AI咨询怎么交付和收费：财务人先把业务收益与责任讲清

文 / 老汪（汪斌），制造业财务、Excel BI与业财融合实务。更新于2026-09-14。

本文简介：

AI咨询要交付可运行、可维护、可验收的工作。按结果收费之前，应明确比较基准、净收益和归因方法。财务人的业务经验可以进入这类交付，但还需要补原型构建、测试和持续维护能力。

本篇源于《十字路口Crossing》2026年6月3日对谈Rolling AI，主播Koji，嘉宾阿甘、刘开。保留原对谈的观点与案例，并结合制造业财务展开；客户成绩按嘉宾口述理解，制造业示例均为教学设定，不是我的客户项目披露。

FDE与制造业财务系列，第5篇，共5篇。

一个咨询项目说，帮客户一年多赚了几千万元，所以应该分享增量收益。

我会先问：这几千万元怎么认定？原来就会增长的部分有没有扣掉？采购降价、产品调整和AI项目的贡献有没有重复计算？

对谈从FDE聊到资本、咨询收费和年轻人的职业选择，这几件事其实连着：当交付越来越接近每天的业务，服务商就要对更具体的结果负责，人才能力也要跟着变。

FDE需要哪些能力，财务人又该补什么？

节目把合格FDE的能力归成三项：能诊断业务问题，能设计人机分工，能快速把原型做出来。

业务诊断是先分清，到底缺人、缺知识、缺沟通，还是协作机制有问题。缺沟通却继续增加工具，缺责任人却继续完善报告，都可能越做越忙。

人机分工是把工作拆到可判断的程度。哪些可以自动完成，哪些需要人复核，什么时候把问题升级给负责人，要说清楚。

工程动手则意味着，方案不能永远停在纸上。嘉宾希望团队能在半天、一天或两天左右做出原型，自己写智能体、安排任务，让人看到它到底如何工作。

他们说组织很扁平，合伙人自己也写代码、参与项目，团队围绕具体目标临时组队，并鼓励人在现场。这与前面强调的交付方式是一致的：判断和动手之间，不能隔着很长的传话过程。

对财务人来说，懂成本核算、ERP单据、Excel BI，是已有的积累。但不能因此默认自己已经胜任FDE。

还需要学会把业务判断说成能检查的条件，把一项工作做成可试运行的流程，理解数据权限、接口、错误处理和维护成本。较复杂的系统工程，应与专业人员合作。

我会用一个很实际的要求检验自己：能否带着一个明确问题，拿出输入资料、样本结果、人工复核办法，再做出一段可演示的工作？

如果只能讲AI会改变行业，还没进入这项工作的核心。

节目对应届生的判断很尖锐。刘开建议优秀年轻人可以先去MBB这类大平台，训练商业理解和判断；他也讲到面对一名应届生，很难指出哪些纯资料研究工作是模型做不了的，并用“前两年付学费”开玩笑。

我不赞同把这个玩笑当作合理的用人逻辑。基础工作被改变了，企业更应该设计新的训练方式，而不是把培养责任全部转给新人。

而且“模型能做这项任务”，不等于“新人没有价值”。有人把AI结果与现场证据核对，有人发现漏项，有人把问题追到责任人，这些都能创造价值，也能成为学习过程。

嘉宾自己也提到一个看似相反的现象：有商业敏感度、好奇心和观察力的年轻人，借助AI可能很快做出不错的工作。他们举过高二实习生的例子，认为年龄和资历不必然决定能力。

这两个判断可以放在一起理解。只按年限积累文档加工熟练度，价值可能下降；真正进入业务、持续修正判断的人，成长速度可能提高。个别实习生的表现不能证明所有新人都如此，但它提醒我们，不要只按年龄给人贴标签。

我也不愿意把商业判断全部归成“天赋”或“品味”。带着新人核对一次异常，让他先提出解释，再补证据，再看自己错在哪里，至少是一条可以实践的训练路径。

为什么模型公司也开始做这种服务

这场节目的起点，是OpenAI和Anthropic都在加强企业AI部署服务。

这里先把时间说准确。Anthropic的官方公告日期是2026年5月4日，宣布与Blackstone、Hellman & Friedman、Goldman Sachs等合作建立企业AI服务公司，面向包括中型制造企业在内的客户。公告强调，工程团队要理解企业的实际工作，并提供持续支持。Anthropic官方公告

