財(cái)務(wù)大模型：實(shí)踐探索、現(xiàn)實(shí)障礙與發(fā)展進(jìn)路

【摘 要】 積極推進(jìn)行業(yè)大模型應(yīng)用是加快形成以人工智能為引擎的新質(zhì)生產(chǎn)力的重要舉措。財(cái)務(wù)管理是人工智能技術(shù)應(yīng)用的重要領(lǐng)域，大模型技術(shù)如何賦能財(cái)務(wù)管理，成為企業(yè)財(cái)務(wù)數(shù)字化轉(zhuǎn)型不可回避的現(xiàn)實(shí)問(wèn)題。文章對(duì)我國(guó)財(cái)務(wù)大模型應(yīng)用的實(shí)踐探索、現(xiàn)實(shí)障礙以及發(fā)展進(jìn)路進(jìn)行了深入研究，為推動(dòng)財(cái)務(wù)大模型在財(cái)務(wù)管理領(lǐng)域深化應(yīng)用提供了參考。首先，從財(cái)務(wù)大模型內(nèi)涵及其對(duì)會(huì)計(jì)職能的影響出發(fā)，全面分析了人工智能大模型在財(cái)務(wù)領(lǐng)域應(yīng)用的兩種主要方式及其實(shí)踐探索；其次，基于財(cái)務(wù)大模型應(yīng)用的實(shí)踐，從核心數(shù)據(jù)獲取、模型運(yùn)行不確定性、合規(guī)性監(jiān)管、算法責(zé)任和倫理等多個(gè)層面剖析財(cái)務(wù)大模型應(yīng)用面臨的現(xiàn)實(shí)障礙；最后，針對(duì)這些現(xiàn)實(shí)障礙，提出財(cái)務(wù)大模型深化應(yīng)用的發(fā)展進(jìn)路。

【關(guān)鍵詞】 人工智能； 財(cái)務(wù)大模型； 會(huì)計(jì)職能； 財(cái)務(wù)管理

【中圖分類號(hào)】 F230；TP18" 【文獻(xiàn)標(biāo)識(shí)碼】 A" 【文章編號(hào)】 1004-5937（2025）15-0049-06

一、引言

當(dāng)前，全球正掀起由大模型驅(qū)動(dòng)的新一輪人工智能熱潮，各行各業(yè)都在推進(jìn)人工智能應(yīng)用的落地。2024年政府工作報(bào)告首次提出開(kāi)展“人工智能+”行動(dòng)，黨的二十屆三中全會(huì)通過(guò)的《中共中央關(guān)于進(jìn)一步全面深化改革 推進(jìn)中國(guó)式現(xiàn)代化的決定》提出完善生成式人工智能發(fā)展和管理機(jī)制。這些意味著“人工智能+”在我國(guó)的發(fā)展已經(jīng)上升至戰(zhàn)略高度，國(guó)家正加強(qiáng)頂層設(shè)計(jì)，加快形成以人工智能為引擎的新質(zhì)生產(chǎn)力。財(cái)務(wù)管理一直是人工智能技術(shù)應(yīng)用的重要領(lǐng)域，大模型技術(shù)如何賦能財(cái)務(wù)管理，成為企業(yè)財(cái)務(wù)數(shù)字化轉(zhuǎn)型不可回避的現(xiàn)實(shí)問(wèn)題。目前，企業(yè)管理類SaaS服務(wù)提供商已經(jīng)開(kāi)始探索大模型在財(cái)務(wù)領(lǐng)域的應(yīng)用實(shí)踐，利用大模型推動(dòng)會(huì)計(jì)核算、財(cái)務(wù)分析、成本管理、預(yù)算管理、財(cái)務(wù)報(bào)告等工作提質(zhì)增效，并取得了積極進(jìn)展，開(kāi)拓了生成式智能客服、生成式財(cái)務(wù)分析、智能審單機(jī)器人、智能投融資決策、智能風(fēng)控等一系列應(yīng)用場(chǎng)景[ 1 ]。但是，財(cái)務(wù)大模型應(yīng)用仍面臨一定的困難和障礙，例如訓(xùn)練財(cái)務(wù)大模型的企業(yè)核心數(shù)據(jù)獲取難度大、大模型處理復(fù)雜計(jì)算時(shí)易受多重因素干擾、大模型算法可解釋性與合規(guī)性監(jiān)管存在沖突等。深入探索財(cái)務(wù)大模型的應(yīng)用不僅需要技術(shù)層面的不斷突破，提升復(fù)雜計(jì)算的準(zhǔn)確性和穩(wěn)定性，減少結(jié)果的隨機(jī)性并增強(qiáng)模型的泛化能力，而且需要從制度設(shè)計(jì)和實(shí)踐應(yīng)用層面進(jìn)行雙重考量，包括構(gòu)建完善的監(jiān)管框架、確保模型在合法合規(guī)的前提下運(yùn)行、推動(dòng)形成行業(yè)標(biāo)準(zhǔn)和最佳實(shí)踐等，引導(dǎo)企業(yè)科學(xué)合理地應(yīng)用財(cái)務(wù)大模型。據(jù)此，本文通過(guò)分析財(cái)務(wù)大模型發(fā)展進(jìn)程、實(shí)踐探索、應(yīng)用案例等內(nèi)容，深化理論界與實(shí)務(wù)界對(duì)大模型技術(shù)的認(rèn)知，了解大模型在財(cái)務(wù)領(lǐng)域的應(yīng)用情況，并通過(guò)分析財(cái)務(wù)大模型應(yīng)用的現(xiàn)實(shí)障礙與發(fā)展進(jìn)路，為政府、技術(shù)開(kāi)發(fā)商、企業(yè)等各層面推動(dòng)財(cái)務(wù)大模型應(yīng)用深化提供參考。

