智能時(shí)代會(huì)計(jì)人才需求變革與人才培養(yǎng)精準(zhǔn)轉(zhuǎn)型研究
——基于企業(yè)對(duì)會(huì)計(jì)人才的期望及現(xiàn)實(shí)情況調(diào)研

■/ 潘松劍 鄭琪正 夏泰鳳 胡曉宇

一、引言

以“新一代人工智能、量子信息技術(shù)、萬(wàn)物互聯(lián)網(wǎng)”為代表的第四次科技浪潮的興起，不僅推動(dòng)了企業(yè)經(jīng)濟(jì)業(yè)態(tài)、經(jīng)濟(jì)模式和市場(chǎng)環(huán)境的發(fā)展，也促進(jìn)企業(yè)商業(yè)模式、經(jīng)營(yíng)方法和管理手段發(fā)生重大變革，同時(shí)推動(dòng)會(huì)計(jì)核算向會(huì)計(jì)管理的信息智能化方向轉(zhuǎn)型發(fā)展。目前，新一代人工智能領(lǐng)域的發(fā)展成果已被成熟高效的運(yùn)用到人類經(jīng)濟(jì)社會(huì)各個(gè)產(chǎn)業(yè)的發(fā)展與運(yùn)營(yíng)當(dāng)中，足以預(yù)見(jiàn)不久的將來(lái)，將會(huì)產(chǎn)生一個(gè)更加完善、有序、穩(wěn)定、依靠人工智能技術(shù)而有效運(yùn)轉(zhuǎn)的人類社會(huì)。

智能化時(shí)代也不斷變革著要素市場(chǎng)的供需結(jié)構(gòu)，“人工智能+會(huì)計(jì)”“業(yè)財(cái)融合”“財(cái)務(wù)數(shù)據(jù)共享”等新興產(chǎn)業(yè)的涌現(xiàn)賦予會(huì)計(jì)信息新的內(nèi)涵，企業(yè)智能化技術(shù)的升級(jí)改變勢(shì)必要愈發(fā)需求智能會(huì)計(jì)人才（唐大鵬等，2020），而高校作為會(huì)計(jì)人才培養(yǎng)的搖籃也勢(shì)必要迎合智能化時(shí)代的到來(lái)而相應(yīng)制定新的人才培養(yǎng)計(jì)劃，達(dá)到會(huì)計(jì)人員精準(zhǔn)轉(zhuǎn)型。而能否轉(zhuǎn)型、如何轉(zhuǎn)型以及轉(zhuǎn)型的方向都成為目前亟需解決的現(xiàn)實(shí)問(wèn)題。

本文采用問(wèn)卷調(diào)查法與訪談法，探討智能化時(shí)代企業(yè)對(duì)智能會(huì)計(jì)的了解與發(fā)展階段，以及企業(yè)期望的會(huì)計(jì)人才轉(zhuǎn)型方向，從而量化會(huì)計(jì)人才素質(zhì)與能力，以精準(zhǔn)獲取企業(yè)會(huì)計(jì)人才需求動(dòng)態(tài)與變革要求，為高校人才培養(yǎng)精準(zhǔn)轉(zhuǎn)型提供依據(jù)與思路，最終契合智能化時(shí)代企業(yè)對(duì)會(huì)計(jì)人才的現(xiàn)實(shí)需求。

二、智能時(shí)代高校會(huì)計(jì)人才培養(yǎng)困局

信息科技的突飛猛進(jìn)，誕生了以新領(lǐng)域、新產(chǎn)業(yè)、新模式為表征的新經(jīng)濟(jì)，也強(qiáng)烈引發(fā)了專屬服務(wù)于現(xiàn)代企業(yè)的財(cái)務(wù)會(huì)計(jì)的轉(zhuǎn)型需要（舒?zhèn)サ龋?021）。目前會(huì)計(jì)人才供需仍存在著很大的結(jié)構(gòu)性困難。智能會(huì)計(jì)人才供給與我國(guó)經(jīng)濟(jì)高質(zhì)量成長(zhǎng)需求契合不夠，新技術(shù)的開(kāi)發(fā)與興起則更強(qiáng)化了會(huì)計(jì)從業(yè)者的分野。由于初級(jí)、重復(fù)性、高度程序性的傳統(tǒng)會(huì)計(jì)工作已逐漸被人工智能所取代，低端會(huì)計(jì)人員將受到巨大的技術(shù)變革沖擊，傳統(tǒng)會(huì)計(jì)人員的身份與能力面臨著前所未有的沖擊和挑戰(zhàn)，而能夠?yàn)槠髽I(yè)管理與價(jià)值創(chuàng)造提供決策判斷、市場(chǎng)預(yù)測(cè)、經(jīng)營(yíng)戰(zhàn)略、投融資建議、風(fēng)險(xiǎn)防范的智能財(cái)務(wù)人才則是極為稀缺的資源。以企業(yè)會(huì)計(jì)人才需求為導(dǎo)向，是高校履行人才培養(yǎng)職能的根本出發(fā)點(diǎn)，智能技術(shù)發(fā)展對(duì)高校會(huì)計(jì)人才培養(yǎng)提出了嚴(yán)峻挑戰(zhàn)，高校會(huì)計(jì)人才供給滯后企業(yè)智能財(cái)務(wù)需求是存在的共性問(wèn)題。

