應(yīng)里孟 陽(yáng)杰

【摘要】在數(shù)據(jù)、算法和算力的推動(dòng)下， 人工智能（AI）借助其各階段發(fā)展起來(lái)的計(jì)算智能、分析智能、融合智能和自主智能， 創(chuàng)新發(fā)展了信息化會(huì)計(jì)、數(shù)字化會(huì)計(jì)、智能化會(huì)計(jì)和智慧化會(huì)計(jì)四種模式。 “智能+會(huì)計(jì)”的終極目標(biāo)是構(gòu)建一個(gè)具有自主感知、學(xué)習(xí)、決策、執(zhí)行、控制和適應(yīng)的智慧會(huì)計(jì)系統(tǒng)。 然而， 面對(duì)組織決策的不確定性、復(fù)雜性和模糊性， “智能+會(huì)計(jì)”在較長(zhǎng)時(shí)間內(nèi)還需要發(fā)展人類智能和AI之間的人機(jī)共生關(guān)系， 推動(dòng)會(huì)計(jì)職業(yè)向與AI結(jié)合的管理型和技術(shù)型發(fā)展。 新型會(huì)計(jì)人才應(yīng)該具備“管理+會(huì)計(jì)”“技術(shù)+會(huì)計(jì)”和“情商+會(huì)計(jì)”三個(gè)維度的復(fù)合型能力。

【關(guān)鍵詞】人工智能;智能+會(huì)計(jì);會(huì)計(jì)模式;會(huì)計(jì)職業(yè);會(huì)計(jì)能力

【中圖分類號(hào)】 F272 ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A ? ? ?【文章編號(hào)】1004-0994（2020）24-0069-8

一、引言

人工智能（AI）賦能會(huì)計(jì)模式創(chuàng)新是一個(gè)歷久彌新的話題。 長(zhǎng)期以來(lái)， 受可用的數(shù)據(jù)、算力和算法多方面的制約， AI一直未能對(duì)會(huì)計(jì)工作產(chǎn)生實(shí)質(zhì)性的影響[1] 。 在大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、機(jī)器視覺(jué)、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、5G等新一代信息技術(shù)和第四次工業(yè)革命的推動(dòng)下， 過(guò)去制約AI發(fā)展的數(shù)據(jù)、算力和算法問(wèn)題均有了實(shí)質(zhì)性的重大突破。 AI技術(shù)正深度應(yīng)用于各行各業(yè)， 萌發(fā)了行業(yè)發(fā)展的新理念、新模式和新動(dòng)能， 改變了會(huì)計(jì)的工作模式和生態(tài)系統(tǒng)， 并在一定程度上引發(fā)了人們對(duì)會(huì)計(jì)職業(yè)即將消亡的擔(dān)憂。

然而， 會(huì)計(jì)作為一種職業(yè)是跟隨環(huán)境的變化而演化的。 在以AI為代表的新一代信息技術(shù)的驅(qū)動(dòng)下， 會(huì)計(jì)模式日益革故鼎新， 現(xiàn)代會(huì)計(jì)職能進(jìn)一步拓展， 會(huì)計(jì)職業(yè)也被重塑。 當(dāng)前， 會(huì)計(jì)界的一個(gè)主流觀點(diǎn)是， AI對(duì)會(huì)計(jì)職業(yè)來(lái)說(shuō)是一個(gè)福音， 它將會(huì)計(jì)人員從簡(jiǎn)單重復(fù)的低層次勞動(dòng)中解放出來(lái)， 轉(zhuǎn)而從事更高層次的價(jià)值創(chuàng)造工作， 如數(shù)據(jù)解釋、咨詢服務(wù)和判斷等。

本文將AI限定為能夠模擬人類智能完成某些特定任務(wù)的工具和技術(shù)。 至于能夠全面超越人類的知識(shí)和能力， 完全接管人類工作的AI， 在可預(yù)見(jiàn)的較長(zhǎng)時(shí)間內(nèi)還將是烏托邦式的幻景[2] 。 本文提出的“智能+會(huì)計(jì)”是指將AI創(chuàng)造性地應(yīng)用于會(huì)計(jì)工作， 持續(xù)推動(dòng)會(huì)計(jì)模式創(chuàng)新， 提高會(huì)計(jì)工作效率， 提升會(huì)計(jì)服務(wù)和產(chǎn)品質(zhì)量的過(guò)程。 那么， “智能+”是如何創(chuàng)新會(huì)計(jì)工作模式的呢？這種創(chuàng)新會(huì)如何重塑會(huì)計(jì)職業(yè)？這些都是走向“智能+會(huì)計(jì)”時(shí)代所亟需解答的新議題。

二、“智能+會(huì)計(jì)”系統(tǒng)原型與模式創(chuàng)新

“智能+會(huì)計(jì)”絕不是在經(jīng)典會(huì)計(jì)模式下簡(jiǎn)單地用AI技術(shù)替代人工來(lái)提高現(xiàn)有會(huì)計(jì)業(yè)務(wù)流程的效率和質(zhì)量， 而是用其帶來(lái)的新技術(shù)、新思維推動(dòng)會(huì)計(jì)模式創(chuàng)新， 實(shí)現(xiàn)會(huì)計(jì)工作的轉(zhuǎn)型升級(jí)， 甚至整個(gè)會(huì)計(jì)行業(yè)全方位的自我革命性變化。 “智能+會(huì)計(jì)”的終極目標(biāo)是構(gòu)建一個(gè)能夠自主感知、學(xué)習(xí)、決策、執(zhí)行、控制和適應(yīng)的智慧會(huì)計(jì)系統(tǒng)。

（一）“智能+會(huì)計(jì)”系統(tǒng)原型

自1956年達(dá)特茅斯會(huì)議正式提出用計(jì)算機(jī)來(lái)模擬人類智能以來(lái)， AI研究一直致力于解析并模擬人腦信息處理過(guò)程， 意圖用機(jī)器智能代替人類智能。 西蒙認(rèn)為， 無(wú)論是人類的顯意識(shí)還是潛意識(shí)， 都是一個(gè)人腦信息加工的過(guò)程， 這與AI的信息處理邏輯是一致的。 “智能+會(huì)計(jì)”系統(tǒng)就是在會(huì)計(jì)信息的加工、處理和輸出環(huán)節(jié)嵌入AI技術(shù)。 AI技術(shù)能力決定了會(huì)計(jì)模式創(chuàng)新潛力， 基于現(xiàn)有研究[2] ， 本文搭建了“智能+會(huì)計(jì)”系統(tǒng)原型（如圖1所示）， 作為理解會(huì)計(jì)模式創(chuàng)新的基礎(chǔ)。

1. 輸入。 數(shù)據(jù)是生產(chǎn)會(huì)計(jì)信息過(guò)程中最重要的資源。 數(shù)據(jù)隱含的、期待著被發(fā)現(xiàn)的， 既有規(guī)律， 也有信息。 AI要實(shí)現(xiàn)擬人化， 就必須從持續(xù)更新的大量數(shù)據(jù)中不斷總結(jié)規(guī)律， 提高解決復(fù)雜問(wèn)題的能力， 這就是機(jī)器學(xué)習(xí)。 AI之所以能取得重大突破， 正是得益于用于捕獲和分析數(shù)據(jù)的基礎(chǔ)設(shè)施、工具和技術(shù)組成的數(shù)據(jù)生態(tài)系統(tǒng)的不斷完善， 以及可供AI系統(tǒng)使用的大數(shù)據(jù)能滿足機(jī)器學(xué)習(xí)之需。 在“萬(wàn)物皆數(shù)、萬(wàn)物互聯(lián)、開(kāi)放共享”的背景下， 數(shù)據(jù)呈爆發(fā)式增長(zhǎng)， 各類組織紛紛謀求數(shù)字化轉(zhuǎn)型， 推動(dòng)整個(gè)社會(huì)進(jìn)入數(shù)字化時(shí)代。 過(guò)去僅允許結(jié)構(gòu)化數(shù)據(jù)進(jìn)入會(huì)計(jì)系統(tǒng)的情況得到改變， 任何實(shí)現(xiàn)了數(shù)字化的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)都可在機(jī)器視覺(jué)、自然語(yǔ)言處理（包括自然語(yǔ)言理解和自然語(yǔ)言生成）等AI技術(shù)的支持下納入原始會(huì)計(jì)數(shù)據(jù)范疇。 會(huì)計(jì)系統(tǒng)可以采集近乎全景式的會(huì)計(jì)業(yè)務(wù)事件數(shù)據(jù)， 過(guò)去制約會(huì)計(jì)計(jì)量和信息鑒證自動(dòng)化的瓶頸， 在AI的支持下也有所突破， 會(huì)計(jì)信息質(zhì)量有望大幅提升[3] 。