二、財(cái)務(wù)大模型內(nèi)涵及其對(duì)會(huì)計(jì)職能的影響

人工智能大模型是指擁有超大規(guī)模參數(shù)（通常在10億個(gè)以上）和復(fù)雜計(jì)算結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型。這些模型通過(guò)深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，能夠處理和分析海量數(shù)據(jù)，實(shí)現(xiàn)更加精準(zhǔn)的預(yù)測(cè)和決策。在自然語(yǔ)言處理、圖像識(shí)別、智能推薦等多個(gè)領(lǐng)域，人工智能大模型都展現(xiàn)出強(qiáng)大的性能。它們能夠從龐大的數(shù)據(jù)集中提取關(guān)鍵信息，進(jìn)行復(fù)雜的任務(wù)處理，如自然語(yǔ)言的理解和生成、圖像特征的提取和分類等[ 2 ]。近年來(lái)，一系列基于大模型的人工智能應(yīng)用相繼問(wèn)世，如OpenAI公司推出的ChatGPT，Meta公司推出的LLaMA系列模型，百度推出的“文心一言”……，已經(jīng)在社會(huì)生產(chǎn)、生活方面產(chǎn)生了廣泛影響。這些大模型的發(fā)展和應(yīng)用，極大地推動(dòng)了人工智能技術(shù)的進(jìn)步，為各行各業(yè)帶來(lái)了革命性的變革[ 3 ]。財(cái)務(wù)大模型則是將人工智能大模型技術(shù)應(yīng)用于財(cái)務(wù)領(lǐng)域，通過(guò)智能化手段提升財(cái)務(wù)工作效率和優(yōu)化財(cái)務(wù)決策的一種新型財(cái)務(wù)管理工具。在實(shí)際應(yīng)用中，財(cái)務(wù)大模型能夠自動(dòng)化完成財(cái)務(wù)數(shù)據(jù)審核、財(cái)務(wù)報(bào)表生成等工作，提升財(cái)務(wù)工作的效率和準(zhǔn)確性，還能夠基于數(shù)據(jù)分析為企業(yè)提供科學(xué)的決策建議，幫助企業(yè)在復(fù)雜的市場(chǎng)環(huán)境中做出正確的決策[ 4 ]。就此而言，財(cái)務(wù)大模型的發(fā)展和應(yīng)用無(wú)疑對(duì)現(xiàn)代會(huì)計(jì)職能產(chǎn)生了深遠(yuǎn)影響。

上海國(guó)家會(huì)計(jì)學(xué)院智能財(cái)務(wù)研究院發(fā)起的“ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型的影響與應(yīng)對(duì)”主題調(diào)查顯示（圖1）：（1）中短期（3年）內(nèi)，大模型對(duì)會(huì)計(jì)工作的影響程度較大，綜合影響程度為3.8（滿分為5）。（2）從會(huì)計(jì)工作的具體職能來(lái)看，大模型對(duì)財(cái)務(wù)分析、會(huì)計(jì)核算、成本管理、預(yù)算管理、財(cái)務(wù)報(bào)告、稅務(wù)管理、內(nèi)部審計(jì)、風(fēng)控合規(guī)、資金管理、財(cái)務(wù)BP、外部審計(jì)、投融資管理、財(cái)務(wù)戰(zhàn)略等會(huì)計(jì)職能均有不同程度的影響。其中，影響最大的是財(cái)務(wù)分析和會(huì)計(jì)核算，影響程度分別為4.14和4.09，這是因?yàn)樨?cái)務(wù)大模型具備強(qiáng)大的數(shù)據(jù)處理和分析能力，能夠自動(dòng)化處理和準(zhǔn)確核算財(cái)務(wù)數(shù)據(jù)，減少人工錯(cuò)誤，提高核算速度和準(zhǔn)確度，同時(shí)它還能基于歷史數(shù)據(jù)進(jìn)行建模，挖掘數(shù)據(jù)背后的隱藏規(guī)律，進(jìn)行更精準(zhǔn)的收入、支出預(yù)測(cè)，為財(cái)務(wù)分析提供有力支持。受大模型影響較小的會(huì)計(jì)職能為財(cái)務(wù)戰(zhàn)略、投融資管理和外部審計(jì)，影響程度分別為1.44、1.54和1.65，原因在于這些會(huì)計(jì)職能往往需要較強(qiáng)的溝通協(xié)調(diào)能力、復(fù)合知識(shí)背景，以及高度的戰(zhàn)略眼光和敏銳的商業(yè)洞察，并需要會(huì)計(jì)人員承擔(dān)相應(yīng)責(zé)任。

與此同時(shí)，隨著企業(yè)數(shù)字化轉(zhuǎn)型的深入，提升財(cái)務(wù)管理智能化水平的需求日益增長(zhǎng)，特別是在數(shù)據(jù)要素價(jià)值挖掘、業(yè)務(wù)與財(cái)務(wù)融合、風(fēng)險(xiǎn)管理以及成本控制等方面。人工智能大模型技術(shù)以其強(qiáng)大的數(shù)據(jù)處理能力和智能化分析優(yōu)勢(shì)，成為財(cái)務(wù)管理創(chuàng)新的關(guān)鍵驅(qū)動(dòng)力，財(cái)務(wù)領(lǐng)域?qū)θ斯ぶ悄艽竽Ｐ偷男枨髮⒊掷m(xù)增長(zhǎng)，特別是在以下方面。

