21世紀(jì)經(jīng)濟(jì)報(bào)道記者  陳植  上海報(bào)道

AI大模型技術(shù)的興起，將給企業(yè)財(cái)務(wù)管理“數(shù)智化”進(jìn)程帶來多大的新沖擊，備受業(yè)界關(guān)注。

上海國家會計(jì)學(xué)院院長盧文彬在2024世界人工智能大會智能財(cái)務(wù)論壇期間表示，以大語言模型為代表的新一代人工智能技術(shù)，又進(jìn)一步打開人們對財(cái)務(wù)管理變革的想象空間。財(cái)務(wù)管理作為企業(yè)管理的核心環(huán)節(jié)，正在經(jīng)歷一場前所未有的智能化和數(shù)字化轉(zhuǎn)型。

匯付天下董事長兼CEO周曄向記者指出，隨著AI大模型與企業(yè)財(cái)務(wù)管理的日益融合，可以暢想的是，未來的財(cái)務(wù)管理“數(shù)智化”將是一個(gè)一個(gè)智能體連接的世界，快速將軟件替代。與此同時(shí)，RAG（檢索增強(qiáng)生成）將轉(zhuǎn)變到Agent（智能體），所有的企業(yè)財(cái)務(wù)管理流程都可以自動編排，從而實(shí)現(xiàn)“超級自動化”。在這種趨勢下，企業(yè)財(cái)務(wù)管理從復(fù)式記賬到財(cái)務(wù)自動化，是可以預(yù)期的過程。

記者多方了解到，越來越多大型企業(yè)已開始將AI大模型技術(shù)應(yīng)用在企業(yè)財(cái)務(wù)管理數(shù)智化構(gòu)架搭建層面。

一位央企總會計(jì)師向記者透露，近期，企業(yè)探索通過AI大模型技術(shù)生成“決算財(cái)務(wù)情況說明書”——通過搭建財(cái)務(wù)資料知識庫等方式，初步實(shí)現(xiàn)相關(guān)報(bào)告自動生成。但是，就AI生成結(jié)果而言，數(shù)據(jù)出錯(cuò)、內(nèi)容偏差等問題依然普遍存在，暫時(shí)無法將AI大模型技術(shù)應(yīng)用在實(shí)際工作。

他向記者舉例說，就財(cái)務(wù)報(bào)告AI生成驗(yàn)證測試而言，企業(yè)主要遇到“查詢結(jié)果為空（由于生成SQL無法執(zhí)行或查詢出錯(cuò)導(dǎo)致數(shù)據(jù)為NuLL）”、“數(shù)據(jù)格式不正確”、“分析內(nèi)容偏差較大（只能基于通用財(cái)務(wù)分析方向進(jìn)行提示，無法準(zhǔn)確定性原因）”等問題。

金蝶集團(tuán)董事會主席兼CEO徐少春指出，歷經(jīng)30多年發(fā)展，企業(yè)會計(jì)財(cái)務(wù)已經(jīng)歷會計(jì)電算化、會計(jì)信息化、財(cái)務(wù)云化，財(cái)務(wù)智能化等多個(gè)階段。其中，智能財(cái)務(wù)時(shí)代最令人興奮。因?yàn)锳I大模型技術(shù)的發(fā)展，正給企業(yè)財(cái)務(wù)管理框架及內(nèi)容帶來巨大的影響與變化。比如財(cái)務(wù)管理價(jià)值模型從陀螺型向沙漏型轉(zhuǎn)變，財(cái)務(wù)人員在計(jì)劃與控制領(lǐng)域從依賴經(jīng)驗(yàn)預(yù)測轉(zhuǎn)向精準(zhǔn)預(yù)測，企業(yè)經(jīng)營決策從財(cái)務(wù)數(shù)據(jù)專享轉(zhuǎn)向財(cái)務(wù)信息普惠與財(cái)務(wù)信息賦能等。但是，AI大模型技術(shù)要助力企業(yè)財(cái)務(wù)管理智能化程度“更上一層樓”，仍需邁過多重挑戰(zhàn)。

