基于大語言模型的智慧財務共享中心構建及應用

【中圖分類號】F275 【文獻標識碼】A 【文章編號】1004-0994（2025）13-0039-6

一、引言

大語言模型（LLM）是指經(jīng)過大量文本數(shù)據(jù)訓練所形成的深度學習模型（萬鈞，2024），能夠快速生成自然語言文本或客觀理解語言文本內(nèi)涵。通俗而言，大語言模型是以大規(guī)模數(shù)據(jù)集為核心底座，通過反復訓練后能夠迅速理解人類語言的一種深度學習模型（許雪晨，2024），一定程度上改變了理解與生成人類語言的方式。隨著人工智能技術的迭變升級與突飛猛進，大語言模型以其強大生成能力與自然語言處理機制引領人工智能領域展開新一輪變革（胡泳和劉純懿，2024）。

大語言模型的出現(xiàn)及新一代信息技術的涌現(xiàn)為企業(yè)數(shù)智化轉型提供了新的技術支持與機遇，但也為企業(yè)可持續(xù)發(fā)展帶來更復雜的挑戰(zhàn)（陳雪嵩，2024）。隨著人工智能技術的不斷成熟，大語言模型的廣泛應用驅使企業(yè)財務數(shù)據(jù)獲取與處理更加便捷、財務業(yè)務流程持續(xù)優(yōu)化、管理組織快速變革，激發(fā)企業(yè)智慧財務共享中心構建內(nèi)生效能。所謂智慧財務共享中心，是指利用人工智能、大數(shù)據(jù)等技術開展智慧化數(shù)據(jù)處理，并通過智能化規(guī)則引擎與強大的數(shù)據(jù)分析能力為企業(yè)智能化業(yè)務、財務處理提供數(shù)智化便捷服務的新型財務系統(tǒng)（陳云燕，2024）。本文立足新一輪技術革命與產(chǎn)業(yè)變革的時代特征，對大語言模型下智慧財務共享中心的構建進行全面、前瞻與深入的討論，旨在為推動財務數(shù)智化轉型提供有益參考，這也預示著企業(yè)發(fā)展逐漸朝著以生成式人工智能為基底的智能化方向邁進。因此，立足財務共享中心多個環(huán)節(jié)，討論大語言模型下智慧財務共享中心的構建路徑與方式，可為企業(yè)數(shù)智化財務發(fā)展與業(yè)務流程優(yōu)化提供有益參考。

二、大語言模型的特征及其對企業(yè)財務工作的影響

1.大語言模型的特征。近年來，大語言模型技術的進步，為我國企業(yè)在人工智能領域的技術研發(fā)與應用落地開拓了巨大空間。相較于其他數(shù)字技術而言，大語言模型的優(yōu)勢特征體現(xiàn)在如下幾個方面：

（1）大規(guī)模參數(shù)。2O18年，BERT（BidirectionalEn-coderRepresentationsfromTransformers）模型發(fā)布，正式開啟預訓練語言模型新紀元。在BERT時代，1B參數(shù)量（1B參數(shù)量 2GB）被認為屬于非常大的參數(shù)規(guī)模。然而，在大語言模型時代，現(xiàn)存GPT深度學習模型的參數(shù)量已高達175B，BLOOM（開源的大語言模型）擁有176B參數(shù)量，PaLM（多模態(tài)模型）擁有540B參數(shù)量。這也意味著，大語言模型作為處理自然語言任務的一類新模型，能夠通過大量參數(shù)學習與模仿人類語言復雜性，捕捉語言中的長距離依賴關系，存儲與處理海量信息，表現(xiàn)出非常出色的處理能力。

