要用 AI 安全分析应收账款账龄，先按会计规则计算并勾稽，再提供获批最小汇总或假名化表。AI 只描述集中度、变动及异常，不判断可收回性、坏账准备、客户风险、催收顺序或会计处理。财务负责政策与结论，隐私或安全负责人批准数据流向。

按AI 受控流程限制输入、核验输出，不让模型充当总账、计算系统或审批人。

关键要点

先固定报告日、总账范围、币种政策、到期日规则和账龄边界。

在模型外计算逾期天数和分桶，并测试每一个边界值。

删除姓名、联系方式、银行信息、自由文本和其他非必要字段。

勾稽源数据、转换数据、各桶、异常项和 AI 输入的金额。

把模型发现写成待调查问题，不把相关性写成客户行为原因。

所有结论均需财务及隐私责任人审核。

用 AI 安全分析应收账款账龄，谁负责什么？

有用的产出是一份复核包，而不是自动作出的信用决定。复核包应包含冻结的快照身份、一张已勾稽的分桶表、有记录的数据质量异常、一小组描述性观察，以及一份提交给获授权复核人的问题清单。

让四个层次保持分开：

层次	示例	责任方
源事实	合成发票 `INV-SYN-104` 未结金额为 4,200	财务系统负责人
确定性派生	在报告日逾期 37 天	经批准的计算
描述性观察	31–60 天桶较上一期快照上升	分析人员复核
业务决定	是否联系客户或调整坏账准备	获授权的财务人员

在前两层经过核实之后，模型可以协助起草第三层。它不得补造缺失的到期日，不得从自由文本中推断争议，也不得越界进入决定层。如果需要先走一遍更广泛的表格流程，请参考 AI 表格分析指南。

如何准备可信的应收账款数据？

第 1 步：冻结快照与会计规则

导出任何数据之前，先写一个简短的控制表头：

报告主体和总账；
快照 ID 和提取时间戳；
报告日期和时区；
纳入的账户类型和排除的余额；
本位币和外币换算规则；
未结金额的定义；
到期日的优先顺序；
未分配回款、贷项通知单、有争议发票和付款计划的处理方式；
获批的账龄区间边界；以及
政策负责人和版本。

这能防止一段流畅的叙述掩盖互不兼容的输入。如果总账已关账、汇率已变化或采用了不同的到期日规则，9 月 6 日生成的账龄表就不能随便与 8 月 31 日生成的那份比较。

IFRS 9 讨论了用于贸易应收款的准备矩阵，并以逾期天数对应的比率作说明。［1］但这并不意味着一套通用的分桶或比率就适用于你的主体。起决定作用的，仍是适用的报告框架、政策、重要性和专业判断。

第 2 步：建立最小字段契约

先从字段契约开始，而不是导出整本总账。一张最小的工作表可以包括：

字段	用途	校验
`invoice_id`	稳定的行身份	快照内唯一
`customer_token`	不用姓名也能关联重复余额	假名化并控制访问
`invoice_date`	时间背景	有效日期，且不晚于提取时间
`due_date`	计算逾期天数	有效，或明确标为缺失
`open_amount`	尚未收回的金额	为数值，并与总账对应
`currency`	防止不同币种混合合计	获批的币种代码
`credit_or_payment_status`	说明已纳入的调整	受控取值
`dispute_flag`	保留已知的流程状态	由源系统产生，绝不推断

除非获批的用途确实需要，否则不要导出电子邮件地址、电话号码、邮寄地址、银行信息、税务标识、账户备注、催收往来或完整的发票描述。AI 隐私风险指南提供了更全面的输入分类问题。

如果源表不一致，先按记录在案的规则修复，再做分析。脏表格清理流程可以帮助组织这项工作，但每一个被改动的值，仍须有可追溯的来源或负责人决定。

第 3 步：最小化、汇总或假名化

数据最小化要问：对于所述目的，每个字段、每一行是否都有必要？ICO 的指南还说明，假名化可以降低风险，但只要额外信息能把令牌重新对应到某个人，这些数据就仍然属于个人数据。［2］［3］把这份对照表另行保护，不要放进 AI 输入。

选择能回答问题、但暴露最少的呈现方式：

只需要看组合变化时，只用各桶合计。
只有在需要做集中度分析时，才加入假名化的客户令牌。
只有在调查计算或流程异常时，才加入发票级别的行。
用获授权的源流程生成的受控标记，替代自由文本。
在考虑使用获批的生产数据之前，先用合成行设计和测试提示。

汇总并不自动等于匿名。一个只包含一位可识别客户、一种罕见币种和一个精确金额的桶，仍可能暴露身份。检查小群组、不寻常的组合以及与其他数据关联的可能性。不要声称只删掉姓名就让数据集变得安全。

第 4 步：确定性计算账龄桶

用电子表格公式、SQL 查询或经过审查的程序来计算 days_past_due 和 bucket。语言模型不应成为作为记录依据的计算器。

对于一项简单的政策：

days_past_due = max(0, reporting_date - effective_due_date)
bucket = current | 1-30 | 31-60 | 61-90 | 91+

实际规则可能更复杂。缺失的到期日、非工作日、贷项通知单、有争议的余额、分期付款计划、重新打开的发票和时区截止点，都需要明确的处理方式。给每一条被拒绝或未解决的行分配一个异常代码，而不是把它硬塞进最接近的桶。

