人工智能+會計：發展障礙與社會應對

崔子揚 王秀華

【摘要】文章從智能會計發展階段出發，對人工智能+會計的可能領域以及發展障礙等進行了系統研究。研究發現，人工智能+會計是智能化會計的高級發展階段，其應用領域受決策的客觀性和創新性兩大因素影響，更易在高客觀性——低創新性領域得到更廣泛的應用。人工智能實踐發展緩慢、社會準備不充分以及企業引入顧慮等是阻礙人工智能+會計迅速發展的三大障礙，據此文章提出了優化國家智能金融支付管理體系、建立會計人員分流調整機制等應對策略，為推動人工智能+會計的健康快速發展提供參考。

【關鍵詞】人工智能；人工智能+會計；業財融合

【中圖分類號】F275

一、引言

人工智能最早來自于古埃及的傳說，是傳說變為現實的典型例證。1956年，在美國達特茅斯學院的一場學術研討會上，明斯基、塞爾弗里奇、麥卡賽等一批有著遠見卓識的計算機科學家和數學家們開始探討機器模擬和拓展人類的智能并應用于生產與生活的各個領域，由此提出了“人工智能”的概念。人工智能（Artificial Intelligence，AI）是通過模擬人類智能的方式，創造出能夠被人類駕馭的機器，模擬人類的腦活動進行計算和工作，并引申出許多內涵。1987年，美國執業會計師協會（AICPA）發表了《人工智能和專家系統簡介》報告，首次將人工智能引入會計和財務管理領域。自此，人工智能+會計的相關研究逐漸增多，并保持著強勁的上升趨勢。

有兩種會計智能化在當今社會被廣為應用。其一是終端識別智能與財務會計的結合，它是基于業財融合的智能財務共享平臺，運用移動終端的OCR等工具將業務財務數據同時錄入系統，改變了會計原始數據的錄入方式，結束了業務和財務數據相分離的現狀。其二是商業智能與管理會計的結合，它運用數據整合與挖掘技術進行輔助決策和管理控制，也實現了數據的整合與挖掘，進而促進了企業價值的最大化。

Gray等（2019）指出，如果放棄會計當中人工智能的研究，將使得人工智能研究人員錯失一個在新領域發揮新技術應用的大好機會[1]，可見，人工智能+會計的早期研究多為人工智能領域的專家所進行的應用研究。從2016開始，Steven G.Sutton發現人們的視線從專家系統轉移到了對現有的人工智能會計的討論和對于會計決策支持方面的研究[2]。2016年，德勤、普華永道、安永、畢馬威四大會計師事務所陸續推出財務機器人，人工智能+會計實踐取得了重大進展。但與之相關的，人工智能+會計可能產生的社會影響也日益受到關注。

Steven G.Sutton（2016）指出，在會計領域中討論人工智能時應當作出適當的讓步，要考慮對會計專業人員、會計職業和整個社會的影響[2]。Suleiman等（2020）指出，目前中國正在使智能會計相關的公司、會計師、教育機構和政府處在同一戰線，并建議不要完全依賴人工智能系統作出所有決定，以避免出現系統中斷導致的經濟體系崩潰[3]。但Cindy Greeman（2017）認為，人工智能不僅不會取代會計工作，反而會增加對數據分析等有經驗的財務人員的需求，促進企業修改商業模式，將人們的注意力從錄入數據轉移到高價值的專業判斷上來[4]。在社會應對方面，Lee等（2020）對馬來西亞使用人工智能會計軟件所進行的調查表明，有57%的被調查者表示技術采用的滯后是由于缺乏理解人工智能應用的好處所導致的[5]，這暗示了應用者對人工智能存在一定的抵觸情緒。可見，國外的學者對人工智能+會計的認識存在較大差異。國內的研究起步較晚，當前主要集中在確認人工智能在會計領域的發展趨勢方面，代表性研究包括韓向東（2015，2018）[6-7]、張敏（2021）[8]、張慶龍（2021）[9]等，他們都認為智能財務平臺、智能決策支持系統會在會計領域大規模應用，較少學者探討人工智能+會計的具體應用領域、發展障礙以及社會應對等，且已有文獻多從人工智能領域提出，很少從財務學者的視角探討人工智能+會計在企業推進中的障礙以及社會應對策略。本文將彌補上述不足，從會計學者角度對此進行研究。