2. 處理。 “智能+會(huì)計(jì)”系統(tǒng)重點(diǎn)要解決的是使系統(tǒng)能夠像人一樣“聽(tīng)懂”和“看懂”各種非結(jié)構(gòu)化數(shù)據(jù)。 這時(shí)需要運(yùn)用自然語(yǔ)言理解和機(jī)器視覺(jué)技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。 自然語(yǔ)言理解技術(shù)能夠支持人和機(jī)器之間用人類社會(huì)的日常交流語(yǔ)言（口語(yǔ)和書(shū)面語(yǔ)）進(jìn)行對(duì)話， 使計(jì)算機(jī)能夠理解和運(yùn)用這些語(yǔ)言。 機(jī)器視覺(jué)旨在用機(jī)器替代人眼進(jìn)行測(cè)量和判斷圖像、視頻或動(dòng)作。 經(jīng)過(guò)預(yù)處理的數(shù)據(jù)可用于進(jìn)一步的處理分析， 主要過(guò)程包括問(wèn)題解決、推理和機(jī)器學(xué)習(xí)。 問(wèn)題解決和推理定義了AI應(yīng)該解決的問(wèn)題以及如何進(jìn)行分析， 包括所有重要的模式識(shí)別和得出數(shù)據(jù)分析結(jié)論。 機(jī)器學(xué)習(xí)是智能化過(guò)程中必不可少的一部分。 如果AI系統(tǒng)是基于現(xiàn)有數(shù)據(jù)和信息做出理性行為， 那么AI系統(tǒng)需要能夠從日常工作經(jīng)驗(yàn)中學(xué)習(xí)， 這是機(jī)器學(xué)習(xí)的本質(zhì)。 機(jī)器學(xué)習(xí)不應(yīng)局限在重復(fù)人類已知的學(xué)習(xí)規(guī)律和方法上， 而是要支持“數(shù)據(jù)與數(shù)據(jù)對(duì)話”， 通過(guò)數(shù)據(jù)驅(qū)動(dòng)來(lái)發(fā)現(xiàn)新知識(shí)[4] ， 無(wú)需人工介入即可自動(dòng)完善AI算法， 提升AI系統(tǒng)的性能[5] 。

3. 輸出。 隨著上述過(guò)程的完成， “智能+會(huì)計(jì)”系統(tǒng)必須將這些過(guò)程產(chǎn)生的有意義的會(huì)計(jì)信息與其環(huán)境聯(lián)系起來(lái)， 要么作為人類決策的基礎(chǔ)， 要么作為其他信息系統(tǒng)的輸入。 系統(tǒng)的輸出不僅包括反映過(guò)去發(fā)生了什么的描述性報(bào)告， 還有解析問(wèn)題發(fā)生原因的診斷性報(bào)告、面向未來(lái)事項(xiàng)的預(yù)測(cè)性報(bào)告。 更能體現(xiàn)AI價(jià)值的是向信息使用者提供決策支持和行動(dòng)建議的規(guī)范性報(bào)告。 在技術(shù)方面， 可以用自然語(yǔ)言生成技術(shù)來(lái)生成文本、圖像或音頻形式的商業(yè)報(bào)告。 例如， 向財(cái)務(wù)機(jī)器人口頭詢問(wèn)最新的財(cái)務(wù)指標(biāo)時(shí)， 機(jī)器人就會(huì)用語(yǔ)音形式告知實(shí)時(shí)分析結(jié)果及一些參考建議。

4. 知識(shí)庫(kù)。 “智能+會(huì)計(jì)”系統(tǒng)的智能行為需要有強(qiáng)大的知識(shí)庫(kù)的支持。 知識(shí)庫(kù)中存儲(chǔ)了多源異構(gòu)的海量數(shù)據(jù)， 這些數(shù)據(jù)包括輸入系統(tǒng)中的原始數(shù)據(jù)， 經(jīng)過(guò)預(yù)處理后的中間數(shù)據(jù)， 以及通過(guò)系統(tǒng)預(yù)設(shè)的基礎(chǔ)知識(shí)和機(jī)器學(xué)習(xí)獲得的新知識(shí)。 機(jī)器學(xué)習(xí)對(duì)可用數(shù)據(jù)的要求非常高， 數(shù)據(jù)越豐富、越完整， 機(jī)器學(xué)習(xí)的效果就越好。 由于單個(gè)組織的知識(shí)庫(kù)中存儲(chǔ)的數(shù)據(jù)非常有限， 不足以支持機(jī)器學(xué)習(xí)能力的充分施展， 因此建立一個(gè)行業(yè)共建共享的知識(shí)庫(kù)十分有必要。

（二）“智能+會(huì)計(jì)”模式創(chuàng)新

在算法和算力的支持下， 根據(jù)數(shù)字化和智能化不同發(fā)展階段的組合， “智能+會(huì)計(jì)”模式可分為信息化、數(shù)字化、智能化和智慧化四種形態(tài)， 分別對(duì)應(yīng)計(jì)算智能、分析智能、融合智能和自主智能四個(gè)AI技術(shù)發(fā)展階段， 如圖2所示。

1. 計(jì)算智能：信息化會(huì)計(jì)。 當(dāng)數(shù)字化和智能化均處于較低水平時(shí)， 計(jì)算機(jī)主要發(fā)揮AI的基礎(chǔ)性計(jì)算智能作用， 替代人工完成部分會(huì)計(jì)信息的加工任務(wù)， 我們將這一階段定義為信息化會(huì)計(jì)。 由于財(cái)務(wù)會(huì)計(jì)工作流程穩(wěn)定， 涉及大量數(shù)值型數(shù)據(jù)處理， 并且處理算法相對(duì)簡(jiǎn)單， 在不同組織之間具有高度一致性， 因此在微型計(jì)算機(jī)發(fā)展的推動(dòng)下， 著眼于實(shí)現(xiàn)財(cái)務(wù)會(huì)計(jì)流程自動(dòng)化的會(huì)計(jì)電算化， 在20世紀(jì)60年代末到20世紀(jì)70年代中期在發(fā)達(dá)國(guó)家得到快速普及。 由于大量財(cái)務(wù)會(huì)計(jì)工作崗位逐漸被計(jì)算機(jī)替代， 財(cái)務(wù)會(huì)計(jì)人員開(kāi)始更多地從事管理會(huì)計(jì)工作， 甚至是信息系統(tǒng)開(kāi)發(fā)、實(shí)施和維護(hù)工作。

20世紀(jì)80年代， 企業(yè)經(jīng)營(yíng)環(huán)境日趨激烈， 準(zhǔn)時(shí)制造、柔性制造、全面質(zhì)量管理等新模式層出不窮， 會(huì)計(jì)作為決策信息主要提供者的角色地位受到企業(yè)其他部門(mén)的挑戰(zhàn)。 20世紀(jì)90年代， 隨著企業(yè)數(shù)字化程度的提高， 企業(yè)通過(guò)ERP系統(tǒng)優(yōu)化和重組業(yè)務(wù)流程， 將會(huì)計(jì)、制造、人力資源、供應(yīng)鏈、銷售、財(cái)務(wù)、預(yù)算和客戶服務(wù)活動(dòng)等業(yè)務(wù)流程進(jìn)行集成和控制， 會(huì)計(jì)流程與其他業(yè)務(wù)流程開(kāi)始融合， 傳統(tǒng)會(huì)計(jì)信息生產(chǎn)接近自動(dòng)化， 會(huì)計(jì)在組織中的傳統(tǒng)作用進(jìn)一步退化。 這時(shí)， 管理會(huì)計(jì)要么構(gòu)建新的技術(shù)體系， 要么將工作重心前移， 向更加廣泛的財(cái)務(wù)和非財(cái)務(wù)信息生產(chǎn)、解釋和咨詢角色轉(zhuǎn)變， 從而進(jìn)入會(huì)計(jì)信息化階段。