（一）智能時(shí)代會(huì)計(jì)人才培養(yǎng)與企業(yè)需求不匹配

數(shù)智經(jīng)濟(jì)背景下將加強(qiáng)會(huì)計(jì)信息的數(shù)據(jù)分析、預(yù)測(cè)和決策職能，會(huì)計(jì)核算方式將由核算反映型向管理決策型轉(zhuǎn)變。隨著新興信息技術(shù)在財(cái)會(huì)領(lǐng)域的日益滲入，傳統(tǒng)會(huì)計(jì)核算的交易業(yè)務(wù)工作日益減少，許多具有初步復(fù)雜性的工作也能被智能機(jī)器人所完成。財(cái)務(wù)人員再也不能固步于會(huì)計(jì)記賬、算賬、財(cái)務(wù)報(bào)賬等傳統(tǒng)會(huì)計(jì)核算模式，而應(yīng)轉(zhuǎn)型為更加強(qiáng)調(diào)事前決策、事中管理、事后數(shù)據(jù)分析與反饋的現(xiàn)代管理型會(huì)計(jì)，會(huì)計(jì)管理職責(zé)日益凸顯（舒?zhèn)サ龋?021）。但是，當(dāng)前我國(guó)會(huì)計(jì)行業(yè)呈典型金字塔狀分布，大型企業(yè)建立財(cái)務(wù)共享中心，小型企業(yè)選擇會(huì)計(jì)外包服務(wù)，導(dǎo)致了基礎(chǔ)會(huì)計(jì)崗位數(shù)量過(guò)剩，而“填鴨式”的教學(xué)模式過(guò)度注重知識(shí)傳授而忽略了溝通、數(shù)據(jù)處理和分析、處理復(fù)雜問(wèn)題等能力的培養(yǎng)，導(dǎo)致智能化高端會(huì)計(jì)人才缺口較大，新興技術(shù)的應(yīng)用將對(duì)會(huì)計(jì)行業(yè)和會(huì)計(jì)人員造成不可避免的沖擊。一邊供大于求另一邊供不應(yīng)求造成這種“兩張皮”現(xiàn)象，追根溯源還是供給端出了問(wèn)題：高校培養(yǎng)的學(xué)生不能有效地匹配用人單位人才需求（張多蕾等，2019）。

（二）智能時(shí)代會(huì)計(jì)人才培養(yǎng)產(chǎn)教融合力度薄弱

會(huì)計(jì)學(xué)是一門(mén)實(shí)用性非常強(qiáng)的學(xué)科，因此培訓(xùn)會(huì)計(jì)人員的實(shí)踐能力就變得十分必要，而產(chǎn)教融合在實(shí)踐教學(xué)中發(fā)揮著重大的實(shí)用價(jià)值。智能時(shí)代，雖然多數(shù)院校積極響應(yīng)了產(chǎn)教融合，但難免還是存在問(wèn)題。首先，智能會(huì)計(jì)人才缺乏相應(yīng)的實(shí)踐經(jīng)驗(yàn)（呂沙等，2022）。中國(guó)大學(xué)的會(huì)計(jì)教學(xué)目前還是脫離實(shí)踐的教學(xué)模式，注重理論知識(shí)而輕視實(shí)際、重視知識(shí)傳授而輕視創(chuàng)新能力的培養(yǎng)情況還普遍存在，學(xué)生在校階段更多的是對(duì)會(huì)計(jì)專業(yè)知識(shí)的了解，在實(shí)際操作環(huán)境中體驗(yàn)會(huì)計(jì)理論知識(shí)應(yīng)用與動(dòng)手操作的機(jī)會(huì)幾乎很少（劉純超等，2020）。其次，當(dāng)前教育信息還不能完全連接實(shí)踐，也無(wú)法符合現(xiàn)代智能化社會(huì)產(chǎn)教結(jié)合的需要，有學(xué)者對(duì)全國(guó)及各省市會(huì)計(jì)領(lǐng)軍人才調(diào)查發(fā)現(xiàn)需求側(cè)和供給側(cè)都認(rèn)為我國(guó)高校會(huì)計(jì)人才培養(yǎng)存在較大問(wèn)題（陸玉文，2018），主要表現(xiàn)為缺乏復(fù)合型人才以及教學(xué)內(nèi)容與實(shí)務(wù)脫節(jié)，當(dāng)下企業(yè)財(cái)務(wù)信息數(shù)智化改造進(jìn)程中，數(shù)智化人才短缺，信息管理技術(shù)與業(yè)務(wù)流程亟需重塑，也進(jìn)一步對(duì)高校會(huì)計(jì)人才培養(yǎng)水平提出了新要求。最后，缺乏具體的實(shí)踐工具，學(xué)生了解實(shí)踐主要還是以模擬應(yīng)用為主，對(duì)于真正做到大數(shù)據(jù)“校企合作”“行業(yè)共建”的高校還是占少部分的（劉然，2020）。