二、“人工智能+會計”：智能化會計的高階發展階段

（一）智能化會計的發展階段

會計的本質是一套信息系統，是服務于企業各項決策的信息系統。迄今為止，智能與會計的結合主要有三個發展階段：基于業財融合的智能財務共享平臺、基于商業智能的管理會計平臺和基于人工智能的智能財務平臺。這三個平臺分別作用于會計的不同領域，從不同的視角對傳統會計行業進行了沖擊，詳見圖1。

1.終端識別智能+財務會計

終端識別技術是以文字識別（Optical Character Recognition，OCR）技術為代表的一系列智能圖像識別電子化技術。基于業財融合的智能財務共享平臺運用移動終端的OCR等工具將業務財務數據同時錄入系統，改變了會計原始數據的錄入方式，結束了業務和財務數據相分離的現狀，結合財會電算化手段，取消了業務員報賬、會計員錄入等流程，直接從終端業務數據生成了財務報表數據，建立了海量數據庫，實現了業財數據的融合。

2.商業智能+管理會計

基于商業智能（Business Intelligence，BI）的管理會計平臺則在業財融合建立的海量數據的基礎上，運用數據整合與挖掘技術進行輔助決策和管理控制，在基礎數據與企業價值之間建立一條科學、可行、高效的通道，幫助企業實現價值最大化。在這一過程中，如何整合數據、如何挖掘數據才能夠實現企業價值最大化是該管理會計平臺有效運行的關鍵。由于這一過程采納了管理會計的算法，因而基于商業智能的管理會計平臺改變了會計數據加工方式。

基于人工智能的智能財務平臺則是“人工智能+會計”的結果，是用人工智能盡可能模擬、延伸和擴展上述兩大平臺運行過程的平臺，其有至少兩大目標：第一，盡可能減少人的活動，以便減少人性的弱點所帶來的主觀偏差；第二，打破自然人的思維局限，延伸和擴展人的思維領域，拓展認知空間。

人工智能+會計，使得會計轉型升級成為智能會計，它是以數字經濟為前提，以業財融合的財務共享、商業智能管理會計平臺為重要依托，以人工智能技術（科學）為重要支撐，以數據分析方式的深度學習和財務人機互動決策為支持的人機協同進化的一項會計管理活動。

智能化會計發展的每一個階段都將會計人員從繁重的程序化勞動中解放出來。目前，智能化會計的前兩個階段已經在實踐中深入發展，而人工智能+會計的發展還處于起步階段。

（二）人工智能+會計的可能領域

與自然人相比，人工智能在信息儲存與檢索、數據挖掘與處理以及保持客觀理性等方面具有顯著的優勢，人工智能+會計的可能領域主要是需要依托大量經驗信息、運算復雜或運算量大以及客觀性強的領域。而從會計本身來看，其作為一個決策支持系統，任何決策支持活動都必然建立在大量信息的基礎上，但決策時對經驗信息的依賴程度不同。一般來說，活動的創新性程度與其對經驗信息的依賴程度負相關。同樣，價值創造對決策支持的客觀性要求程度也不同，有些決策支持活動可以在給定信息的基礎上進行盡可能客觀的判斷，如籌資數量、存貨采購批量等，而有些決策活動的主觀判斷程度更強，如風險活動等。因而，本文從決策的客觀性要求和創新性要求兩個因素的強弱程度來確定人工智能+會計的可能領域，詳見圖2。