這一階段的顯著特征就是將反映業(yè)務(wù)事件的屬性轉(zhuǎn)化為可錄入系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)。 雖然ERP系統(tǒng)試圖將企業(yè)資源都納入數(shù)字化管理， 但由于數(shù)據(jù)采集、存儲(chǔ)和處理能力的限制， 許多反映業(yè)務(wù)事件屬性的信息仍需人工錄入系統(tǒng)， 并且還有許多屬性的信息被排除在系統(tǒng)之外。

2. 分析智能：數(shù)字化會(huì)計(jì)。 進(jìn)入21世紀(jì)， 隨著互聯(lián)網(wǎng)的普及、網(wǎng)絡(luò)應(yīng)用的迅猛發(fā)展， 新技術(shù)的應(yīng)用帶來(lái)了大量的多源異構(gòu)數(shù)據(jù)， 云計(jì)算帶來(lái)的算力增長(zhǎng)推動(dòng)著整個(gè)社會(huì)的數(shù)字化程度躍變式發(fā)展， 大數(shù)據(jù)時(shí)代悄然來(lái)臨。 在企業(yè)層面， 隨著第四次工業(yè)革命的到來(lái)， 在射頻識(shí)別（RFID）、實(shí)時(shí)定位系統(tǒng)（RTLS）、物聯(lián)網(wǎng)、增強(qiáng)現(xiàn)實(shí)（AR）和虛擬現(xiàn)實(shí)（VR）等技術(shù)的支持下， 價(jià)值鏈上的企業(yè)與企業(yè)之間、企業(yè)與顧客之間、企業(yè)內(nèi)部不同層級(jí)的業(yè)務(wù)單元之間的數(shù)字化集成水平更高。 在企業(yè)的智能工廠， 通過(guò)信息物理系統(tǒng)（CPS）， 實(shí)現(xiàn)了信息世界和物理世界的互聯(lián)互通， 通過(guò)傳感器檢測(cè)業(yè)務(wù)需求， 通過(guò)互聯(lián)網(wǎng)與其他遠(yuǎn)程生產(chǎn)工具建立通信， 通過(guò)大數(shù)據(jù)獲取所需的生產(chǎn)信息。 在此背景下， 企業(yè)需要進(jìn)行數(shù)字化轉(zhuǎn)型。 對(duì)會(huì)計(jì)而言， 需要借助企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)會(huì)， 進(jìn)行數(shù)字化會(huì)計(jì)模式創(chuàng)新， 為會(huì)計(jì)職業(yè)打開(kāi)新的發(fā)展空間。

數(shù)字化和信息化的不同之處在于， 數(shù)字化是由機(jī)器自動(dòng)完成數(shù)據(jù)的采集和錄入， 而信息化則需較多的人工操作。 數(shù)字化會(huì)計(jì)是一種由大數(shù)據(jù)驅(qū)動(dòng)的模式創(chuàng)新。 有研究認(rèn)為， 在會(huì)計(jì)環(huán)境中使用大數(shù)據(jù)將是一種破壞性的力量， 因?yàn)樗枰獙?duì)傳統(tǒng)會(huì)計(jì)工作模式進(jìn)行重大變革， 數(shù)據(jù)記錄等傳統(tǒng)會(huì)計(jì)任務(wù)將變得不那么重要， 管理會(huì)計(jì)技術(shù)將逐漸過(guò)時(shí)[6] 。 大數(shù)據(jù)技術(shù)可為資產(chǎn)評(píng)估、成本分析、預(yù)測(cè)和預(yù)算提供替代方案， 管理者可以獲得大數(shù)據(jù)提供的海量外部信息以幫助其做出決策， 這將影響到會(huì)計(jì)作為業(yè)務(wù)知識(shí)創(chuàng)造者的角色。 在數(shù)字化轉(zhuǎn)型背景下， 信息化會(huì)計(jì)階段的ERP系統(tǒng)難以整合各種實(shí)時(shí)的大量多源異構(gòu)數(shù)據(jù)， 這時(shí)就需要通過(guò)一個(gè)虛擬數(shù)據(jù)倉(cāng)庫(kù)， 將組織內(nèi)外的多源異構(gòu)數(shù)據(jù)進(jìn)行虛擬集成。 經(jīng)過(guò)虛擬集成的大數(shù)據(jù)不再根據(jù)部門(mén)職能邊界進(jìn)行分割， 在保證數(shù)據(jù)安全性和保密性的前提下， 各業(yè)務(wù)部門(mén)都可利用大數(shù)據(jù)分析工具對(duì)這些數(shù)據(jù)進(jìn)行分析。

在數(shù)字化會(huì)計(jì)階段， 會(huì)計(jì)人員的核心技能不再是對(duì)原始信息的收集、錄入和加工， 而是對(duì)多源異構(gòu)尤其是非結(jié)構(gòu)化的大數(shù)據(jù)進(jìn)行分析， 并將結(jié)果進(jìn)行可視化呈現(xiàn)， 在必要時(shí)向信息需求者提供解釋。 這一階段開(kāi)始發(fā)揮AI的分析智能作用， 在對(duì)歷史數(shù)據(jù)描述性分析的基礎(chǔ)上， 可以進(jìn)行初步的預(yù)測(cè)性分析[7] 。 但由于此時(shí)的智能化程度較低， 大多數(shù)分析任務(wù)都是手工完成的， 勞動(dòng)強(qiáng)度高、處理速度慢。

3. 融合智能：智能化會(huì)計(jì)。 會(huì)計(jì)工作充滿了專業(yè)判斷， 這種專業(yè)判斷過(guò)程復(fù)雜且易出錯(cuò)， 因此要求會(huì)計(jì)人員有豐富的職業(yè)經(jīng)驗(yàn)。 智能化會(huì)計(jì)就是希望利用AI來(lái)替代人工完成專業(yè)判斷工作， 減少會(huì)計(jì)工作的人工干預(yù)。 AI在會(huì)計(jì)領(lǐng)域的應(yīng)用最早可追溯到20世紀(jì)80年代的專家系統(tǒng)， 其主要用于審計(jì)計(jì)劃、風(fēng)險(xiǎn)評(píng)估、壞賬準(zhǔn)備測(cè)試、稅務(wù)籌劃、銀行破產(chǎn)預(yù)測(cè)、內(nèi)部控制評(píng)估等領(lǐng)域。 這一時(shí)期的專家系統(tǒng)被認(rèn)為是試圖復(fù)制人類專家的行為和專業(yè)知識(shí)、存儲(chǔ)人類知識(shí)和經(jīng)驗(yàn)并將其轉(zhuǎn)化為規(guī)則的軟件程序， 從而試圖解決會(huì)計(jì)問(wèn)題并執(zhí)行一些會(huì)計(jì)任務(wù)。 但要讓專家系統(tǒng)掌握人類所具有的看、聽(tīng)、說(shuō)、推理和學(xué)習(xí)能力， 當(dāng)時(shí)的AI技術(shù)還無(wú)法實(shí)現(xiàn)， 其在實(shí)踐中沒(méi)有發(fā)揮明顯的作用， 最終導(dǎo)致這類系統(tǒng)上線不久后就被棄用， AI在會(huì)計(jì)領(lǐng)域的應(yīng)用也陷入停滯[1] 。