OpenAI关于Deployment Company的官方公告日期是2026年5月11日，公布超过40亿美元的初始投资，由OpenAI控股，并说明FDE将与企业领导者、业务人员和一线团队共同改造工作流程。因此，节目开头“两家同一天宣布”的表述，不能直接当作两家正式公告的发布日期。OpenAI官方公告

两位嘉宾给出的解释有两层。

一层是行业知识。公开材料不能覆盖企业的一切经验，真正的工作过程里有大量没有写下来的判断。模型想在行业里用好，需要有人进入现场，理解这些知识。

另一层是收益。模型公司如果只收接口费用，取得的是调用收入；帮助企业改善经营，有机会接触更大的业务收益。资本参与，可以让服务团队与企业价值增长形成更深的利益关系。

这两层是嘉宾的商业推断。不能进一步写成，相关公司一定会把客户的私有资料拿去训练通用模型；也不能把有私募股权投资机构参与的服务公司，直接叫作一只PE基金。

但从企业采购的角度，这个变化确实值得关注。你买的可能包括业务梳理、系统连接、员工使用和持续改进，费用结构自然不只是一笔软件订阅费。

对服务提供者来说，工作也更重了。你不只需要证明模型能回答，还需要证明客户每天能用，遇到问题有人维护，业务结果能检查。

从收咨询费到分享结果，收益怎么认定？

嘉宾举过一个商业模式上的困惑：一年收客户约600万元陪跑费，如果帮助企业多赚或节省数千万元，咨询公司仍然只能取得服务费。

他们因此看好与PE等投资机构合作，通过对被投企业的长期改造参与企业价值增长，并预测未来十到十五年，投后团队需要把AI改造能力变成重要工作。

他们甚至认为，FDE公司值得被投资机构“拥有”，成为其内部能力。因为投资机构要帮助连锁企业从一百家、一千家店继续扩展，除了钱，还需要供应链和经营技术方面的支持。

这是一种可能的商业安排，不是所有FDE公司的必经之路。

独立服务商可以专注一个行业，也可以提供某项标准服务；企业可以建立自己的团队。到底是否需要股权绑定，取决于持续投入、控制权、收益分配和合作周期。

节目强调同行排他，说服务一家后不再服务直接竞争对手。它背后的考虑是，深入经营以后接触的是客户的具体打法，保密与利益冲突会更敏感。

但排他也有代价。服务商的客户范围受限，客户也可能更依赖这支团队。合同要把行业范围、竞争关系、期限和通用方法的使用讲清楚，不能用一句“只服务你一家”替代。

这里，财务能提出一个比概念更重要的问题：声称多赚了几千万元，怎么算出来的？

如果本来销售就在增长，原材料恰好降价，客户同时换了产品和管理团队，项目可以认定多少收益？同一项改善，采购、生产和AI服务商都在认领，怎样避免重复？

节目提到对业绩增长进行对赌，也提到Result as a Service，即按结果理解服务价值。要走到这一步，至少应先约定基准期、比较范围、收益口径、外部变化的处理，以及谁确认结果。这里讨论的是经营核验思路，具体合同安排还需要逐项落实。

我尤其不赞成把“省下工时”直接写成“增加利润”。员工工资照付，节省的时间暂时没有转去新增业务，也没有减少加班、外包或其他支出，那么目前首先改善的是工作容量，不一定已经形成利润。

同理，销售额增加，要继续看毛利、促销费用、履约成本、退货和回款；一项自动化节约，要扣除模型调用、运行维护、人工复核和处理错误的成本。

AI服务商如果敢承诺结果，就应当欢迎财务把这些口径提前定下来。这会让合作更容易验收，也减少后续争论。

节目最终用Service as Software来描述自己：提供的是业务服务，最终以智能体软件的形式交付。它与按结果收费并不完全相同，一个说交付载体，一个说收费依据，实践中可以组合。

他们还讨论，AI时代会不会长出新的大型咨询公司。MBB是麦肯锡、BCG和贝恩，并不代表整个咨询行业；节目也提到人力资源咨询、IT咨询等其他大规模市场。两位认为管理咨询靠近CEO的核心问题，并对中国未来出现新的大型服务公司抱有期待。