（一）高客觀性—低創新性領域：高人工智能化

這一領域會計工作的創新性要求相對較低，且有相對成熟的會計或財務理論提供支持，較少需要會計人員的價值判斷，因此適合采用高水平的人工智能化，甚至可以完全由人工智能完成。例如財務會計領域、一般的審計鑒證領域、融資領域、營運資金管理領域、財務業務數據處理與分析領域等。

（二）低客觀性—低創新性領域：半人工智能化

這一領域對會計人員的創新性要求相對較低，但卻比較需要會計人員的主觀判斷，通常是專業性較強，較為依賴歷史經驗數據且不能反復迭代、反復試錯的領域。例如管理會計領域中的市場預測、投資項目的可行性分析等領域。這一領域可以利用人工智能進行企業內外信息采集、檢索、數據挖掘，形成方案初稿，但最終方案的撰寫以及決策的關鍵因素分析甚至結果的生成則需要會計人員在人工智能的基礎上形成。若決策結果可以在執行過程中不斷調整，此時也可以更大程度上使用人工智能完成。

（三）高客觀性—高創新性領域：半人工智能化

這一領域對會計人員的創新性要求較高，但卻有相對成熟的理論可以借鑒。例如，管控體系中成本管控體系的設計、激勵約束機制的設計等。這一領域可以由會計人員根據企業價值管理要求進行創新性思維或理念的設計，然后利用人工智能的反復迭代和持續改進的能力進行方案的規劃與設計。

（四）低客觀性—高創新性領域：低人工智能化

這一領域更多依賴會計人員的主觀判斷，且對創新能力要求較高。例如風險識別與管理、盈利模式設計、財務創新等。人工智能除了發揮對歷史數據進行處理、對現狀進行分析等作用外，核心的創新性工作則必須由人力完成。這是人工智能化最低的領域。

從人工智能+會計實踐發展看，財務會計領域的會計核算自動化、財務共享專家系統等較低水平的智能化已經實現，而認知智能化會計、機器深度學習等高階人工智能+會計則進展緩慢。

三、人工智能+會計發展障礙分析

（一）人工智能實踐發展緩慢

1.人工智能發展與會計發展不匹配

秦榮生（2020）指出：“人工智能有弱強之分，弱人工智能在當今世界普遍存在，而強人工智能是具有思維、知覺和自我意識，能夠獨立思考問題并且能提出解決方案的智能機器，這些智能機器擁有推理和解決問題的能力[10]。”目前，全球的人工智能尚未在認知智能方面得到突破性進展，在會計方面，2019年德勤團隊撰寫的《機器人認知自動化白皮書》對機器人認知自動化（R&CA）技術在會計領域的應用進行了分析，在一定程度上推進了認知智能會計的發展。當下人工智能的全球平均水平甚至還未走出弱人工智能（計算智能）的邊界，局部地區雖然已經走出了弱人工智能，但人們對于在感知階段的深度學習算法的探索依舊存在諸多問題。梁迎麗、梁英豪（2019）認為：“機器深度學習存在無法有效應用于高風險領域的局限性[11]。”步入21世紀，會計學科已經取得了極大發展，基于企業價值的深度挖掘，需要一種與之相匹配的人工智能機器，將企業的場景和業務流程推向一個嶄新的平臺。

2.人工智能+會計的前置應用領域尚未完成

國務院于2017年7月8日發布了《新一代人工智能發展規劃》，明確指出了我國人工智能的重點結合領域，其中包括智能農業、智能制造、智能交通、智能醫療和健康養老等社會基本民生服務和社會治理層面[12]。可以看出智能金融和智能商務的發展順序偏后。章小童等（2020）認為：“不論人工智能發展被提到怎樣的高度，最后需要重點解決的還是民生問題。并且，目前人工智能還沒有一個較為通用和成熟的發展模式，各項新技術需要大規模試點試用[13]。”以制造業為例，業界內普遍認為，企業應用智能化必須遵循從基本生產工藝裝備的智能化到設備的實時監控、輔助作業與改造的智能化，最后才能將設備與智能會計對接，將業務過程與會計核算之間的隔閡消除，會計才能實現真正的智能。