AI在會(huì)計(jì)領(lǐng)域的早期探索遇到挫折的主要原因在于， 當(dāng)時(shí)的數(shù)據(jù)、算法和算力還不足以支持AI模擬人類智能的高級(jí)方式， 從而導(dǎo)致AI的理想與現(xiàn)實(shí)之間出現(xiàn)無(wú)法逾越的鴻溝。 嚴(yán)格來(lái)說(shuō)， 當(dāng)時(shí)的專家系統(tǒng)并不屬于本文所界定的AI范疇， 它們假設(shè)人類智能可以通過(guò)自頂向下的方法形式化為一系列“如果（if）-那么（then）”程序語(yǔ)句的規(guī)則集合。 這顯然只是對(duì)已有知識(shí)的應(yīng)用， 但不能學(xué)習(xí)到新知識(shí)。 當(dāng)然， 將已知的可以用計(jì)算機(jī)規(guī)則表示的人類智能用于支持專業(yè)判斷還是很有必要的。

隨著ERP系統(tǒng)的普及應(yīng)用， 可用的結(jié)構(gòu)化數(shù)據(jù)大幅增加， 這時(shí)可以逐漸讓專家系統(tǒng)具備一定的學(xué)習(xí)和推理能力， 提升專家系統(tǒng)的智能化水平。 不過(guò)， 在數(shù)字化程度較低的條件下， AI的智能化水平非常有限， 只能在較低水平、有限范圍內(nèi)的應(yīng)用， 需要大量的人機(jī)交互方可完成任務(wù)。 在此過(guò)程中， 人類和機(jī)器之間最有效的分工模式是人機(jī)融合智能， 即利用人類智能和AI的互補(bǔ)優(yōu)勢(shì)， 使兩者的行為比各自獨(dú)立時(shí)更聰明[8] 。

雖然現(xiàn)在已經(jīng)進(jìn)入非結(jié)構(gòu)化數(shù)據(jù)占主體的大數(shù)據(jù)時(shí)代， 但“智能+會(huì)計(jì)”的數(shù)據(jù)還是以海量的結(jié)構(gòu)化數(shù)據(jù)為主。 只要政府、行業(yè)和企業(yè)將各自掌握的結(jié)構(gòu)化數(shù)據(jù)逐步實(shí)現(xiàn)有條件的開(kāi)放共享， 專家系統(tǒng)的智能化水平有望得到逐步提升。 目前， 區(qū)塊鏈技術(shù)已經(jīng)開(kāi)始用于幫助提高數(shù)據(jù)傳遞的安全性和完整性， 機(jī)器人過(guò)程自動(dòng)化（RPA）也被用于自動(dòng)完成會(huì)計(jì)工作中涉及的多系統(tǒng)交互任務(wù)， 這些新技術(shù)的應(yīng)用有助于提高智能化會(huì)計(jì)的自動(dòng)化水平[9] 。 在智能化會(huì)計(jì)階段， 智能化、自動(dòng)化水平的提升， 極大地減少了人工會(huì)計(jì)工作需求， 原會(huì)計(jì)工作內(nèi)容已經(jīng)縮減到人機(jī)交互中需要進(jìn)行判斷、決策的領(lǐng)域。

4. 自主智能：智慧化會(huì)計(jì)。 真正意義上的AI是一個(gè)能夠正確地解釋外部數(shù)據(jù)， 從這些數(shù)據(jù)中學(xué)習(xí)， 并通過(guò)學(xué)習(xí)到的成果來(lái)實(shí)現(xiàn)特定目標(biāo)的系統(tǒng)。 隨著時(shí)間的推移， 對(duì)算法進(jìn)行訓(xùn)練的數(shù)據(jù)越來(lái)越多， AI會(huì)不斷獲得人類智慧， 做出的決策也會(huì)越發(fā)聰明、有效。 “智能+會(huì)計(jì)”的遠(yuǎn)期發(fā)展目標(biāo)是要讓AI全面逼近人類智慧， 甚至在某些特定領(lǐng)域超越人類智慧， 讓AI走向自主智能。 在自主智能的作用下， “智能+會(huì)計(jì)”逐步走向具有自主感知、學(xué)習(xí)、決策、執(zhí)行、控制和適應(yīng)能力的智慧會(huì)計(jì)系統(tǒng)。 智慧會(huì)計(jì)系統(tǒng)創(chuàng)造性地運(yùn)用AI新思維、新理念、新技術(shù)和新方法來(lái)重構(gòu)會(huì)計(jì)流程、技術(shù)和方法， 推動(dòng)會(huì)計(jì)職能不斷拓展。 相比較而言， 智能化會(huì)計(jì)的發(fā)展側(cè)重于用機(jī)器智能模擬人類智能， 主要是為了實(shí)現(xiàn)自動(dòng)化; 而智慧化會(huì)計(jì)側(cè)重于發(fā)揮機(jī)器自身的優(yōu)勢(shì)， 突破傳統(tǒng)會(huì)計(jì)思維的局限， 主要目的是創(chuàng)新與創(chuàng)造。 下面列舉了幾例典型的智慧化會(huì)計(jì)應(yīng)用場(chǎng)景：

情景1：當(dāng)一個(gè)新客戶向企業(yè)就某種產(chǎn)品進(jìn)行詢價(jià)時(shí)， AI系統(tǒng)可以自動(dòng)抓取與客戶相關(guān)的外部數(shù)據(jù)源， 包括公司網(wǎng)站、社交媒體、金融數(shù)據(jù)庫(kù)、行業(yè)數(shù)據(jù)庫(kù)、企業(yè)信用數(shù)據(jù)庫(kù)、政府部門(mén)開(kāi)放的數(shù)據(jù)庫(kù)， 以了解企業(yè)的信用信息。 之后結(jié)合該產(chǎn)品的銷售和市場(chǎng)競(jìng)爭(zhēng)情況， 以及企業(yè)的產(chǎn)品生產(chǎn)能力和生產(chǎn)成本等明細(xì)數(shù)據(jù)， 自動(dòng)生成產(chǎn)品報(bào)價(jià)及相關(guān)合同條款。 待客戶進(jìn)行合同確認(rèn)并發(fā)送訂單之后， 系統(tǒng)自動(dòng)將訂單數(shù)據(jù)及前面獲取的相關(guān)數(shù)據(jù)自動(dòng)錄入ERP系統(tǒng)之中。 ERP系統(tǒng)根據(jù)訂單要求的時(shí)間， 將生產(chǎn)指令下達(dá)給智能工廠， 智能工廠可以對(duì)客戶訂單進(jìn)行定制化生產(chǎn)。 相關(guān)過(guò)程信息實(shí)時(shí)進(jìn)入會(huì)計(jì)系統(tǒng)， 并實(shí)時(shí)更新相關(guān)會(huì)計(jì)數(shù)據(jù)。

情景2：在智能制造條件下， AI系統(tǒng)可以通過(guò)企業(yè)的智能產(chǎn)品收集和分析用戶行為數(shù)據(jù)， 企業(yè)可以據(jù)此為客戶提供更加精準(zhǔn)、個(gè)性化的產(chǎn)品和服務(wù)。 系統(tǒng)通過(guò)大數(shù)據(jù)可以細(xì)化到對(duì)單個(gè)產(chǎn)品的各成本項(xiàng)目進(jìn)行精細(xì)化管理， 還可規(guī)劃出新產(chǎn)品開(kāi)發(fā)的資金需求及最佳資金管理方案。 營(yíng)銷部門(mén)的系統(tǒng)可以通過(guò)銷售大數(shù)據(jù)分析和智能產(chǎn)品收集的數(shù)據(jù)， 對(duì)產(chǎn)品進(jìn)行精準(zhǔn)營(yíng)銷、撇脂定價(jià)。

