人工智能背景下會計行業的發展趨勢研究

摘 要：人工智能的快速發展使得信息技術不斷顛覆傳統的行業模式，也給各個行業帶來了新的發展契機，會計行業作為傳統行業也面臨著巨大的挑戰。本文首先介紹了人工智能的內涵、目前所處的人工智能階段及現在或者未來應用于會計的人工智能技術。其次分析了人工智能將會在哪方面以何種程度影響會計行業的發展趨勢。再次對現在及未來人工智能在會計領域的具體應用進行了分析。最后給會計行業相關人員應對人工智能發展所需采取的措施給出了建議。

關鍵詞：人工智能;會計行業;大數據;會計模式;措施

本文索引：周曄.人工智能背景下會計行業的發展趨勢研究[J].中國商論，2022（01）：-159.

中圖分類號：F233 文獻標識碼：A 文章編號：2096-0298（2022）01（a）--04

隨著信息技術的爆炸式發展，如今人類社會已經進入“大智移云”時代，即大數據、人工智能、物聯網、云計算。人工智能漸漸在各行各業發揮著重要的作用，大數據及人工智能相關技術也被應用于會計領域，如四大會計師事務所之一的德勤研發的財務機器人，已經可以勝任一些基本的會計工作，意味著未來會計行業中低端基礎、簡單、重復的會計活動可能被人工智能所取代，而解放出來的人力資源可以應用于更高附加值的數據分析、財務決策中，這對于會計從業者來說既是機遇又是挑戰。因此，研究人工智能背景下會計行業發展趨勢，可以為會計從業人員未來學習和工作的方向提供理論指導。

1 人工智能的概念及應用分類

1.1 人工智能的概念

1956年召開的達特茅斯會議上，通過討論如何用機器來模擬人的智能，首次提出了人工智能（Artificial Intelligence）概念，從此之后60多年中人工智能經歷了長足發展。目前愈發受到各界學者及各國政府的重視，成為一門理論日趨完善、多學科交叉應用的前沿學科。目前，對于人工智能的準確定義尚無定論，斯坦福大學的尼爾森教授研究得出：“人工智能是一門研究知識的學科，研究如何獲取、使用及表示知識?！甭槭±砉さ臏厮诡D教授認為：“人工智能主要模擬人的思維，將人的思維按照一定方法程序化處理后，讓機器可以模仿人去思考和感知，并且有相應行動?！辟M根鮑姆則認為：“人工智能可以看作用來處理知識及信息的系統?！本C合各方的觀點來看，人工智能從實際應用的角度上講，指用人工的方式在機器上實現智能，通過研究構造智能機器或者智能系統來對人類的智能活動進行模擬，并將其應用于實際來提高人類的智能。

人工智能按照發展階段可以劃分為強人工智能與弱人工智能。弱人工智能也叫應用型人工智能，指的是專心處理特定領域問題，通過統計學或者擬合函數來實現，不能獨自推理問題及解決問題，不具有自我意識。強人工智能是一種具有通用智能的機器的概念，這種機器可以模仿人類的行為或者思想，具備一定學習及應用學習到的知識來解決問題的能力，甚至具有擔任人類所有工作的才能。目前，人工智能研究及各行業所有的應用都處于弱人工智能階段，并且在很長一段時間內將保持這個階段。以下對人工智能的討論也是基于弱人工智能的階段。

1.2 人工智能的應用分類

人工智能可以根據原理的不同分為多種智能系統，如專家系統、人工神經網絡系統、學習系統、仿生系統、群智能系統、多真體系統、混合智能系統、模糊系統、模式識別系統等。以下具體介紹目前已應用于或者將來可能應用于會計行業的智能系統。