一是數(shù)據(jù)要素與人工智能的結(jié)合。在數(shù)據(jù)要素市場(chǎng)化的發(fā)展趨勢(shì)下，數(shù)據(jù)已成為企業(yè)最寶貴的資產(chǎn)之一。企業(yè)需要從海量的財(cái)務(wù)和業(yè)務(wù)數(shù)據(jù)中挖掘潛在價(jià)值，包括開(kāi)發(fā)數(shù)據(jù)產(chǎn)品、支持戰(zhàn)略規(guī)劃和日常運(yùn)營(yíng)決策。AI大模型技術(shù)將幫助企業(yè)處理和分析大規(guī)模數(shù)據(jù)集，提供產(chǎn)品開(kāi)發(fā)策略，支持企業(yè)管理決策，更好地挖掘數(shù)據(jù)價(jià)值[ 5 ]。二是業(yè)務(wù)與財(cái)務(wù)的深度融合?，F(xiàn)代企業(yè)對(duì)業(yè)務(wù)和財(cái)務(wù)一體化管理的要求越來(lái)越高，人工智能大模型技術(shù)的嵌入促進(jìn)了業(yè)務(wù)流程與財(cái)務(wù)管理的無(wú)縫對(duì)接，并借助其智能分析工具和自動(dòng)化管理工具，提升企業(yè)業(yè)務(wù)和財(cái)務(wù)的精細(xì)化管理水平。三是效率提升和成本控制。成本控制是企業(yè)財(cái)務(wù)管理的核心任務(wù)之一。人工智能大模型技術(shù)可以通過(guò)自動(dòng)化處理財(cái)務(wù)流程減少人工錯(cuò)誤和提高工作效率，同時(shí)通過(guò)智能分析幫助企業(yè)發(fā)現(xiàn)成本節(jié)約的潛在領(lǐng)域，實(shí)現(xiàn)成本優(yōu)化。四是風(fēng)險(xiǎn)和合規(guī)性管理。在全球化經(jīng)營(yíng)和監(jiān)管環(huán)境日益嚴(yán)格的背景下，企業(yè)面臨著復(fù)雜的風(fēng)險(xiǎn)管理和合規(guī)挑戰(zhàn)，人工智能大模型技術(shù)可以用于構(gòu)建風(fēng)險(xiǎn)評(píng)估模型，實(shí)時(shí)監(jiān)控財(cái)務(wù)活動(dòng)，預(yù)測(cè)潛在風(fēng)險(xiǎn)，并提供合規(guī)性建議，從而降低企業(yè)運(yùn)營(yíng)風(fēng)險(xiǎn)。

總之，人工智能大模型技術(shù)在財(cái)務(wù)管理中的應(yīng)用迅速發(fā)展，從智能會(huì)計(jì)核算到風(fēng)險(xiǎn)管理，從預(yù)算控制到財(cái)務(wù)報(bào)告自動(dòng)化，人工智能技術(shù)正深刻改變著財(cái)務(wù)管理的面貌。隨著技術(shù)的不斷進(jìn)步，未來(lái)人工智能大模型將在財(cái)務(wù)管理中扮演更重要的角色，幫助企業(yè)實(shí)現(xiàn)更高效、更智能的財(cái)務(wù)管理。

三、我國(guó)財(cái)務(wù)大模型應(yīng)用的實(shí)踐探索

我國(guó)財(cái)務(wù)大模型的應(yīng)用伴隨著企業(yè)會(huì)計(jì)數(shù)字化轉(zhuǎn)型的發(fā)展而發(fā)展，在人工智能大模型的加持之下，企業(yè)原有的財(cái)務(wù)數(shù)字化水平提升到了一個(gè)新的高度，企業(yè)可以利用生成式AI的理解力和創(chuàng)造力解決非結(jié)構(gòu)化數(shù)據(jù)處理、復(fù)雜業(yè)務(wù)理解、定制化財(cái)務(wù)服務(wù)等痛點(diǎn)和難點(diǎn)問(wèn)題，提高企業(yè)財(cái)務(wù)管理的現(xiàn)代化水平[ 6 ]。從國(guó)內(nèi)實(shí)踐來(lái)看，人工智能大模型在財(cái)務(wù)領(lǐng)域的應(yīng)用主要分為兩種方式：一是將成熟的通用大模型嵌入企業(yè)財(cái)務(wù)數(shù)字化系統(tǒng)以發(fā)揮大模型的應(yīng)用價(jià)值；二是構(gòu)建財(cái)務(wù)管理細(xì)分領(lǐng)域的專用大模型。兩種方式各具特色，前者充分利用了通用大模型在自然語(yǔ)言處理、數(shù)據(jù)分析和預(yù)測(cè)等方面的強(qiáng)大能力，后者能夠更精準(zhǔn)地滿足企業(yè)的實(shí)際需求。

（一）通用大模型嵌入式應(yīng)用

這種應(yīng)用方式一般通過(guò)構(gòu)建財(cái)務(wù)大模型應(yīng)用平臺(tái)并將成熟的通用大模型作為核心組件嵌入其中加以實(shí)現(xiàn)，該方式可以高效利用通用IT技術(shù)廠商的既有成果，減少底層開(kāi)發(fā)及訓(xùn)練成本，加速大模型應(yīng)用落地[ 7 ]。就具體應(yīng)用路徑而言，企業(yè)首先需構(gòu)建一個(gè)能夠支持大模型接入、任務(wù)編排和提示開(kāi)發(fā)等功能的大模型應(yīng)用平臺(tái)，該平臺(tái)需與企業(yè)現(xiàn)有的財(cái)務(wù)數(shù)字化系統(tǒng)實(shí)現(xiàn)無(wú)縫對(duì)接，確保數(shù)據(jù)的流暢傳輸和處理。其次，將經(jīng)過(guò)訓(xùn)練和優(yōu)化的通用大模型嵌入到平臺(tái)中，使其能夠處理和分析財(cái)務(wù)數(shù)據(jù)。最后，根據(jù)企業(yè)的實(shí)際需求，對(duì)大模型應(yīng)用平臺(tái)進(jìn)行進(jìn)一步的整合和優(yōu)化，確保其與企業(yè)的財(cái)務(wù)管理流程相匹配，并通過(guò)不斷的迭代和優(yōu)化提高大模型在財(cái)務(wù)領(lǐng)域的應(yīng)用效果。從應(yīng)用場(chǎng)景來(lái)看，財(cái)務(wù)大模型應(yīng)用平臺(tái)能夠在財(cái)務(wù)數(shù)據(jù)處理與分析、財(cái)務(wù)報(bào)告生成、風(fēng)險(xiǎn)管理與預(yù)測(cè)、財(cái)務(wù)決策支持等方面發(fā)揮作用。