（三）智能時(shí)代培養(yǎng)復(fù)合型會(huì)計(jì)人才的師資力量有限

智能時(shí)代中國(guó)會(huì)計(jì)教學(xué)面臨的最大障礙是師資問(wèn)題，也就是人才結(jié)構(gòu)問(wèn)題。大數(shù)據(jù)分析、人工智能技術(shù)等迅猛發(fā)展給高等教育帶來(lái)了新的革命，高等院校會(huì)計(jì)教育也同樣不可避免地面臨著嚴(yán)峻考驗(yàn)，提升教師能力、促進(jìn)教師轉(zhuǎn)型成為一個(gè)棘手問(wèn)題。就目前而言，在我國(guó)高等院校會(huì)計(jì)教師隊(duì)伍中，專業(yè)型會(huì)計(jì)師資仍占有著較大比例，這部分教師已在財(cái)會(huì)界深耕數(shù)年，屬于會(huì)計(jì)學(xué)領(lǐng)域的專才，但是這部分教師在求學(xué)以及工作過(guò)程中少有、甚至沒(méi)有系統(tǒng)地接受人工智能、大數(shù)據(jù)技術(shù)等相關(guān)專業(yè)知識(shí)的訓(xùn)練，智能化知識(shí)與技能更新迭代速度緩慢，所以在日常教育活動(dòng)中也比較偏向于使用單一教學(xué)方法，灌輸系統(tǒng)的會(huì)計(jì)學(xué)觀念與理論知識(shí)。由于傳統(tǒng)的“板書(shū)”式會(huì)計(jì)教學(xué)方法，已無(wú)法和日益智能化的技術(shù)要求相適配，因此勢(shì)必要被更加智能化的人才培養(yǎng)方式所取代。在教育智能化的時(shí)代背景下，高校會(huì)計(jì)教師不僅需要扎實(shí)的教學(xué)基礎(chǔ)，熟練掌握理論知識(shí)，而且還需要熟悉與智能財(cái)務(wù)有關(guān)的大數(shù)據(jù)挖掘、人工智能、計(jì)算機(jī)等技術(shù)應(yīng)用（唐大鵬等，2022）。而青年教師可能具備了一定的大數(shù)據(jù)、人工智能等相關(guān)技術(shù)，但畢業(yè)后直接走上了教師崗位，缺乏相應(yīng)的業(yè)態(tài)與實(shí)踐經(jīng)歷。教會(huì)計(jì)的沒(méi)有經(jīng)歷智能會(huì)計(jì)流程實(shí)踐，教審計(jì)的沒(méi)有大數(shù)據(jù)審計(jì)項(xiàng)目經(jīng)驗(yàn)，教風(fēng)險(xiǎn)管理的沒(méi)有企業(yè)智能決策與管理實(shí)踐是當(dāng)前教師人才結(jié)構(gòu)問(wèn)題的真實(shí)寫(xiě)照，“大數(shù)據(jù)與人工智能”+“財(cái)務(wù)會(huì)計(jì)”+“實(shí)踐經(jīng)驗(yàn)”同時(shí)具備的教師人才實(shí)屬鳳毛麟角。

（四）智能時(shí)代會(huì)計(jì)人才培養(yǎng)教材建設(shè)滯后

智能化時(shí)代下會(huì)計(jì)人才培養(yǎng)關(guān)鍵在于業(yè)務(wù)、財(cái)務(wù)和技能的整合，而“業(yè)財(cái)技”一體化教學(xué)的開(kāi)展必須經(jīng)過(guò)課程編寫(xiě)、案例研究、教學(xué)方法、考評(píng)方式等全面的改革和建設(shè)。經(jīng)過(guò)長(zhǎng)期的積累與沉淀，傳統(tǒng)會(huì)計(jì)教材及其體系已經(jīng)相當(dāng)規(guī)范成熟，相較之下目前智能會(huì)計(jì)教材建設(shè)明顯滯后于高校教育現(xiàn)實(shí)需求。當(dāng)下智能會(huì)計(jì)人才培養(yǎng)處于起步階段，普遍缺乏相關(guān)教材與參考資料，由于基礎(chǔ)理論與實(shí)踐層面的不足，課程發(fā)展趕不上教學(xué)需要（呂沙等，2022）。智能會(huì)計(jì)教育培養(yǎng)需要實(shí)現(xiàn)課程框架的重構(gòu)、課程的研發(fā)和課程項(xiàng)目的創(chuàng)建，達(dá)到多領(lǐng)域的學(xué)科整合，建立起交叉的課程群。

三、研究設(shè)計(jì)

（一）調(diào)查過(guò)程

本文采用訪談和問(wèn)卷兩種調(diào)查方法。為了保證問(wèn)卷設(shè)計(jì)更加契合企業(yè)實(shí)際情況，借鑒佟成生等（2014）的方法，在設(shè)計(jì)問(wèn)卷前先與30 位企業(yè)負(fù)責(zé)人訪談，一方面通過(guò)訪談獲取有關(guān)企業(yè)智能會(huì)計(jì)發(fā)展進(jìn)程等信息；另一方面通過(guò)深入訪談獲取的信息制定問(wèn)卷設(shè)計(jì)方案，使問(wèn)卷設(shè)計(jì)更為科學(xué)合理，最后經(jīng)過(guò)與企業(yè)負(fù)責(zé)人溝通討論確定問(wèn)卷。問(wèn)卷設(shè)計(jì)使用問(wèn)卷星軟件，并將該網(wǎng)址遞交給企業(yè)負(fù)責(zé)人，最終分析問(wèn)卷結(jié)果得出研究結(jié)論。

（二）訪談設(shè)計(jì)與實(shí)施

本次訪談主要目的是了解當(dāng)前企業(yè)智能會(huì)計(jì)發(fā)展與人才需求的實(shí)際情況，挖掘企業(yè)期望與實(shí)現(xiàn)情況落差背后的原因。訪談基于對(duì)上市企業(yè)的30名高管調(diào)研，采用焦點(diǎn)小組訪談法（祝智庭等，2021）。此次訪談涉及三個(gè)核心問(wèn)題：第一，企業(yè)為什么要發(fā)展智能會(huì)計(jì)，智能會(huì)計(jì)為企業(yè)財(cái)務(wù)人員帶來(lái)了哪些益處；第二，簡(jiǎn)單的財(cái)務(wù)工作由人工智能完成后，智能會(huì)計(jì)的進(jìn)一步建設(shè)會(huì)遇到哪些難題，企業(yè)的應(yīng)對(duì)方法是什么；第三，企業(yè)在智能會(huì)計(jì)運(yùn)用方面發(fā)展到了哪一階段，取得了哪些成果。