企業會計與智能化的應用結合程度很大程度上取決于國家智能金融的實踐情況，而這二者都必須相對滯后于軍事和民生領域的智能化應用。因此，目前對于國家的金融、支付體系等大環境的智能化治理結構探索是探索人工智能+會計必要的前置工作，且相關金融智能試點的理論框架尚待研究。

（二）社會準備不充分

1.大量會計人員轉型帶來的社會壓力問題

人工智能的深入發展必然出現智能機器人取代大量財務人員的情形，這在財務共享中心的建設過程中已經出現了。這部分被取代的會計人員面臨著轉型或失業的風險，將給社會就業帶來巨大壓力。

2.服務于人工智能+會計的專業人員極度缺乏

人工智能+會計的本質是各類計算機算法在會計領域中的應用，是會計專業知識、計算機專業知識以及心理學、神經學等專業知識的深度融合，因此其設計、維護、升級等需要大量精通會計、計算機等多個領域的高素質人員。而當前的教育系統對相關人員的培養尚未適應這一需求。2016年我國教育部印發了《教育信息化“十三五”規劃》，將信息化教育能力納入學校建設考評體系；2017年7月國務院的《新一代人工智能發展規劃》中也明確指出，在中小學開設人工智能相關課程，逐步推廣編程教育，推動人工智能人才的培養。而高校中的人工智能+會計專業化人才的培養方案正處在起步階段。目前符合人工智能+會計發展需求的人才十分匱乏。

3.人工智能的信息安全性問題

業財融合形成的大量數據中幾乎包含企業所有核心的商業秘密，一旦泄露可能會嚴重削弱企業的核心競爭力。因而如何在獲得人工智能便利的基礎上確保企業核心商業秘密不泄露，是人工智能+會計推進過程中亟待解決的重要問題。除了需要考慮外部的非法竊取之外，還需要重點關注人機互動過程中人工智能向不同權限人員提供信息的范疇界定問題。

4.法律層面的準備不充分

人工智能+會計的推進還會涉及到很多法律層面的問題，例如責任認定及損失賠償等。當人工智能+會計發展到一定程度，單一企業的人工智能實際上可能通過各種中介與整個市場建立聯系，從而帶來巨大的負外部性。歷史上不乏因一個公司發布了一個不成熟的智能算法而引發災難的事件。2012年7月31日，騎士資本集團（Knight Capital）作為一家巨型貿易公司，在年收入14億美元的狀態下因未充分測試而發布了一個證券交易的算法，造成了紐約證券交易所的148家上市公司股價陷入混亂，該公司一夜之間損失4.4億美元而被競爭對手以最低價收購；2003年的美國貿易公司、2009年的英菲資本管理公司（Infinium Capital Management）等均發生過因引入智能算法而在不足1分鐘內發生巨額損失甚至破產的嚴重后果。黃甫全等（2020）認為，對于人工智能的人類設計者和生產者來說，人工智能立法沒有授權的行為是嚴令禁止的，目前還是主要在交通、醫療、隱私和著作權方面進行重點研究和實踐[14]。因而，如何對人工智能維護人員進行法律層面約束，如何在災難發生后追究相關的責任等問題需要在人工智能+會計推進之前進行充分考慮。

（三）企業引入人工智能的顧慮

1.人工智能推廣成本居高不下

企業要引入人工智能進入會計系統，并非僅僅購買一部或幾部人工智能機器人就可以簡單實現的，還需要鋪設人工智能賴以運行的各種線路、傳感器，購買各類數據庫和語言庫等，以便搜集并整合企業內外部各類信息。因而，總體成本較高，可能會擴大企業所承擔的固定成本比重，增加企業經營風險。