通用大模型嵌入式應(yīng)用的案例較多，如表1所示。如中國(guó)石油在財(cái)務(wù)共享體系建設(shè)過(guò)程中，積極應(yīng)用大模型等前沿技術(shù)，構(gòu)建了智能化、移動(dòng)化財(cái)務(wù)共享服務(wù)平臺(tái)。其中，RPA（機(jī)器人流程自動(dòng)化）機(jī)器人被廣泛應(yīng)用于會(huì)計(jì)核算、資金結(jié)算等業(yè)務(wù)，實(shí)現(xiàn)了同質(zhì)業(yè)務(wù)的專業(yè)化處理，顯著提高了工作效率。此外，大模型技術(shù)還被用于進(jìn)項(xiàng)稅發(fā)票池的建設(shè)，通過(guò)智能識(shí)別技術(shù)自動(dòng)采集發(fā)票結(jié)構(gòu)化數(shù)據(jù)，為納稅申報(bào)和稅務(wù)分析提供了有力支持。又如蒙牛集團(tuán)全面推進(jìn)了SAP系統(tǒng)的上線，并建立了共享中心，開(kāi)啟了智慧財(cái)務(wù)的轉(zhuǎn)型。在智能財(cái)務(wù)實(shí)踐中，蒙牛將RPA、AI、BPC等智能技術(shù)應(yīng)用于從業(yè)務(wù)起點(diǎn)至報(bào)表出具的全流程。其中，大模型技術(shù)用于財(cái)務(wù)數(shù)據(jù)驗(yàn)真、RPA人機(jī)協(xié)同智能審核、預(yù)算的全流程線上自動(dòng)管理等環(huán)節(jié)，顯著提高了財(cái)務(wù)工作的效率和準(zhǔn)確性。再如中信銀行致力于大模型技術(shù)的研究，并自主研發(fā)了倉(cāng)頡大模型應(yīng)用平臺(tái)，該平臺(tái)將大模型技術(shù)嵌入財(cái)富管理、客戶服務(wù)、風(fēng)險(xiǎn)管理等多個(gè)領(lǐng)域，實(shí)現(xiàn)了智能化、個(gè)性化的服務(wù)。倉(cāng)頡大模型應(yīng)用平臺(tái)在財(cái)會(huì)方面的具體應(yīng)用涵蓋了智能客服與知識(shí)問(wèn)答、審計(jì)報(bào)告與報(bào)表生成、風(fēng)險(xiǎn)管理與預(yù)警、財(cái)務(wù)分析與決策支持以及智能化辦公與流程優(yōu)化等多個(gè)方面。這些應(yīng)用不僅提高了工作效率和服務(wù)質(zhì)量，而且為銀行的財(cái)務(wù)管理和決策提供了有力支持。

（二）細(xì)分領(lǐng)域?qū)Ｓ么竽Ｐ烷_(kāi)發(fā)

人工智能大模型在財(cái)務(wù)領(lǐng)域應(yīng)用的另一種方式是構(gòu)建財(cái)務(wù)管理細(xì)分領(lǐng)域的專用大模型。這種方式主要是根據(jù)財(cái)務(wù)管理細(xì)分領(lǐng)域的具體需求，如財(cái)務(wù)分析、風(fēng)險(xiǎn)管理、稅務(wù)、投資管理、合規(guī)性監(jiān)控等，利用海量的財(cái)務(wù)報(bào)表、市場(chǎng)數(shù)據(jù)、經(jīng)濟(jì)指標(biāo)、交易記錄等數(shù)據(jù)，配合數(shù)據(jù)解讀報(bào)告進(jìn)行大模型訓(xùn)練，然后將訓(xùn)練好的專用大模型部署到財(cái)務(wù)管理系統(tǒng)中，實(shí)現(xiàn)自動(dòng)化和智能化的財(cái)務(wù)管理。開(kāi)發(fā)專用財(cái)務(wù)大模型的優(yōu)勢(shì)在于，一方面解決通用大模型過(guò)于龐大，難以實(shí)現(xiàn)本地部署，或部署成本極高的問(wèn)題；另一方面能夠讓大模型聚焦具體財(cái)務(wù)場(chǎng)景，更精準(zhǔn)地理解用戶意圖[ 8 ]。目前，國(guó)內(nèi)已有多家機(jī)構(gòu)研究并發(fā)布了專用財(cái)務(wù)大模型，如表2所示?；校鸬诮鸬啤どn穹GPT的基礎(chǔ)上發(fā)布了中國(guó)首款財(cái)務(wù)大模型，標(biāo)普云發(fā)布了國(guó)內(nèi)首個(gè)財(cái)稅專用大模型——“開(kāi)倉(cāng)”財(cái)稅大模型，浙江大學(xué)—華為智能財(cái)務(wù)聯(lián)合實(shí)驗(yàn)室發(fā)布了“智?！笥怼必?cái)會(huì)大模型……。專用大模型具有高度定制化與專業(yè)化特征，能夠針對(duì)財(cái)務(wù)管理細(xì)分領(lǐng)域的具體需求進(jìn)行訓(xùn)練，從而更準(zhǔn)確地理解和處理細(xì)分領(lǐng)域的復(fù)雜數(shù)據(jù)和業(yè)務(wù)邏輯，提供高度定制化的解決方案，提升了大模型針對(duì)復(fù)雜財(cái)務(wù)問(wèn)題的處理能力，使大模型更懂企業(yè)個(gè)性化需求[ 9 ]。然而，構(gòu)建和部署專用大模型需要投入大量的資源，包括數(shù)據(jù)收集、模型訓(xùn)練、系統(tǒng)集成等方面的投入，對(duì)于中小企業(yè)來(lái)說(shuō)是一筆不小的負(fù)擔(dān)。同時(shí)，具備相關(guān)技能和經(jīng)驗(yàn)的人才相對(duì)短缺，也限制了專用大模型在財(cái)務(wù)管理領(lǐng)域的深度應(yīng)用。