（2）深度學習架構。作為自然語言處理領域的核心技術，大語言模型是基于深度學習架構的語言模型，能夠自動理解與學習語言規(guī)律及生成文本模型。其中，深度學習架構是大語言模型形成和發(fā)展的重要特征，主要包括Transformer架構、智能對話系統(tǒng)、預訓練與微調(diào)（Pre一trainingamp;Fine-tuning）等內(nèi)容。一是Transformer架構。這一架構能借助大規(guī)模語料庫展開預訓練，挖掘與了解語言的規(guī)律與模式，具備較強大的語言生成能力。例如，OpenAI公司推出的GPT系列模型就以Transformer架構為底座，在訓練過程中能夠自動學習語言語境與結構，繼而生成高質(zhì)量的連貫文本。二是智能對話系統(tǒng)。該系統(tǒng)不僅具備自然語言理解能力，而且可根據(jù)語言語境自動生成文本。大語言模型可通過引人智能對話系統(tǒng)將預訓練語言模型結構與智能對話系統(tǒng)進行有機結合，確保智能對話更自然地理解用戶意圖，并按照自然語言規(guī)律展開交互。三是預訓練與微調(diào)。大語言模型可通過Pre一training捕獲文本語料庫中的數(shù)據(jù)知識及使用大規(guī)模數(shù)據(jù)集進行初始訓練，并利用Fine-tuning對語言模型展開個性化調(diào)整，確保智能對話系統(tǒng)更符合與適應特定場景需求，繼而提供更多個性化、專業(yè)化服務。

（3）多任務學習。大語言模型不局限于單一任務，能夠處理多種語言任務，具有良好的任務適應性，也即多任務學習特征。多任務學習是指大語言模型能夠同時學習多個相關任務的方法，重點通過共享底層網(wǎng)絡增強大語言模型在不同任務上的適應性。多任務學習能夠將多個任務視作一個聯(lián)合學習的過程，確保大語言模型在不同任務上具備更優(yōu)秀的表現(xiàn)。

（4）計算資源需求。大語言模型在訓練與運行過程中需要大量計算資源，即需要使用圖形處理器（GPU）或張量處理器（TPU）等高性能計算設備開發(fā)大語言模型。主要包括處理器、存儲器、網(wǎng)絡附加存儲、網(wǎng)絡帶寬、云計算等技術，以獲得高性能計算資源及營造良好的計算環(huán)境。

2.大語言模型對企業(yè)財務工作的影響。

（1）智能辦公。在新一輪信息技術革命演進背景下，傳統(tǒng)財務共享中心已無法適應企業(yè)財務數(shù)智化轉型的要求（李聞一，2023），但在優(yōu)化與重新設計流程過程中仍面臨諸多困難。而大語言模型具備較強智能創(chuàng)作能力，能夠根據(jù)企業(yè)財務數(shù)據(jù)及通過聊天交互等方式（白龍，2025），協(xié)助財務人員生成年報摘要、財務分析報告、可視化圖表等，升級改善財務工作流程。基于大語言模型的智能財務辦公模式為財務人員提供了巨大便利，大幅提升了財務工作質(zhì)效，主要表現(xiàn)為如下幾個方面：一是生成年報摘要。大語言模型可被訓練用于自動提取與整合大量財務數(shù)據(jù)，如借助OCR（光學字符識別）技術對企業(yè)原始財務數(shù)據(jù)進行處理，生成后續(xù)分析所需干凈、結構化的基礎數(shù)據(jù)。隨后，依托企業(yè)年度發(fā)展任務背景生成年報總結中與財務相關的核心內(nèi)容，并以此輸出年報摘要。二是生成財務分析報告。基于深度學習架構，大語言模型能夠根據(jù)企業(yè)財務部門預設規(guī)則與模板自動生成財務報表（金源和李成智，2024），并利用智能算法深度挖掘財務數(shù)據(jù)中隱藏的規(guī)律與關聯(lián)關系，進一步提升財務分析報告的客觀性與實用性。三是生成可視化圖表。在形成文字版的財務分析報告后，大語言模型可通過自然語言處理與數(shù)據(jù)可視化技術設計合適的可視化圖表，并選擇諸如Matplotlib、Plotly等可視化工具進行數(shù)據(jù)圖表繪制，從而輔助企業(yè)識別財務數(shù)據(jù)規(guī)律與未來走勢，為企業(yè)的財務調(diào)整提供更優(yōu)的方案。

