这类绝对不能出错的东西，我们当然会买。团队玩得很开心的，是工作流自动化：日常有哪些事情做起来几乎不需要动脑？怎样增强这些日常工作，重新安排自己的时间？ 我也完全认同你说的，工作本来就有意思，但现在更好玩了，因为探索事情的速度更快。我团队有人会来跟我说：“天啊，我现在真的玩得很开心。”我觉得我们制定的政策和给大家探索的自由，是他们想留下来的原因之一，他们很喜欢自己在做的事。我不确定其他公司有没有充分把技术权限当作招聘手段。我已经开始在招聘时讲这一点，尤其是招那些原本不在科技行业的人。他们会觉得：“这就是我进入一个全新世界的入口。如果公司支持我学习，那太棒了。” **Ivan Makarov：** 我们谈福利时会说，来这里工作能得到什么。你以前的公司也许不给你这些模型或工具的权限，现在你能用上它们。 **Praveer Melwani：** 对。不只是能使用工具，你还可以了解周围的人都在搭建什么，从他们的成果中自然学到东西。如果你加入一家公司，发现它不光嘴上说给员工开通工具，而是真的在构建、你在面试过程中就能看见并感受到，我觉得人们会更愿意去这样的地方。 ## [33:11] 把更多时间留给战略 · YouTube **Seema Amble：** 2020 年，我和合伙人 Angela 写过一篇文章，讲 CFO 为什么需要现代化工具。里面有一张金字塔图，意思是财务团队把大量时间花在数据核对上，最顶端、占比最少的时间才用来做战略财务、回答战略问题。我想知道，你和团队有没有因此腾出时间？不只是做更喜欢的工作，也包括更有战略性地参与决策。这对你的角色有什么改变？ **Praveer Melwani：** 我很幸运，随着自己在公司成长，战略工作在我的职责里占的比重越来越大。我也意识到，既然我得到了这种空间，就应该在组织里为其他人创造同样的空间。日常或每周的工作节奏还是要有人负责，但如果我能让负责自助式业务的 go-to-market 财务团队不再忙着核对上周、上个月的数据，而是去关注正在做哪些实验、看到了什么趋势、应该追加哪些投入，那对他们来说会有意思得多。他们现在确实能做更多这类工作。 一些小事影响很大。比如，把固定格式的材料自动生成出来，再把时间用在标注、发现问题和理解原因上。我们已经看到这些工作变快了很多，质量也更好了。有位团队负责人在全员大会上分享，他做了一组 Figma 插件，能很快构思和迭代这些内容。我希望团队告诉我，他们花在战略分析上的时间越来越多。当然，业务复杂性总在增长，你永远要在管理复杂性与留时间做其他事情之间权衡。 **Ivan Makarov：** 没错。我们投资的 CFO 工具正在从追踪工作流转向直接给出结果，同时把审计追踪作为产品的一部分。财务当然要确保结果正确，能够追溯某次对账是怎么得出来的；但产品也会替你完成这项工作。关键是既有审计轨迹，也能拿到结果。我们确实看到团队把更多时间用于实验和研究。过去一个研究项目要花一个月，还得拉数据科学团队、发邮件追人、把大家叫进会议室。现在有智能体在后台运行，就可以快速迭代。 **Praveer Melwani：** 会计工作也一样，比如波动分析。会计师过去要逐期检查总账科目。现在有些工具会先告诉你哪些项目发生了变化，给出一批值得追查的线索。如果它能越来越准确，会计师就可以把时间用在别处。我觉得工具能帮大家拿到初稿、预期变化和初步调查方向。就像刚才说差旅与娱乐费用时，工具给团队提供了一些线索，接下来我们凭直觉继续追查。 **Seema Amble：** 对，有了数据和时间，就能追问第二层问题，弄清楚背后究竟发生了什么。 **Ivan Makarov：** 我在想，我们成长过程中，“对账”这个词让人想到很多糟糕回忆：花好几周甚至几个月追查某件事。现在它只是日常工作，甚至可能变成积极的事情，因为有现代工具和 AI，解决得更快。 ## [37:12] 把更多时间留给战略（续） · YouTube **Ivan Makarov：** ……现在也许未必能精确定位错误，但能快得多地找到问题。之后还是得和人沟通；FP&A 的工作始终离不开人。 **Praveer Melwani：** 对，和人打交道的能力。我以前低估了沟通、建立关系和影响他人的能力对这个岗位有多重要。