（三）問(wèn)卷設(shè)計(jì)與實(shí)施

問(wèn)卷由三部分組成，第一部分是被調(diào)查者的基本信息，包括研究對(duì)象的受教育程度、工齡、財(cái)務(wù)崗位、擁有會(huì)計(jì)職業(yè)證書(shū)等。第二部分是被調(diào)查者對(duì)智能會(huì)計(jì)的認(rèn)知以及未來(lái)智能化背景下會(huì)計(jì)人員的能力要求，具體包括對(duì)智能會(huì)計(jì)與云財(cái)務(wù)的了解程度、了解形式，以及未來(lái)“智能會(huì)計(jì)”對(duì)財(cái)務(wù)人員崗位的影響等。第三部分基于企業(yè)高管視角考察不同因素對(duì)未來(lái)會(huì)計(jì)人員轉(zhuǎn)型的影響。

問(wèn)卷發(fā)放分為三個(gè)階段，第一階段在專家訪談過(guò)程中，對(duì)問(wèn)卷進(jìn)行統(tǒng)計(jì)檢驗(yàn)并修改問(wèn)卷；第二階段是預(yù)填階段，由30 位從事會(huì)計(jì)行業(yè)的人員進(jìn)行預(yù)填，剔除相似度高的問(wèn)題后形成正式問(wèn)卷；第三階段正式發(fā)放問(wèn)卷，將問(wèn)卷內(nèi)容編輯至問(wèn)卷星，生成鏈接并交由企業(yè)進(jìn)行填答（沙秀娟等，2017）。本研究采取非概率抽樣，并由偶遇抽樣與立意抽樣組合的方式完成。

本次調(diào)查共發(fā)放問(wèn)卷240 份，剔除明顯亂填、嚴(yán)重缺失或選項(xiàng)內(nèi)容全部雷同的問(wèn)卷后，回收有效問(wèn)卷204份，有效問(wèn)卷回收率為85%。問(wèn)卷填答人中，97.55%的人學(xué)歷達(dá)到本科以上，最低擁有初級(jí)會(huì)計(jì)從業(yè)資格證，平均工齡為5 年，被調(diào)查企業(yè)的背景描述性統(tǒng)計(jì)見(jiàn)表1。

四、研究結(jié)果分析

（一）訪談結(jié)果分析

1.智能會(huì)計(jì)為企業(yè)會(huì)計(jì)人員轉(zhuǎn)型創(chuàng)造條件。面對(duì)龐大的業(yè)務(wù)量，企業(yè)面臨著一系列問(wèn)題，例如龐大的單據(jù)量，不均勻的工作時(shí)間分布，導(dǎo)致某些季度末的時(shí)間段工作量會(huì)劇增，且流水線般的工作流程多數(shù)都比較枯燥，容易產(chǎn)生疲憊心理，這種機(jī)械性的低效率的工作也不利于個(gè)人職業(yè)發(fā)展。基于這種情況多數(shù)企業(yè)會(huì)在財(cái)務(wù)大轉(zhuǎn)型的時(shí)代背景下積極開(kāi)發(fā)和探索智能會(huì)計(jì)。且大多數(shù)企業(yè)建立的財(cái)務(wù)共享中心不僅讓目前的工作系統(tǒng)化、標(biāo)準(zhǔn)化和數(shù)字化，也為企業(yè)智能財(cái)務(wù)建設(shè)打下了基礎(chǔ)、創(chuàng)造了條件。開(kāi)發(fā)智能會(huì)計(jì)的核心目的是取代一些簡(jiǎn)單、重復(fù)性高、附加值低的工作，來(lái)進(jìn)一步解放共享中心的人力成本，讓財(cái)務(wù)共享中心的財(cái)務(wù)人員朝著業(yè)務(wù)專家或信息綜合化人才去發(fā)展，讓共享財(cái)務(wù)人員向業(yè)務(wù)財(cái)務(wù)和戰(zhàn)略財(cái)務(wù)的方向去發(fā)展。

2.實(shí)現(xiàn)“業(yè)財(cái)融合”要克服數(shù)據(jù)治理難題。在智能會(huì)計(jì)建設(shè)過(guò)程中，頂層設(shè)計(jì)非常重要。企業(yè)發(fā)展智能會(huì)計(jì)的目的是實(shí)現(xiàn)財(cái)務(wù)轉(zhuǎn)型升級(jí)，在智能時(shí)代為了實(shí)現(xiàn)轉(zhuǎn)型升級(jí)必須要求業(yè)務(wù)端與財(cái)務(wù)端的數(shù)據(jù)同時(shí)進(jìn)行數(shù)字化升級(jí)，將財(cái)務(wù)數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和流程再造，即“業(yè)財(cái)數(shù)據(jù)體系”的融合。在業(yè)財(cái)融合過(guò)程中必然要把財(cái)務(wù)端的數(shù)據(jù)延伸到業(yè)務(wù)端，但在實(shí)際操作過(guò)程中兩端人員很容易產(chǎn)生沖突，業(yè)務(wù)端的人員無(wú)法很好理解財(cái)務(wù)人員所希望表達(dá)的內(nèi)容，導(dǎo)致兩個(gè)部門(mén)語(yǔ)言不通，即涉及到數(shù)據(jù)治理問(wèn)題。業(yè)務(wù)部門(mén)強(qiáng)調(diào)的是目標(biāo)實(shí)現(xiàn)而財(cái)務(wù)人員只是希望管控?cái)?shù)據(jù)，導(dǎo)致“業(yè)財(cái)融合”的效果并不理想。為了解決這一難題，需要企業(yè)匹配業(yè)務(wù)端與財(cái)務(wù)端的系統(tǒng)和數(shù)據(jù)，然后基于業(yè)務(wù)端和財(cái)務(wù)端都能理解的標(biāo)準(zhǔn)化語(yǔ)言來(lái)表達(dá)這一數(shù)據(jù)，同時(shí)希望財(cái)務(wù)部門(mén)的人員能夠用服務(wù)的思想去思考問(wèn)題，促進(jìn)“業(yè)財(cái)融合”的深入發(fā)展。