（2）智能風控。在數(shù)字化背景下，傳統(tǒng)財務共享中心在處理大量財務數(shù)據(jù)與商業(yè)機密（陳云燕，2024）時易受到網(wǎng)絡攻擊與數(shù)據(jù)泄露威脅，導致敏感信息外泄。大語言模型可通過財務分析識別與預警系統(tǒng)，輔助企業(yè)減少人為疏漏，提升風控效率（李聞一，2023）。其應用價值主要體現(xiàn)在三個方面：第一，快速識別異常風險。依托海量參數(shù)的數(shù)據(jù)預訓練能力，大語言模型可高效處理企業(yè)財務結構化與非結構化數(shù)據(jù)，自動生成分析報表并標記異常指標，顯著減少人工核算錯誤。第二，優(yōu)化風險評估體系。基于歷史財務數(shù)據(jù)，大語言模型能夠深度挖掘潛在風險因子，動態(tài)調(diào)整評估參數(shù)，為企業(yè)提供預防性措施建議，從源頭上降低經(jīng)營損失概率。第三，強化合規(guī)監(jiān)管。通過解析財稅政策與工作流程文本，大語言模型可自動校驗業(yè)務流程合規(guī)性，輔助財務人員解讀復雜條款。同時實時監(jiān)控財務動態(tài)，精準捕捉異常交易并預警，幫助企業(yè)及時消除安全隱患，適配多元業(yè)務場景的需求。通過智能化數(shù)據(jù)處理與風險預判，構建起貫穿風險識別、評估、防控的全鏈條風控體系，為財務安全提供核心保障。

（3）科學決策。新一代技術工具的深度應用，要求財務共享中心向數(shù)智化新階段邁進（許漢友等，2022）。大語言模型憑借深度語義理解能力，可整合跨部門業(yè)財數(shù)據(jù)，實現(xiàn)自動化處理并生成復雜決策方案，加速數(shù)智化升級。首先，增強決策解釋性。大語言模型在輸出分類結果時同步提供解釋，結合問題模板驗證信息真?zhèn)危嵘龥Q策透明度與準確性。其次，構建智慧化知識體系。通過多任務學習與預訓練技術，大語言模型快速解析海量業(yè)財數(shù)據(jù)，生成企業(yè)專屬的安全型多模態(tài)知識圖譜，強化財務推理能力。最后，深化數(shù)據(jù)驅動決策。基于機器學習與數(shù)據(jù)挖掘技術，大語言模型實時處理多源信息，輔助財務人員聚焦核心數(shù)據(jù)，提高資源配置效率。大語言模型通過人機交互優(yōu)化、知識提煉與實時分析，推動財務共享中心實現(xiàn)跨系統(tǒng)融合，形成數(shù)據(jù)驅動的科學決策閉環(huán)。

三、大語言模型下智慧財務共享中心框架構建

在大語言模型的支持下，智慧財務共享中心是各要素互促互融互支撐形成的一個有機整體（見圖1），主要包括五個構成要素。

1.數(shù)據(jù)挖掘與整合。數(shù)據(jù)挖掘與整合是構建智慧財務共享中心的前提，既保證了大語言模型能夠學到更真實、準確的語言規(guī)律與知識，也是支持智慧財務共享中心持續(xù)運轉的中堅力量。隨著企業(yè)業(yè)務規(guī)模的擴大與數(shù)據(jù)信息量的快速增加，大語言模型支持下的數(shù)據(jù)中臺技術不僅能夠開展精細化數(shù)據(jù)治理，而且可有效解決異構系統(tǒng)、數(shù)據(jù)孤島、標準不一致等痛點、難點。通過數(shù)據(jù)接入、數(shù)據(jù)分析與標注、模型訓練、多輪對話等方式實現(xiàn)對話式數(shù)據(jù)分析，從而打破企業(yè)內(nèi)部各部門間的信息孤島，準確檢索到相關原始數(shù)據(jù)與指標信息，在提高檢索效率的同時促使不同系統(tǒng)信息實現(xiàn)有機組合，有效打破部門間的數(shù)據(jù)壁壘，從而提供更全面、系統(tǒng)的數(shù)據(jù)視圖。

