智能財(cái)務(wù)十大熱點(diǎn)問題論

【摘要】作為一個(gè)新興領(lǐng)域， 智能財(cái)務(wù)的很多發(fā)展趨勢(shì)尚未厘清。 本文選擇關(guān)注度較高的十個(gè)問題進(jìn)行初步研究。 這十個(gè)問題分別是：智能財(cái)務(wù)產(chǎn)生與發(fā)展的背景是什么、什么是智能財(cái)務(wù)、智能財(cái)務(wù)智能嗎、智能財(cái)務(wù)為企業(yè)帶來了什么、智能財(cái)務(wù)的發(fā)展趨勢(shì)是什么、中國(guó)發(fā)展智能財(cái)務(wù)有什么優(yōu)勢(shì)、財(cái)務(wù)工作會(huì)消失嗎、智能財(cái)務(wù)專業(yè)培養(yǎng)的是應(yīng)用型人才嗎、財(cái)務(wù)人員如何轉(zhuǎn)型、企業(yè)財(cái)務(wù)如何轉(zhuǎn)型。

【關(guān)鍵詞】智能財(cái)務(wù);發(fā)展趨勢(shì);決策支持;財(cái)務(wù)轉(zhuǎn)型

【中圖分類號(hào)】F275? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2021）02-0025-6

企業(yè)財(cái)務(wù)管理的數(shù)字化、智能化轉(zhuǎn)型已經(jīng)成為實(shí)務(wù)界和學(xué)術(shù)界關(guān)注的焦點(diǎn)， 不少優(yōu)秀企業(yè)在這方面已經(jīng)取得了不小的進(jìn)展， 各大高校也已經(jīng)或者正在籌劃開設(shè)智能財(cái)務(wù)（會(huì)計(jì)）方向的課程。 然而， 作為一個(gè)新興領(lǐng)域， 關(guān)于智能財(cái)務(wù)的一些基本問題尚需要進(jìn)行深入討論， 爭(zhēng)取能在某些方面盡快達(dá)成共識(shí)， 多方共同推動(dòng)智能財(cái)務(wù)向縱深發(fā)展， 提升企業(yè)財(cái)務(wù)轉(zhuǎn)型升級(jí)的速度和質(zhì)量。 本文擬對(duì)智能財(cái)務(wù)十個(gè)熱點(diǎn)問題進(jìn)行一些嘗試性回答， 希望拋磚引玉， 以引起更多討論。

一、智能財(cái)務(wù)產(chǎn)生與發(fā)展的背景是什么？

智能財(cái)務(wù)之所以產(chǎn)生， 無外乎兩個(gè)原因：其一， 傳統(tǒng)財(cái)務(wù)管理模式與財(cái)務(wù)信息使用者日益增長(zhǎng)的個(gè)性化需求之間的矛盾越來越突出; 其二， 人工智能、大數(shù)據(jù)等新技術(shù)的快速發(fā)展， 讓財(cái)務(wù)管理模式的變革成為可能。

近幾十年來， 對(duì)于傳統(tǒng)財(cái)務(wù)的批評(píng)和變革一直沒有停止。 例如， Sorter[1] 提出了“事項(xiàng)會(huì)計(jì)”理論， 其核心思想是會(huì)計(jì)應(yīng)該提供可能在各種決策模型中有用的所有相關(guān)經(jīng)濟(jì)事項(xiàng)信息， 而會(huì)計(jì)人員應(yīng)該提供原始的經(jīng)濟(jì)事項(xiàng)信息， 由使用者自己對(duì)這些信息進(jìn)行加工， 以生成其決策模型所需的輸入信息。

Wallman[2] 認(rèn)為傳統(tǒng)會(huì)計(jì)報(bào)表屬于黑白模式， 決策相關(guān)性較弱。 未來應(yīng)該采用彩色報(bào)告模式， 并且披露多維度、多層次的信息：第一層次為符合確認(rèn)標(biāo)準(zhǔn)的事項(xiàng); 第二層次為可能不滿足可靠性的事項(xiàng)， 例如未來價(jià)值不確定的研發(fā)費(fèi)用等; 第三層次為可能不滿足可靠性和可定義性的事項(xiàng)， 例如顧客滿意度等; 第四層次為不滿足可定義性的事項(xiàng)， 例如公司風(fēng)險(xiǎn)分析等; 第五層次為可能不滿足可靠性、可定義性、可計(jì)量性的事項(xiàng)， 如人力資本等。