3.企業(yè)智能會(huì)計(jì)發(fā)展仍處于初級(jí)階段。在本次訪談過(guò)程中我們發(fā)現(xiàn)企業(yè)正在致力于推進(jìn)智能會(huì)計(jì)的發(fā)展，關(guān)于智能會(huì)計(jì)，被訪談的高管闡述了一個(gè)觀點(diǎn)：智能化財(cái)務(wù)不僅要對(duì)規(guī)則明確、重復(fù)工作量較大的基礎(chǔ)業(yè)務(wù)進(jìn)行處理，同時(shí)也需要運(yùn)用到復(fù)雜的判斷與決策，類似于決策模型、機(jī)器學(xué)習(xí)等技術(shù)。當(dāng)下的智能財(cái)務(wù)只是處于初級(jí)階段，雖然有的企業(yè)已經(jīng)根據(jù)審核的業(yè)務(wù)特點(diǎn)和規(guī)則研發(fā)出了審核機(jī)器人取得了初步成果，但在短時(shí)間內(nèi)這類人工智能并不能取代人工，無(wú)論是機(jī)器決策的三大難題（復(fù)雜性、易變性和不確定性）還是OCR 方面的技術(shù)壁壘或成本與效率問(wèn)題，均是目前智能會(huì)計(jì)發(fā)展的難題。

（二）問(wèn)卷結(jié)果分析

1.問(wèn)卷結(jié)果檢驗(yàn)。問(wèn)卷信度（reliability）分析的目的是了解問(wèn)卷穩(wěn)定性和一致性。信度指數(shù)使用相關(guān)系數(shù)分析來(lái)衡量，其內(nèi)部一致性指數(shù)較為普遍，它表明觀察事項(xiàng)（調(diào)查課題事項(xiàng)）內(nèi)部關(guān)聯(lián)性程度，這個(gè)項(xiàng)目可以體現(xiàn)一個(gè)單獨(dú)概念的不同側(cè)面。它常用克隆巴赫一致性系數(shù)（Cronbach's α）來(lái)測(cè)量，Cronbach's α系數(shù)介于0和1之間，系數(shù)越高說(shuō)明各個(gè)問(wèn)卷項(xiàng)目相關(guān)性越大，從而信度越高。Fornell and Larcker（1981）的研究指出，當(dāng)Cronbach's α值大于0.6時(shí)，即在可接受的范圍之內(nèi)。Devellis（2016）認(rèn)為如果信度低于0.6，應(yīng)改進(jìn)研究工具或重新編制問(wèn)卷。本文用SPSS19.0進(jìn)行運(yùn)算，并對(duì)待分析的24 個(gè)題目進(jìn)行信度檢驗(yàn)，使用Alpha 模型，結(jié)果顯示問(wèn)卷量表題的Cronbach's α值為0.976＞0.6，說(shuō)明本文所使用數(shù)據(jù)具有較好的信度。

問(wèn)卷另外一個(gè)重要的指標(biāo)是效度（validity），即問(wèn)卷的有效性，它指的是問(wèn)卷能否真實(shí)測(cè)得研究者希望了解的內(nèi)容，即測(cè)量結(jié)果與目標(biāo)間的接近程度。一般研究中效度分析最理想的方法是利用因子分析測(cè)量量表或整個(gè)問(wèn)卷的結(jié)構(gòu)效度，通過(guò)因子分析可以考察問(wèn)卷是否能夠測(cè)量出研究者設(shè)計(jì)問(wèn)卷時(shí)假設(shè)的某種結(jié)構(gòu)。在進(jìn)行因子分析前，需要測(cè)量問(wèn)卷的KMO 值（Kaiser Meyer Olkinmeasure），即通過(guò)比較觀察變量之間相關(guān)系數(shù)與偏相關(guān)系數(shù)的相對(duì)大小來(lái)考察變量之間的相關(guān)性。KMO統(tǒng)計(jì)量取值在0和1之間。當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1，說(shuō)明變量間的相關(guān)性強(qiáng)；當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和接近0時(shí)，KMO值接近0，意味著變量間的相關(guān)性弱。Kaiser給出了常用的KMO度量標(biāo)準(zhǔn)：0.9以上為非常適合；0.8表示適合；0.7則一般適合；0.6是不太適合；0.5 以下為極不適合。本研究模型運(yùn)用SPSS19.0 對(duì)問(wèn)卷變量進(jìn)行因子分析，KMO 值為0.981，大于0.8，巴特球形值為4308.375，X2/df 值為325.000，p=0.00，可見(jiàn)調(diào)查數(shù)據(jù)的效度質(zhì)量非常好。