大語言模型可被訓練用于自動提取、挖掘與整合大量財務數(shù)據(jù)，并通過強大的自然語言處理能力迅速從海量財務信息中篩選出有價值的數(shù)據(jù)，提高智慧財務共享中心的數(shù)據(jù)處理能力，重塑數(shù)據(jù)決策與業(yè)務流程，實現(xiàn)業(yè)財數(shù)據(jù)共享與交互，輔助企業(yè)構建端對端共享流程，推動形成相關數(shù)據(jù)埋點與沉淀，為搭建財務共享中心夯實數(shù)據(jù)基礎。

2.機器學習與深度學習。機器學習與深度學習是智慧財務共享中心的核心與動力，能夠對海量財務文本數(shù)據(jù)進行學習與訓練，以及處理高度復雜的語言任務，提供更深層次的語言理解，從而提取有價值的洞察與趨勢，助力企業(yè)開展智能化財務決策。

大語言模型能夠提供問答、歸因、預警、洞察、簡報與可視化、社交化等技術支持，輔助智能化財務共享中心實現(xiàn)高速數(shù)據(jù)查詢、垂直業(yè)務知識圖譜生成、數(shù)據(jù)權限控制等多功能集成，為企業(yè)科學決策提供數(shù)智化、可視化解決方案。

3.智能工作臺。智能工作臺是智慧財務共享中心的處理系統(tǒng)，可有效保證信息的傳遞與不同業(yè)務間的銜接處理，并根據(jù)企業(yè)財務數(shù)智化轉型需求提供個性化、專業(yè)化解決方案。并且，智能工作臺具備對話式分析、智能移動、預測分析、數(shù)據(jù)可視化等智能BI能力，能夠形成財務人員所需的各類報告，支持業(yè)務推進與戰(zhàn)略決策，共同構成一個全方位賦能企業(yè)財務數(shù)智化運營的強力引擎，促進財務綜合服務能力全面提升。

4.人機交互通道。人機交互是支持智慧財務共享中心持續(xù)運行的中間引擎。大語言模型可與專業(yè)財務工作人員、財務數(shù)智化系統(tǒng)展開緊密合作，共同完成數(shù)據(jù)分析、戰(zhàn)略決策、問題解決等各環(huán)節(jié)任務，為財務人員提供個性化財務培訓與知識服務。同時，人機交互能夠不斷學習與優(yōu)化自身算法與算力，更加自然與智能地了解人類語言，驅使業(yè)務流程自動化，提高數(shù)據(jù)處理效率與流程透明度。

5.模型安全管控。模型安全管控是智慧財務共享中心健康運行的重要保證，能夠強化網(wǎng)絡安全防御與實時監(jiān)測異常網(wǎng)絡攻擊行為，避免財務數(shù)據(jù)被泄露與出現(xiàn)財務安全漏洞，提高客戶對智慧財務共享中心的信任度。相較于其他技術而言，大語言模型可以處理海量財務數(shù)據(jù)，能夠迅速識別關鍵信息及揭示隱藏模式，生成有價值的財務洞察，降低財務數(shù)據(jù)中的隱蔽性風險，為財務活動有序開展提供準確、即時的數(shù)據(jù)支持。通過對企業(yè)財務狀況與市場環(huán)境的實時監(jiān)控，大語言模型能夠深挖潛在的財務風險，并給出針對性建議與預警方案，保證企業(yè)科學、合理地進行風險管理與業(yè)務決策，提高風險管控能力，助力智慧財務共享中心構建。

四、智慧財務共享中心流程優(yōu)化

1.流程持續(xù)性改進—助力財務共享更有序。大語言模型下，企業(yè)智慧財務共享中心在構建及應用后，其各項流程開展需要在實踐中不斷優(yōu)化與改進。

（1）財務報告需求明確。財務報告需求明確是智慧財務共享中心運轉的開始，也是指導后續(xù)流程優(yōu)化的行動指南。具體而言，企業(yè)可利用歷史財務數(shù)據(jù)對大語言模型進行訓練，生成明確的財務報告需求，并以此與大語言模型展開交互，通過多輪對話完善需求內(nèi)容，最終完成需求的編制工作。