20世紀(jì)80年代提出的作業(yè)成本法也具有重大改革意義。 作業(yè)成本法認(rèn)為傳統(tǒng)制造費(fèi)用的分配方法過于間接， 于是將企業(yè)所有與制造費(fèi)用相關(guān)的行為劃分為不同的作業(yè)， 歸集在不同的作業(yè)中心， 再根據(jù)作業(yè)分配制造費(fèi)用。 這種分配方式使得成本核算更加準(zhǔn)確， 但實(shí)施難點(diǎn)在于難以將企業(yè)大量的經(jīng)營(yíng)管理活動(dòng)細(xì)分為一個(gè)個(gè)的作業(yè)并將它們記錄下來。

受限于技術(shù)條件， 上述變革思想并未真正應(yīng)用于實(shí)踐。 直到最近幾年， 隨著技術(shù)的日益成熟， 對(duì)財(cái)務(wù)進(jìn)行顛覆性變革才成為可能。 筆者曾去深圳黑云科技有限公司參觀， 該公司借助數(shù)字技術(shù)實(shí)現(xiàn)了對(duì)各條生產(chǎn)線的全程數(shù)字化管理， 通過智能管理系統(tǒng)監(jiān)控生產(chǎn)線的完工程度， 實(shí)時(shí)顯示每件產(chǎn)品的收入、成本及利潤(rùn)， 讓“實(shí)時(shí)財(cái)務(wù)”成為現(xiàn)實(shí)。 另外， 大數(shù)據(jù)技術(shù)能自動(dòng)抓取上市公司的所有公開信息， 將財(cái)務(wù)分析與宏觀經(jīng)濟(jì)、市場(chǎng)行情等因素全面結(jié)合， 實(shí)時(shí)繪制公司全景圖; 還可以將文本信息等非結(jié)構(gòu)化信息納入分析體系， 刻畫企業(yè)管理行為。 如果利益相關(guān)者能夠直接對(duì)企業(yè)的經(jīng)營(yíng)管理行為進(jìn)行分析， 會(huì)計(jì)信息還有何用呢？

二、什么是智能財(cái)務(wù)？

1. 智能財(cái)務(wù)的提出與定義。 根據(jù)筆者檢索到的資料， 早在20世紀(jì)90年代， 美國(guó)學(xué)術(shù)界就開始研究智能財(cái)務(wù)， 涉及專家系統(tǒng)、機(jī)器學(xué)習(xí)等諸多技術(shù)在財(cái)務(wù)領(lǐng)域的應(yīng)用問題。 中國(guó)最早提出智能財(cái)務(wù)概念的是上海國(guó)家會(huì)計(jì)學(xué)院的劉勤教授。 劉勤等[3] 認(rèn)為智能財(cái)務(wù)是一種新型的財(cái)務(wù)管理模式， 它基于先進(jìn)的財(cái)務(wù)管理理論、工具和方法， 借助于智能機(jī)器和人類財(cái)務(wù)專家共同組成的人機(jī)一體化混合智能系統(tǒng)， 通過人和機(jī)器的有機(jī)合作， 完成企業(yè)復(fù)雜的財(cái)務(wù)管理活動(dòng)， 并在管理中不斷擴(kuò)大、延伸， 進(jìn)而逐步取代部分人類財(cái)務(wù)專家的活動(dòng)。 之后， 也有不少學(xué)者從不同角度對(duì)智能財(cái)務(wù)進(jìn)行了定義， 這些定義各有特色， 但普遍比較復(fù)雜。