测试确切的边界：0、1、30、31、60、61、90 和 91 天。还要测试负的未结金额、零余额、缺失币种、重复的发票 ID，以及恰好在截止点入账的付款。按字段列出的验证清单有助于把这些情况变成可重复的控制。

分析并审核已勾稽的结果

第 5 步：在使用 AI 前完成勾稽

控制表至少证明：

源未结总额 = 转换后总额 + 有记录的排除项
转换后总额 = 所有账龄桶 + 未解决异常
AI 输入总额 = 获批的转换或汇总总额
当前快照客户数 = 互斥客户组数量之和

无获批换算时按币种勾稽，不混加美元、欧元、人民币；金额与发票数占比分开。等式失败即停，查重复连接、隐藏筛选、旧导出、符号、贷项、舍入、截止过账，记录处理并从冻结源重跑，不让模型解释差额。

第 6 步：限定 AI 的描述性任务

提供控制头、字段字典、核实表及严格输出格式：

只用已勾稽表描述重要账龄变动、集中度和数据质量异常。
每项观察引用行或汇总 ID；不得推断逾期原因、可收回性、信用风险、
预期损失、不当行为或催收动作。
证据缺失时写“不支持”。
返回观察、检查和复核问题。

要求列出算术输入，在模型外重算加总、占比及变动。

按 NIST 生成式 AI 全生命周期风险管理，治理输入、度量错误、保存原始输出，由责任人审核。［4］

第 7 步：审查异常，不虚构原因

“61–90 天桶上升 18%”可以复算；“客户因经济不确定性拖延付款”无法由账龄表证明。用登记表保留替代解释及处理责任：

观察	证据	确定性检查	其他解释	负责人决定
集中度上升	汇总 `A-07`	重算占比	客户合并改变	待财务复核
最老账龄桶下降	快照比较	勾稽变动	核销或回款	查总账事件
到期日缺失聚集	异常 `E-03`	按来源计数	导入映射缺陷	指定系统负责人

把已知争议与推断争议分开，把过账异常与客户事件分开。模型只能提出问题；源系统与授权人员才能回答。

第 8 步：审批、留存与安全重跑

最终复核包记录源快照、计算版本、勾稽结果、获批输入、政策要求的模型或工具配置、原始输出、审核修订、未解决事项、批准结论和保留或删除要求。快照、政策、字段、提示词、工具或计算变化，旧审批失效。

财务批会计定义及结论，隐私或安全负责人批路径与保护措施，系统负责人修提取缺陷。按政策删临时导出及映射；汇总与评论仍可能敏感，须限制访问。

常见失败方式有哪些？

完整台账上传：改用汇总或假名化字段。
让 AI 计算账龄或补齐到期日：改用已测试的确定性规则。
未勾稽月份比较：先固定定义、逐快照勾稽。
把观察到的变化写成原因：转为复核问题。
混币：分别报告或按获批规则换算。
隐藏拒绝行：保留异常桶并显式解决。
把流畅叙述当作财务审批：要求具名财务与隐私决定。

总结

固定快照、政策和范围。
输入前先最小化、汇总或假名化。
用确定性逻辑计算分桶并测试边界。
勾稽源表、转换表、各桶、异常和 AI 输入。
AI 只输出可引用的描述性观察和复核问题。
可收回性、准备、催收与会计决定始终由专业人员承担。

常见问题

能把完整台账上传 AI 吗？

默认不行。先分类、查合同与政策、删非必要字段，用获批环境。优先已勾稽汇总或合成数据；可识别数据须经隐私及安全审批。

客户编号算匿名数据吗？

通常不算。可连回客户即属假名化；映射表隔离保护，并评估其他字段的间接识别风险。

AI 应该计算逾期天数吗？

不应。须有确定性截止、到期日、币种、贷项及异常规则；AI 只描述核实结果，不充当计算真源。

AI 能建议预期信用损失比例吗？

不能。准备取决于准则、历史证据、前瞻信息、主体政策、控制及专业判断；账龄叙述非减值模型。

争议发票如何处理？

使用源系统产生的争议标记和获批政策。不得根据备注或付款行为让 AI 猜测争议。必要时单独报告争议余额。

分桶与总账不一致呢？

立即停止。检查筛选、重复、汇率、贷项、截止过账、排除行、符号与舍入，记录原因后从冻结源数据重跑。

AI 能决定先联系哪些客户吗？

不能。合同、争议、客户关系、脆弱性、法律限制与组织政策都可能影响决定，账龄表无法完整证明这些条件。

多久重跑一次分析？

采用财务和运营批准的频率。每个新快照都是新输入，必须重新验证与勾稽；政策、字段、工具或计算变化时不得沿用旧审核。

**免责声明：**本文非会计、审计、法律、隐私或催收建议。须遵循准则、合同、政策及合格专业判断。

来源

IFRS Foundation, IFRS 9 Financial Instruments: https://www.ifrs.org/issued-standards/list-of-standards/ifrs-9-financial-instruments/
UK Information Commissioner's Office, Pseudonymisation: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/pseudonymisation/
UK Information Commissioner's Office, Security and data minimisation in AI: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/artificial-intelligence/guidance-on-ai-and-data-protection/how-should-we-assess-security-and-data-minimisation-in-ai/
National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1): https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 9 月 6 日。

如何用 AI 安全分析应收账款账龄：分桶、勾稽与复核