情景3：當(dāng)用戶需要會(huì)計(jì)相關(guān)信息時(shí)， 直接和辦公桌上的機(jī)器人對(duì)話， 機(jī)器人通過(guò)面部識(shí)別用戶權(quán)限之后， 將后臺(tái)實(shí)時(shí)生成的信息用簡(jiǎn)單易懂的語(yǔ)言告知用戶， 同時(shí)將更加詳細(xì)的結(jié)果用可視化方式在機(jī)器人身上的顯示屏上進(jìn)行展示。 如果用戶認(rèn)為現(xiàn)在企業(yè)的現(xiàn)金流存在風(fēng)險(xiǎn)， 可以直接詢問(wèn)機(jī)器人應(yīng)該怎么辦， 機(jī)器人則會(huì)規(guī)劃出幾條解決問(wèn)題的“路線”。 機(jī)器人在與用戶的互動(dòng)中可以逐漸了解用戶的需求并學(xué)習(xí)其決策風(fēng)格， 其會(huì)越用越“聰明”、越“貼心”。

進(jìn)入智慧化會(huì)計(jì)階段， 人機(jī)交互的工作大量減少， 通過(guò)機(jī)器學(xué)習(xí)不斷提高的智能決策質(zhì)量將增強(qiáng)用戶對(duì)AI的信心。 數(shù)字化會(huì)計(jì)階段可用的大數(shù)據(jù)的價(jià)值在智慧化會(huì)計(jì)階段得到進(jìn)一步挖掘， 數(shù)據(jù)分析方法日趨多樣化、自動(dòng)化、智能化和實(shí)時(shí)化。 智慧化對(duì)于提高會(huì)計(jì)工作質(zhì)量、進(jìn)一步壓縮傳統(tǒng)會(huì)計(jì)崗位需求的效應(yīng)是無(wú)疑義的， 但是否會(huì)徹底取消人機(jī)交互， 還有待商榷。

三、“智能+會(huì)計(jì)”職業(yè)重塑

任何職業(yè)都是隨著環(huán)境的變化而不斷發(fā)展的， 傳統(tǒng)會(huì)計(jì)工作被機(jī)器替代， 并不意味著會(huì)計(jì)工作就會(huì)消失， 而是帶來(lái)了一次職業(yè)重塑的機(jī)會(huì)。

（一）“智能+會(huì)計(jì)”的人機(jī)共生需求

“智能+會(huì)計(jì)”的核心價(jià)值在于用AI替代人類智能進(jìn)行決策。 從目前AI技術(shù)的發(fā)展來(lái)看， 在那些明確規(guī)律或規(guī)則的領(lǐng)域， 借助于充足的數(shù)據(jù)支持， AI決策能力已超越人類;然而在應(yīng)對(duì)高度不確定性、復(fù)雜性和模糊性的各類組織決策時(shí)， AI決策能力仍捉襟見(jiàn)肘[10] 。

1. 不確定性。 不確定性是指缺乏關(guān)于決策方案及后果的信息。 會(huì)計(jì)決策是組織決策的一個(gè)子集。 財(cái)務(wù)會(huì)計(jì)的確認(rèn)、記錄、計(jì)量和報(bào)告規(guī)則比較明確， 不確定性較低。 但管理會(huì)計(jì)決策需要同時(shí)考慮組織內(nèi)部和外部的各種情境因素， 這些因素是開(kāi)放式的， 無(wú)法全部納入作為決策變量， 能納入決策的各因素又不一定都能實(shí)現(xiàn)數(shù)字化， 已經(jīng)實(shí)現(xiàn)數(shù)字化的因素又難以從多維度采集反映該因素全貌的高質(zhì)量數(shù)據(jù)。 因此， 在不完備信息條件下， AI只能使用概率方法提供決策建議， 最終決策還需由人來(lái)完成。 此外， 面對(duì)一些未曾遇到的新問(wèn)題時(shí)， AI在采集決策所需信息和選擇分析方法方面具有較大的盲目性， 不確定性更高。

2. 復(fù)雜性。 復(fù)雜性是指決策需要處理的信息太多， 處理這些信息超過(guò)了人類決策者的能力限度。 AI將大數(shù)據(jù)與機(jī)器學(xué)習(xí)相結(jié)合， 可以較好地應(yīng)對(duì)復(fù)雜性。 但是， 許多AI決策算法是由人編寫(xiě)的， 算法在編寫(xiě)時(shí)很難對(duì)具體的決策情景考慮周全， 對(duì)決策需要考慮的因素及各因素在決策中的重要性權(quán)重分配具有很強(qiáng)的主觀性。 換言之， AI決策算法的設(shè)計(jì)者不可能“未卜先知”將來(lái)的所有決策， 并對(duì)每種決策設(shè)計(jì)完美的算法。 AI學(xué)習(xí)算法同樣如此， 要讓算法能夠廣泛地適應(yīng)不同的決策情景， 就必須增加訓(xùn)練的參數(shù)， 并用更加豐富的高質(zhì)量數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練， 這種參數(shù)設(shè)置也難免“掛一漏萬(wàn)”， 相應(yīng)的數(shù)據(jù)種類、數(shù)量和質(zhì)量也難以充分滿足需求， 從而帶來(lái)算法偏差的問(wèn)題。 因此， 對(duì)于復(fù)雜的決策問(wèn)題， 難以找到一種可以完全接管的算法。

3. 模糊性。 模糊性是指對(duì)于某一決策方案， 不同的人會(huì)有不同的理解。 這主要是利益相關(guān)者之間的利益沖突所導(dǎo)致的。 為了滿足多方相互沖突的需求和偏好， 僅用算法這種理性的分析可能是不夠的， 還需要一個(gè)主觀考量和政治博弈的過(guò)程。 雖然AI可能通過(guò)對(duì)沖突需求的情感分析來(lái)解決此問(wèn)題， 但這種模糊性最終還是由人類行為來(lái)體現(xiàn)， AI算法對(duì)這些行為難以預(yù)知。 即使AI可以為決策相關(guān)方確定最佳解決方案， 也很難說(shuō)服相關(guān)各方都接受該方案。 此外， 考慮到前面的不確定性和復(fù)雜性， AI提供的結(jié)果只是一種可能的相關(guān)性， 而無(wú)法得到確定的因果關(guān)系。 雖然現(xiàn)實(shí)世界對(duì)因果關(guān)系的追求只會(huì)“無(wú)果而終”， 但這種模糊的相關(guān)性還是很難讓決策者全盤(pán)接受這些信息， 并據(jù)此做出決策。

人們之所以愿意選用AI系統(tǒng)， 就是因?yàn)閷?duì)系統(tǒng)能力的信任。 一旦出現(xiàn)低質(zhì)量的決策信息， 或者不能真正應(yīng)對(duì)實(shí)踐中需要解決的問(wèn)題， 這種信任就會(huì)喪失， 進(jìn)而導(dǎo)致整個(gè)系統(tǒng)被棄置。 一些研究也認(rèn)識(shí)到了人類智能的優(yōu)勢(shì)和AI的不足， 例如， “對(duì)于那些能夠運(yùn)用直覺(jué)、想象力和創(chuàng)造力的人來(lái)說(shuō)， 決策可能仍然是一種（相較于AI的）比較優(yōu)勢(shì)”[10] ， “盡管機(jī)器學(xué)習(xí)的效果將是顯著的， 但需要靈活性、情景適應(yīng)性、創(chuàng)造力、判斷力、直覺(jué)、人際互動(dòng)和說(shuō)服的任務(wù)不太可能在短期內(nèi)完全自動(dòng)化”[11] 。

為了彌補(bǔ)AI在應(yīng)對(duì)組織決策的不確定性、復(fù)雜性和模糊性方面的不足， 就需要將人類智能和AI結(jié)合起來(lái)， 實(shí)現(xiàn)兩者優(yōu)勢(shì)互補(bǔ)。 畢竟AI具有更強(qiáng)的計(jì)算信息處理能力和分析方法， 在處理復(fù)雜問(wèn)題時(shí)可以擴(kuò)展人類的認(rèn)知， 而在處理組織決策的不確定性和模糊性時(shí)， 人類仍然可以提供更全面、更直觀的方法[12] 。 因此， 我們需要發(fā)展人類智能和AI之間的人機(jī)共生關(guān)系， 將人的作用或認(rèn)知模型引入AI系統(tǒng)中， 提升AI系統(tǒng)的性能， 使AI成為人類智能的自然延伸和拓展， 通過(guò)人機(jī)協(xié)同更加高效地解決復(fù)雜問(wèn)題[8] 。 總之， AI系統(tǒng)的發(fā)展應(yīng)是以增益而不是取代人類的貢獻(xiàn)為目的。