（2）流程自動化。在對財務共享中心流程進行優(yōu)化完善時，企業(yè)需結合自身發(fā)展實際，對內(nèi)部流程、業(yè)務等內(nèi)容展開深度分析，以此不斷優(yōu)化企業(yè)財務管理流程。在此過程中，企業(yè)應秉持著提高財務工作效率與促進業(yè)務流程自動化等基本原則，充分利用大語言模型技術優(yōu)化財務工作流程，減少或刪除不產(chǎn)生價值的環(huán)節(jié)，以確保智慧財務共享中心能夠高效運行。

（3）組織形態(tài)演進。智慧財務共享中心的構建有助于推動形成扁平化的管理模式，并依托大語言模型作業(yè)模式賦能共享中心基礎工作在原業(yè)務單位開展的同時，亦能實現(xiàn)專業(yè)化分工與規(guī)模效應。為進一步實現(xiàn)組織\"無人化”，企業(yè)應借助大語言模型提供的智能收單柜、數(shù)字員工等一系列智能化工具，實現(xiàn)全方位自動化校驗與審核，提高財務工作效率，加強企業(yè)內(nèi)控管理，助力財務工作向價值創(chuàng)造轉型。與此同時，智慧財務共享中心有效運行的關鍵在于明確風險識別范圍與目標，如潛在風險點、風險出現(xiàn)的概率等因素。對此，企業(yè)應借助大語言模型收集海量內(nèi)部數(shù)據(jù)、行業(yè)標準、市場變化等相關信息，并利用深度學習模型、人機協(xié)同等方式對安全風險進行評估，識別出財務管理、業(yè)務流程等環(huán)節(jié)中與智慧財務共享中心相關的潛在風險。同時，企業(yè)需對每項風險進行深度剖析，確定風險成因及帶來的影響，以此建立針對性風險管控機制，并定期進行監(jiān)測及更新風險評估結果，以推動智慧財務共享中心有序運行。

（4）監(jiān)控與反饋。依托大語言模型，企業(yè)應設定智慧財務共享中心運行的監(jiān)控指標與標準，定期收集與分析相關業(yè)財數(shù)據(jù)，識別財務工作中的潛在風險，并以此調(diào)整優(yōu)化財務數(shù)智化轉型措施、制度與流程（見圖2），確保智慧財務共享中心各環(huán)節(jié)有序運行。

2.財務工作效率提升路徑——促進財務共享更高效。

（1）信息技術整合。企業(yè)在日常工作及項目實施過程中會接觸大量基礎數(shù)據(jù)，這就要求財務部門及時篩選、處理相關數(shù)據(jù)，并借助大語言模型進行深層次分析和處理，以保證企業(yè)正常運轉。這一階段，企業(yè)需對不同財務項目、下屬企業(yè)間的子系統(tǒng)進行整合，確保智慧財務共享中心高效運轉。在此基礎上，統(tǒng)一不同系統(tǒng)間的數(shù)據(jù)口徑，并利用大語言模型對數(shù)據(jù)錄入、處理、分析及輸出等不同環(huán)節(jié)進行嚴格把控與合理優(yōu)化，以此建立安全信息數(shù)據(jù)庫，實現(xiàn)業(yè)務與財務系統(tǒng)一體化融合，助力智慧財務共享中心不斷優(yōu)化。

（2）數(shù)據(jù)報告采集。首先，企業(yè)應借助RPA+AI、SQL、大語言模型等技術設計合適的數(shù)據(jù)架構與模型，選擇使用數(shù)據(jù)采集平臺與工具，在滿足智慧財務共享中心構建需求的同時確保數(shù)據(jù)可擴展性。其次，利用大語言模型對數(shù)據(jù)進行預處理，提高數(shù)據(jù)質(zhì)量，以便對大語言模型進行有效訓練。最后，對于標準化數(shù)據(jù)進行統(tǒng)一存儲與調(diào)用，即將各類型數(shù)據(jù)按照屬性特征分別放入MySQL與HBase當中，并采取相應措施保護數(shù)據(jù)科學性，制定數(shù)據(jù)訪問權限、隱私保護等標準，以持續(xù)優(yōu)化智慧財務共享中心功能與服務。