中國石油化工集團(tuán)有限公司總會計(jì)師張少峰指出，通過一段時(shí)間實(shí)踐，他們發(fā)現(xiàn)AI大模型技術(shù)在推動企業(yè)財(cái)務(wù)管理數(shù)智化轉(zhuǎn)型方面，仍需解決五大問題，分別是理論構(gòu)建、大模型應(yīng)用職責(zé)邊界設(shè)定、數(shù)據(jù)治理、技術(shù)匹配、人才培養(yǎng)。

 大模型推動財(cái)務(wù)管理數(shù)智化業(yè)態(tài)巨大變革

周曄告訴記者，在企業(yè)財(cái)務(wù)數(shù)字化時(shí)代，企業(yè)財(cái)務(wù)管理主要通過云端的眾多軟件微服務(wù)進(jìn)行協(xié)同工作，令他一度相信“未來的企業(yè)財(cái)務(wù)管理是軟件的世界”。

“今年起，我突然發(fā)現(xiàn)AI大模型也開始做一些嚴(yán)肅的事情，例如RAG（檢索增強(qiáng)生成）技術(shù)從回答事實(shí)性問題，升級為通過LLM（多模態(tài)大模型）任務(wù)規(guī)劃與工具使用能力，擴(kuò)展為RAG引擎與工具；基于LLM Agent（智能體）構(gòu)建Agentic RAG，完成更多對于多文檔、多類型的知識類任務(wù)；AI Agent開始可以自決策，調(diào)用不同任務(wù)的API以及知識，生成企業(yè)需要的結(jié)果，最終實(shí)現(xiàn)財(cái)務(wù)管理超級自動化等?！彼蛴浾咧赋?。這令他突然意識到，在不遠(yuǎn)的將來，如果RAG實(shí)現(xiàn)向Agent的轉(zhuǎn)變，所有的財(cái)務(wù)管理流程都可以自動編排，令整個(gè)企業(yè)財(cái)務(wù)管理從復(fù)式記賬轉(zhuǎn)向財(cái)務(wù)管理超級自動化。

“這意味著企業(yè)財(cái)富管理數(shù)智化也迎來新的巨大變革?！敝軙现赋?。比如在財(cái)務(wù)對賬環(huán)節(jié)，以往企業(yè)財(cái)務(wù)人員廣泛使用數(shù)據(jù)連接器解決對賬工作，如今通過基于AI大模型的Agentic RAG，企業(yè)不同渠道的營收、供應(yīng)鏈?zhǔn)崭犊疃伎赡芡耆ㄟ^大模型自動化處理與數(shù)據(jù)對齊，在秒級時(shí)間內(nèi)自動生成對賬憑證。

金蝶集團(tuán)董事會主席兼CEO徐少春對此感同身受。

他透露，現(xiàn)代企業(yè)的財(cái)務(wù)管理框架，主要分成三個(gè)體系，一是支撐體系，主要涵蓋數(shù)據(jù)、流程和協(xié)同，以及組織、人才、文化和領(lǐng)導(dǎo)力；二是記錄體系，主要負(fù)責(zé)財(cái)務(wù)核算與運(yùn)營；三是“作戰(zhàn)體系”，包括企業(yè)財(cái)務(wù)計(jì)劃與控制、管理信息、外部報(bào)告、專家服務(wù)等。這三大財(cái)務(wù)管理體系的最終目的是提升價(jià)值創(chuàng)造能力，隨著AI大模型與財(cái)務(wù)管理體系的日益融合，它給后者正帶來多重巨大變革。

一是財(cái)務(wù)管理價(jià)值模型從陀螺型向沙漏型轉(zhuǎn)變。具體而言，處于陀螺模型中間位置的財(cái)務(wù)核算及運(yùn)營，已被大模型等人工智能技術(shù)替代，導(dǎo)致企業(yè)會計(jì)人員的崗位與職責(zé)發(fā)生改變。沙漏模型的出現(xiàn)，意味著“兩頭大中間小”，即企業(yè)的“作戰(zhàn)體系”與“支撐體系”日益強(qiáng)大，給企業(yè)創(chuàng)造的整體價(jià)值越高。