预测可以保留，结论不必提前下。软件让交付更容易复制，也可能带来长期维护、客户差异和人才培养成本。服务商能否规模化，要继续看每增加一个客户，需要增加多少人，以及哪些方法真的能复用。

项目收益怎样避免重复计算？

可以先留一张认定表，把每一项声称的改善分开。这里不需要先决定收费比例，先决定有没有证据足以讨论收益。

同一项改善应当有一个主记录，参与部门可以共同署名，但不要在各自项目总结里重复相加。如果外部条件变化太大，就明确无法完整归因，缩小可认定范围。

收费方式也可以循序渐进。诊断阶段交清楚的问题和证据，试点阶段交可以检验的工作，持续服务阶段承担约定的维护，再考虑条件成熟的结果分成。没有稳定基准时，先按明确工作范围合作，比强行承诺收益更容易执行。

年轻财务怎样练出业务判断？

我会让学习从一个可核对的问题开始。先看原单据和流程，自己提出解释，再用AI补可能性，但不要立即接受。去找证据，记录哪个解释被推翻，最后把处理方法交给另一个人试用。

如果同事按你的记录仍然不知道去哪里查，说明你的理解还没有表达完整。如果他找到了相反证据，你要能回头修改结论。这些反馈，比“我今天用了几个工具”更能说明成长。

项目作品也应保留失败过程。哪次AI把跨期当损耗，哪条规则在替代料场景失效，后来如何修正，都是判断能力的证据。只展示最顺利的演示，看不出你遇到问题能做什么。

对于带教的人，任务设计要从整理资料逐步进入核对、追问和提出改进。AI减少了一些初级加工工作，不意味着可以跳过了解业务的阶段。企业如果只招聘已经成熟的人，却不再安排新人获得现场反馈，几年以后仍然会缺真正懂业务的人。

财务做AI咨询和陪跑，交付还能怎样往前走？

这场对谈对我还有一个直接提醒：经验可以有不同的交付深度。

写文章，把一个问题说明白；做模板，让读者拿到工具；做陪跑，帮助他把自己的数据和流程理清；再往前，可以把一项经过确认的判断，做成持续执行的助手。

几种形式各有用途。文章适合建立理解，模板适合稳定计算，陪跑解决每家企业的差异。能否进一步做成智能体，要看规则是否清楚、资料是否取得、错误是否可以发现、后续是否有人维护。

比如成本差异分析，不是把历史文章塞进知识库，给它起个“成本专家”的名字就算完成。还需要一套可核对的输入口径、一批能检验它的异常样本、实际工作中的复核人，以及更新规则的办法。

小团队也未必需要一开始就做很大的企业改造。把一类重复发生的问题做好，说明它能处理什么、不能处理什么，给客户看真实的试运行结果，比承诺“全面智能化”更有说服力。

对制造业财务而言，已有的业务经验是起点，能否变成可靠交付，还要继续做细。

下一次老板问材料耗用为什么高了，我希望我们拿出来的，已经包括核过的工单、需要补的证据、明确的处理责任，以及下一次复核的安排。

从这件小事开始，AI在企业里有没有干成活，就看得见了。

常见问题 FAQ

Service as Software和按结果收费是一回事吗？

不是。前者描述业务服务通过软件或智能体交付，后者描述按约定结果计费。它们可以组合，但需要分别说明交付范围和收益口径。

节省了员工工时，能直接算成利润吗？

不能。应继续看是否减少加班、外包或其他实际支出，或用这些时间创造了可认定收益，并扣除运行、复核和维护成本。

财务人要成为FDE，应该先学什么？

从熟悉的业务问题做一个小项目，补齐输入口径、验证样本、原型和人工复核。工程复杂的部分与专业人员合作，避免只积累工具名和提示词。

本系列按隔天更新，后续篇目可在FDE系列目录查看。

• 第1篇：FDE与财务人的机会
• 第2篇：老师傅经验与AI带教
• 第3篇：AI项目分工与考核
• 第4篇：材料耗用异常AI试点
• 第5篇：AI咨询收费与财务成长（本篇）

延伸阅读：财务人怎么用WorkBuddy做交付；WorkBuddy把表做快以后，财务判断怎么补上。

如果你正在梳理制造业财务的数据和流程，可以带着具体问题与老汪交流。微信：xiaoweihome_ah。