筆者認(rèn)為， 智能財(cái)務(wù)是指建立在“大智移云物”等新技術(shù)基礎(chǔ)上的， 具備智能化、自動(dòng)化等特征， 能夠?qū)崟r(shí)提供高度決策相關(guān)信息并致力于提升管理的價(jià)值創(chuàng)造力的新型財(cái)務(wù)管理工作。 智能財(cái)務(wù)主要包含AI、RPA等智能工具以及大數(shù)據(jù)分析三個(gè)要素。 首先， AI的功能類似于人的大腦， 負(fù)責(zé)將人的指令分解落地。 其次， RPA、BI等工具如同人的內(nèi)臟與四肢， 根據(jù)AI下達(dá)的指令自動(dòng)運(yùn)行， 高效地完成任務(wù)。 RPA等工具可以幫助企業(yè)實(shí)現(xiàn)精細(xì)化、自動(dòng)化管理， 包括幫助銀行快速編制合并財(cái)務(wù)報(bào)表、幫助大型集團(tuán)企業(yè)實(shí)現(xiàn)自動(dòng)報(bào)稅等， 這不僅節(jié)約了人力、物力、財(cái)力， 更帶來了企業(yè)經(jīng)營(yíng)模式的變革， 能夠提升財(cái)務(wù)人員工作積極性， 將他們從繁瑣的重復(fù)勞動(dòng)中解放出來， 做更有創(chuàng)造性的工作。 最后， 大數(shù)據(jù)類似于人的血液， 用于訓(xùn)練模型和分析， 推動(dòng)財(cái)務(wù)管理工作由核算型向管理型轉(zhuǎn)變， 缺少血液， 大腦、內(nèi)臟與四肢都無法運(yùn)轉(zhuǎn)。

2. 企業(yè)財(cái)務(wù)的發(fā)展階段。 企業(yè)財(cái)務(wù)實(shí)踐具體可分為六個(gè)階段：手工， 電算化， 信息化， 數(shù)字化， 自動(dòng)化和智能化（如圖1所示）。 其中， 信息化和數(shù)字化是兩個(gè)不同的概念。 信息化是將原本由人工完成的工作交由系統(tǒng)處理， 而數(shù)字化是對(duì)信息化的升級(jí)， 兩者的本質(zhì)區(qū)別在于對(duì)數(shù)字的運(yùn)用。 “數(shù)字資產(chǎn)化”這一概念表明數(shù)字已經(jīng)成為企業(yè)不可或缺的核心資產(chǎn)， 構(gòu)成了企業(yè)的核心競(jìng)爭(zhēng)力， 能夠推動(dòng)企業(yè)變革發(fā)展。 目前大多數(shù)企業(yè)仍處在電算化階段， 主要體現(xiàn)為會(huì)計(jì)核算的電算化， 而沒有完成數(shù)字化轉(zhuǎn)型， 只有部分領(lǐng)先企業(yè)可以實(shí)現(xiàn)數(shù)字化和自動(dòng)化， 兩極分化較為嚴(yán)重。 從目前實(shí)踐來看， 智能財(cái)務(wù)尚處于萌芽階段， 未來還需要實(shí)務(wù)界與學(xué)術(shù)界加強(qiáng)合作， 共同推動(dòng)財(cái)務(wù)朝著智能化方向發(fā)展。

智能財(cái)務(wù)的發(fā)展趨勢(shì)是去中心化， 這與傳統(tǒng)中心化運(yùn)營(yíng)模式下的財(cái)務(wù)管理有著本質(zhì)上的區(qū)別。 去中心化這一理念是今日頭條等新媒體的核心特征：由個(gè)別記者采集信息變?yōu)槿癫杉畔? 由標(biāo)準(zhǔn)化報(bào)紙變?yōu)槎ㄖ苹畔ⅰ?基于數(shù)據(jù)分析， 今日頭條的移動(dòng)客戶端按照用戶感興趣的領(lǐng)域推送新聞， 故每位用戶所瀏覽的新聞都是定制化的。 財(cái)務(wù)管理去中心化的發(fā)展模式亦是如此。 過去由財(cái)務(wù)人員負(fù)責(zé)財(cái)務(wù)管理工作， 提供標(biāo)準(zhǔn)化的財(cái)務(wù)信息， 但現(xiàn)在財(cái)務(wù)信息不再由財(cái)務(wù)人員采集， 而是系統(tǒng)自動(dòng)抓取， 再根據(jù)使用者的不同需求加工出定制化信息。 這一模式突破了時(shí)間、成本等因素的限制， 快速抓取市場(chǎng)、行業(yè)等信息， 從而能夠?qū)崿F(xiàn)對(duì)企業(yè)的全面評(píng)價(jià)。