專家系統是人工智能應用研究中最重要及最廣泛的方向。該系統應用人工智能中的知識表達及知識推理技術，模仿專家在分析和處理問題時采用的推理過程，并具有比人類專家擁有更大更廣知識儲備的優勢，可以將其理解為知識庫和推理機的結合體。目前，專家系統研究已相對成熟，在諸多行業如醫療、工程、商業及軍事上都有應用，并且某些情況超過了人類專家判斷的準確性。

模式識別系統指的是通過提取事物的屬性和特征及對不同形式的信息進行處理，如數值的、文字的或者包含邏輯關系的，將其進行處理和分析，達到對事物描述、辨認、分類及解釋的效果。目前，研究較多集中于對圖像、文字及語音的識別，具體的應用如人臉識別、醫療診斷、語音識別系統，手寫字體識別等。

人工神經網絡（ANN）是以生物學和心理學為基礎，研究非線性動態系統結構和自組織映射模型來進行數據的處理。近年來，根據內部算法的不同又創立了不同的神經網絡模型，如前反饋神經網絡等。神經網絡系統使用者可以將對應的輸入輸出數據通過計算機放入神經網絡模型中，訓練好能反映兩者潛在規律的模型，再將需要計算結果的數據代入模型中得出預測結果。神經網絡系統已經廣泛應用于自動控制、機器人、信號處理、商業、醫療和軍事等領域。

學習系統是計算機像人一樣通過學習來獲取及增加知識，學習是人重要的智能之一。21世紀以來，學習系統中研究最多、最熱門的莫過于機器學習。如何讓計算機擁有自動獲得知識的能力，即通過現有的知識，或者信息，整理歸納規律來完善自身的知識體系，就是機器學習研究的重點。早期的機器學習主要側重于通過優化隨機森林、貝葉斯、決策樹等數學模型來提高預測的精度。大數據環境下的機器學習側重于對復雜多樣的數據進行更深層次的分析，朝著智能數據分析的方向發展，具體應用如文本內容理解、文本情感分析、圖像的檢索與理解、數據挖掘等。

2 人工智能背景下會計模式的改變

人工智能給傳統會計帶來的改變主要體現在兩個方面，一是會計最基礎的重復核算工作，包括原始憑證的錄入、收入成本的核算等將被智能財務系統所取代。二是通過人工智能帶來的技術優勢可以優化會計信息，提高會計預測、決策的準確性等，從而提高工作效率及會計工作價值。

2.1 會計核算流程全自動化

自從會計電算化普及之后，雖然會計賬務系統處理會計業務已經實現了部分自動化，但是賬務處理軟件并沒有突破手工記賬的流程和邏輯，依舊是按照原始憑證到記賬憑證，再編制各期財務報表并進行披露，這種模式使得會計信息存在滯后性，不能及時反映企業的生產運作信息。人工智能系統在處理數據上有著先天的優勢，利用圖像識別完成原始憑證的自動錄入，通過文字識別和文本分析將原始憑證按照一定規則轉化成記賬憑證，最終生產會計報表。通過這種形式可以快速編制財務報表并進行財務數據的處理，動態反映公司生產經營的各項指標，方便后續的分析與預測。

2.2 會計信息的多重優化

會計信息應當客觀反映經濟活動，但是受限于各方面的客觀條件，傳統會計在反映會計信息時并不能如實反映客觀的經濟活動，各種會計制度和處理方法也是權衡各方面利弊之后所設定的。人工智能的應用可以在多方面打破這些限制，從而提高會計信息的質量。衡量會計信息質量一般考慮相關性、如實反應、可比性、可驗證性、及時性和可理解性，同時要兼顧成本收益原則。從相關性角度考慮，如公允價值的計量本是體現會計信息的相關性，而公允價值的準確計量需要定量和標準的評估技術，現實計量中往往依靠專業人士的主觀判斷，甚至存在盈余管理的情況，使得會計信息失去相關性，不利于利益相關者做出決策。審計中的重要性原則實際上是受限于成本做出的折中策略，人工智能技術的應用可以很好地節省人力和時間成本，從而提高會計信息的證實價值。此外，大數據技術可以處理非結構化數據，使得會計信息中大量的非財務信息可以統一歸納出來，從而提高會計信息的完整性。