二是從經(jīng)驗(yàn)預(yù)測到AI精準(zhǔn)預(yù)測。未來，AI大模型將令企業(yè)財(cái)務(wù)人員在財(cái)務(wù)計(jì)劃控制方面，從依賴經(jīng)驗(yàn)預(yù)測轉(zhuǎn)向精準(zhǔn)預(yù)測。前者就好比傳統(tǒng)的沙盤模擬預(yù)測，但受數(shù)據(jù)和經(jīng)驗(yàn)的限制，難以應(yīng)對日益復(fù)雜的商業(yè)環(huán)境。但在AI時(shí)代，企業(yè)財(cái)務(wù)管理預(yù)測更像是“兵棋推演”，通過整合大數(shù)據(jù)相關(guān)性分析與深度學(xué)習(xí)等AI科技，在收入預(yù)測、成本預(yù)測、利潤預(yù)測、風(fēng)險(xiǎn)預(yù)測方面變得更精準(zhǔn)，且可以快速適應(yīng)不同的商業(yè)環(huán)境變化與業(yè)務(wù)發(fā)展新需要。

三是從數(shù)據(jù)專享轉(zhuǎn)向信息普惠和信息賦能。可以預(yù)見的是，未來AI大模型在洞察分析與管理報(bào)告方面發(fā)揮越來越大的作用，企業(yè)管理者與員工不需要再通過財(cái)務(wù)專員獲取信息，而是直接借助AI助手與信息賦能，進(jìn)行自助式、探索式的財(cái)務(wù)分析和經(jīng)營決策。

周曄指出，要讓AI大模型推動企業(yè)財(cái)務(wù)管理數(shù)智化“更上一層樓”，仍需循序漸進(jìn)。目前匯付天下從輕量級小規(guī)模LMM（多模態(tài)大模型）入手，實(shí)現(xiàn)知識庫文檔查詢、個(gè)人報(bào)銷查詢、對公付款查詢等功能，未來逐步立足更多場景，實(shí)現(xiàn)更大范疇的財(cái)務(wù)數(shù)據(jù)查詢以推動財(cái)務(wù)管理超級自動化進(jìn)程。

大模型融入財(cái)務(wù)管理數(shù)智化的五大挑戰(zhàn)

值得注意的是，越來越多大型企業(yè)開始嘗試將AI大模型融入企業(yè)財(cái)務(wù)管理，推動企業(yè)財(cái)務(wù)管理數(shù)智化步伐加快。

張少峰表示，企業(yè)財(cái)務(wù)管理數(shù)智化的根本目標(biāo)，是通過人工智能技術(shù)的應(yīng)用，提高工作效率和質(zhì)量。

“我們認(rèn)為，通過人工智能技術(shù)應(yīng)用聚焦財(cái)務(wù)管理的功能性變革，可以提高工作質(zhì)量與效果，達(dá)到企業(yè)的支撐戰(zhàn)略、支持決策、服務(wù)業(yè)務(wù)、創(chuàng)造價(jià)值、防范風(fēng)險(xiǎn)等多重目標(biāo)?！彼赋觥Ｄ壳爸袊岢龌诓僮鲗?、數(shù)據(jù)層、智能的財(cái)務(wù)數(shù)智管理體系，創(chuàng)新建設(shè)辰光財(cái)務(wù)智能應(yīng)用平臺，實(shí)現(xiàn)智能應(yīng)用的集中管理、共享調(diào)用和遠(yuǎn)程投放，搭建企業(yè)級智能應(yīng)用生態(tài)，持續(xù)提煉和分享最佳財(cái)務(wù)管理實(shí)踐，推動企業(yè)財(cái)務(wù)管理水平整體提升。

在他看來，大模型等AI技術(shù)在企業(yè)財(cái)務(wù)管理數(shù)智化領(lǐng)域的應(yīng)用，與企業(yè)之間引入ERP軟件截然不同。之前引入ERP軟件，主要能跟隨以往的全球ERP管理最佳實(shí)踐進(jìn)行布局，如今將大模型技術(shù)應(yīng)用在企業(yè)財(cái)務(wù)管理諸多環(huán)節(jié)，則需要一邊嘗試一邊摸索最佳實(shí)踐方案。