（3）財務報告分析與審核修正。在完成數(shù)據(jù)收集及智能財務報告編制工作后，財務人員需利用大語言模型檢查報告生成存在的模型誤差，即檢查報告的合規(guī)性。同時，借助大語言模型巨大的參數(shù)量與高效文本生成能力，輔助財務報告審核人員校驗報告數(shù)據(jù)的邏輯連貫性，提高財務報告的專業(yè)性。

（4）數(shù)據(jù)質(zhì)量與會計信息可靠性。考慮到新技術背后可能隱藏著諸多風險與漏洞，借助大語言模型進一步對智慧財務共享中心的數(shù)據(jù)質(zhì)量與會計信息可靠性展開細致分析，對歷史數(shù)據(jù)中的不合規(guī)數(shù)據(jù)進行定期清洗，并同步校驗生成財務報告中的數(shù)據(jù)，以及實時更新訓練數(shù)據(jù)集，確保財務報告可靠并符合最新規(guī)則，提升財務工作效率（見圖3）。

3.大語言模型應用創(chuàng)新機制—驅使財務共享更可靠。隨著會計準則與法規(guī)變化漸趨頻繁，在使用大語言模型時，智慧財務共享中心需及時了解最新會計準則與法規(guī)，并使用大規(guī)模數(shù)據(jù)集對大語言模型展開無監(jiān)督的預訓練。在大語言模型輸出結果后，財務人員需進行審核，并對生成內(nèi)容進行持續(xù)性微調(diào)及優(yōu)化模型參數(shù)，以提升大語言模型的泛化能力與可靠性，優(yōu)化大語言模型應用創(chuàng)新機制（見圖4），在保證訓練數(shù)據(jù)準確性的同時驅使智慧財務共享中心有序運轉。

五、智慧財務共享中心的運行場景

大語言模型能夠全面了解企業(yè)需求及相關特征，強化智慧財務共享中心的對話能力，為企業(yè)提供多元化數(shù)智服務，確保企業(yè)隨時獲得所需數(shù)智化支持，解決企業(yè)財務、業(yè)務運營中存在的諸多問題。

1.大語言模型 + 客服。將大語言模型應用于智慧財務共享中心之后，客服機器人不再只是簡單回復企業(yè)存在的問題，而是能夠根據(jù)業(yè)務需求理解財務人員提出的財務問題。一方面，基于大語言模型的客服機器人能夠通過自然語言理解技術自動化解答企業(yè)相關業(yè)務問題，為財務人員提供高效服務；另一方面，客服機器人能夠實現(xiàn) 7×24 小時自動化處理反饋與投訴，自動化推送相關財務信息，幫助財務人員實時了解業(yè)務處理情況。

2.大語言模型 + 咨詢。智慧財務共享中心應用到大語言模型咨詢服務的場景包括：第一，大語言模型 + 咨詢能夠全天候不間斷響應財務人員所提問題，輔助其通過“詢問\"方式找到合適的解釋，提高業(yè)務響應速度；第二，大語言模型 + 咨詢可根據(jù)不同財務人員的需求生成差異化響應，在創(chuàng)造個性化體驗的同時確保財務人員所提問題得到智慧財務共享中心的重視；第三，大語言模型 + 咨詢能夠借助自然語言處理技術識別財務人員的反饋，并自動化處理相關業(yè)務，提高智慧財務共享中心的客戶滿意度。

3.大語言模型 + 交互。基于大語言模型的智慧財務共享中心能夠幫助財務人員完成復雜的會計工作，形成更加高效且智能的工作方式。大語言模型 + 交互能夠通過不斷優(yōu)化自身算法、算力等方式提高數(shù)據(jù)處理效率，從而更自然與更智能地理解人類語言，實現(xiàn)智慧財務共享中心業(yè)務流程的自動化，提高財務工作透明度。