三、智能財(cái)務(wù)智能嗎？

要回答“智能財(cái)務(wù)智能嗎”這個(gè)問題， 我們首先要了解“強(qiáng)人工智能”和“弱人工智能”這兩個(gè)概念。 “強(qiáng)人工智能”是指讓計(jì)算機(jī)擁有像人一樣的思維判斷能力， 像人一樣聰明， 但目前在技術(shù)上尚不成熟， 因此不可應(yīng)用于財(cái)務(wù)中。 “弱人工智能”是指讓計(jì)算機(jī)在某些特定方面具有智能性， 能夠根據(jù)規(guī)則和學(xué)習(xí)擁有一定的判斷能力。 例如， 機(jī)器人可以掌握下棋的規(guī)則， 并提前計(jì)算好每步棋獲勝的概率， 因而能夠在與人類對(duì)戰(zhàn)時(shí)獲勝。

目前， 畫像技術(shù)等“弱人工智能”技術(shù)已發(fā)展成熟， 能夠廣泛應(yīng)用于財(cái)務(wù)工作中。 在商業(yè)銀行傳統(tǒng)的管理模式下， 客人進(jìn)入銀行后的活動(dòng)未能全部數(shù)字化， 前后臺(tái)數(shù)據(jù)并沒有聯(lián)通， 大堂經(jīng)理前去接待時(shí)無法了解到該客人的存貸款等詳細(xì)信息， 難以定制化接待。 但是借助畫像技術(shù)， 系統(tǒng)能夠自動(dòng)對(duì)進(jìn)入銀行的客戶進(jìn)行畫像， 提取客人的信息， 指派最適宜的接待人員， 充分挖掘潛在的高價(jià)值客戶， 實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。 “弱人工智能”的應(yīng)用讓商業(yè)銀行財(cái)務(wù)部門能夠參與到業(yè)務(wù)活動(dòng)中， 并提升客人到客戶的轉(zhuǎn)化率[4] 。

本文將介紹幾種典型技術(shù)在智能財(cái)務(wù)中的應(yīng)用， 以便一窺智能財(cái)務(wù)的智能化特征。

1. 機(jī)器學(xué)習(xí)。 機(jī)器學(xué)習(xí)是指讓機(jī)器像人一樣學(xué)習(xí)， 做出判斷并進(jìn)行決策。 機(jī)器學(xué)習(xí)與人的學(xué)習(xí)原理相似， 即基于歷史數(shù)據(jù)訓(xùn)練模型， 利用模型形成預(yù)測(cè)、解決問題[5] ， 如圖2所示。

實(shí)踐證明， 利用機(jī)器學(xué)習(xí)技術(shù)預(yù)測(cè)的準(zhǔn)確度高于分析師的預(yù)測(cè)， 更接近實(shí)際的數(shù)值。 企業(yè)內(nèi)部存在大量可供開發(fā)的數(shù)據(jù)， 企業(yè)可以利用機(jī)器學(xué)習(xí)開發(fā)系統(tǒng)進(jìn)行數(shù)據(jù)分析， 不斷修正模型以提高準(zhǔn)確性， 用來準(zhǔn)確預(yù)測(cè)企業(yè)未來年度的經(jīng)營(yíng)業(yè)績(jī)、風(fēng)險(xiǎn)、資金需求量等， 讓機(jī)器學(xué)習(xí)服務(wù)于企業(yè)管理和決策。

機(jī)器學(xué)習(xí)技術(shù)在企業(yè)財(cái)務(wù)管理中有很多應(yīng)用場(chǎng)景。 例如， 在傳統(tǒng)的貸款管理模式下， 銀行在決定是否向企業(yè)發(fā)放貸款時(shí)往往是利用一些有限的指標(biāo)來判斷是否向申請(qǐng)人提供貸款， 為了降低違約率， 銀行往往會(huì)設(shè)置較高的貸款門檻。 利用機(jī)器學(xué)習(xí)技術(shù)能夠更全面地評(píng)估企業(yè)狀況， 使得貸款發(fā)放決策更加精準(zhǔn)， 在降低貸款門檻的同時(shí)也降低了違約率， 從而減少銀行損失。 同時(shí)， 這種模式還可以提高發(fā)放貸款的速度， 機(jī)器通過對(duì)企業(yè)進(jìn)行畫像來評(píng)價(jià)企業(yè)的信用等級(jí)， 快速?zèng)Q定是否發(fā)放貸款， 從而節(jié)約審批時(shí)間。