（二）“智能+會(huì)計(jì)”的人才需求

在AI的沖擊下， 許多會(huì)計(jì)角色和任務(wù)被AI所替代， 同時(shí)， “智能+會(huì)計(jì)”創(chuàng)造了一些新角色和新任務(wù)， 為會(huì)計(jì)職業(yè)開(kāi)拓了新的發(fā)展路徑。 職業(yè)是不斷適應(yīng)新環(huán)境的， 既然職業(yè)的“原住民”把日常工作交給了機(jī)器， 那他們就應(yīng)該提高工作技能來(lái)管理機(jī)器， 或是更多地從事創(chuàng)造性的、非常規(guī)的和非結(jié)構(gòu)化的工作[13] 。 據(jù)此， 本文將“智能+會(huì)計(jì)”創(chuàng)造的人才需求分為管理型和技術(shù)型兩大類， 如圖3所示。

1. 管理型人才。 “智能+會(huì)計(jì)”下的管理型人才需要在熟悉AI技術(shù)工作原理的基礎(chǔ)上， 更多地利用大數(shù)據(jù)來(lái)支持決策， 與AI系統(tǒng)進(jìn)行專業(yè)的人機(jī)交互， 并對(duì)AI算法進(jìn)行審計(jì)， 提升會(huì)計(jì)在組織管理職能中的地位和作用。

（1）數(shù)據(jù)分析人才。 進(jìn)入大數(shù)據(jù)時(shí)代， 數(shù)據(jù)驅(qū)動(dòng)的決策開(kāi)始被組織廣泛采納[14] 。 大數(shù)據(jù)可以用于訓(xùn)練AI決策算法， 讓AI決策更有效， 但AI難以靈活應(yīng)對(duì)各種權(quán)變性的數(shù)據(jù)分析需求， 這時(shí)就需要專業(yè)的數(shù)據(jù)分析人才。 這里的數(shù)據(jù)分析是指會(huì)計(jì)人員利用數(shù)據(jù)分析工具對(duì)會(huì)計(jì)相關(guān)主題的大數(shù)據(jù)進(jìn)行的探索性分析和確認(rèn)性分析。 探索性分析是指預(yù)測(cè)未來(lái)， 是從數(shù)據(jù)中獲得關(guān)于“將會(huì)發(fā)生什么”“應(yīng)該怎么做”“怎么做才最好”的洞察。 確認(rèn)性分析是反映過(guò)去和了解現(xiàn)在， 是從數(shù)據(jù)中了解“已經(jīng)發(fā)生了什么”“正在發(fā)生什么”， 并提供關(guān)于“它是如何發(fā)生”“它為什么會(huì)發(fā)生”等問(wèn)題的答案[7] 。 在大數(shù)據(jù)時(shí)代， 會(huì)計(jì)人員利用自身積累的結(jié)構(gòu)化數(shù)據(jù)分析知識(shí)、技能和經(jīng)驗(yàn)， 獨(dú)特的專業(yè)視角和敏銳度， 以及在組織中的特殊地位， 可以通過(guò)數(shù)據(jù)分析來(lái)給組織創(chuàng)造獨(dú)特的價(jià)值， 這是會(huì)計(jì)專業(yè)人才相比一般數(shù)據(jù)研究者所具有的天然競(jìng)爭(zhēng)優(yōu)勢(shì)[15] 。

（2）智能決策人才。 在“智能+會(huì)計(jì)”下， 會(huì)計(jì)人員理解并能運(yùn)用AI技術(shù)， 是實(shí)現(xiàn)人類智能和AI協(xié)同工作的前提。 AI系統(tǒng)對(duì)“動(dòng)手型”操作員的需求大幅減少， 取而代之的是能夠進(jìn)行人機(jī)交互的“動(dòng)腦型”人才。 這類人才能將AI系統(tǒng)提供的信息轉(zhuǎn)化為實(shí)際決策， 我們稱之為“智能決策人才”， 包括以下兩類：一是對(duì)AI系統(tǒng)的智能決策過(guò)程進(jìn)行解釋的人才。 AI系統(tǒng)基于算法進(jìn)行決策， 這些算法大多是通過(guò)機(jī)器學(xué)習(xí)自動(dòng)生成的， 系統(tǒng)很難對(duì)這些算法的決策過(guò)程給出具體解釋[12] 。 如果生成的信息與會(huì)計(jì)相關(guān)， 那么就需要已經(jīng)掌握算法知識(shí)的會(huì)計(jì)人員來(lái)解釋這些算法用到了什么數(shù)據(jù)， 系統(tǒng)是如何推理的、要達(dá)成什么目標(biāo)， 算法生成的結(jié)果存在哪些局限性， 從而使用戶審慎地對(duì)AI系統(tǒng)提供的信息予以選擇與運(yùn)用。 二是了解AI的優(yōu)勢(shì)和劣勢(shì)， 并能利用AI優(yōu)勢(shì)來(lái)彌補(bǔ)自身劣勢(shì)， 從而提高自身工作附加值的人才。 這類人才具有很強(qiáng)的專業(yè)適應(yīng)性， 例如， 他們可能需要識(shí)別AI系統(tǒng)所需的數(shù)據(jù)并評(píng)估數(shù)據(jù)質(zhì)量， 能夠靈活調(diào)節(jié)AI系統(tǒng)的相關(guān)參數(shù)或數(shù)據(jù)輸入以提高輸出質(zhì)量， 還能夠進(jìn)行會(huì)計(jì)、財(cái)務(wù)、審計(jì)、稅務(wù)等專業(yè)決策， 甚至為組織更高層次、更復(fù)雜的決策提供咨詢服務(wù)。

（3）算法審計(jì)人才。 “智能+會(huì)計(jì)”主要依賴于算法生成各類會(huì)計(jì)信息。 在AI系統(tǒng)的普通用戶看來(lái)， 算法就是一個(gè)“黑箱”。 如前所述， 在應(yīng)對(duì)組織決策的不確定性、復(fù)雜性和模糊性方面， 算法都無(wú)法做到對(duì)所有決策變量的全覆蓋， 從而引發(fā)算法偏差問(wèn)題。 這種偏差可能是對(duì)算法進(jìn)行訓(xùn)練的質(zhì)量問(wèn)題引發(fā)的， 也可能是訓(xùn)練算法本身不足所致。 為確保算法的準(zhǔn)確性、客觀性和完整性， 增強(qiáng)人們對(duì)AI決策的信心， 就需要對(duì)算法進(jìn)行審計(jì)， 因此需要算法審計(jì)人才， 這類人才應(yīng)具備基本的會(huì)計(jì)專業(yè)知識(shí)、AI知識(shí)以及較強(qiáng)的AI技能， 需要熟悉算法基本原理和程序設(shè)計(jì)， 了解算法的開(kāi)發(fā)、實(shí)施和維護(hù)過(guò)程;能夠評(píng)估訓(xùn)練算法所用的數(shù)據(jù)來(lái)源的可靠性、準(zhǔn)確性和完整性， 對(duì)AI系統(tǒng)生命周期的內(nèi)部控制進(jìn)行審查和測(cè)試， 定期針對(duì)算法處理規(guī)則及預(yù)期結(jié)果的有效性進(jìn)行測(cè)試， 對(duì)AI系統(tǒng)中的數(shù)據(jù)的隱私性和安全性進(jìn)行測(cè)試。