我刚入行时可能觉得自己只要足够聪明、能把事情都弄明白就行，后来才发现这始终是团队协作。你能推动的改变有限，必须让别人和你站在同一边。做到这一点，才可能成为真正有效的领导者。 如果你之前问我招聘时最看重什么，我会说：能不能建立稳固的追随者群体，能不能和别人建立信任，这些都无比宝贵。 ## [38:26] 未来 12 到 18 个月会有什么变化 · YouTube **Seema Amble：** 这正好引出我接下来想聊的话题：未来 12 到 18 个月，团队、财务岗位和整个职能会发生什么变化？我们可以先从团队怎么组织说起。 **Praveer Melwani：** 我希望以后只有当业务复杂性增长得比支撑业务的需求更快时，我们才需要增加人手。我觉得，现在不少常规业务节奏已经可以反过来运行，不必再为了跟上工作量而持续加人。但 Figma 还会面临挑战，因为我们不断增加新产品、收购团队和业务，也在持续改变业务内容，所以复杂性仍然跑在我们完全提升效率的前面。不过，我们确实在一段段变得更高效。 **Ivan Makarov：** 你觉得效率会到顶吗？还是更多流程最终会被端到端自动化？ **Praveer Melwani：** 我希望越来越多流程能完全自动化。我会先从真正确定性的部分开始，给系统足够的信息，让输出完全可信。要让一个业务关键系统做到可以接受审计，难度很高；审计师如何才能放心，也会是个值得讨论的问题。但我不觉得这件事做不到，我认为我们最终会实现。就像我说的，如果业务复杂性保持不变，一年后我们可能就不需要现在这么多人。但这需要我们找到更多可以建立一致运营方式的环节和节奏。 **Seema Amble：** Excel 会受到威胁吗？ **Praveer Melwani：** 不会。Excel 就像我的母语。我觉得案例分析仍然重要，因为你把它当作工具，用来建立直觉。人们产出的很多东西还是模型，可能托管在别处，也可能是别的形式，但工具应该让你更好地理解问题、亲手试验。Figma 的妙处就在这里：你可以先用自然语言提示做出初稿，但有时亲手调整更方便。比如设计好一个屏幕后想把背景从红色改成绿色，你可以对智能体发提示，也可以用色轮挑不同色调，亲自感受变化。Excel 对我也一样：它是我建立信任和理解的方式。未来可能会有更好的工具，但我很难想象自己会完全放弃 Excel。 **Seema Amble：** 我也是在 Excel 里成长起来的，现在还用它整理思路。做分析时，表格的空间组织方式本身就很有用。我觉得目前的模型还不太能独立做出可靠预测或模型，但这种组织方式依然有价值。你也这么觉得吗？ **Praveer Melwani：** 完全同意。我也在尝试用模型帮助理解团队做出的分析。比如拿到一个有 20 个标签页的模型，要逐页翻看很困难。如果把同样的上下文交给模型，问它哪些因素最关键、哪些部分最敏感，它能给我一个更好的起点，让我进一步分析和理解。对我来说，这很有帮助。 ## [42:27] 未来 12 到 18 个月会有什么变化（续） · YouTube **Praveer Melwani：** ……哪些因素最能带动结果、哪些部分更敏感？这确实给了我更好的起点，让我安排后续工作、理解模型，发现它很有用。 不过，我们现在所处的环境也有挑战。我前几天和一位大学教授聊天，问他们在大学里怎么教 AI。他说目前还没法稳定地教。一门课在一个学期里就因为新模型接连发布、几次修改教学大纲。 **Ivan Makarov：** 他们不得不彻底改变教法，最后干脆回到基础内容，教分析思维、Excel 这些东西。你们大概也会遇到类似情况：如果太依赖某个工具，工具一变，可能连财报流程都得重做。 **Praveer Melwani：** 很多事情变了，但也有很多没变。我想这就是你的意思：优秀财务人员的核心能力依然存在。如何利用手头的工具做出更好的决策，会一直变化。过去 SQL 对我来说是一个重大突破，现在 AI 又带来了全新的突破，成为一种能力工具。优秀的财务人员只要持续适应，就能长期胜任。 **Seema Amble：** 我们那篇《你需要一位新 CFO》主要讲的是思维方式要改变。