2.管理層對人工智能的信任問題

與會計人員的工作相比，人工智能+會計更像是將會計等信息搜集、整合、生成、輔助決策等活動引入一個黑箱，管理層對其運行機理的不熟悉往往會大大影響管理層對其生成結果的信任。這并非是杞人憂天，2010年5月6日下午2點42分美國股市出現的5分鐘“閃電崩盤”[15]，其造成了道瓊斯工業平均指數損失近1萬億美元的惡劣后果，但這并不是人們認為最可怕的問題，更可怕的是美國監管機構用時5個月進行調查，卻依然不清楚這一事件為什么會發生。管理層的決策并非僅僅關注結果，決策支持數據的生成過程或決策依據似乎更重要，其中更是需要大量的價值判斷。人工智能能否真正讀懂管理層的意圖進而做出對應的決策支持，是管理層是否會使用其輔助的關鍵原因之一。管理人員除了對人工智能的結果可靠性深感擔憂外，還會陷入對人工智能深度依賴的擔憂。一旦人工智能因為各種原因不能正常工作，那么企業是否能夠有合適的會計人員可以立即接手相關工作？企業是否會因人工智能不能有效工作而陷入混亂？當我們除了利用人工智能給出的結果來做決策而沒有其他備選思路時，是管理者控制了人工智能還是人工智能架空管理者？這些問題的存在都不得不使管理者對引入人工智能慎之又慎，甚至做出拒絕引入的決策。

3.組織結構的適應性問題

人工智能引入并非是更換一個會計人員那樣簡單，它會從本質上改變會計部門的工作性質以及會計部門與其他各個部門之間的內部聯系，甚至會影響企業與銀行以及其他企業之間聯系的變化，由此帶來組織結構的深度變革。同樣，人工智能+會計時代必然是一個經濟發展節奏極快的時代，企業的組織結構不能僅為了控制和執行而設計，更重要的是能夠適應經濟社會快速變化的步伐。但目前組織結構向哪一方向轉變以及轉變到何種程度尚不確定，因而人工智能引入初期，組織結構的不適應性以及管理層的信任問題進行疊加后，必然帶來經營風險的增加。

四、人工智能+會計發展的社會應對

（一）優化國家智能金融支付管理體系

會計智能化必然會涉及到資金收付，從而進一步將企業內的會計行為與銀行等金融系統相關聯，使企業的財務風險傳導至金融系統，這就可能放大并引發金融系統的風險，因而金融支付系統需要提前做好相應的應對。國家智能金融支付管理應當注重以下方面的建設：首先，加快智能網聯支付平臺的升級，尤其是要加強識別并防范重大結算風險，加強監管網聯平臺的強大活力；其次，加強“監管沙盒”等支付壓力測試系統的建設，擴大數字化支付視角下的試點范圍；最后，提高智能金融支付系統與相關財務技術公司的合作，增進雙方的高效溝通和理解，為人工智能+會計的發展提供良好的金融支持。

（二）建立會計人員分流調整機制

1.存量會計人員的調整機制

對于當前社會上存在的受人工智能+會計實施影響較大的會計人員，可采取三種途徑進行分類分流：對于精通會計知識且具備一定計算機基礎的人員，可對其進行計算機相關能力的培養，使其盡快滿足人工智能+會計推廣中的系統維護需求；對于具備轉型條件的會計人員，可將現有會計人員由核算型轉為決策型、咨詢型會計人員或其他經管類高素質人員，滿足企業、各類事務所以及其他領域對高層次人才的需求；對于其他類型的會計人員，可以通過鼓勵創業等方式允許其自行分流進入其他領域。通過以上措施優化會計人員存量隊伍結構，減輕社會壓力。