2. 自然語言處理。 自然語言處理是讓機(jī)器學(xué)習(xí)人類的語言， 從而實(shí)現(xiàn)人與計(jì)算機(jī)的溝通。 Chan等[6] 曾將人民日?qǐng)?bào)自創(chuàng)刊至今的所有文章輸入到機(jī)器中， 并基于這些數(shù)據(jù)訓(xùn)練機(jī)器模型， 預(yù)測(cè)未來哪些新聞可能成為頭版頭條， 并將預(yù)測(cè)值與實(shí)際值相比， 構(gòu)建PCI指數(shù)。 因?yàn)轭^條新聞是國(guó)家政策的風(fēng)向標(biāo)， 因此， PCI指數(shù)越小說明國(guó)家政策越平穩(wěn)， 反之則說明國(guó)家政策變化較大。 這項(xiàng)研究的核心就是讓機(jī)器學(xué)習(xí)人類的語言， 像人類一樣閱讀報(bào)紙， 而這也是“弱人工智能”在實(shí)踐中的具體運(yùn)用。 自然語言處理技術(shù)可以廣泛應(yīng)用于企業(yè)財(cái)務(wù)管理實(shí)踐， 例如， 可以利用該技術(shù)分析企業(yè)海量的文本信息， 自動(dòng)生成財(cái)務(wù)報(bào)告、審計(jì)報(bào)告等。

3. 自動(dòng)生成摘要。 目前， Facebook和Google都已開發(fā)出自動(dòng)文本分析平臺(tái)， 可自動(dòng)生成文章摘要。 這一技術(shù)也能夠應(yīng)用在企業(yè)分析中， 將外部宏觀信息、輿論信息、內(nèi)部會(huì)議紀(jì)要等信息輸入系統(tǒng)中， 自動(dòng)生成簡(jiǎn)報(bào)， 節(jié)省了閱讀大量材料的時(shí)間， 并可幫助信息使用者快速而全面地了解企業(yè)。

4. 利用文本進(jìn)行情緒分析。 每一段文字都隱含了作者的情緒， 作者受自己寫作時(shí)情緒的影響， 自然或者不自然地采用積極樂觀或者消極悲觀的形容詞。 基于上述原理， IBM公司開發(fā)的智能文本分析系統(tǒng)可以根據(jù)文章的用詞判斷作者的情緒。 同理， 投資者在投資之前可以利用該技術(shù)對(duì)目標(biāo)公司進(jìn)行情緒分析， 如果管理層對(duì)公司持悲觀態(tài)度， 投資者或許就可以將該公司排除在投資范圍之外。

5. 流程挖掘技術(shù)。 流程挖掘技術(shù)能夠?qū)?chǔ)存在ERP等系統(tǒng)中的業(yè)務(wù)信息下載并自動(dòng)生成流程圖， 重現(xiàn)公司的某一業(yè)務(wù)流程。 通常情況下， 標(biāo)準(zhǔn)的業(yè)務(wù)流程是一條或幾條路徑， 倘若借助流程挖掘技術(shù)發(fā)現(xiàn)該項(xiàng)業(yè)務(wù)從開始到結(jié)束有上百條路徑， 形成了網(wǎng)狀結(jié)構(gòu)， 則說明該流程存在問題， 企業(yè)可據(jù)此整改優(yōu)化。 此外， 流程挖掘技術(shù)還能發(fā)現(xiàn)流程中不合常理的操作。 例如， 填單與審批之間幾乎不存在時(shí)間差， 或者某次審批發(fā)生在凌晨等不合理的時(shí)間。 通過對(duì)這些非常規(guī)性操作的分析有助于審計(jì)人員發(fā)現(xiàn)舞弊行為， 提高審計(jì)質(zhì)量。

6. 基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)。 基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)是在用戶與問題求解系統(tǒng)之間通過對(duì)話子系統(tǒng)建立聯(lián)系， 用戶可以文本或者語言等方式向系統(tǒng)提出問題， 系統(tǒng)予以解答[5] ， 如圖3所示。