2. 技術(shù)型人才。 其包括系統(tǒng)開(kāi)發(fā)人才、系統(tǒng)實(shí)施人才和系統(tǒng)維護(hù)人才。

（1）系統(tǒng)開(kāi)發(fā)人才。 “智能+會(huì)計(jì)”是用技術(shù)來(lái)實(shí)現(xiàn)會(huì)計(jì)模式的創(chuàng)新， 這就需要既了解AI能力， 又掌握會(huì)計(jì)專業(yè)知識(shí)和變革需求的人才參與系統(tǒng)開(kāi)發(fā)。 系統(tǒng)開(kāi)發(fā)人才可以發(fā)揮的作用包括：識(shí)別可以并且應(yīng)該實(shí)施AI的會(huì)計(jì)任務(wù);評(píng)估各領(lǐng)域會(huì)計(jì)相關(guān)流程可以實(shí)施AI的程度;根據(jù)AI特點(diǎn)重構(gòu)會(huì)計(jì)模式， 重組會(huì)計(jì)流程;評(píng)估每個(gè)流程實(shí)施AI的效益和風(fēng)險(xiǎn)， 當(dāng)流程出現(xiàn)例外情況時(shí)， 應(yīng)該如何應(yīng)對(duì);對(duì)系統(tǒng)和數(shù)據(jù)的訪問(wèn)進(jìn)行合理授權(quán);對(duì)敏感信息進(jìn)行保護(hù)， 防止未經(jīng)授權(quán)的信息收集、使用和披露;參與算法開(kāi)發(fā)， 獲取專家經(jīng)驗(yàn)， 并將專家經(jīng)驗(yàn)轉(zhuǎn)化為算法;確保算法按照會(huì)計(jì)相關(guān)的制度、準(zhǔn)則和法規(guī)進(jìn)行處理， 保證處理的準(zhǔn)確性和完整性;參與機(jī)器學(xué)習(xí)過(guò)程， 設(shè)計(jì)機(jī)器學(xué)習(xí)算法;選擇用于機(jī)器學(xué)習(xí)的數(shù)據(jù)并評(píng)估數(shù)據(jù)質(zhì)量， 用這些數(shù)據(jù)對(duì)算法進(jìn)行訓(xùn)練;測(cè)試機(jī)器學(xué)習(xí)結(jié)果并對(duì)相關(guān)參數(shù)進(jìn)行調(diào)整， 以持續(xù)優(yōu)化機(jī)器學(xué)習(xí)算法， 提高系統(tǒng)性能。

（2）系統(tǒng)實(shí)施人才。 AI系統(tǒng)的設(shè)計(jì)和實(shí)施是兩種相互結(jié)合的工作， 系統(tǒng)設(shè)計(jì)時(shí)需要考慮實(shí)施的可行性， 系統(tǒng)實(shí)施時(shí)也需要考慮系統(tǒng)設(shè)計(jì)中已解決和未解決的問(wèn)題。 系統(tǒng)實(shí)施人才可以發(fā)揮的作用包括：根據(jù)任務(wù)和背景對(duì)基礎(chǔ)設(shè)施進(jìn)行布局， 包括考慮公有云與內(nèi)部存儲(chǔ)的可用性、計(jì)算能力支持、基礎(chǔ)設(shè)施的可擴(kuò)展性和靈活性;參與會(huì)計(jì)部門(mén)與其他業(yè)務(wù)部門(mén)及外部相關(guān)方之間的數(shù)據(jù)接口配置;參與組織結(jié)構(gòu)和業(yè)務(wù)流程重組， 對(duì)圍繞AI系統(tǒng)開(kāi)展工作的會(huì)計(jì)相關(guān)流程進(jìn)行分析和再設(shè)計(jì)， 確定流程的KPI指標(biāo);重新設(shè)計(jì)會(huì)計(jì)相關(guān)崗位及其工作職責(zé);實(shí)施針對(duì)系統(tǒng)日常運(yùn)行和維護(hù)的內(nèi)部控制體系， 例如， 是否需要使用區(qū)塊鏈技術(shù)或設(shè)計(jì)相關(guān)制度來(lái)保證數(shù)據(jù)的安全性和保密性， 如何保證AI系統(tǒng)和信息被負(fù)責(zé)任地使用， 如何確保在現(xiàn)有數(shù)據(jù)不能充分說(shuō)明問(wèn)題的情況下做出可行的決策， 應(yīng)該在何種情況下經(jīng)過(guò)何種程序授權(quán)何人對(duì)AI系統(tǒng)參數(shù)進(jìn)行調(diào)整和對(duì)算法進(jìn)行再訓(xùn)練， 以及保證系統(tǒng)正常運(yùn)行的其他一般控制。

（3）系統(tǒng)維護(hù)人才。 系統(tǒng)維護(hù)人員要保證AI系統(tǒng)能夠正常、安全地運(yùn)行。 系統(tǒng)維護(hù)人才可以發(fā)揮的作用包括：當(dāng)出現(xiàn)智能決策質(zhì)量不達(dá)預(yù)期、規(guī)則變化或信息需求發(fā)生變化時(shí)， 對(duì)相關(guān)算法或系統(tǒng)參數(shù)進(jìn)行調(diào)整， 或者是用新的數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行訓(xùn)練和測(cè)試;經(jīng)常性地對(duì)系統(tǒng)的內(nèi)部控制和算法進(jìn)行審計(jì);實(shí)時(shí)監(jiān)控系統(tǒng)性能， 并從其他部門(mén)收集反饋意見(jiàn)， 以確定業(yè)務(wù)流程優(yōu)化的需求及可能性;對(duì)系統(tǒng)出現(xiàn)的各種異常情況進(jìn)行收集和分析， 在職權(quán)范圍內(nèi)解決能解決的問(wèn)題， 超越職權(quán)、技術(shù)能力或可用資源不足的情況下， 將相關(guān)信息反饋給責(zé)任部門(mén)或主管部門(mén)。

（三）“智能+會(huì)計(jì)”人才能力要求

“智能+會(huì)計(jì)”需要管理型和技術(shù)型兩類復(fù)合型人才， 前者基于對(duì)AI技術(shù)的認(rèn)知開(kāi)展會(huì)計(jì)相關(guān)管理活動(dòng)， 后者基于對(duì)會(huì)計(jì)知識(shí)的掌握開(kāi)展AI相關(guān)技術(shù)活動(dòng)。 兩類人才的能力要求各有側(cè)重， 前者著眼于管理， 后者更關(guān)注技術(shù)， 但要適應(yīng)“智能+會(huì)計(jì)”新的職業(yè)要求， 兩者還要具備一些共性能力， 具體可分為以下三個(gè)維度：

1. “管理+會(huì)計(jì)”能力。 在“智能+會(huì)計(jì)”人才能力體系中， 會(huì)計(jì)專業(yè)能力始終是最基本的要求。 AI有助于實(shí)現(xiàn)會(huì)計(jì)工作自動(dòng)化、智能化， 但其只是將隨著時(shí)代不斷發(fā)展的會(huì)計(jì)知識(shí)、技能和方法嵌入系統(tǒng)中， 并非要取消組織中的會(huì)計(jì)職能。 上述六類人才需求都是建立在掌握會(huì)計(jì)專業(yè)知識(shí)的基礎(chǔ)上的， 這是“智能+會(huì)計(jì)”人才相較于其他信息技術(shù)專業(yè)人才的優(yōu)勢(shì)所在。 “管理+會(huì)計(jì)”能力就是在掌握會(huì)計(jì)專業(yè)能力基礎(chǔ)上， 逐步與供應(yīng)鏈管理、營(yíng)銷管理、人力資源、生產(chǎn)管理等廣泛的管理能力進(jìn)行跨職能集成， 實(shí)現(xiàn)“基于管理的會(huì)計(jì)”和“基于會(huì)計(jì)的管理”相互融合、相互促進(jìn)的管理會(huì)計(jì)目標(biāo)， 更好地發(fā)揮會(huì)計(jì)在計(jì)劃、分析和控制中的作用。