2.增量會計人才培養方向的改革機制

對于當前在高校的增量會計人員，一方面應加快高校培養方向的改革，推進互聯網+會計、智能會計等新型會計人才培養，以更好地滿足社會需求。另一方面，增加會計專業理科生源比例，優化師資力量，增進拔高型智能課程的數量和質量。例如山東財經大學于2019年將基礎財務課程重構為“云會計與財務共享”“機器學習與智能決策”等全新整合課程，并相應調整師資隊伍，新創了“智能會計實驗室”[16]。最后，要提高會計人員的主動學習意識，傅元略（2019）指出：“未來財會人員的核心能力需要包含財務決策、內部報告體系設計、管控系統設計和決策支持體系設計[17]。”在新冠疫情的沖擊下，低成本、易獲得的網絡教學被推向高潮，各企業、事務所和高校可適當采取措施在人員和學生的學習中增加人工智能公共網絡課程的學習，再結合雙學位、繼續教育的實踐學習，發掘會計人員自身的職業亮點和興趣。

（三）加快建設企業嚴格的算法章程和網絡信息安全系統

在人工智能時代，各企業之間的關聯將趨于緊密。首先，企業需要將業務流程的審批過程進行重新規劃，不僅要優化業務審批的牽制機制，還要對相關算法的應用進行牽制，嚴格防范機器的算法失誤帶來的一連串損失。其次，對于智能試點城市的企業，還需要優化新技術新設備接入互聯網的方式，聯合相關研發機構進行不可逆轉算法系統的相關應用，實現算法負面影響不外溢的效果。最后，企業要進行定期的信息安全測試，在測試的過程中可聯合相關監管機構，共同促進信息安全監管資格的形成，試點企業應當以點帶面，強化相關機構對企業信息安全的審核或相關資質的審批，促進信息安全建設。

（四）促進國家智能算法建設

人工智能+會計一旦實施，企業的智能化決策所涉及的利益相關者層級將陡增，無論是決策前方案的策劃，還是決策后的實施推進等步驟都依賴于程序員編寫算法的準確性、科學性以及該算法針對特定企業形成的個性化特征的有效性，甚至該算法中是否存在著隱性的利益輸送等風險。而這些風險點都有賴于智能算法相關法制建設的完善程度，即對于程序員、智能機器人生產商和智能機器人的行為進行約束，否則，智能會計將難以真正推進。

1.設定智能算法的應用領域

首先，對于企業內部經常性的大額交易領域，暫時不適合擴大智能算法的應用。其次，由于企業在風險管理和內部控制以及員工激勵的系統中具有較高的不確定性，因此智能算法也不適宜在這些領域擴大運用范圍。而高客觀性—低創新性的財務領域以及在企業獲取外部數據的過程中是適合大范圍運用智能算法的。

2.明確智能算法的責任承擔

目前的智能機器人是基于基礎算法進行信息轉換，因此尚不具備使機器人獨立承擔法律責任的條件。當前人類不會因為機器人有足夠的獨立性而使其承擔法律責任，因而產生了責任缺口，主要解決辦法是有意識地將責任歸于人工實體本身，或將這種責任適當地歸屬于人類[14]。但未來如何針對“算法黑箱”進行責任分配仍是一個難題。要增加計算機行業開發出的可解釋和可理解模型的數量，還需要讓算法的受用者和監管者均采取可理解的方式進行使用，更需要程序員和財務專家之間保持關鍵性、持續性的合作，最后再對生產者的產品質量和機器人本體形成的決策結果進行責任分配，才能最終實現相關算法責任落實，適當緩解企業對于智能化應用的過度顧慮。

（五）加快企業組織結構智能化升級

1.緊跟數字化智能企業潮流

為滿足智能會計在企業內部的深度應用，企業需要重新定義自身的結構，提前轉變思維模式，從個性化和大數據出發，摒棄科層制和中心化的組織結構，從財務敏捷化、行業伙伴多元化、客戶開放化的角度對企業組織結構進行優化，以應對高財務風險。可以從改善信息系統的處理效率為起點削弱企業內多部門之間的隔閡，并加快企業的物聯網建設，加速企業各項資產的數字化，以適應人工智能+會計的轉型需要。