這是一種輔助系統(tǒng)， 在紅綠燈設(shè)計(jì)、物流調(diào)配、路線規(guī)劃等方面應(yīng)用廣泛。 傳統(tǒng)的決策模式是基于決策者的個(gè)人經(jīng)驗(yàn)， 他們離職后經(jīng)驗(yàn)就無法再利用， 且將不同個(gè)體的經(jīng)驗(yàn)加以整合的成本較為高昂， 因此， 要將基于經(jīng)驗(yàn)做決策轉(zhuǎn)變?yōu)榛谑聦?shí)做決策和基于大數(shù)據(jù)做決策。 例如， 傳統(tǒng)的本量利分析是人工分析， 需要人工估計(jì)售價(jià)、成本等， 基于經(jīng)驗(yàn)推測(cè)， 缺少事前分析。 而現(xiàn)在可以利用機(jī)器學(xué)習(xí)等技術(shù)， 讓機(jī)器自動(dòng)抓取產(chǎn)量信息、行業(yè)信息等， 借以預(yù)測(cè)產(chǎn)品的價(jià)格、成本， 提前做好事前分析， 自動(dòng)出具分析報(bào)告， 并且以可視化加智能語音解讀的方式加以呈現(xiàn)。

此外， 企業(yè)對(duì)財(cái)務(wù)專家的需求也會(huì)增加。 人工智能的發(fā)展和傳統(tǒng)財(cái)務(wù)工作的減少催生了專門提供咨詢的財(cái)務(wù)專家， 他們專注于企業(yè)的業(yè)務(wù)、財(cái)務(wù)、管理和戰(zhàn)略領(lǐng)域， 為企業(yè)提供綜合性的咨詢服務(wù)。

八、智能財(cái)務(wù)專業(yè)培養(yǎng)的是應(yīng)用型人才嗎？

智能財(cái)務(wù)專業(yè)培養(yǎng)的不是單一的應(yīng)用型人才， 而是同時(shí)具備技術(shù)和會(huì)計(jì)專業(yè)知識(shí)的專家型人才。 智能財(cái)務(wù)人才要能動(dòng)手、懂建構(gòu)、會(huì)決策， 即：能夠利用技術(shù)提升財(cái)務(wù)管理工作的自動(dòng)化、智能化水平; 能夠搭建企業(yè)智能財(cái)務(wù)體系; 能夠基于事實(shí)（大數(shù)據(jù)分析）提供重要決策信息和建議。 新時(shí)代的CFO必然成為智能財(cái)務(wù)方面的專家。

九、財(cái)務(wù)人員如何轉(zhuǎn)型？

與傳統(tǒng)的核算型人才不同， 新技術(shù)環(huán)境下的財(cái)務(wù)人員的一個(gè)核心特征是專家型人才， 至少應(yīng)該成為某方面的專家， 而不是“多面手”。 如前文所述， 正在興起的新型財(cái)務(wù)崗位有大數(shù)據(jù)分析師、系統(tǒng)架構(gòu)師和財(cái)務(wù)專家。 前兩類崗位需要的人才均為既懂技術(shù)又懂會(huì)計(jì)的新型復(fù)合型人才。 其中大數(shù)據(jù)分析師需要掌握大數(shù)據(jù)分析技術(shù)、人工智能技術(shù)、商業(yè)分析技術(shù)、可視化技術(shù)等， 能夠利用這些技術(shù)進(jìn)行大數(shù)據(jù)分析， 搭建大數(shù)據(jù)分析系統(tǒng)， 為企業(yè)決策提供高質(zhì)量決策信息。 系統(tǒng)架構(gòu)師需要掌握系統(tǒng)開發(fā)技術(shù)、流程挖掘技術(shù)、數(shù)字化技術(shù)等， 能夠利用這些技術(shù)幫助企業(yè)構(gòu)建數(shù)字化、智能化財(cái)務(wù)管理系統(tǒng)。 與技術(shù)型人才不同， 財(cái)務(wù)專家扮演的更多是咨詢專家角色， 具備戰(zhàn)略、管理、財(cái)務(wù)、業(yè)財(cái)融合等多維度知識(shí)和經(jīng)驗(yàn)， 能夠?qū)ζ髽I(yè)的財(cái)務(wù)戰(zhàn)略進(jìn)行診斷和改進(jìn)， 通過提升財(cái)務(wù)管理水平為企業(yè)創(chuàng)造價(jià)值。

