FAB金融尽调基准：AI Agent能胜任财务尽职调查吗？

AI能否接手金融尽职调查这门苦活？

全球经济运转的背后，是大量复杂而繁琐的财务工作。财务尽职调查（Financial Due Diligence）正是其中最考验专业能力的环节之一——分析师需要从堆积如山的财报、合同和数据室文件中提取关键事实，并将它们串联成一份完整、可靠的判断。这类工作长期被视为高度依赖人类专业经验的领域。

那么，如今的AI Agent究竟能把这件事做到什么程度？一支由前安永（EY）员工组成的团队给出了他们的答案：他们构建了 FAB（Finance Agents Benchmark，金融智能体基准），专门用于测试AI Agent在真实财务尽调工作流中的表现。

FAB测试了什么，又发现了什么？

FAB的核心目标，是把财务尽职调查背后的实际工作拆解成可评估的任务，让AI Agent在其中接受检验。测试内容并非简单的问答，而是模拟真实咨询场景下的多步骤分析：Agent需要在数据室（data room）中定位相关材料，抽取事实，并基于这些事实完成分析推理。

团队给出的关键结论颇具启发性：Agent能够找到相关事实，但在把这些事实贯穿到一份完整、可靠的分析中时仍然吃力。换句话说，当前的AI在“信息检索”这一层已经相当可用，但在“综合判断与端到端交付”这一层，距离一名合格的尽调分析师还有明显差距。

这一发现与业界对大模型Agent能力的普遍观察相互印证：模型擅长局部、原子化的任务，但一旦任务链条拉长、需要跨文档整合与保持逻辑一致性时，可靠性就会下降。财务尽调恰恰是这类长链条、高一致性要求的典型场景，因此成为检验Agent真实水平的一块试金石。

数据室（Data Room） 是财务尽职调查中的核心概念，指买方或第三方顾问在交易过程中访问的受控文件集合，通常包含目标公司的财务报表、审计报告、重要合同、法律文件、管理层陈述材料等。传统数据室为实体场所，现代交易中普遍采用虚拟数据室（VDR）以电子形式组织和共享这些敏感文件。对AI Agent而言，数据室模拟了真实的信息检索环境：文件数量庞大、格式多样（PDF、Excel、扫描件等），且关键信息往往分散在多份文档的不同位置，需要跨文档交叉比对才能得出可信结论。FAB的测试难度正源于此——Agent不仅要读懂单份文件，还要在整个数据室中定位、整合、核验信息。

为什么由前EY团队来做这件事？

值得关注的是构建这一基准的团队背景——他们是前安永员工。四大会计师事务所的从业者最清楚尽职调查的真实工作流长什么样：哪些文件重要、分析该如何组织、结论需要经过怎样的交叉验证才算可靠。

这种领域专业性对基准质量至关重要。金融领域的AI评估最容易犯的错误，是用过于简化或脱离实务的任务去衡量模型，得出与真实业务无关的“漂亮分数”。由懂行的人来设计任务和数据室，能让FAB更贴近实际交付标准，评估结果也更有参考价值。

安永（Ernst & Young，EY）是全球"四大"会计师事务所之一（其余三家为德勤、普华永道和毕马威）。四大在全球并购、上市、私募股权投资等重大交易中承担大量财务尽职调查工作，其方法论高度标准化且经过长期实践检验。典型的财务尽调报告会涵盖收入质量分析（Quality of Earnings）、营运资本正常化、负债识别、会计政策评估等模块，每项结论背后都需要追溯至具体单据或政策依据。正因为四大从业者深度参与过数百乃至数千份尽调项目，他们对"什么样的AI输出是可用的、什么样的是危险的"有远比学术研究者更直观的判断，这使得由他们设计的评估标准更贴近真实交付质量门槛，而非单纯的信息抽取准确率。

公开、可复现，但成本不菲

FAB采用完全公开的策略，代码与数据均已开源：

• GitHub 代码仓库：https://github.com/SecondState-ai/finance-agents-benchmark
• 数据室与任务集（Hugging Face）：https://huggingface.co/datasets/secondstate/finance-agents-benchmark-traces

开源意味着任何研究者和开发者都可以复现测试、验证结论，或将自己的Agent接入评测。这对于一个专业垂直领域的基准来说是难得的透明度。

团队也坦言，构建和运行这样的基准并不便宜。因此他们选择分阶段扩展：逐步覆盖更多公司、测试更多模型。这种务实的路线一方面反映了高质量金融评测的真实成本（数据准备、任务标注、多轮模型运行都需要大量投入），另一方面也说明FAB是一个持续演进的项目，而非一次性的成果。

对AI Agent落地金融行业的启示

FAB的价值不只在于给出一个分数，更在于它清晰地划出了当前能力的边界。对于希望把AI引入金融尽调、审计或投研的团队来说，这里有几点现实的参考：

• 检索与信息定位可以放心交给Agent辅助，能显著提升效率；
• 综合分析与最终结论仍需人类专家把关，不能盲目信任端到端输出；
• 评估AI在专业领域的能力时，应使用贴近真实业务的基准，而非通用榜单。

随着FAB覆盖的公司和模型不断增加，它有望成为衡量金融Agent进步的一把标尺。而它当前揭示的“找得到事实、做不好分析”这一状态，也为下一阶段的模型训练与Agent设计指明了发力方向：如何让Agent在长链条任务中保持逻辑连贯与结论可靠，将是攻克金融专业场景的关键。