2. “技術(shù)+會(huì)計(jì)”能力。 “技術(shù)+會(huì)計(jì)”能力要求立足會(huì)計(jì)視角， 解決技術(shù)領(lǐng)域中與會(huì)計(jì)相關(guān)的問(wèn)題。 技術(shù)方面的能力是隨著AI的發(fā)展而不斷變化的。 目前， “智能+會(huì)計(jì)”人才應(yīng)該掌握的能力主要包括：①技術(shù)認(rèn)知能力， 需要了解大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、AI、機(jī)器學(xué)習(xí)、網(wǎng)絡(luò)安全等新興信息技術(shù)的原理及其對(duì)會(huì)計(jì)工作的影響。 ②數(shù)據(jù)分析能力， 能夠獲取數(shù)據(jù)， 評(píng)估數(shù)據(jù)質(zhì)量， 管理數(shù)據(jù)集， 分析數(shù)據(jù)， 解釋結(jié)果， 并將結(jié)果傳達(dá)給客戶或決策者。 ③系統(tǒng)開(kāi)發(fā)能力， 能夠運(yùn)用主流的程序設(shè)計(jì)語(yǔ)言來(lái)開(kāi)發(fā)或維護(hù)AI系統(tǒng)中的算法， 參與設(shè)計(jì)AI系統(tǒng)與用戶的交流界面， 增強(qiáng)人機(jī)交互質(zhì)量。 ④系統(tǒng)分析能力， 能夠?qū)ΜF(xiàn)行系統(tǒng)的體系結(jié)構(gòu)和業(yè)務(wù)流程進(jìn)行評(píng)估， 發(fā)現(xiàn)系統(tǒng)存在的局限性和不足之處， 并提出解決方案。 ⑤系統(tǒng)管理能力， 能夠參與AI系統(tǒng)的設(shè)計(jì)、實(shí)現(xiàn)和部署， 評(píng)估AI系統(tǒng)內(nèi)部控制體系的設(shè)計(jì)和運(yùn)行情況。

3. “情商+會(huì)計(jì)”能力。 情商包含了一系列反映個(gè)人特質(zhì)的要素， 也被稱為軟技能。 AI促使大多數(shù)的會(huì)計(jì)工作實(shí)現(xiàn)自動(dòng)化， 而未被自動(dòng)化的大部分工作其實(shí)就是無(wú)法被AI復(fù)制的個(gè)人軟技能部分。 這些軟技能的重要性在“智能+會(huì)計(jì)”下更勝以往。 “情商+會(huì)計(jì)”就是要將會(huì)計(jì)人員的各種軟技能有效地用于會(huì)計(jì)工作， 以提高AI系統(tǒng)的人機(jī)協(xié)同績(jī)效。 例如， 由于AI系統(tǒng)存在的局限性， 由系統(tǒng)提供的信息需要再次進(jìn)行專家判斷， 這就凸顯了會(huì)計(jì)人員批判性思維的重要性;為了獲取分析所需的數(shù)據(jù)， 會(huì)計(jì)人員需要有良好的人際交往能力;為了讓管理層和客戶更好地理解或接受數(shù)據(jù)分析結(jié)果， 他們需要有良好的口頭溝通或書(shū)面溝通能力;會(huì)計(jì)人員還要具有正確的職業(yè)價(jià)值觀和職業(yè)態(tài)度， 能夠負(fù)責(zé)任地使用AI系統(tǒng);為了使技術(shù)人員進(jìn)行系統(tǒng)開(kāi)發(fā)、實(shí)施和維護(hù)， 或是組織團(tuán)隊(duì)進(jìn)行數(shù)據(jù)分析、智能決策和算法審計(jì)， 會(huì)計(jì)人員還必須有一定的領(lǐng)導(dǎo)力。

四、總結(jié)

隨著數(shù)據(jù)、算力和算法瓶頸的突破， AI時(shí)代的“未來(lái)已來(lái)”。 在數(shù)字化和智能化“雙輪驅(qū)動(dòng)”下， AI發(fā)揮其計(jì)算智能、分析智能、融合智能和自主智能的作用， 推動(dòng)“智能+會(huì)計(jì)”進(jìn)入信息化會(huì)計(jì)普及、數(shù)字化會(huì)計(jì)推廣、智能化會(huì)計(jì)突破和智慧化會(huì)計(jì)萌動(dòng)階段。 但是， AI技術(shù)在應(yīng)對(duì)組織決策的不確定性、復(fù)雜性和模糊性方面還存在困難， 需要發(fā)展人類智能和AI之間的人機(jī)共生關(guān)系， 用AI來(lái)增益而不是替代人類智能。 AI既替代了部分傳統(tǒng)會(huì)計(jì)任務(wù)和角色， 也帶來(lái)了對(duì)技術(shù)進(jìn)行管理并在技術(shù)支持下進(jìn)行決策的管理型人才， 以及參與系統(tǒng)開(kāi)發(fā)、實(shí)施和維護(hù)的技術(shù)型人才需求， 這些新型人才需要具備“管理+會(huì)計(jì)”“技術(shù)+會(huì)計(jì)”和“情商+會(huì)計(jì)”三個(gè)維度的復(fù)合型能力。

【 主 要 參 考 文 獻(xiàn) 】

[ 1 ] Sutton S. G.， Holt M.， Arnold V.. The reports of my death are?greatly exaggerated：Artificial intelligence research in accounting[ J].International Journal of Accounting Information Systems，2016（22）：60 ～ 73.

[ 2 ] Paschen U.， Pitt C.， Kietzmann J.. Artificial intelligence：Building?blocks and an innovation typology[ J].Business Horizons，2020（2）：147 ～ 155.

[ 3 ] 應(yīng)里孟.“互聯(lián)網(wǎng)+會(huì)計(jì)”下會(huì)計(jì)信息質(zhì)量特征的新發(fā)展[ J].財(cái)會(huì)月刊，2018（7）：23 ～ 29.

[ 4 ] 何大安.互聯(lián)網(wǎng)應(yīng)用擴(kuò)張與微觀經(jīng)濟(jì)學(xué)基礎(chǔ)——基于未來(lái)“數(shù)據(jù)與數(shù)據(jù)對(duì)話”的理論解說(shuō)[ J].經(jīng)濟(jì)研究，2018（8）：177 ～ 192.

[ 5 ] Canhoto A. I.， Clear F.. Artificial intelligence and machine learn-ing as business tools：A framework for diagnosing value destruction potential[ J].Business Horizons，2020（2）：183 ～ 193.

[ 6 ] Rikhardsson P.， Yigitbasioglu O.. Business intelligence & analytics?in management accounting research：Status and future focus[ J].International Journal of Accounting Information Systems，2018（29）：37 ～ 58.

[ 7 ] 陽(yáng)杰，應(yīng)里孟.審計(jì)大數(shù)據(jù)分析人才需求及其培養(yǎng)——基于CDIO理念的模式建構(gòu)[ J].財(cái)會(huì)月刊，2019（4）：108 ～ 119.

[ 8 ] Wilson H. J.， Daugherty P. R.. Collaborative intelligence：Hu-mans and AI are joining forces[ J].Harvard Business Review，2018（4）：114 ～ 123.

[ 9 ] Kokina J.， Blanchette S.. Early evidence of digital labor in acco-unting：Innovation with robotic process automation[ J].International Journal of Accounting Information Systems，2019（35）：1 ～ 31.

[10] Jarrahi M. H.. Artificial intelligence and the future of work：Human-AI symbiosis in organizational decision making[ J].Business Horizons， 2018（4）：577 ～ 586.

[11] Autor D. H.. Why are there still so many jobs？The history and?future of workplace automation[ J].Journal of Economic Perspectives，2015（3）：3 ～ 30.

[12] Shrestha Y. R.， Ben-Menahem S. M.， Von Krogh G.. Organi-zational decision-making structures in the age of artificial intelligence[ J].California Management Review，2019（4）：66 ～ 83.

[13] Davenport T. H.， Kirby J.. Beyond automation[ J].Harvard Busi-ness Review，2015（6）：58 ～ 65.

[14] Brynjolfsson E.， Mcelheran K.. The rapid adoption of data-driven?decision-making[ J].American Economic Review，2016（5）：33 ～ 39.

[15] RichinsI G.， Stapleton A.， Stratopoulos T. C.， et al.. Big data?analytics：Opportunity or threat for the accounting profession？[ J].Journal of Information Systems，2017（3）：63 ～ 79.