问一位小型会计师事务所的老板，团队是否在使用 AI 工具，多数人会说"用一点，比较随意"。再问他们有没有书面的 AI 政策，现场往往会安静下来。这个落差比听起来更大。近期的行业数据显示，会计和 CPA 事务所的 AI 采用率已达73%，较2022年水平猛增340%——但根据 Karbon《会计行业 AI 现状报告》，只有37%的事务所投入过任何正式的 AI 培训。大部分增长都是在没有任何治理机制的情况下发生的。
这种落差正是《会计期刊》（Journal of Accountancy）2026年7月一篇关于起草 AI 政策的文章想要弥补的问题。这篇文章面向各种规模的 CPA 事务所，但其中的建议对中小型事务所最为切中要害——它们最不可能设有合规部门，却最有可能是那种在客户电话间隙悄悄用 ChatGPT 做实验的单人事务所或两人团队。
真正的风险不是 AI 本身，而是沉默
令人不安的是：你的事务所不需要"正式采用 AI"，也一样会有 AI 风险问题。只要曾有一名员工把客户的试算表粘贴进聊天机器人，想为某笔分录的处理方式征求"第二意见"，你就已经存在风险敞口了——不管有没有备案的政策。
这通常被称为"影子 AI"（shadow AI）：在任何批准清单之外、任何合同之外、任何人知情之外发生的工具使用行为。这并非假设。近期的安全研究发现，员工在 ChatGPT 中输入的提示词里，约有34.8%包含敏感的公司数据，而这一比例在2023年仅为11%。具体到会计行业，这意味着客户的营收数字、现金流量表和税务文件，最终流入了一个事务所从未审查过、从未签约、也无法审计的第三方系统。
法律风险也并非空谈。当员工把客户的财务数据输入个人 AI 账户时，这些数据会被传输给并存储在一个不在任何现有客户协议范围内的第三方手中——这可能符合法律上"数据泄露"的定义，并触发各州法律下的通知义务。对于受 AICPA《客户机密信息规则》（《职业操守准则》第1.700.001条）约束的事务所来说，这绝非细枝末节。这条规则决定了你能否与约定服务范围之外的任何人谈论客户的财务状况——它对 AI 工具的适用方式，和它对社交场合里一次随口闲聊的适用方式完全相同。
一份真正有效的 AI 政策应该涵盖什么
《会计期刊》的指南将一份可用的政策拆解为八大模块：范围与目的、治理结构、数据隐私、质量与准确性控制、文档记录规程、偏见评估、客户透明度，以及可接受使用规则。对一家五人事务所来说，一次性搞定这么多内容并不现实，因此值得把重点放在其中防护作用最大的三项上。
1. 记录提示词、输出结果，以及是谁核查的
该指南在这一点上说得很直白："没有记录，就等于没发生过。"这对 CPA 来说并不是什么新标准——它和支配工作底稿、业务档案的逻辑一模一样——但现在需要把这套逻辑延伸到 AI 上。当员工使用 AI 工具起草客户备忘录、研究技术问题或对文件做摘要时，事务所应当能够证明：
- 使用了什么提示词
- 工具返回了什么结果
- 谁核查了输出结果，以及如何核查的
这份记录应当和其他第三方工具的文档一起，存放在客户档案里——而不是留在一个90天后就会自动消失的 Slack 会话串里。
2. 任何内容送达客户之前，都要经过人工审核
这句话应该贴在每一个工位上方：未经彻底的人工审核，AI 不应被用来做出、敲定或支持任何与客户服务相关的决策，这与事务所现有的监督政策保持一致。实际操作中，这意味着 AI 生成的研究内容、技术解释或引用，都必须直接对照原始资料——《国内税收法典》、财政部法规、FASB 准则——逐一核实，而不能因为答案听起来言之凿凿就直接采信。生成式 AI 工具素以编造出貌似可信却根本不存在的引用而"著称"；如果一名员工在把某个法规条款写进客户信函之前，没有独立核实过它是否真实存在，那就等于跳过了专业判断最核心的那一步。
3. 弄清楚你输入的数据究竟会经历什么
在任何工具接触客户信息之前，事务所里必须有人回答关于它的四个问题：数据存储在哪里？谁能访问它？是否经过了去标识化处理？它会不会被用来训练模型？只要其中任何一个问题的答案不明确——而对大多数消费级 AI 工具来说，答案往往确实不明确——政策就应当直接禁止把个人、机密或专有信息输入到那个工具里。管理得当的事务所并不会试图监控每一次具体的交互，而是维护一份获批工具清单，并配套一个轻量级的流程，供员工申请新增工具，把 AI 治理当作事务所层面的整体决策，而不是个人决定。
事务所反复踩的那些坑