四、財(cái)務(wù)大模型應(yīng)用面臨的現(xiàn)實(shí)障礙

雖然財(cái)務(wù)大模型的應(yīng)用趨勢(shì)不可逆轉(zhuǎn)，且潛在價(jià)值巨大，但是，從現(xiàn)實(shí)發(fā)展情況來(lái)看，財(cái)務(wù)大模型應(yīng)用實(shí)踐的推進(jìn)仍然面臨來(lái)自核心數(shù)據(jù)獲取、模型不確定性、合規(guī)性監(jiān)管、算法責(zé)任和倫理等多個(gè)層面的障礙，對(duì)此需要有清醒的認(rèn)知。

（一）訓(xùn)練模型的企業(yè)核心數(shù)據(jù)獲取難度大

在財(cái)務(wù)大模型的應(yīng)用過(guò)程中，數(shù)據(jù)無(wú)疑是模型構(gòu)建與優(yōu)化的核心基礎(chǔ)。然而，在實(shí)際操作中面臨著企業(yè)數(shù)據(jù)獲取的嚴(yán)峻挑戰(zhàn)，尤其是核心數(shù)據(jù)的獲取難度極大。一方面，企業(yè)核心數(shù)據(jù)往往涉及商業(yè)機(jī)密，包括業(yè)務(wù)運(yùn)營(yíng)、財(cái)務(wù)狀況等敏感信息，這些數(shù)據(jù)對(duì)于企業(yè)的競(jìng)爭(zhēng)力和市場(chǎng)地位至關(guān)重要。因此，企業(yè)通常會(huì)對(duì)這些數(shù)據(jù)采取嚴(yán)格的保密措施，在提供數(shù)據(jù)給外部機(jī)構(gòu)或用于大模型訓(xùn)練時(shí)，企業(yè)擔(dān)心數(shù)據(jù)泄露的風(fēng)險(xiǎn)，從而限制數(shù)據(jù)的共享和使用。另一方面，相關(guān)政策和法律法規(guī)也對(duì)部分?jǐn)?shù)據(jù)的使用和共享提出了嚴(yán)格要求。例如，《數(shù)據(jù)安全法》《個(gè)人信息保護(hù)法》等法律法規(guī)規(guī)定了數(shù)據(jù)的收集、存儲(chǔ)、使用和共享等方面的標(biāo)準(zhǔn)和限制，企業(yè)在提供數(shù)據(jù)時(shí)，必須遵守這些規(guī)定，確保數(shù)據(jù)的合法性和合規(guī)性。由于上述原因，在訓(xùn)練財(cái)務(wù)大模型時(shí)往往難以獲取全面的業(yè)務(wù)和財(cái)務(wù)核心數(shù)據(jù)。這導(dǎo)致模型在訓(xùn)練過(guò)程中缺乏足夠的數(shù)據(jù)支持，無(wú)法充分學(xué)習(xí)和理解企業(yè)的業(yè)務(wù)邏輯和財(cái)務(wù)特征。因此，模型生成的內(nèi)容可能存在諸多局限，效果與預(yù)期存在一定的“落差”。

（二）大模型處理復(fù)雜計(jì)算時(shí)易受多重因素干擾

在財(cái)務(wù)領(lǐng)域，人工智能大模型的應(yīng)用面臨著復(fù)雜計(jì)算準(zhǔn)確性難以保證和結(jié)果不確定性的雙重挑戰(zhàn)。首先，財(cái)務(wù)大模型在處理復(fù)雜計(jì)算時(shí)，其準(zhǔn)確性難以保證。這是因?yàn)槿斯ぶ悄艽竽Ｐ偷倪\(yùn)行往往建立在海量數(shù)據(jù)、復(fù)雜算法的基礎(chǔ)上，大模型雖然具有強(qiáng)大的數(shù)據(jù)處理能力，但在面對(duì)這些復(fù)雜計(jì)算時(shí)，可能受算法設(shè)計(jì)、數(shù)據(jù)質(zhì)量、模型訓(xùn)練等多種因素的影響，導(dǎo)致計(jì)算結(jié)果出現(xiàn)偏差或錯(cuò)誤[ 10 ]。特別是在處理高精度要求的財(cái)務(wù)數(shù)據(jù)時(shí)，這種偏差或錯(cuò)誤可能會(huì)對(duì)企業(yè)的決策和運(yùn)營(yíng)產(chǎn)生重大影響。其次，財(cái)務(wù)大模型的結(jié)果存在不確定性。這種不確定性主要源于隨機(jī)性和泛化性兩個(gè)方面。隨機(jī)性使得相同的輸入在不同時(shí)間或不同條件下可能會(huì)得到不同的輸出結(jié)果，這增加了財(cái)務(wù)決策的風(fēng)險(xiǎn)。泛化性是指模型在面對(duì)未知或新數(shù)據(jù)時(shí)，其表現(xiàn)能力可能會(huì)下降，導(dǎo)致預(yù)測(cè)結(jié)果不準(zhǔn)確或無(wú)法適用。在財(cái)務(wù)領(lǐng)域，這種不確定性可能會(huì)對(duì)企業(yè)的風(fēng)險(xiǎn)評(píng)估、預(yù)算管理、投資決策等方面產(chǎn)生負(fù)面影響。