4.大語言模型 + 培訓。基于大語言模型的自然語言理解能力與深度學習架構，智慧財務共享中心能夠生成培訓知識庫，為財務人員提供專業(yè)化財務培訓，提高其財務素養(yǎng)與工作質(zhì)效。具體地，大語言模型 + 培訓可隨時隨地提供學習與培訓環(huán)境，并根據(jù)財務人員學習進度與反饋調(diào)整培訓內(nèi)容，提高培訓課程與資料的專業(yè)化程度，從而不斷豐富財務人員的財務知識與提升其技能水平。

5.大語言模型 + 合規(guī)。大語言模型能夠對智慧財務共享中心過往數(shù)據(jù)進行分析，從中識別財稅合規(guī)風險及提供風險預警建議，實現(xiàn)對企業(yè)財稅狀態(tài)的常態(tài)化監(jiān)管。大語言模型 + 合規(guī)能夠借助OCR、自然語言處理等技術審核財務數(shù)據(jù)，并對數(shù)據(jù)中的風險因素進行分析與智能化評判，在識別潛在風險的同時提供預警建議。進一步地，大語言模型 + 合規(guī)能夠向智慧財務共享中心反饋不合理數(shù)據(jù)，并重新對風險數(shù)據(jù)進行分析與輸出，直至結果合理。

6.大語言模型 + 洞察。大語言模型可憑借機器學習、自然語言處理等技術對大量財務數(shù)據(jù)進行模擬分析，并預測企業(yè)財務狀況的未來走勢，為智慧財務共享中心了解企業(yè)未來財務狀況提供有效參考與指導。其一，大語言模型 + 洞察可通過分析歷史財務數(shù)據(jù)預測企業(yè)未來銷售額、凈利潤等財務指標，以提供科學運營方案；其二，大語言模型 + 洞察可通過解析過往業(yè)財數(shù)據(jù)，助力智慧財務共享中心提供有價值的見解，輔助企業(yè)做出更明智的決策，從而不斷改善財務狀況。

六、智慧財務共享中心的運行保障措施

1.打造學習型人才隊伍。構建適配大語言模型的數(shù)字化人才梯隊是保障智慧財務共享中心高效運轉的核心。一是強化專業(yè)人才儲備。從招聘環(huán)節(jié)嚴控標準，優(yōu)先選拔兼具財務共享認知與大語言模型操作技能的復合型人才；建立常態(tài)化培訓機制，系統(tǒng)提升團隊對模型原理與應用的掌握水平，確保技術與業(yè)務深度適配。二是提供學習平臺。構建覆蓋模型開發(fā)、財務分析等領域的數(shù)字化學習平臺，支持員工按需提升技能；通過跨崗位協(xié)作交流促進知識共享，強化組織內(nèi)部協(xié)同能力，驅動財務共享價值升級。三是培養(yǎng)前端業(yè)務人才。定向培養(yǎng)熟悉業(yè)務流程與促進大語言模型落地的實戰(zhàn)型人才，將其嵌入一線場景，精準解決模型部署中的技術銜接問題，最大化釋放智慧財務系統(tǒng)的決策支持效能。通過分層培養(yǎng)與動態(tài)優(yōu)化，企業(yè)可形成“技能儲備—知識迭代一業(yè)務落地”的閉環(huán)人才體系，為大語言模型驅動財務智能化轉型提供可持續(xù)的人力支撐。

2.強化智能共享安全保障。面對財務數(shù)智化轉型的

現(xiàn)實需求，企業(yè)將大語言模型視作推進可持續(xù)發(fā)展的一種戰(zhàn)略性數(shù)字資源，并提早布局打造智慧財務共享中心。首先，加強頂層設計，制定大語言模型服務與發(fā)展規(guī)劃，加速制定合規(guī)標準與安全框架，建立研發(fā)、訓練到落地的全流程評測體系，確保模型研發(fā)合法高效。其次，政府、企業(yè)、研究機構之間建立協(xié)同合作機制，設立聯(lián)合實驗室，推動數(shù)據(jù)共享與協(xié)同研究；建立跨主體合作聯(lián)盟，完善風險管理規(guī)則，規(guī)范模型在財務場景中的應用邊界，防范數(shù)據(jù)泄露與倫理風險。最后，注重動態(tài)風險防控。構建治理標準，定期評估模型潛在的合規(guī)隱患，強化安全預判能力。通過“標準約束 + 技術防控\"雙軌機制，平衡創(chuàng)新與風險，賦能智慧財務共享中心的運行。