2.問(wèn)卷結(jié)果分析。

（1）企業(yè)對(duì)智能會(huì)計(jì)認(rèn)知程度。當(dāng)前智能會(huì)計(jì)的普及程度還是很高的，財(cái)務(wù)高管對(duì)智能會(huì)計(jì)的認(rèn)知不僅僅停留在“聽(tīng)說(shuō)”層面，70%的高管還有一定程度的了解。從企業(yè)財(cái)務(wù)人員了解智能會(huì)計(jì)的渠道來(lái)看，智能會(huì)計(jì)的普及方式還是很廣泛的，其中網(wǎng)絡(luò)、研討會(huì)與他人告知?jiǎng)t成為了企業(yè)獲取智能會(huì)計(jì)信息的三種主要方式。

對(duì)于智能會(huì)計(jì)的發(fā)展，劉勤等（2021）將其分為三個(gè)進(jìn)化階段：第一階段是核心技術(shù)的改變，例如從手工算賬到會(huì)計(jì)電算化再到企業(yè)“ERP”技術(shù)的應(yīng)用甚至到未來(lái)的會(huì)計(jì)機(jī)器人等，它們只能改變數(shù)據(jù)的處理速度而對(duì)于后續(xù)的決策并不會(huì)起到什么本質(zhì)性的變化；第二階段是變革程度的變化，即形成一個(gè)人機(jī)協(xié)作的關(guān)系，由財(cái)務(wù)人員與機(jī)器人共同完成項(xiàng)目的決策工作；第三階段是處理對(duì)象的改變，即機(jī)器擁有自主學(xué)習(xí)能力能夠擁有自我決策的水平。企業(yè)對(duì)智能會(huì)計(jì)發(fā)展前景的評(píng)價(jià)統(tǒng)計(jì)結(jié)果顯示（表2），在“人機(jī)協(xié)作關(guān)系”方面，不同企業(yè)的財(cái)務(wù)人員對(duì)于目前人機(jī)協(xié)作水平持有不同觀點(diǎn)，32.84%的企業(yè)認(rèn)為機(jī)器僅負(fù)責(zé)運(yùn)算、決策完全靠人，27.45%的企業(yè)認(rèn)為人機(jī)各司其職互不干擾，兩者合計(jì)為60.29%，說(shuō)明目前大部分企業(yè)傾向于智能會(huì)計(jì)發(fā)展仍處在第一階段，而傾向第二階段（機(jī)器輔助會(huì)計(jì)人員進(jìn)行決策）、第三階段（人完善機(jī)器算法由機(jī)器進(jìn)行決策）的企業(yè)分別為24.51%和15.20%，占比相對(duì)較低，說(shuō)明智能會(huì)計(jì)還有較大的發(fā)展空間和應(yīng)用空間，需更加重視“人機(jī)”深度契合。

表2 企業(yè)對(duì)智能會(huì)計(jì)發(fā)展前景的評(píng)價(jià)統(tǒng)計(jì)結(jié)果

（2）企業(yè)對(duì)智能會(huì)計(jì)發(fā)展持積極態(tài)度。對(duì)于智能會(huì)計(jì)的發(fā)展前景，多數(shù)企業(yè)還是持積極態(tài)度的，31.37% 的企業(yè)認(rèn)為能夠完全取代會(huì)計(jì)人員，46.57%的企業(yè)認(rèn)為能夠取代低層次會(huì)計(jì)人員，只有22.06%的企業(yè)認(rèn)為智能會(huì)計(jì)發(fā)展會(huì)陷入瓶頸（見(jiàn)表2），可以說(shuō)企業(yè)從傳統(tǒng)財(cái)務(wù)向智能財(cái)務(wù)轉(zhuǎn)型是主流趨勢(shì)。當(dāng)涉及人工智能對(duì)財(cái)務(wù)工作的影響時(shí)，表2 表明企業(yè)并沒(méi)有過(guò)度擔(dān)心“隨著智能財(cái)務(wù)的發(fā)展會(huì)導(dǎo)致信息安全保障成為一大難題”（占比僅18.14%），也不擔(dān)心造成部分人員失業(yè)問(wèn)題，積極的影響則在于通過(guò)智能會(huì)計(jì)可以提高工作效率與準(zhǔn)確性（占比33.33%）、減輕工作壓力（占比19.61%）、便于數(shù)據(jù)處理和分析（占比28.92%），這使得會(huì)計(jì)人員有更多時(shí)間獲取市場(chǎng)信息，來(lái)為自己賦能以便轉(zhuǎn)型升級(jí)。

另，如圖1 所示，調(diào)查企業(yè)評(píng)價(jià)自身智能化實(shí)現(xiàn)程度時(shí)，多數(shù)企業(yè)對(duì)于自身信息化（68家）、數(shù)字化（56家）和智能化（53家）的財(cái)務(wù)管理實(shí)現(xiàn)程度是比較自信的，認(rèn)為自身優(yōu)于行業(yè)平均水平甚至是達(dá)到行業(yè)頂尖水平，對(duì)于自動(dòng)化多數(shù)企業(yè)（62 家）認(rèn)為自身達(dá)到平均水平。這反映出企業(yè)有較高程度的數(shù)字化和智能化應(yīng)用，因此也必然對(duì)智能財(cái)務(wù)人才有較強(qiáng)的內(nèi)在需求以維系和促進(jìn)數(shù)智化治理水平提升，智能財(cái)務(wù)人才成為企業(yè)發(fā)展過(guò)程中最寶貴、最稀缺的資源，而高校作為人才培養(yǎng)的搖籃也勢(shì)必朝此方向轉(zhuǎn)型。

