拟上市企业如何使用 AI：应用场景、核验流程与责任边界

筹备上市时，同一项业务信息往往分散在合同、财务系统、业务台账和管理层访谈中。重复检索与核对耗时，也容易产生版本差异。AI 的实用价值，是协助团队发现需要进一步核查的问题；如果原始数据不完整，生成一份语言流畅的报告并不能补足证据。

一、先区分辅助工作与专业结论

可考虑的起点包括：按既定目录归集资料；提取合同中的日期、金额和履约条款；对照不同版本文件；为问询事项检索已有底稿。这些任务有相对明确的输入和输出，便于抽样检查。涉及扫描件、表格和附件时，还应先验证识别准确性，避免把识别错误当作业务异常。

收入确认、关联方认定、法律合规判断和风险披露，则需要理解交易实质、适用规则与证据之间的关系。AI 可以提出检查线索，但不能仅凭模型输出认定事实或形成最终意见。保荐机构的尽职调查及独立判断职责，不因企业采用工具而转移。^[1]

二、让每个重要结论能够回到原始资料

例如，模型提示某客户采购额大幅增长，项目团队至少需要确认客户主体、统计期间、含税口径、退货情况和收入确认时点。只有差异得到解释，并由负责人确认后，相关信息才适合用于分析。缺少材料时，应记录“待核查”，而不是让模型补全一个看似合理的原因。

生成式 AI 可能以确定的语气输出错误内容。NIST 的风险指南将这类虚构内容列为风险，并提出核验生成结果的来源与引用。该指南是自愿性风险管理参考，不是中国 IPO 的监管标准。^[2]据此，企业可建立“原始资料—提取结果—核验记录—批准版本”的工作链，保留关键修改及审批记录。

数字核算尤其需要单独处理。金额汇总、比例和日期运算宜由可复算的程序或表格完成，再交由人员复核；让语言模型解释结果，与让它负责计算，是两项不同的任务。对未注明币种、单位或期间的数据，应先统一口径，再作比较。

三、数据权限应在试点开始前确定

客户信息、员工资料、未公开财务数据和商业合同，不应未经授权上传到外部工具。项目负责人需要与法务、信息安全及业务部门确认哪些资料可以使用，谁能访问，服务商是否留存输入、是否用于训练，以及如何删除和导出记录。

私有化部署可以改变数据的处理位置，但并不自动解决权限过宽、日志泄露或员工误用问题。企业仍应按岗位授予访问权限，将测试与正式资料区分，并定期检查共享范围。涉及跨境处理或特殊行业数据时，应另行评估适用要求。

四、用一项完整任务验证收益

试点可以从一类合同或一组历史问询资料开始。先记录现有做法的工时、差错和返工原因，再以相同资料测试工具。评价指标应包含复核后的准确率、重要遗漏、返工次数，以及人员总投入。初稿生成时间缩短，未必意味着整个任务的成本下降。

对于发现的重要错误，应追查是资料缺失、识别问题、提示方式还是模型能力造成的，并决定是否调整流程或停止该类应用。测试样本应覆盖日常资料与异常情况，避免仅用排版清晰、内容简单的样本证明工具有效。

管理层最终需要决定的，是哪些任务值得投入、由谁承担复核、出现问题如何纠正。符合这些条件的工具，可以成为筹备工作的辅助设施；未经验证的效率数字或外部案例，不宜写入项目承诺，也不宜作为企业必须全面采用 AI 的理由。