Figma 财务团队如何用 AI 构建工具并实现自动化

a16z 的 Seema Amble 和 Ivan Makarov 邀请 Figma 首席财务官 Praveer Melwani 讨论财务工作的变化。他们认为，财务负责人越来越需要设计系统和自动化流程。

Melwani 说，他一直希望财务人员成为运营方面的领导者。刚加入 Figma 时，自动化尚未建立，他使用 SQL 构建数据表，把财务信息带入跨部门讨论。

他将产品和使用指标与 Stripe 财务数据连接起来，编写较长的 SQL 查询以建立共享表。后来，数据科学家帮助把这些表纳入定期 ETL 任务并传给商业系统；统一定义让团队减少对数字含义的争论。

Makarov 回忆，过去调查一次产品使用量激增曾花费数周。几位嘉宾将此与现代工具帮助团队更快检查收入和使用变化的能力作比较，而底层数据仍需可靠。

Melwani 说，他会查看每日甚至每小时的仪表盘，寻找异常并与团队一起提问。他希望同事获得相同的数据，让财务成为业务伙伴。

Figma 早期，他会逐个查看付费注册用户，了解客户身份和需求。如今，他希望更多人对指标负责，及时调查变化，而不是等到下周开会。

谈到招聘，Melwani 看重求知欲、数据能力、提出好问题和清晰沟通。他说，AI 可以减少重复工作，但优秀的财务人员仍要理解业务并追求正确结果。

在财务领导岗位的案例面试中，他希望候选人使用现有工具和公开信息；随后会追问他们是否理解所建立的模型、测试过敏感因素，并能解释业务含义。

Melwani 说，任何人都可以借助语言模型生成一份模型，关键在于工具是否改善了人的思考。他希望候选人使用 AI，同时保留自己的判断。

谈到实际工作流，他介绍信用与催收团队的一位员工建立内部系统，连接发票跟踪、回款和 NetSuite 对账。目标是减少手工工作，把更多时间用于降低应收账款。

这项工作还扩展到了信用检查和数据集整合。Melwani 认为，专业人员可以借助工具改进自己熟悉的流程，再让同事使用成果。

Figma 的企业发展团队还会在尽调时尝试制作目标公司产品的原型。Melwani 说，这有助于团队形成对技术及其难度的直觉；产品团队仍会参与评估。

团队会撰写投资和收购备忘录，并建立模拟管理层视角来审视草稿。这可以在真正的管理层讨论前发现常见问题或需要进一步尽调的地方。

谈到自建还是购买，Melwani 说，这些例子混合使用了编码智能体、工作流自动化、ChatGPT 和 Figma Make。财务员工使用自家产品构建工具时，也能提供产品反馈。

主持人提出 AI 垃圾内容的问题：文档生成容易，其他人阅读却要付出时间。他们询问团队如何保持标准，并培养识别高质量工作的经验。

Melwani 说，Figma 有标识 AI 撰写内容的内部政策。发送文档的人仍应阅读、审查、简化并理解内容，因为接收者要花时间和注意力处理它。

他将粗糙输出与一次差旅费用分析作对比：团队把多个系统的信息整合起来，还要判断某人是否真的因线下活动出差。把数据整理到可用状态占了工作的大部分。

对于这次规划讨论，Melwani 需要方向上有用的信息，而非完全精确的答案。他说，团队将建议可视化，并快速吸收反馈。什么程度算足够好取决于决策场景，并不等同于可供审计的结果。

Amble 提到一家公司的员工建立了几十个智能体，其中许多后来没有继续使用。她认为，实验仍能培养优先考虑自动化的习惯；这些数字只是个案，不是经过测量的成功率。

Melwani 看到内审、治理和应付账款团队存在相似模式：索取信息、跟进并核对记录。与其让每个人各建一套，他认为系统团队可以将共同模式做成共享平台。

主持人指出，各自构建的仪表盘还可能显示不同数字。Melwani 建议由领域专家制作所需原型，再由中央系统团队处理依赖、托管、复用，以及原作者离职后的持续维护。

他称 Figma 仍处于“混乱的中间阶段”：部分工具已经集中管理，其他团队的构建速度则快于配套基础设施。他希望 CIO 团队识别成功实验，建立可供其他人使用的基础。

他将正在出现的财务工程师角色与嵌入业务团队的数据科学家作比较。Figma 一些支持财务的人员具有会计背景，因此既理解核对、退款和坏账等概念，也能参与构建软件。

Makarov 问，随着 AI 使代码和支付逻辑更容易查看，谁负责指标定义。Melwani 说，他的团队负责这些输出，并重视披露和历史数字的一致性，同时也允许探索理解业务的新方法。

Melwani 说，预测模型负责人和业务运营人员都在开展自动化。他重视对底层数据架构的理解，以及区分确定性步骤与模型推断的能力；不同任务能容忍的不确定性不同。

展示交流、内部黑客松和与外部财务负责人的对话，帮助团队相互学习。目标不仅是制造更多智能体，也包括让人们看到怎样改进自己的工作。

谈到购买软件，Melwani 说，Figma 会购买核心记录系统，以及不容出错任务所需的解决方案。团队则经常围绕这些系统自建工具，自动化自身工作流中的重复部分。

他说，探索工具的自由让一些员工觉得工作更有趣，也可能有助于招聘和留任。吸引人的不只是工具访问权限，还有同事共同学习和构建的环境。

Amble 回忆一个财务工作金字塔：对账占据团队大部分时间，战略工作占比最少。她询问自动化是否真的为战略工作腾出了更多空间。

Melwani 说，他希望支持自助业务的团队少花时间核对过去的周期，多研究实验、趋势和支出决策。自动准备格式一致的材料，可以为注释和发现问题留出更多时间。

主持人讨论既给出结果又保留审计轨迹的财务产品。Melwani 补充说，工具可以初步分析总账科目的变化，为会计人员提供调查线索，而非免除审查。

Melwani 反思，自己曾低估沟通、建立关系和影响他人的重要性。财务工作需要团队合作：知道答案固然重要，领导者还必须建立信任并争取他人支持。

展望未来 12 至 18 个月，他希望常规流程更加高效，但新产品和收购仍会增加复杂性。他说，如果业务复杂性保持不变，一年后团队可能不需要同样多的人；这是有条件的判断，并非公布的人员计划。

他预计确定性任务可以进一步自动化，但关键系统产出可信、可审计结果的门槛非常高，审计人员也需要认可整个过程。

Excel 会受到威胁吗？Melwani 说，他仍重视电子表格，因为亲手操作有助于建立直觉和信任。自然语言工具可以生成初稿，但直接调整有时更方便探索不同方案。

他还尝试用模型理解多工作表的复杂财务模型，并识别敏感假设。他把结果当作进一步调查的起点，而不是理解模型的替代品。

嘉宾认为，工具变化很快，但财务基础能力仍然重要。Melwani 建议聘请理解业务、能解释商业模式并愿意承担运营责任的领导者，帮助 CEO 推动变化。

他补充说，创造力也很重要：财务团队可以从不同角度理解业务、提出想法并影响内部战略。具备更广阔视角的同时，扎实的会计和规划基础仍不可或缺。

被问到企业应从哪里开始自动化时，Makarov 首先提到数据完整性和访问。早期公司可能需要先建立数据跟踪、修正定义并确保报告可靠，再构建指标和连贯的业务叙述。

访谈最后，主持人观察到应用正从生成文档转向数据对账和核心工作流自动化。Melwani 说，现在财务人员也更容易在 Figma 的内部创客周尝试自己的想法。