多位大型企業(yè)財(cái)務(wù)人員向記者指出，AI大模型在企業(yè)財(cái)務(wù)管理數(shù)智化方面的應(yīng)用征途，將是“道阻且長”。在實(shí)際操作環(huán)節(jié)，AI自動生成的結(jié)論時(shí)常出現(xiàn)財(cái)務(wù)數(shù)據(jù)出錯(cuò)、內(nèi)容偏差較大等問題，甚至有些AI生成的財(cái)務(wù)數(shù)據(jù)竟然出現(xiàn)“計(jì)量單位差錯(cuò)”。

在他們看來，當(dāng)前AI大模型在企業(yè)財(cái)務(wù)管理數(shù)智化方面的應(yīng)用，仍需解決五大問題：

一是理論構(gòu)建，即AI大模型等人工智能屬于一項(xiàng)技術(shù)，要普及推廣需配套建立一套完善的科學(xué)理論支撐，在財(cái)務(wù)領(lǐng)域，它同樣需要創(chuàng)新一套可參考借鑒的管理方法，才能推動人工智能技術(shù)在企業(yè)財(cái)務(wù)管理領(lǐng)域的規(guī)?；⒏咝Щ瘧?yīng)用。

二是職責(zé)邊界。人工智能有效應(yīng)用的前提是多種類、大規(guī)模的數(shù)據(jù)。當(dāng)企業(yè)數(shù)據(jù)應(yīng)用不再劃分財(cái)務(wù)、業(yè)務(wù)、市場類型的情況下，財(cái)務(wù)管理的職責(zé)該如何界定，企業(yè)是否應(yīng)該建立統(tǒng)一的數(shù)據(jù)分析部門界定不同的數(shù)據(jù)使用權(quán)限，需要形成一個(gè)行業(yè)統(tǒng)一的共識。

三是數(shù)據(jù)治理。當(dāng)前財(cái)務(wù)數(shù)據(jù)都是企業(yè)按照會計(jì)準(zhǔn)則統(tǒng)計(jì)加工的數(shù)據(jù)，并非反映企業(yè)實(shí)際生產(chǎn)經(jīng)營的事項(xiàng)數(shù)據(jù)。但在數(shù)據(jù)分析領(lǐng)域，大數(shù)據(jù)分析需要的是刻畫管理場景特征的、顆粒度更細(xì)的事項(xiàng)數(shù)據(jù)，這將顛覆傳統(tǒng)會計(jì)的數(shù)據(jù)統(tǒng)計(jì)方式，需要解決各類數(shù)據(jù)的統(tǒng)計(jì)標(biāo)準(zhǔn)、統(tǒng)計(jì)方法以及融合規(guī)范等問題。

四是技術(shù)匹配。在財(cái)務(wù)、生產(chǎn)、法律等對企業(yè)經(jīng)營有重大影響的領(lǐng)域，數(shù)據(jù)可靠性和可解釋性是前提。如何解決人機(jī)在數(shù)據(jù)處理方面方法不一致問題，是當(dāng)前企業(yè)探索財(cái)務(wù)管理數(shù)智化所碰到的最大挑戰(zhàn)，比如大模型算法的不可解釋性與財(cái)務(wù)規(guī)則精確性之間的矛盾如何解決，專家系統(tǒng)對清晰知識規(guī)則的依賴，與隱形管理經(jīng)驗(yàn)難以提煉成規(guī)則的矛盾該如何解決，都需要找到相應(yīng)的技術(shù)匹配解決方案。

五是人才培養(yǎng)。企業(yè)數(shù)智化轉(zhuǎn)型的本質(zhì)是建立符合數(shù)智時(shí)代的數(shù)據(jù)全生命周期管理和應(yīng)用體系。傳統(tǒng)的財(cái)務(wù)專業(yè)人員難以適應(yīng)財(cái)務(wù)管理數(shù)智化轉(zhuǎn)型的要求，企業(yè)需要培養(yǎng)一批具備業(yè)財(cái)專業(yè)知識、精通數(shù)據(jù)分析、熟悉智能技術(shù)的通才。如何解決人才培養(yǎng)斷層問題，又是企業(yè)推動財(cái)務(wù)管理數(shù)智化急需解決的挑戰(zhàn)。