（三）大模型算法可解釋性與合規(guī)性監(jiān)管的沖突

財(cái)務(wù)大模型的應(yīng)用給監(jiān)管帶來(lái)了新的挑戰(zhàn)，表現(xiàn)為算法的可解釋性與合規(guī)性監(jiān)管之間的沖突。財(cái)務(wù)大模型往往采用深度學(xué)習(xí)等復(fù)雜算法，這些算法在處理財(cái)務(wù)數(shù)據(jù)時(shí)能夠捕捉到更多的信息和特征，從而提供更精準(zhǔn)的預(yù)測(cè)和決策支持。然而，這種復(fù)雜性和非線性特征使大模型的輸出結(jié)果變得難以解釋和追溯。監(jiān)管者難以直觀理解模型是如何得出特定結(jié)論的，也無(wú)法輕松追溯模型決策的過(guò)程，無(wú)疑增加了監(jiān)管的難度[ 11 ]。與此同時(shí)，財(cái)務(wù)領(lǐng)域的合規(guī)性監(jiān)管要求嚴(yán)格，企業(yè)必須遵守相關(guān)財(cái)經(jīng)法規(guī)和會(huì)計(jì)準(zhǔn)則，確保財(cái)務(wù)數(shù)據(jù)的真實(shí)、準(zhǔn)確和完整。當(dāng)大模型算法的可解釋性不足時(shí)，監(jiān)管者難以判斷模型輸出結(jié)果的合規(guī)性，也無(wú)法有效評(píng)估模型可能帶來(lái)的風(fēng)險(xiǎn)，這可能導(dǎo)致企業(yè)在使用大模型時(shí)面臨合規(guī)性風(fēng)險(xiǎn)，甚至可能因模型輸出的錯(cuò)誤結(jié)果而遭受法律處罰。因此，財(cái)務(wù)大模型算法的可解釋性與合規(guī)性監(jiān)管之間的沖突成為一個(gè)亟待解決的問(wèn)題。如何在保證模型性能的同時(shí)提高算法的可解釋性以滿足監(jiān)管要求，成為企業(yè)財(cái)務(wù)大模型應(yīng)用過(guò)程中的一大挑戰(zhàn)。

（四）責(zé)任歸屬和倫理問(wèn)題有待進(jìn)一步厘清

隨著財(cái)務(wù)大模型在各行各業(yè)中的廣泛應(yīng)用，其帶來(lái)的責(zé)任歸屬和倫理問(wèn)題日益凸顯，成為當(dāng)前亟待解決的現(xiàn)實(shí)問(wèn)題。在責(zé)任歸屬方面，財(cái)務(wù)大模型的復(fù)雜性和高度自動(dòng)化特點(diǎn)使得傳統(tǒng)的責(zé)任劃分方式變得模糊，當(dāng)模型輸出結(jié)果出現(xiàn)問(wèn)題時(shí)，很難準(zhǔn)確判斷是數(shù)據(jù)問(wèn)題、模型設(shè)計(jì)問(wèn)題還是操作使用問(wèn)題導(dǎo)致的。這種責(zé)任歸屬的不確定性不僅增加了企業(yè)內(nèi)部的溝通成本，而且可能引發(fā)法律風(fēng)險(xiǎn)。特別是在涉及重大財(cái)務(wù)決策時(shí)，一旦模型出錯(cuò)，責(zé)任歸屬的模糊性將給企業(yè)和個(gè)人帶來(lái)嚴(yán)重的法律風(fēng)險(xiǎn)。在倫理問(wèn)題方面，財(cái)務(wù)大模型的應(yīng)用也面臨著諸多挑戰(zhàn)。例如，模型可能無(wú)意中放大或引入偏見(jiàn)，導(dǎo)致決策結(jié)果不公平[ 12 ]；模型可能過(guò)度依賴歷史數(shù)據(jù)，忽略市場(chǎng)變化和新興趨勢(shì)，導(dǎo)致決策失誤；模型可能泄露敏感信息，損害企業(yè)和個(gè)人的隱私權(quán)益。這些問(wèn)題不僅關(guān)乎企業(yè)的聲譽(yù)和利益，更觸及社會(huì)公平、公正和隱私保護(hù)等倫理底線。

五、推進(jìn)財(cái)務(wù)大模型深化應(yīng)用的發(fā)展進(jìn)路

財(cái)務(wù)大模型應(yīng)用推進(jìn)面臨的一系列障礙不僅制約了財(cái)務(wù)大模型效能的充分發(fā)揮，而且阻礙了企業(yè)財(cái)務(wù)數(shù)字化轉(zhuǎn)型的步伐。為此，深入探究針對(duì)性的發(fā)展策略顯得尤為重要。這有利于打破壁壘，推動(dòng)財(cái)務(wù)大模型在企業(yè)財(cái)務(wù)管理中的廣泛應(yīng)用與深度融合。