2.3 提高經營預測準確性

預測功能為會計六大功能之一，指的是利用現有的會計信息及資料，找出生產經營中普遍存在的規律，再按照規律預測企業或者社會經濟運行的未來趨勢。隨著社會經濟的發展及企業結構的復雜化，面對海量的信息，如國家政策、行業發展、競爭對手信息等，光靠人工已經很難有效分析。人工智能最擅長提取數據之間的相關性，從而做出預測，應用人工智能相關技術可以最大化利用越來越豐富、種類復雜的信息，信息越多預測效果越好，應用合適的機器學習模型，最終得出更準確的經營預測模型。

2.4 強化決策支持功能

會計決策是在會計預測的基礎上，按照已經擁有的會計信息及其他資料，制定未來可能采取的生產經營計劃，并嚴密地定量分析，綜合比較收益與風險，從中挑選最優方案。借助機器學習及專家系統等人工智能技術，可以輔助企業決策者解決定性或定量問題。通過有監督的機器學習可以處理標簽化數據，將模型和決策規則固定之后可以建立決策模塊，從而實行決策的自動化。通過無監督的機器學習，可以處理海量的非標簽數據，如關聯規則挖掘等方法，挖掘隱藏在特定財務規則之外的關聯，從而為最終的決策人提供更深更廣的數據角度，起到輔助企業高層管理者高效準確做決策的作用。

3 人工智能在會計領域的具體應用

當前，人工智能技術在會計領域應用較少，使用程度也較低，人工智能在企業具體使用時還有諸多限制，但是隨著人工智能技術的成熟，未來廣泛應用于會計領域只是時間問題。以下根據目前人工智能技術的應用及發展方向，結合會計自身的特征，對人工智能在會計領域目前及未來的應用進行簡單介紹。

3.1 機器視覺、機器學習自動化錄入與驗證

機器視覺屬于人工智能的一個分支，指通過圖像進行機器視覺識別，代替人眼提取出圖像中包含的信息，并進行數據處理。機器識別在會計中的應用，即通過將會計憑證的影像文件轉化成文本信息，該技術需要應用神經網絡和深度學習技術，并且需要大量的訓練樣本，目前研究和應用已較為成熟，識別的準確率也在逐步提高。在得到原始憑證的文字信息后，利用機器學習的技術將這些非結構化的文字信息轉化成具有固定格式的記賬憑證，從而解決重復性手工記賬問題，具體可以做到：（1）發票的查重與驗真。會計核算需要確認發票等原始憑證的真實性，還要對其合規性進行驗證，通過機器視覺自動識別對比會計憑證，可以做到該項工作的自動化實現。（2）自動記賬。在審核完原始憑證后，需要按照記賬規則來確定核算科目并且入賬，通過機器視覺提取原始憑證中的文本信息，結合機器學習中的監督式學習自動將信息歸類，可以很容易做到原始憑證入賬的自動化。

3.2 財務大數據分析

應用專家系統及數據挖掘等技術，可以構建一個財務大數據分析平臺，對公司內部財務狀況、生產經營狀況及行業狀況進行數據挖掘，將得到的信息經過處理整合之后呈現給經營管理者，達到決策支持的效果。首先，明確管理經營需分析的問題，確定所需的內外部信息并進行收集。將得到的數據進行數據清洗、加工、轉換等操作后輸入數據庫中。其次，應用數據挖掘相關技術，確定主題模型，發現潛在的商業信息，并不斷完善模型來優化最終的結果。再次，數據輸出，將數據挖掘出的信息結合公司實際情況，輸出可供決策的信息。最后，將數據挖掘出的知識放入專家系統中，由專家系統進行知識推理得到最終的決策結論，可給管理者提供更優化的決策參考，同時根據決策的準確性，進一步調整完善專家系統。財務大數據分析的應用，可以有效解決傳統財務分析存在的忽視非財務數據的片面性問題，以及時間上的滯后性問題，滿足管理者的需求。

