“超级会计师”：财务领域的人工智能势不可挡
来源：财会信报
点击排行榜随着人工智能的发展，财务被认为是未来最容易被人工智能取代的行业，那么我们财务人的发展方向在哪里呢？
一、什么是人工智能
人工智能（AI）之父约翰&麦卡锡将其定义为&制造智能化机器的相关科学和工程&。而另一个美国麻省理工学院的温斯顿教授认为：&人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。&我们日常接触的人工智能概念是指：研究人类智能活动的规律，构造能够完成以往人类智力才能胜任工作的智能系统。
二、很多泛财务工作将被人工智能取代
财务行业的工作方式和技术应用日新月异，从早期的手工核算到会计电算化，再到审计、会计和税务等工作中引入人工智能，每一次进步都会带来效率的提升和从业人员的优胜劣汰。现如今，Smacc技术已经能够自动完成核算过程中的很多内容，而&沃森（Watson）&认知计算也将被应用到审计服务中。
三、人工智能最可能取代的财务领域
从事审计、会计、税务基础类工作的财务人员会逐步减少，取而代之的是人工智能系统。以下领域将成为人工智能的主要应用范围：
1.财务核算与单据审批领域
Smacc技术能够在收到客户的报表后，将其转化为机器能够阅读的格式，并且对其进行加密然后分配账户。Smacc技术现在已经能自动完成整个会计核算的过程，会进行64位数据点核查对发票进行核验、检查并做到撰写财务报告。
2.审计基础工作
人工智能可以用于仔细研究合同和会计证据，而大数据能够分析比传统抽样更大的数据量，这样就能够从审计证据的收集与分析中节省大量的人力。2016年，毕马威（KPMG）宣布计划，拟将IBM的&沃森（Watson）&认知计算应用到其审计服务中。
3.税务申报与筹划
纳税申报的准备过程需要确保遵守相关法规，人工智能能够收录大量的税收法律法规、税务规章和规范性文件，并自动进行同步更新。2017年2月，H＆RBlock宣布与IBMWatson建立伙伴关系以重塑。IBMWatson可以梳理税务筹划所需的海量数据，了解所处背景、解释意图以及针对客户的税务报表和申报得出结论。
四、财务人的未来发展方向
其实人工智能并不能完全替代财务人员，但会逼着我们进行转型。随着人工智能与会计信息系统的不断结合，财务行业中广泛涉及分析、预测和统筹的领域才是财务人未来的发展方向。
1.管理型财务专家
财务永远都是企业的经济数据中心，而这些数据需要我们进行分析和预测，完全依靠计算机是无法实现的。人工智能做的都是前端数据的收集、清洗、初步分类，而最终结果的预测和结论认定仍然需要人工决策，而这个角色就是财务人的未来发展方向：管理型财务人。
2.风险控制专家
风险管理和逐渐成为现代企业管理中不可或缺的部分，当企业在发展到一定阶段之后，组织结构和经济活动都会非常复杂，企业整体风险控制管理是必须要做的事情。信息系统会为风险控制提供支持，但其中的人工控制和对自动化控制的监控都是需要熟悉企业财务与运营状况的人员来执行。
3.信息系统实施顾问
人工智能的应用离不开信息系统，而信息系统的实施就需要那些既懂财务又懂信息系统的人。这一趋势现在都已经非常明显，企业要实施信息化需要一些专业人员将他们的需求模式化，而在信息系统实施中又需要他们来辅导。
寄语：虽然人工智能能够取代部分机械性的财务工作，但是财务行业的从业者也不必过于担心，至少在现在的大环境下，者仍是必不可少的。当然，为了不被时代所淘汰，会计从业者要多学习，多实践，精益求精，做到人工智能所不能涉及到的人类智慧劳动。
欢迎大家到学习财务管理的实务课程。
预算季又到了，你准备好了吗？这里为你准备了，老板再也不用担心你的预算做不好了！
相关推荐：
本文是中华会计网校原创文章，转载请注明来自中华会计网校。
【】责任编辑：小海鸥
&&&&&&&&&&
实务课程分类Sina Visitor System随着人工智能的进步，财务工作者会大批失业吗？
随着人工智能的进步，财务工作者会大批失业吗？
知乎用户，努力保持好奇心
对人工智能不太了解，只能就自己的审计经验随便说一点，抛砖引玉吧。
十年前我还是个小实习生的时候，在项目上一个多礼拜，就干了一个活儿，叫发银行询证函。几百个银行账户，要一个一个手动填到 word 模板里去，金额、账号、地址，都不能错，给 senior 看过几遍，给客户盖过章，复印，然后一个一个手动塞进信封；收到回函以后，每一封都要手动编号、加注、核对、归档，然后填进 excel 表格……这是一个漫长又枯燥的过程。
来美帝工作以后发现这里有一个叫的东西，和几乎所有的大银行对接。只要点点鼠标，客户电子授权，询证函就发出去了，一两天之内就得到回复，一键生成 pdf 文档和 excel 表格。如果是现有客户，不需要重新输入银行账号，整个过程两个小时完事。