（3）企業(yè)對(duì)智能會(huì)計(jì)人才的能力與素質(zhì)期望。涉及到智能會(huì)計(jì)人員需求問(wèn)題時(shí)，隨著智能會(huì)計(jì)時(shí)代的到來(lái)，會(huì)計(jì)人員勢(shì)必需要對(duì)自我素質(zhì)進(jìn)行提升。由圖2可以看出對(duì)于企業(yè)而言，他們最希望會(huì)計(jì)人員能夠從市場(chǎng)洞察力、財(cái)務(wù)分析能力以及溝通能力來(lái)提升自我以達(dá)到適應(yīng)行業(yè)變化的效果，而決策和領(lǐng)導(dǎo)能力的優(yōu)先級(jí)并沒(méi)有預(yù)期的那么高。江燕紅和姚燕（2019）的研究也指出相較于初中級(jí)會(huì)計(jì)職位，企業(yè)對(duì)于高級(jí)會(huì)計(jì)職位應(yīng)更加關(guān)注其財(cái)務(wù)分析能力、溝通能力與抗壓能力。

圖2 企業(yè)需要會(huì)計(jì)人員提升的綜合素質(zhì)

當(dāng)問(wèn)及企業(yè)招聘智能會(huì)計(jì)人員傾向的人才類型時(shí)，智能技術(shù)和財(cái)務(wù)專業(yè)相輔相成的復(fù)合型人才均受到青睞，且智能技術(shù)相比財(cái)務(wù)本身更加受到重視（見(jiàn)圖3）。由此可以推測(cè)，掌握計(jì)算機(jī)技術(shù)的財(cái)務(wù)人員在未來(lái)企業(yè)人才選拔過(guò)程中會(huì)更加“吃香”，而傳統(tǒng)財(cái)務(wù)人員如不提升復(fù)合型素質(zhì)將因缺乏競(jìng)爭(zhēng)優(yōu)勢(shì)而遭到淘汰。而考慮到智能會(huì)計(jì)人才具體能力時(shí)，各種能力得分相差不大（3.34-3.55 區(qū)間），說(shuō)明各種復(fù)合型能力也同樣受到企業(yè)青睞（見(jiàn)圖4）。

圖3 復(fù)合型人才的需求程度

圖4 財(cái)務(wù)人員應(yīng)具備的能力

綜上所述，企業(yè)對(duì)智能會(huì)計(jì)人才的能力與素質(zhì)期望還是復(fù)合型，僅擁有專業(yè)知識(shí)并不能在企業(yè)的選擇中脫穎而出。對(duì)于一個(gè)企業(yè)來(lái)說(shuō)智能財(cái)務(wù)人才一直都是稀缺資源，而進(jìn)入智能化時(shí)代這種情況沒(méi)有發(fā)生根本改變，并不存在某一類型智能財(cái)務(wù)人才被冷落的狀態(tài)。相對(duì)的，企業(yè)更希望人才具有附加價(jià)值，在智能化時(shí)代掌握計(jì)算機(jī)智能技術(shù)就是企業(yè)比較看重的附加值，同時(shí)溝通能力、財(cái)務(wù)分析能力以及市場(chǎng)洞察力也是財(cái)務(wù)人員提升自我的有效途徑，也是加分項(xiàng)。

（4）高校培養(yǎng)復(fù)合型會(huì)計(jì)人才更能滿足企業(yè)需求。如圖5所示，當(dāng)企業(yè)對(duì)各類課程的重要程度評(píng)分，以最不重要計(jì)1 分、最重要計(jì)5 分統(tǒng)計(jì)出各類課程的平均分可以看出，所有課程的評(píng)分均高于3 分，即所有的課程均處于一般重要之上，故在企業(yè)看來(lái)要求學(xué)生對(duì)相關(guān)課程內(nèi)容均要有所掌握。

圖5 企業(yè)看重的教學(xué)課程平均評(píng)分折線圖

另，如圖6 所示，當(dāng)問(wèn)及智能會(huì)計(jì)課程的重要程度時(shí)，財(cái)務(wù)人員智能財(cái)會(huì)實(shí)訓(xùn)、商業(yè)數(shù)據(jù)分析、大數(shù)據(jù)審計(jì)被認(rèn)為非常重要，占比分別達(dá)到了34.80%（71 家）、32.35%（66 家）、30.88%（63 家），所以這三個(gè)方向應(yīng)當(dāng)是校方著重考慮加強(qiáng)教育的課程。

圖6 企業(yè)看重的教學(xué)課程重要程度

五、適應(yīng)智能時(shí)代的會(huì)計(jì)人才培養(yǎng)改革建議

（一）明晰智能會(huì)計(jì)專業(yè)人才的培養(yǎng)目標(biāo)

智能化時(shí)代下基礎(chǔ)性、重復(fù)性的工作會(huì)漸漸被智能機(jī)器人所取代，所以加快推進(jìn)高校智能會(huì)計(jì)教育模式和標(biāo)準(zhǔn)的構(gòu)建迫在眉睫。高校需要盡快改革大學(xué)教育教學(xué)目標(biāo)、教育方式、教學(xué)方法以及專業(yè)課程體系等，并確定人才培養(yǎng)基礎(chǔ)寬廣、跨領(lǐng)域、特點(diǎn)突出的培養(yǎng)目標(biāo)。智能時(shí)代的會(huì)計(jì)人才在掌握財(cái)會(huì)專業(yè)知識(shí)的同時(shí)需要做到具有科技創(chuàng)新、數(shù)據(jù)分析能力以及與業(yè)務(wù)人員的溝通能力，成為財(cái)務(wù)、技術(shù)、業(yè)務(wù)之間的跨界橋梁與價(jià)值樞紐（孔祥維等，2022）。