3.加快大語言模型科學部署。隨著人工智能技術的快速發(fā)展，大語言模型本地化部署成為企業(yè)實現(xiàn)智慧財務共享的關鍵。企業(yè)需通過科學部署推動技術與業(yè)務深度融合，降低研發(fā)成本并拓展數(shù)智化場景，鞏固垂直領域數(shù)據(jù)優(yōu)勢。首先，協(xié)同引入外部技術資源。企業(yè)應積極與人工智能企業(yè)開展合作，獲取模型部署指導，加速大語言模型在財務共享場景中的深度應用。同時，可選用Bloom、GLM等開源模型，在合規(guī)前提下適配財務規(guī)則，提升業(yè)務兼容性。其次，夯實技術與算力基礎。加強人工智能、大語言模型等技術與算力基礎設施布局，對標國際技術標準優(yōu)化模型訓練；聯(lián)合芯片、互聯(lián)網(wǎng)等上下游企業(yè)組建產(chǎn)業(yè)聯(lián)盟，推動多模態(tài)大語言模型與知識圖譜等技術融合，構筑產(chǎn)學研協(xié)同的研發(fā)生態(tài)。最后，聚焦場景化微調(diào)與創(chuàng)新。基于企業(yè)數(shù)據(jù)對選定模型進行微調(diào)，構建內(nèi)部知識庫；利用LangChain等框架開發(fā)定制化任務鏈，針對特殊業(yè)務流程挖掘新功能，拓展大語言模型應用場景，為智慧財務共享中心的運行創(chuàng)設良好的技術環(huán)境。

七、結語

財務數(shù)智化轉型已成為企業(yè)實現(xiàn)高質(zhì)量發(fā)展的重要手段。大語言模型背景下，企業(yè)智慧財務共享中心不僅能夠利用深度學習、機器學習、大規(guī)模數(shù)據(jù)集成等算法全面采集財務數(shù)據(jù)信息，推動業(yè)務流程重塑與財務管理體系創(chuàng)新，而且能夠充分挖掘數(shù)據(jù)價值，提升財務人員勝任能力，在輔助企業(yè)科學決策與戰(zhàn)略規(guī)劃有效落地的同時，賦能企業(yè)數(shù)智化轉型，助力企業(yè)達成價值增長目標并實現(xiàn)可持續(xù)發(fā)展。

【主要參考文獻】

萬鈞．基于大語言模型的審計知識應用研究［ J］．審計研究，2024（5）：38 ～ 44+74．

許雪晨．ChatGPT等大語言模型賦能數(shù)字時代金融業(yè)：基于隱私保護、算法歧視與系統(tǒng)風險［ J］．暨南學報（哲學社會科學版），2024（8）：108 ～ 122．

胡泳，劉純懿．大語言模型“數(shù)據(jù)為王”：訓練數(shù)據(jù)的價值、迷思與數(shù)字傳播的未來挑戰(zhàn)［ J］．西北師大學報（社會科學版），2024（3）：43 ～ 54．

陳云燕．基于智慧財務共享中心的數(shù)字化內(nèi)部控制研究——以太龍股份為例［ J］．財會通訊，2024（18）：148 ～ 153．

白龍．重返溝通的本質(zhì)：生成式人工智能的媒介哲學解讀［ J］．學習與實踐，2025（1）：131 ～ 140．

金源，李成智．AI大模型的財務能力測評與啟示——基于CPA考試的ChatGPT與國產(chǎn)大模型實測［ J］．財會月刊，2024（18）：44 ～ 51．

李聞一．財務共享服務中心的大語言模型應用探究［ J］．會計之友，2023（15）：2 ～ 10．

（責任編輯·校對： 許春玲" 劉鈺瑩）