当然也不算完美，稍微复杂一点的譬如借款合同条款、金融衍生工具等等，都不能直接求证，仍需人力。另外，的另一端，究竟是人为在背后填写上传，还是直接对接银行系统，我也不清楚。不过，相信依然有很大提升空间。
除了发询证函，还有很多小朋友们干的活，若非已经，就是即将被程序性替代掉了。比如：
trial balance 到财务报表手动 mapping； 从 Trial balance 生成每个科目的底稿 在 excel 里面做的各种分析测试，什么账龄分析、周转率分析、固资折旧分析、利息费用合理性测算等等； 掌握了大数据分析以后更有针对性的抽样可以把样本缩小； 什么 three way match 这种比眼力的事情系统扫描一下凭据分分钟搞定 ……
大家都好讨厌的 checklist，是不是和审计系统 integrate 以后就直接可以生成了呢？ 如果底稿里的信息都有标签，那么是不是可以直接相互引用不用左边右边来回 reference 了呢？ 一个 accounting issue 大家讨论完得出结果以后 AI 直接按模板生成 Memo？ 一个公司的 trial balance 扔给 AI，取几个指标，不同方法下算重要性水平，然后大家看着做结论讨论一下选一个？选好了 AI 马上告诉你要审的科目，调出往年相应底稿，直接按今年数字填好；调出相应审计程序，告诉你下面要做 123 你去跟客户要资料吧。顺便 budget 也给你算了，根据往年的历史，你看下没问题就去跟客户报价吧。 ……
想想都觉得有点小激动呢。
那么问题来了，本来干这些事情的人都该干什么去呢？
PCAOB 说了，要好好加大内控审计的力度，你们一个个都去做深入的客户 interview 去，每个 control 都要问个清清楚楚明明白白，documentation 做详细点，可不能只是走形式了 PCAOB 还说了，这些 ERP 系统里出来的表格、数据，你们怎么知道他们就是可信的了，难道管理层没有在里面做手脚？每个都要给我详细验证、追本溯源、人工核查 每一个会计政策制定都要有 memo——我要的不是形式，是思考过程！辩证的思考过程！ 新准则不是出台了吗——收入确认，整个思维方式都变啦，全部重来！没有影响也要 document！租赁准则，完全不一样了，谁去把系统设置都改了呀 非常规交易——怎么解读合同、应该对应哪些准则，准则没说明白的怎么处理？恩，这要考虑的可不光是准则，还有企业自身的需要，同行也的习惯，准则制定者背后的用意，还有监管者这些年的风向，等等太多了。甚至，在合同签订前，就能根据不同合同条款的会计影响做出建议，AI 也许可以辅助，但做决策和沟通还是要靠人。 财务报表——话说 ERP 系统发展那么多年了，也没有哪个公司能光靠点鼠标就能生成一份财务报表。每个年终月尾，财务人员依旧忙到要死。各种调整、核对、人工 JE、披露哪些、怎么披露。。。审计也是一样啊，系统的部分可以靠系统，人工做的事情也要人工来审。 财务与系统的结合——讲真我觉得现在很多所谓的审计 team 和 IT 审计 team 是分开的。IT 审计做了什么，审计 team 一知半解，只求 IT team 告诉他们系统正常没有问题；而 IT 审计其实也不太清楚自己做的事情到底怎样影响审计 team。我个人觉得未来的趋势应该是每个搞审计的都懂 ERP 系统，懂怎么做系统测试、怎么读取背后的程序语言，不再是区分的两个 team。 更高级一点的：使用会计信息做出管理决策。 ……
以上只是我根据猜想举的几个例子。当然在不久的将来，科技发展迅猛超出想象，以上这些被 AI 替代也不是没有可能吧。
想起一个审计前辈跟我们讲过去的故事：想当年电子化还没有普及的时候，每个组都有成堆如山的文档。那时候底稿主要靠手写，大家上班背着各种文具。那时候只有拨号上网，全组只能一台电脑上网，专供合伙人用，其他人只能等着，轮流上个半小时，一天查一次邮件。今非昔比，现在的效率比以前高不知道多少倍了。只是，大家还是一样忙，也没少人啊反而多了。以前很多做不到的事情现在可以做了；从简单枯燥的工作中解放出来，大家都忙着思考做更多高深复杂的事情了。
所以我的结论是，不必太过担心这个行业的消失，但如果你的职责和能力仅限于一些机械重复的简单任务的话，应该考虑一下如何提升自身的能力了。
知乎用户，鸡汤学副教授/致力于毒鸡汤推广研究
答主现在就正在某家四大开发这个系统（使用 AI 来半自动化审计工作），这属于我的研究的项目之一。团队的主要成员是 Machine Learning，NLP，和 HCI 方向的研究人员，还有（半）义务帮我们提供 domain expertise（领域专家）的奥迪特们。因为利益相关和公司规定，只能给出大概的介绍。
