Macabacus 于2026年9月10日发布报告《GenAI for Financial Services: Velocity and Verification》。报告显示，金融业 AI 使用已经深入客户交付环节，但验证机制远未跟上。87%受访者每日或每周使用 AI 生成财务模型和客户演示，仅23%建立全面护栏。62%受访者认为，过去12个月，AI 生成错误到达客户或内部决策者。46%表示，AI 生成错误可能已进入交付物，却无人发现。
这不是抽象民调。Macabacus 表示，调查基于公司75,000名用户，以及与数百名客户和潜在客户的对话。受访者工作需经受审视。即便在这种环境，仍有46%认为错误可能未被发现就交付。这表明，现代办公室常把加速误认为控制。在工程领域，这好比让加压系统满负荷运行，却只检查一小部分阀门。在市场，这是熟悉诱惑：假设流动性永远存在，直到消失。两种情况下，系统在压力到来前都看似稳定。
调查还发现，信心按资历分化。分析师和助理中，43%说 AI 让工作更有信心。VP、董事和 MD 中，仅29%持相同看法。领导层多6个百分点说，AI 让工作更不自信。这一差距比任何单一百分比更有意思。初级员工常把 AI 当作力量倍增器。高级员工常把 AI 当作责任倍增器，因为最终文件由他们负责。
投资者心理应在此停一下。第一层故事诱人：工具省时、加快起草、减少重复劳动。第二层故事不那么光鲜：输出越容易生产，就越容易在充分检查前发出。历史上，许多系统运转良好，直到有人假设检查可选。陷阱古老，外衣全新。
Macabacus 数据来自供应商报告，应视为利益相关方说法，不是独立证明。公司同日推出 Deck Check AIR，一款内置于 PowerPoint 的 AI 审查工具，并引用62%这一数字作为理由。这不否定警告。但报告最好被读作工作流内部焦虑的信号，而非普遍危机的独立证据。
不过，市场与机构常先通过供应商行为暴露弱点。当公司围绕审查、验证和工作流控制构建产品，通常是在回应真实痛点，即使有充分商业理由把痛点说得戏剧化。换言之，自利信使也能传递有用信息。只是信任药之前，应先检查包装。
Macabacus 首席营销官 Paul Ross 说得直白：“AI 现已参与大多数到达客户的模型和文件，87%公司表示每日或每周使用 AI 完成这项工作。”他还说：“交易团队不应放慢 AI 使用。团队需要护栏，让工作更快，同时保持准确和客户信任。Macabacus 正是为此而建。”
这一框架合理，但更深观点更严厉。没有验证的速度不是效率，是延迟错误。按概率，低概率失败在足够多文件、演示和决策点重复后，会变得更可能。单一错误或许可存活。把未验证输出正常化的文化不同。这像森林地表，最近没烧过，所以看似健康。燃料仍在，火花未到。
客户交付真正危险不是戏剧性崩溃，而是小而可推诿错误累积。短期，人人因更快获益。长期，组织信任商数衰减，则人人受损。这是经典博弈论问题：私人激励奖励匆忙，集体激励奖励谨慎。如果没人想当拖慢房间的人，就没人被付钱保护房间。
46%这一数字值得注意。错误可能已进入交付物而未被发现，这是流程弱点自白，不只是模型弱点。金融中，模型只是一层。更大脆弱在草稿与交付之间的交接。信心、层级和截止压力决定审查是真实还是仪式。
更广教训超越一家供应商和一份调查。每个采用 AI 的机构都面对同一问题：要更快的笔，还是更安全流程？答案当然是两者都要。但实践中，组织常先买笔，推迟流程。这是旧人类习惯：欣赏可见机器，却对保持机器诚实的隐形结构投入不足。
金融只是最清晰例子，因为工作可衡量，利害明确。错误演示、错标模型、漏掉错误，会立即损害可信度。其他行业更宽容，只是失败更慢浮现。机构法则简单：错误隐藏越久，被发现时越昂贵。
悖论在于，AI 既是生产力工具，也是脆弱放大器。AI 可减少摩擦，也可能在错误地方减少摩擦。AI 让起草变容易，也让过度自信更容易。AI 缩短思考与输出距离，只有输出与验证距离不消失时，这才有用。古代堡垒失守，不是城墙不在，而是普通日子城门未关。
这是投资者和高管应吸收的要点。问题不是 AI 是否被使用。报告说使用广泛。问题是机构是否在正确阶段建立足够摩擦，防止速度变成衰变。韧性与脆弱差别，在平静天气常不可见。
Macabacus 给许多桌面工作者已有感觉标上数字：工作流跑在检查点前面。报告数据显示，采用快于验证，职位越高，谨慎越强。这不应读作技术恐惧，更像生存本能。资深人士见过太多系统失败，知道第一次失败通常看起来像便利。
市场教训清楚。流程一旦容易到被正常化，也容易因意外被滥用。最强机构不只买更好工具，还设计更好闸门。活下来的公司与团队，不是每小时都最快，而是清楚知道速度必须在哪里停下。