小型事务所一步步陷入 AI 风险的方式里，有几种模式反复出现，而且没有一种需要恶意——只需要缺一份政策就够了。
把"我们还没有正式引入 AI"当作一种保护。 一家事务所可以在官方技术栈里没有任何 AI 工具，却仍然有每一位员工在工作时间用手机上的个人 ChatGPT 账户。政策上的漏洞不会等到正式采用之后才出现；只要一名员工有网络、有截止日期，漏洞就已经存在了。
以为免费版和付费版的处理方式是一样的。 许多消费级 AI 工具默认会用免费版的对话内容来训练底层模型，而付费版或企业版通常附带合同层面的数据保护条款。一名为了图方便而注册免费账户的员工，往往在自己没有意识到的情况下，就把事务所的客户数据"喂"进了训练管线。这正是为什么上文那四个数据处理问题——存储、访问、去标识化、是否用于训练——需要针对每一款工具逐一回答，而不能一次假设了事、就此忘记。
让"听起来没错"取代真正的核实。 AI 生成的税务引用、法规条款出处和技术摘要，可以既通顺流畅，又彻头彻尾地错误。承受截止日期压力的员工，恰恰是最有可能跳过核实步骤的人——这正是为什么政策必须把人工审核明确写成一条硬性规定，而不是留给个人判断的建议。
没有留下问了什么、审核了什么的记录。 即便是把实质工作做对了的事务所，也经常漏掉文档记录这一步。如果客户或监管机构日后问起某个数字或建议是怎么得出的，如果没有提示词、输出结果和签字人的记录，"我们用 AI 帮忙做的"根本算不上一个答案。
一份两页政策的入门清单
起草第一版政策不需要请外部律师。一份适合小型事务所的可行政策，一到两页就能装下，内容应涵盖：
- 一份获批工具清单——列出员工可用于客户工作的具体 AI 产品名称，并配一个简单的申请新增流程（哪怕只是"问一下合伙人"）。
- 一条数据处理规则——任何不在获批清单上的工具，一律不得输入个人、机密或专有的客户信息。
- 一项人工审核要求——未经合格员工审核并记录在案，任何 AI 输出都不得用于敲定客户工作、交付成果或建议。
- 一条引用核实规则——任何 AI 生成的法规条款、规定或准则引用，在提供给客户或用于申报文件之前，都必须对照原始资料核实。
- 一套记录习惯——明确员工在哪里记录 AI 辅助完成的工作（可以是执业管理系统里的一个字段，也可以是业务档案里的一条备注——只要是持久保存、可检索的形式即可）。
- 一条客户透明度说明——在业务约定书中用通俗的语言注明，事务所可能会在提供服务的过程中使用 AI 工具，并受上述各项保障措施约束。
这些都不需要对技术进行大改造，需要的只是把事务所原本非正式默认的做法，以书面形式明确下来——并确保每一位员工遵循的是同一套假设。
小型事务所承担的风险更大，而不是更小
人们很容易以为 AI 治理是"大所才需要操心的问题"——是那些设有专职风险官的全国性事务所的事。但事实更接近相反的方向。小型事务所通常没有合规职能，更依赖通用型消费级 AI 工具，而不是经过审查的企业级产品；一旦某位员工的图省事之举演变成责任事件，也没有多少冗余空间去消化后果。一家没有书面 AI 政策的两人合伙事务所，等于把保护客户机密的全部责任都押在了非正式的习惯上——而当客户在业务过程中追问他们的数据究竟是如何被处理的时候，非正式的习惯往往经不起推敲。
解决方案不需要一整个法务团队。一份一到两页的政策，列明获批工具、用通俗语言写清人工审核要求、并告诉员工在哪里记录 AI 辅助的工作，就能覆盖大部分风险敞口。上文列出的这些模块是一份合理的入门清单；最重要的是，在下一位员工因为客户事务而打开聊天机器人之前，事务所已经把这些内容落实成了书面文字。
财务记录管理与此有何关联
AI 治理和财务记录管理，本质上是在解决同一个问题：确保每一个数字、每一项决策背后，都有一条清晰、可核查的痕迹。一家说不清 AI 辅助得出的答案是如何被核实的事务所，和一家说不清某笔交易是如何被分类的企业，存在着同样的缺口——归根结底，都取决于这条痕迹是否存在，以及是否真的有人审视过它。
这也正是纯文本会计（plain-text accounting）背后的理念。Beancount.io 将你的财务记录保存为经过版本控制、人类可读的文本，而不是不透明的数据库条目——每一次改动都有清晰可见的历史记录，没有任何环节发生在黑箱之中。对于一个越来越关注"可解释性"的行业来说，这种透明度绝不是可有可无的加分项。免费开始使用，看看一本完全可审计的账本，如何契合一家真正重视文档记录的事务所。