我们的研发团队对于利用机器来替代大部分财务工作者的前景是表示乐观的，但是需要承认整个项目的推进节奏是缓慢的。我们的计划是逐步的、有条理的、在不让人产生太多抵触情绪的前提下逐步的实施。机器学习，计算机视觉和自然语言理解（生成）都在我们的项目中占有很重要的地位。比如，我们分析对话的情感波动来给出一段对话的置信度（对方是否有可能撒谎或者隐瞒了什么），又或者用 ananomly detection（异常检测）来初步检测是否某些账目看起来有严重的可疑情况。
像其他答案里面提到的那样，德记和 Kira System 有了合作，K 记也和 IBM 签了合同进行相关的探索，澳大利亚的 CA 们自己在逐步探索审计自动化 -- 他们开发了一个叫做 Kairos 的系统。这个系统在初期只是进行数据整合和文件管理，后期目标可能包括半自动化审计。
我们团队启动这个项目时有以下几个考量：
1. 从审计的角度，机器的信誉，可靠性，速度和准确度远大于人。
2. 其他的主要竞争者都在做。我们预测最晚开发出成熟系统的四大之一可能会在价格战中落败...接着被另外几家瓜分。小的事务所因为缺乏研发能力和资源而愈发处于劣势。
3. 虽然我们的 AI 方向研发实力逊于互联网公司，如 FLAG，但我们拥有第一手的审计数据，且会以垄断的模式获得更多的数据。这也是为什么我一个纯 CS 背景出身的人会觉得这是一件有意义的事情：毕竟数据为王的时代已经到来，参与颠覆一个行业的是很有意思的事情。
4. 得到了资深合伙人的资源支持。我们打算从公司内部发起一场小型革命:)
目前遇到的困难：
1. 虽然我们可以接触到第一手的数据，但历史数据大部分都是 unstructured（非结构化）数据。对于主流的机器学习模型来说，非结构化数据很难处理，我们会需要大量的时间来进行数据预处理。
2. 人为的困难（抵触）。大部分我们所接触到的，或者沟通过的奥迪特们，对于我们的项目都持有怀疑的态度，从评论区中也可以看到不少质疑的论调。大家都隐隐觉得似乎这个想法并不靠谱，在有限的上班时间内，除非老板直接指派，愿意花大量时间帮助我们明确实现目标的人并不太多。
3. 很难明确定义要完成的目标是什么。即使我们期待做出一个半自动化的审计模型，它的范围有多大，功能该包括什么，很多具体问题都还没有确定，也都还在不断的摸索当中。很大程度上取决于会计师们的反馈，也就上上面提到的第二点。
4. 技术难题。除了上面提到的数据结构化这种问题，我们还面临很多实际问题，如语义的精确理解，对话生成等。毕竟，审计中包含了很多交流，怎么顺畅的完成人机交互，也是一个难题。
5. 模型的可解释性。像很多人提到的，管理层和业界是否会相信我们的模型及结果，是一个很大问题。现阶段的机器学习的模型解释度普遍不高，工业界还是比较流行使用 Logistic Regression 或者 Tree-based Models（决策树为主的模型，包括 random forests）因为决策树或者回归模型的可解释性和可视化。
对于奥迪特们的启示：
1. 抓住审计过程中机器所不能替代的部分。机器所擅长的是数据整合，语义情感分析和生成报告。但对于审计过程中和客户的交互过程，我们还存在很大的困难...比如，如何像客户提出对的问题，并确定他们没有答非所问？
2. 主动成为这个变革的推动者...如果你们的公司内部也有类似的团队在做相关的研发，可以申请成为其中的 domain expert（领域专家）来提供你的专业意见，让生成的系统更加迎合你的习惯。不可避免，作为 CS 从业者，我们对于审计的过程和精髓并没有深入的理解，主要依靠公司奥迪特的反馈。这曾导致了我们做出的第一版雏形遭到了炮轰，因为没有抓住审计工作痛点，而仅仅显示了技术 NB。
3. 如果有可能的话，尽量选择大型的会计事务所。因为只有这些事务所才有数据和财力支撑 AI 方向的开发。如果在不久的未来，AI 驱动下的半自动化审计，哪怕只是半自动化，真的成为了商业标准，那么在价格战下小的会计事务所应该很快就会倒下。
我估计三年到五年的框架下，我们可以看到一个半自动化的审计模型，这可以大幅度降低审计工作的劳力。奥迪特们并不会（大规模）失业，但是一定需要成为能熟练操作半自动模型的人。说到底，只要抱着开放的心，选择迎接新技术，成为最能接受改变那一小部分人，是永远都不会失业的。英语学习专题
揭秘剩男们的六大经典单身理由;80后剩男成功追女法则..
烈日炎炎，热浪一波一波地袭来，汗水滴滴答答地流个不停，窗外的知了也在声声地叫着夏天..
寒冬过去了，春天杳然而至，万物复苏的时节，春天是充满希望的季节，蔚蓝的天空，美丽的花朵..
关注可可英语官方微信,每天将会向大家推送短小精悍的英语学习资料..
名著小说推荐
可可英语官方微信(微信号:ikekenet)
每天向大家推送短小精悍的英语学习资料.
添加方式1.扫描上方可可官方微信二维码。
添加方式2.搜索微信号ikekenet添加即可。