（一）引入更豐富的產(chǎn)業(yè)和行業(yè)知識(shí)圖譜

為了克服企業(yè)核心數(shù)據(jù)不足對(duì)財(cái)務(wù)大模型發(fā)展的限制，可以考慮引入更豐富的產(chǎn)業(yè)和行業(yè)知識(shí)圖譜，以填補(bǔ)數(shù)據(jù)短板。首先，構(gòu)建全面的產(chǎn)業(yè)和行業(yè)知識(shí)圖譜。這需要整合行業(yè)內(nèi)的公開(kāi)數(shù)據(jù)、專業(yè)報(bào)告、學(xué)術(shù)論文等資源，形成一套完整、系統(tǒng)的知識(shí)體系[ 13 ]。借助產(chǎn)業(yè)和行業(yè)圖譜，可以深入探尋行業(yè)的運(yùn)作模式、發(fā)展趨勢(shì)、競(jìng)爭(zhēng)格局等關(guān)鍵信息，為財(cái)務(wù)大模型應(yīng)用提供豐富的背景知識(shí)和可用信息。其次，將知識(shí)圖譜與財(cái)務(wù)大模型進(jìn)行深度融合。通過(guò)技術(shù)手段，將知識(shí)圖譜中的知識(shí)轉(zhuǎn)化為模型可以理解和利用的形式，如嵌入向量、關(guān)系矩陣等，為財(cái)務(wù)大模型的訓(xùn)練提供豐富的數(shù)據(jù)支持，提升模型的理解分析和泛化能力。此外，還可以利用知識(shí)圖譜進(jìn)行數(shù)據(jù)的增強(qiáng)和補(bǔ)充。當(dāng)企業(yè)數(shù)據(jù)不足時(shí)，可以從知識(shí)圖譜中提取相關(guān)信息，對(duì)數(shù)據(jù)進(jìn)行補(bǔ)充和豐富。這不僅可以提高數(shù)據(jù)的完整性和準(zhǔn)確性，而且可以幫助模型更好地捕捉數(shù)據(jù)的內(nèi)在規(guī)律和關(guān)聯(lián)。最后，持續(xù)更新和優(yōu)化知識(shí)圖譜。隨著行業(yè)的發(fā)展和市場(chǎng)的變化，知識(shí)圖譜需要不斷更新和完善，應(yīng)定期收集和分析新的數(shù)據(jù)及信息，對(duì)圖譜進(jìn)行修正和擴(kuò)展，確保其與實(shí)際情況保持一致。

（二）推動(dòng)大模型和精細(xì)化小模型的協(xié)同運(yùn)作

推動(dòng)大模型與精細(xì)化小模型的協(xié)同是解決財(cái)務(wù)大模型計(jì)算結(jié)果準(zhǔn)確性和可靠性的可行策略。首先，根據(jù)財(cái)務(wù)應(yīng)用場(chǎng)景的具體需求，選擇適合的大模型和精細(xì)化小模型。大模型負(fù)責(zé)整體數(shù)據(jù)分析和自然語(yǔ)言理解，小模型則針對(duì)特定財(cái)務(wù)任務(wù)進(jìn)行精細(xì)計(jì)算?？赏ㄟ^(guò)API接口或數(shù)據(jù)通道，實(shí)現(xiàn)大模型與小模型之間的無(wú)縫集成。其次，加強(qiáng)模型間的數(shù)據(jù)共享與交互。大模型與小模型之間需要建立高效的信息傳遞和共享路徑，這有助于小模型在接收到大模型傳遞的初步分析結(jié)果后，進(jìn)行更深入的挖掘和處理，從而得出更加精準(zhǔn)的結(jié)果。再次，注重模型的融合與優(yōu)化。采用集成學(xué)習(xí)、遷移學(xué)習(xí)等模型融合技術(shù)，將大模型的全局視野與小模型的局部精度相結(jié)合，通過(guò)優(yōu)化算法實(shí)現(xiàn)模型間的協(xié)同工作，從而提高整體系統(tǒng)的精確度和穩(wěn)定性[ 14 ]。同時(shí)，根據(jù)大小模型的輸出結(jié)果進(jìn)行交叉驗(yàn)證，不斷對(duì)模型進(jìn)行微調(diào)，以優(yōu)化其在特定場(chǎng)景下的性能。最后，持續(xù)監(jiān)控與評(píng)估模型性能。隨著市場(chǎng)環(huán)境的變化和業(yè)務(wù)的不斷發(fā)展，模型的性能可能會(huì)受到影響，需要定期對(duì)模型進(jìn)行監(jiān)控和評(píng)估，及時(shí)調(diào)整模型參數(shù)和結(jié)構(gòu)，確保模型始終保持在最佳狀態(tài)，為企業(yè)提供更加穩(wěn)健、可靠的財(cái)務(wù)決策支持

（三）健全備案管理制度規(guī)范算法開(kāi)發(fā)和使用

為解決大模型算法可解釋性與合規(guī)性監(jiān)管的沖突，健全財(cái)務(wù)大模型備案管理制度至關(guān)重要。首先，制定詳細(xì)的財(cái)務(wù)大模型備案指南，明確備案所需提交的材料，包括算法源代碼、邏輯說(shuō)明、數(shù)據(jù)處理流程等，以確保算法的可解釋性。同時(shí)，要求備案方提供算法的應(yīng)用場(chǎng)景、預(yù)期效果及潛在風(fēng)險(xiǎn)等信息，便于監(jiān)管機(jī)構(gòu)進(jìn)行合規(guī)性審查[ 15 ]。其次，建立備案審核機(jī)制，可設(shè)立專門的備案審核機(jī)構(gòu)，負(fù)責(zé)對(duì)提交的財(cái)務(wù)大模型進(jìn)行審查。審核內(nèi)容應(yīng)包括算法的技術(shù)可行性、數(shù)據(jù)安全性、隱私保護(hù)措施以及是否符合相關(guān)法律法規(guī)等。對(duì)于不符合要求的模型，應(yīng)令其進(jìn)行整改，直至符合備案標(biāo)準(zhǔn)。再次，強(qiáng)化備案后監(jiān)管。備案并非一勞永逸，應(yīng)建立持續(xù)監(jiān)管機(jī)制，對(duì)備案后的財(cái)務(wù)大模型進(jìn)行定期檢查和評(píng)估。對(duì)于發(fā)現(xiàn)的問(wèn)題，應(yīng)及時(shí)要求備案方進(jìn)行整改，并視情況采取必要的處罰措施。最后，推動(dòng)備案信息共享。建立備案信息公示平臺(tái)，將已備案的財(cái)務(wù)大模型信息公開(kāi)，便于公眾查詢和監(jiān)督。同時(shí)，加強(qiáng)監(jiān)管機(jī)構(gòu)之間的合作，實(shí)現(xiàn)信息共享和協(xié)同監(jiān)管，提高監(jiān)管效率和準(zhǔn)確性。