不一定是人本身完全变了，而是要更先考虑自动化，根据现有工具和实际情况决定自建或采购。关键是自动化优先。你觉得未来一两年 CFO 的人才画像会变化吗？还是重要维度没变，只是思维方式继续演进？ **Praveer Melwani：** 如果让我给建议，我会说，招一个和 CEO 一样有主人翁意识、同样注重运营严谨性的人。他们想赢，会使用一整套工具，也理解损益表，知道怎样推动改变。你真正需要的是一位业务领导者，而不是像交通警察一样只负责把关的人。当然，基本功仍然重要：会计基础要扎实，也得能组织规划流程。但真正让人脱颖而出的是：你懂不懂业务？能不能推动改变？能不能把商业模式讲清楚，让所有人朝同一个方向行动？ 不管是像 Figma 这样的上市公司，还是刚开始扩大 go-to-market、开始获得市场 traction 的种子轮或 A 轮初创公司，创始人和 CEO 都需要财务团队提供额外的业务判断和洞察。技术让洞察更容易获得，但基本问题始终一样：你了解客户吗？了解他们的行为吗？理解这些行为对应的指标、投入和产出吗？我们对财务的期待不会变。 **Ivan Makarov：** 我想补充一点：创造力很重要，不是创造一套新奇古怪的指标，而是换个角度思考业务，用这种思考来推动改变、提出明确主张。我也在努力这么做，不确定自己做得够不够。但我觉得财务团队能提出很好的想法。如果把团队搭建得当，它就能成为组织里同样有影响力的一层，真正推动内部战略。 ## [46:27] 未来 12 到 18 个月会有什么变化（续） · YouTube **Ivan Makarov：** ……如果把财务团队搭建得好，它就能成为组织里同样有影响力的一层，真正推动内部战略。我们在投资者和董事会层面也看到，更深入的分析正在出现，迭代速度也更快。以前董事会前后提出一堆问题，团队再花时间逐项分析；现在这个流程被大幅缩短了，对财务团队来说应该也没那么痛苦。 ## [46:39] 从哪里开始做财务自动化 · YouTube **Seema Amble：** 最后一个问题，Ivan：我们的被投公司或其他企业问“自动化从哪里开始”，你会怎么建议？ **Ivan Makarov：** 我觉得起点和过去一样：先确保数据完整可靠。要弄清楚自己能不能方便地访问数据、有没有追踪关键事项。很多早期公司甚至什么都没记录，所以得先把记录建立起来。这往往和第一位财务员工的优先事项冲突——他得关账、得给董事会发报告。但如果地基不牢，这些工作根本做不好。你可能需要先把数据体系搭起来、重新搭，甚至修改现有做法。如今入职后几周内就可能发现，公司的收入计算方式并不适合它的商业模式。 **Seema Amble：** 早期公司的 ARR 算法，现在真是越来越有创意了。 **Ivan Makarov：** 确实，而且变化很快。但还是要从数据开始，然后建立严谨的报告体系、定义指标，最后形成讲述业务的故事。我想说，Praveer，你作为 CFO 走过这段路，一旦开始考虑 IPO，讲好故事就变得很重要，所有人必须讲同一个故事。我觉得这件事正越来越早发生：公司从 A 轮、B 轮融资开始，就要讲清楚产品愿景，也要讲清楚数字和业务可能长成什么样。这变得容易了，但也更难，因为很多人会在 AI 时代想得过多。 Ivan 和我这几年一直在办 CFO 和财务控制负责人晚宴。大约九个月前，市场出现了明显变化：过去大家说“我用 AI 写税务备忘录”或“写入职文档”，后来开始说“我用它做核心数据核对、自动化很多工作流”。这整个职能都上了一个台阶。现在领导者会说：“我必须做这件事，不然组织会觉得我落后了。”这也呼应你刚才说的财务团队赢下黑客松。几年前，财务可能根本不会赢自动化黑客松；现在情况完全变了，挺让人高兴。 **Praveer Melwani：** 我很喜欢这部分。我们公司每年有内部 Maker Week，也就是内部品牌化的黑客松。刚开始时我不知道怎么参与，现在只要有一点空闲，我脑子里可能就会冒出一大堆点子。我想我的团队也有同感。 **Seema Amble：** Praveer，非常感谢你来参加。聊得很开心，也很高兴听你分享自己一路以来经历的自动化转型。也谢谢 Ivan，这次对话很有意思。 **Praveer Melwani：** 谢谢邀请。