（二）提升智能會(huì)計(jì)復(fù)合型師資素質(zhì)水平

會(huì)計(jì)專業(yè)的教師受限于數(shù)字智能技術(shù)水平能力不足，而計(jì)算機(jī)相關(guān)專業(yè)的教師又缺乏會(huì)計(jì)的專業(yè)知識(shí)，即使兩方面都掌握的教師也可能缺乏相應(yīng)的企業(yè)實(shí)踐經(jīng)驗(yàn)，使得把智能信息技術(shù)納入會(huì)計(jì)學(xué)培養(yǎng)模式的過(guò)程產(chǎn)生了諸多困難。面對(duì)這一局面，首先需要會(huì)計(jì)學(xué)院通過(guò)吸納優(yōu)秀的具備人工智能技術(shù)和財(cái)務(wù)學(xué)科背景的青年教師，補(bǔ)強(qiáng)數(shù)字化人工智能技術(shù)教育隊(duì)伍的能力。其次通過(guò)組織外部培訓(xùn)與教師自我學(xué)習(xí)激勵(lì)相容，促進(jìn)會(huì)計(jì)專業(yè)的教師賦能計(jì)算機(jī)技術(shù)，助力復(fù)合型會(huì)計(jì)師資團(tuán)隊(duì)的多元化建設(shè)。

（三）推動(dòng)智能會(huì)計(jì)產(chǎn)教融合的深入發(fā)展

調(diào)查顯示目前大多數(shù)企業(yè)智能財(cái)務(wù)發(fā)展仍處于初步階段，這個(gè)時(shí)候正是和企業(yè)財(cái)務(wù)共建共享、共同掌握核心需求的時(shí)候。通過(guò)產(chǎn)教結(jié)合，校企之間共享各種優(yōu)秀教育資源，同時(shí)對(duì)人力資源加以整合，納入到整個(gè)高等教育人才培養(yǎng)。在會(huì)計(jì)人才培養(yǎng)初期依舊要以打好專業(yè)知識(shí)基礎(chǔ)為目的，在這個(gè)基礎(chǔ)上校方應(yīng)當(dāng)加強(qiáng)學(xué)生的知識(shí)厚度以真正掌握企業(yè)智能技術(shù)與財(cái)務(wù)發(fā)展融合的基本流程。同時(shí)深化產(chǎn)業(yè)合作，與企業(yè)共同開(kāi)發(fā)人工智能科技和會(huì)計(jì)融合的綜合型培訓(xùn)課程，如數(shù)據(jù)挖掘與可視化、商業(yè)數(shù)據(jù)分析等（熊焰韌和蘇文兵，2016），達(dá)到在實(shí)踐過(guò)程中做到和企業(yè)共同成長(zhǎng)的目的，以便深入掌握企業(yè)需求，量身定制好高校未來(lái)發(fā)展方向。在會(huì)計(jì)人才培養(yǎng)中后期，根據(jù)調(diào)查，當(dāng)前階段各類智能人才均是企業(yè)需要的，所以不同的人才類型如智能財(cái)務(wù)分析師、運(yùn)營(yíng)師、架構(gòu)師、大數(shù)據(jù)審計(jì)師等可以作為后面幾個(gè)學(xué)期學(xué)生根據(jù)自身認(rèn)知來(lái)選擇學(xué)習(xí)方向，進(jìn)一步突出企業(yè)智能財(cái)務(wù)真實(shí)場(chǎng)景的實(shí)踐實(shí)訓(xùn)能力。

（四）優(yōu)化智能會(huì)計(jì)專業(yè)教育的課程結(jié)構(gòu)

想要真正實(shí)現(xiàn)智能會(huì)計(jì)專業(yè)人才能力培養(yǎng)的轉(zhuǎn)型與提升，還必須對(duì)當(dāng)前高校會(huì)計(jì)專業(yè)課程體系作出優(yōu)化調(diào)整。主要舉措包括：第一，在公共基礎(chǔ)課中增加數(shù)據(jù)挖掘、數(shù)據(jù)庫(kù)、計(jì)算機(jī)語(yǔ)言等跨學(xué)科基礎(chǔ)課程以幫助學(xué)生更好的掌握智能化時(shí)代數(shù)據(jù)查詢、挖掘、分析、處理和決策等方式。第二，合并調(diào)整專業(yè)課結(jié)構(gòu)，適當(dāng)增加管理決策類的課程比例，拓展學(xué)生的分析決策技能。結(jié)合智能會(huì)計(jì)人員發(fā)展方向是人機(jī)協(xié)同模式下的會(huì)計(jì)管理來(lái)看，未來(lái)財(cái)務(wù)人員的發(fā)展方向應(yīng)當(dāng)是遵循業(yè)務(wù)專家、風(fēng)險(xiǎn)專家、AI訓(xùn)練者、數(shù)據(jù)分析專家等這類財(cái)務(wù)和信息的綜合型人才。第三，注重培養(yǎng)過(guò)程中學(xué)生的職業(yè)素質(zhì)培養(yǎng)，必須強(qiáng)調(diào)智能化時(shí)代下的數(shù)據(jù)安全意識(shí)、治理思維以及產(chǎn)權(quán)保護(hù)的商業(yè)倫理。