（四）構(gòu)建責(zé)任歸屬與倫理規(guī)范的解決框架

針對(duì)財(cái)務(wù)大模型應(yīng)用中的責(zé)任歸屬和倫理問(wèn)題，構(gòu)建一套完整的解決框架至關(guān)重要。針對(duì)責(zé)任歸屬問(wèn)題，企業(yè)應(yīng)成立獨(dú)立的財(cái)務(wù)大模型管理機(jī)構(gòu)，負(fù)責(zé)全面監(jiān)督財(cái)務(wù)大模型的開(kāi)發(fā)、測(cè)試、部署、使用及維護(hù)等工作。在大模型生命周期的各個(gè)階段，包括數(shù)據(jù)收集、模型設(shè)計(jì)、算法優(yōu)化、結(jié)果解讀等環(huán)節(jié)，都應(yīng)明確責(zé)任人，通過(guò)細(xì)化責(zé)任分工，確保每個(gè)環(huán)節(jié)都能得到充分的關(guān)注和管理，避免責(zé)任不清導(dǎo)致的推諉和延誤。同時(shí)，對(duì)因模型應(yīng)用不當(dāng)造成的損失或問(wèn)題，應(yīng)建立嚴(yán)格的問(wèn)責(zé)機(jī)制，對(duì)責(zé)任人進(jìn)行追責(zé)。在大模型使用倫理規(guī)范方面，企業(yè)應(yīng)結(jié)合行業(yè)特點(diǎn)和法律法規(guī)要求，制定明確的財(cái)務(wù)大模型應(yīng)用倫理準(zhǔn)則，應(yīng)涵蓋數(shù)據(jù)安全、隱私保護(hù)、公平公正、透明度等方面，確保模型應(yīng)用符合社會(huì)倫理和道德規(guī)范。在大模型應(yīng)用前，應(yīng)建立倫理審查機(jī)制，對(duì)模型的應(yīng)用場(chǎng)景、數(shù)據(jù)處理方式、算法設(shè)計(jì)等進(jìn)行全面審查，確保符合倫理要求[ 16 ]。同時(shí)，應(yīng)設(shè)立倫理監(jiān)督機(jī)構(gòu)，對(duì)模型應(yīng)用過(guò)程中的倫理問(wèn)題進(jìn)行持續(xù)監(jiān)督和管理，及時(shí)發(fā)現(xiàn)并糾正問(wèn)題。

【參考文獻(xiàn)】

［1］ 程光，程翠柳.基于ChatGPT的管理會(huì)計(jì)應(yīng)用場(chǎng)景研究［J］.會(huì)計(jì)之友，2024（6）：15-20.

［2］ 陳龍，劉剛，戚聿東，等.人工智能技術(shù)革命：演進(jìn)、影響和應(yīng)對(duì)［J］.國(guó)際經(jīng)濟(jì)評(píng)論，2024（3）：9-51.

［3］ 孫柏林.ChatGPT：人工智能大模型應(yīng)用的千姿百態(tài)［J］.計(jì)算機(jī)仿真，2023，40（7）：1-7.

［4］ 陳偉.大模型在智能審計(jì)中的應(yīng)用研究［J］.中國(guó)注冊(cè)會(huì)計(jì)師，2024（5）：86-90.

［5］ 程名望，褚羽舟.數(shù)據(jù)要素與人工智能技術(shù)融合能提升城市創(chuàng)新能力嗎？［J］.同濟(jì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，35（3）：49-62.

［6］ 楊寅.新質(zhì)生產(chǎn)力賦能智能財(cái)務(wù)建設(shè)的理論邏輯與體系架構(gòu)［J］.會(huì)計(jì)之友，2024（21）：116-122.

［7］ 張才科，李小龍，鄭勝，等.基于大語(yǔ)言模型的知識(shí)圖譜構(gòu)建及應(yīng)用研究［J］.計(jì)算機(jī)科學(xué)與探索，2024，18（10）：2656-2667.

［8］ 萬(wàn)鈞.基于大語(yǔ)言模型的審計(jì)知識(shí)應(yīng)用研究［J］.審計(jì)研究，2024（5）：38-44.

［9］ 秦榮生.應(yīng)用生成式人工智能建構(gòu)智能財(cái)務(wù)體系研究［J］.會(huì)計(jì)之友，2024（24）：26-30.

［10］ 羅世杰.金融大模型：應(yīng)用、風(fēng)險(xiǎn)與制度應(yīng)對(duì)［J］.金融發(fā)展研究，2024（6）：70-78.

［11］ 陳帆，孫凱.自然語(yǔ)言大模型在稅收監(jiān)管中的應(yīng)用：以非居民稅收合同審核為例［J］.稅收經(jīng)濟(jì)研究，2024，29（3）：38-46.

［12］ 徐磊，胡亞豪，潘志松.針對(duì)大語(yǔ)言模型的偏見(jiàn)性研究綜述［J］.計(jì)算機(jī)應(yīng)用研究，2024，41（10）：2881-2892.

［13］ 謝明華.基于大模型的電子信息領(lǐng)域知識(shí)圖譜自動(dòng)構(gòu)建與檢索技術(shù)［J］.電訊技術(shù)，2024，64（8）：1228-1234.

［14］ 劉剛.厘清數(shù)據(jù)資產(chǎn)化發(fā)展的關(guān)鍵問(wèn)題［J］.中國(guó)金融，2023（7）：56-57.

［15］ 韓世鵬.生成式人工智能算法備案的法律屬性與控制路徑［J］.河南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2024，39（2）：119-128.

［16］ 李子浩，李天云.技術(shù)向善：人工智能大模型倫理風(fēng)險(xiǎn)識(shí)別及治理路徑［J］.學(xué)術(shù)交流，2024（8）：30-42.