十、企業(yè)財(cái)務(wù)如何轉(zhuǎn)型？

企業(yè)財(cái)務(wù)智能化轉(zhuǎn)型的模式通常可以分為兩種：全面部署和敏捷部署。

在全面部署模式下， 企業(yè)站在全局角度規(guī)劃未來幾年的智能化轉(zhuǎn)型路徑， 分步驟實(shí)施， 由面到點(diǎn)， 先重構(gòu)流程， 再推進(jìn)數(shù)字化轉(zhuǎn)型， 最后實(shí)現(xiàn)智能化轉(zhuǎn)型。 很多企業(yè)斥巨資在報(bào)稅、內(nèi)控等流程中使用RPA， 但是隨著企業(yè)的轉(zhuǎn)型升級(jí)， 很多流程將不復(fù)存在。 因此， 企業(yè)首先要做好規(guī)劃， 重構(gòu)流程， 減少不必要的支出。 然后， 企業(yè)要實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型， 將線下信息轉(zhuǎn)移到線上， 為智能化轉(zhuǎn)型奠定基礎(chǔ)。 轉(zhuǎn)型階段必然會(huì)面臨眾多難題， 這就需要企業(yè)在實(shí)踐中慢慢摸索， 逐漸改進(jìn)， 分步驟完成， 最終實(shí)現(xiàn)智能化轉(zhuǎn)型。

在敏捷部署模式下， 企業(yè)由點(diǎn)到面， 對(duì)現(xiàn)有系統(tǒng)進(jìn)行改造。 企業(yè)內(nèi)部各部門相對(duì)獨(dú)立， 系統(tǒng)與系統(tǒng)之間不連通， 若推倒現(xiàn)有系統(tǒng)重新建構(gòu)不僅耗時(shí)長(zhǎng)， 而且成本高。 因此， 可以在不改變現(xiàn)有系統(tǒng)的基礎(chǔ)上把系統(tǒng)間的數(shù)據(jù)提取出來， 采用敏捷部署的方式尋找突破口， 逐步完善。 企業(yè)可以將現(xiàn)有系統(tǒng)替換為AI系統(tǒng)， 也可以對(duì)系統(tǒng)進(jìn)行AI改造， 還可以在不改變系統(tǒng)核心的基礎(chǔ)上， 采用“AI+RPA”的外掛模式。 對(duì)于中小企業(yè)而言， 最簡(jiǎn)單的方式是直接利用第三方平臺(tái)， 將財(cái)務(wù)管理完全外包， 而企業(yè)則專注于最核心的業(yè)務(wù)， 提升競(jìng)爭(zhēng)力。 與傳統(tǒng)代理服務(wù)相比， 這種模式保密性、準(zhǔn)確性更高， 價(jià)格更低。

筆者認(rèn)為， 智能財(cái)務(wù)的現(xiàn)狀可以用一“有”二“無”三“好”來形容：一“有”是有技術(shù)， “大智移云”快速發(fā)展給企業(yè)轉(zhuǎn)型提供了技術(shù)支持; 二“無”是無動(dòng)力、無人才， 財(cái)務(wù)部門作為后臺(tái)管理部門都是被動(dòng)變革， 缺少動(dòng)力和人才支持; 三“好”是好機(jī)會(huì)、好條件、好前景， 科技革命和產(chǎn)業(yè)變革創(chuàng)造了無限機(jī)遇和可能， 政府、企業(yè)、高校共享共建共治共贏， 智能財(cái)務(wù)發(fā)展前景廣闊。

【 主 要 參 考 文 獻(xiàn) 】

[1] Sorter H. G.. An "Events" Approach to Basic Accounting Theory[ J].The Accounting Review，1969（1）：12 ～ 19.

[2] Wallman S. M. H.. The Future of Accounting and Financial Reporting[ J].Accounting Horizons，1996（2）：138 ～ 148.

[3] 劉勤，楊寅.智能財(cái)務(wù)的體系架構(gòu)、實(shí)現(xiàn)路徑和應(yīng)用趨勢(shì)探討[ J].管理會(huì)計(jì)研究，2018（1）：84 ～ 90+96.

[4] 張敏.企業(yè)財(cái)務(wù)智能化：要素·路徑·階段[ J].財(cái)會(huì)月刊，2020（17）：7 ～ 11.

[5] 楊善林，倪志偉.機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[M].北京：科學(xué)出版社，2004：1 ～ 384.

[6] Chan J. T.， et al.. Reading China： Predicting Policy with Machine Learning[Z].Working Paper，2018.

[7] 清華大學(xué)中國(guó)科技政策研究中心. 2018中國(guó)人工智能發(fā)展報(bào)告[EB/OL].http：//www.clii.com.cn/lhrh/hyxx/201807/P02018072

4021759.pdf，2018-07-13.