3.3 財務風險智能控制

財務風險智能控制是利用機器智能來模擬人類的直覺推理，將其具體化、形式化，應用于財務風控系統，代替人為判斷與監督，從而實現財務風險控制的智能化。傳統的財務風險控制無法處理缺乏完整性及精確性的數據，多靠人為的主觀判斷及事后的風險控制，而財務風險智能控制應用了深度學習等算法，可以有效解決這一難題。目前，人工智能在財務風險控制主要的應用或者研究有：（1）對財務數據進行分類與整理，利用決策樹、向量機及深度學習等算法，找出財務數據中的異常值及潛在風險，并且歸檔，加強對今后類似財務風險的判斷。（2）通過構建智能化風控平臺，在企業內部實現財務信息化，各個部門之間的信息可以及時傳遞，業務流程可以透明化，每項業務可以追蹤到相關責任人，降低企業的內控風險及內控成本。（3）搭建智能化財務共享中心，將云采購、費用自動化報銷、薪資等日常活動納入其中，結合全面預算管理，將企業每項常規活動風險控制在閾值之內，從而降低企業的運營風險。

3.4 智能審計系統

智能審計系統是為審計人員設計的一種審計工具，可以結合多類型數據挖掘算法處理不同數據類型，通過智能審計來發現審計問題。流程主要是審計相關數據的導入與清洗，將數據分為數值型數據及文本型數據，數值型的數據結合審計分析模型及診斷型專家系統來查找審計線索，文本型數據利用文本挖掘技術來分析原始憑證及審計報告等。具體能夠實現的功能有：（1）財務報表的審計分析，將專家系統的診斷理論結合審計相關原理及規則，建立完整的審計分析模型來發現審計對象潛在的問題與風險，挖掘出異常的線索。對機器推導的審計結果按照實際情況進行修改后存儲，優化模型的準確率。（2）審計問題分類管理。利用神經網絡模型結合文本分類算法，提取特征向量，挖掘出文本之間的關聯關系，并將機器分類后的審計問題和對應的法規存儲于數據庫中，方便以后查詢。

4 會計相關人員面對人工智能發展需要采取的措施

4.1 高校教育方面

高校需要為會計、審計等專業開設大數據相關課程，將財務機器人的原理和方法結合會計信息系統融入課程中，還要開設大數據技術平臺、機器學習及數據可視化等課程。硬件設備好的學校還應改善會計實驗室，模擬人工智能及大數據環境下會計實際操作，供學生上手學習。通過開設這些課程，讓學生了解并掌握計算機科學、信息管理科學等學科的基礎知識，培養學生利用計算機科學解決會計問題的思維模式。

此外，學校培養學生的重點應由財務會計向管理會計方向轉變，將學生培養成管理型會計人才。管理型會計人才指的是除了會計基礎知識如傳統的會計核算等有扎實的功底外，還應當了解關聯學科如金融、稅務、法律等，并且培養一定的商業分析決策能力、戰略管理能力、團隊合作、組織領導能力的復合型人才。管理型會計人才在人工智能背景下，非但不會被淘汰，還會在企業的日常經營、財務及管理活動中起到更大的作用。

4.2 財會從業人員方面

在人工智能大環境下，財會從業人員需要有超前的意識及自我學習能力，根據自身的特點與能力規劃職業發展。財務基礎崗位如會計核算人員需要朝著管理會計的方向轉型，如前文所述，弱人工智能的應用使得財務基礎崗位最有可能面臨被淘汰的風險，因此財務會計應當盡快朝著管理會計轉型，或者具備一定管理會計的能力。管理會計需要有洞察未來、決策分析的能力，還要有組織管理能力及和他人合作的能力。在工作之余可以參加一些財務專業的培訓，提高自己的財會知識及職業能力，只有充分的會計知識和管理能力才能面對人工智能下會計變革的挑戰。