2.構造以深挖業務價值為核心的組織架構

在會計轉型的大環境下，隨著時間推移和科技發展，數字化的智能組織架構對于企業來說并非核心難點，由于社會傾向于大批量個性化的生產方式、高創新性的財務活動和高不確定性的金融環境，難點在于企業不僅要擁有商業數據的廣度，還要確保商業數據的深度。企業可以構建以人為中心的賦能式組織結構，以員工的賦能來應對業務的轉型，形成模塊化的數據精準挖掘方式和靈活的應對組織。首先要將員工的自發性從層級之中解放，提高企業對業務的預測能力和反應速度，滿足智能會計的需要。其次要注重企業內各團隊的培養，既讓每個分團隊保持獨創性，又讓整體保持協調的企業精神，在加速發展的智能會計當中保持對企業各部門的協調統一和高效調動，打破傳統組織架構的剛性造成的束縛。這樣才能深挖企業的業務價值，為人工智能+會計的平穩發展奠定基礎，使其順利推進。

主要參考文獻：

[1]Gray，GL（Gray，GlenL.）；Chiu，V（Chiu，Victoria）；L iu，Q（Liu，Qi）；Li，P（Li，Pei）.The expert systems life cycle in AIS research：What does it mean for future AIS research [J].International Journal of Accounting Information Systems，2019（15）：423-451.

[2]Steven G.Sutton，Matthew Holt， Vicky Arnold.“The reports of my death are greatly exaggerated”——Artificial intelligence research in accounting[J].International Journal of Accounting Information Systems，2016（22）： 60-73.

[3]Suleiman Jamal Mohammad，Amneh Khamees Hamad，Hela Borgi，Phung Anh Thu，Muhammad Safdar Sial，Ali Abdallah Alhadidi.How Artificial Intelligence Changes the Future of Accounting Industry[J].2020（3）：478-488.

[4]Cindy Greeman.Exploring the impact of artificial intelligence on the accounting profession[J]. Journal of Research in Business， Economics and Management，2017（8）：1451-1454.

[5]Cheah Saw Lee，Farzana Parveen Tajudeen.Usage and Impact of Artificial Intelligence on Accounting：Evidence from Malaysian Organisations[J].Asian Journal of Business & Accounting，2020（13）：213-239.

[6]韓向東.構建基于商業智能的管理會計信息系統[J].財務與會計，2015（09）：12-13.

[7]韓向東，余紅燕.智能財務的探索與實踐[J].財務與會計，2018（17）：11-13.

[8]張敏.智能財務十大熱點問題論[J].財會月刊， 2021（02）：25-30.

[9]張慶龍.智能財務七大理論問題論[J].財會月刊， 2021（01）：23-29.

[10]秦榮生.人工智能與智能會計應用研究[J].會計之友，2020（18）：11-13.

[11]梁迎麗，梁英豪.人工智能時代的智慧學習：原理、進展與趨勢[J].中國電化教育，2019（02）：16-21.

[12]中華人民共和國國務院.國務院關于印發新一代人工智能發展規劃的通知[EB/OL].http：//www.gov.cn/ zhengce/content/2017-07/20/content_5211996.htm.

[13]章小童，李月琳，樊振佳.基于我國10項人工智能規劃與政策的內容分析[J].現代情報，2020，40（12）：17-26.

[14]黃甫全，曾密成.人工智能立法：主體、內容與特征[J].學術研究，2020（11）：49-55.

[15][英]羅伯特 科爾維爾.大加速——為什么我們的生活越來越快[M].北京聯合出版公司，2019.

[16]山東財經大學.[大眾網]山東財經大學“智能會計”誕生記[EB/OL].https：//news.sdufe.edu.cn/ info/1015/24055.htm.

[17]傅元略.智慧會計：財務機器人與會計變革[J].遼寧大學學報（哲學社會科學版），2019，47（01）：68-78.