對于中高級財會從業人員，只有把握行業發展趨勢，結合公司架構，推行人工智能在公司的應用，才能不落后于時代的步伐。目前階段的機器學習等人工智能技術只能解決重復勞動及人工難以處理的海量數據問題，具備一定的實用價值，但是面對較為復雜或者沒有規范化的業務場景時，還是需要有業務經驗的財會人員進行人工處理，結合對會計準則的理解做出判斷。尤其當中高級財會人員面對復雜的無法借鑒的預測、分析、決策等會計活動時，目前的人工智能只能在信息量及信息維度上進行幫助，真正有巨大價值的決策活動依舊需要管理者進行人工判斷。因此，對于中高層管理者而言，要積極引進人工智能技術，也要提高自身分析、預測、決策的能力。

5 結語

人工智能的發展帶來會計行業的變革，人工智能技術的應用，一方面會取締簡單、重復的會計核算活動，另一方面會提高會計信息的確定性及顆粒度，從而輔助管理者提高決策分析的準確性。但是需要注意的是，在目前弱人工智能階段下，人工智能并不是萬能的，直接從海量的非結構化數據中挖掘的數據，很難給企業提供數據分析與決策的支持功能。企業在日常經營過程中，要注意結構化數據的積累并將其存儲進數據庫中，人工智能只是處理、分析數據的一個手段，與企業自身高度相關的數據庫才是企業最重要的財富。對會計從業人員而言，學習人工智能技術固然重要，管理會計知識的積累、決策分析能力的提高才是應對人工智能時代會計變革的不變法寶。

參考文獻

[1]蔡自興，徐光佑.人工智能及其應用[M].北京：清華大學出版社， 2003.

[2]侯芳，呂飛豹.基于知識圖譜分析的會計人工智能研究綜述[J].會計之友，2020（13）：144-149.

[3]王奕俊，楊悠然.人工智能背景下專業人才培養的發展路徑與方向：基于會計職業相關數據的實證研究[J].中國遠程教育，2020（1）：35-45+76-77.

[4]周守亮，唐大鵬.智能化時代會計教育的轉型與發展[J].會計研究，2019（12）：92-94.

[5]徐經長.人工智能和大數據對會計學科發展的影響[J].中國大學教學，2019（9）：39-44.

[6]章君.“互聯網+”人工智能視域下高職院校會計專業改革研究[J].中國職業技術教育，2019（11）：58-63.

[7]陳婷蔚.人工智能在會計領域的應用探析：以德勤財務機器人為例[J].商業會計，2018（10）：77-78.

[8]余應敏，王彩淋.財務機器人對會計行業的影響及其應對策略[J].會計之友，2018（7）：54-56.

作者簡介：周曄（1995-），男，漢族，江蘇無錫人，研究生在讀，研究方向：財務管理。

Research on the Development Trend of Accounting Industry under the Background of Artificial Intelligence

Nanjing University of Science and Technology? Nanjing， Jiangsu? 210094

ZHOU Ye

Abstract： With the rapid development of artificial intelligence， information technology constantly subverts the traditional industry model， and it also brings new development opportunities to various industries. As a traditional industry， accounting industry is also facing great challenges. This paper first introduces the connotation of artificial intelligence， the current stage of artificial intelligence and the application of artificial intelligence technology to accounting at present or in the future. Then this paper analyzes in what aspects and to what extent will artificial intelligence affect the development trend of accounting industry. Furthermore， this paper analyzes the specific application of artificial intelligence to the field of accounting at present and in the future. Finally， some suggestions are given for the accounting industry personnel to cope with the development of artificial intelligence.

Keywords： artificial intelligence; accounting industry; big data; accounting model; measures