李聞一

【摘 要】 大語言模型基于Transformer架構(gòu)對大量文本數(shù)據(jù)進(jìn)行學(xué)習(xí)，能夠結(jié)合上下文提示對用戶需求進(jìn)行自然語言處理，具備大數(shù)據(jù)、大算力、大標(biāo)注、強(qiáng)算法等能力，受到財務(wù)共享領(lǐng)域的廣泛關(guān)注。文章首先討論了大語言模型概念及特征，并對國內(nèi)外五大語言模型進(jìn)行比較；其次，結(jié)合財務(wù)共享服務(wù)中心的客戶支持、運(yùn)營分析、業(yè)務(wù)支持、文本信息處理、海外核算管理、檔案管理六大場景詳細(xì)分析了大語言模型在財務(wù)共享服務(wù)中心的應(yīng)用，并對其使用風(fēng)險進(jìn)行探討；最后，得出財務(wù)共享服務(wù)中心需要合理使用大語言模型等結(jié)論，以及財務(wù)共享服務(wù)中心在應(yīng)用大語言模型時需制定安全保障體系、因企實(shí)施、建立人機(jī)協(xié)同模式等啟示，期望給財務(wù)共享服務(wù)中心大語言模型的應(yīng)用提供理論指導(dǎo)和實(shí)踐經(jīng)驗(yàn)。

【關(guān)鍵詞】 大語言模型； 財務(wù)共享服務(wù)中心； ChatGPT； 應(yīng)用場景

【中圖分類號】 F230? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2023）15-0002-09

一、引言

《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》明確提出“到2025年數(shù)字經(jīng)濟(jì)邁向全面擴(kuò)展期”，黨的二十大報告進(jìn)一步指出“要加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”，這迫切需要通過數(shù)字化帶動實(shí)體經(jīng)濟(jì)轉(zhuǎn)型升級。大語言模型（Large

Language Models，LLMs）作為一種新型的生成式AI工具，通過千億級別數(shù)據(jù)預(yù)訓(xùn)練的涌現(xiàn)能力、文本與圖像自動生成的幻覺能力、單一語言文本數(shù)據(jù)轉(zhuǎn)化為多種語言數(shù)據(jù)的遷移能力以及邏輯性極強(qiáng)的自然語言處理能力，運(yùn)用到財務(wù)等領(lǐng)域[ 1 ]，實(shí)現(xiàn)了企業(yè)降本增效。同時，財務(wù)共享服務(wù)中心作為企業(yè)數(shù)字化轉(zhuǎn)型和組織創(chuàng)新變革的有效手段[ 2 ]，已被世界500強(qiáng)和大型集團(tuán)企業(yè)采用。那么，大語言模型在財務(wù)共享服務(wù)中心有何應(yīng)用場景，對財務(wù)共享服務(wù)中心的客戶支持、運(yùn)營分析、業(yè)務(wù)支持、文本信息處理、海外核算管理、檔案管理等有何影響和存在哪些風(fēng)險，成為國內(nèi)外會計理論和實(shí)務(wù)界關(guān)注的熱點(diǎn)，對其展開討論具有重要的理論和現(xiàn)實(shí)意義。

基于上述討論，本文首先從大語言模型的概念及特征出發(fā)，對國內(nèi)外五大模型進(jìn)行比較，為大語言模型選擇應(yīng)用提供方向。其次，以ChatGPT和文心一言兩大模型為例，討論了大語言模型在財務(wù)共享服務(wù)中心應(yīng)用的六大場景，探究了大語言模型在財務(wù)共享領(lǐng)域應(yīng)用的可行性。最后，討論了大語言模型在財務(wù)共享服務(wù)中心應(yīng)用的安全風(fēng)險和創(chuàng)新影響，得出財務(wù)共享服務(wù)中心必須擁抱大語言模型和應(yīng)用中可能存在風(fēng)險兩大結(jié)論，以及需要制定安全保障體系、因企實(shí)施、建立人機(jī)協(xié)同模式三大啟示。

二、大語言模型概念及特征

（一）概念

大語言模型是一種基于深度學(xué)習(xí)技術(shù)，在大規(guī)模文本預(yù)料上訓(xùn)練、包含千億級別參數(shù)的自然語言處理模型。這些模型使用神經(jīng)網(wǎng)絡(luò)架構(gòu)處理輸入文本并生成輸出文本，在自然語言處理、語音識別、對話型AI等許多領(lǐng)域發(fā)揮了重要作用。

作為近年來神經(jīng)自然語言處理的核心研究之一，國內(nèi)外對大語言模型進(jìn)行了諸多研究，并得到了大量的研究成果：Meta（BlenderBot）、OpenAI（ChatGPT）、Google（LaMDA）、百度（文心一言）、阿里（通義千問）等。大語言模型雖然在語言理解推理、對話生成等多個任務(wù)上已經(jīng)達(dá)到甚至超越了人類的平均水平，但是對于大語言模型能否正確響應(yīng)人類所提出的指令、滿足用戶的合理請求以及生成內(nèi)容是否符合人類的價值觀，其研究仍然處于起步階段。大語言模型發(fā)展歷程如圖1所示。

（二）特征

1.模型性能

大語言模型的性能經(jīng)歷了“基于概率預(yù)測的模型—基于Transformer架構(gòu)的預(yù)訓(xùn)練語言模型—大模型”的轉(zhuǎn)變，這主要由其規(guī)模來衡量?；诟怕暑A(yù)測的模型規(guī)模較小，其性能提升和參數(shù)增長基本呈線性，符合比例定律。大模型的出現(xiàn)打破了這一定律，參數(shù)規(guī)模達(dá)到千億及以上級別，模型性能實(shí)現(xiàn)了質(zhì)的飛躍，這也被稱為大模型的“涌現(xiàn)能力”。

2.模型使用方式

傳統(tǒng)的預(yù)訓(xùn)練語言模型是對模型參數(shù)在上下游任務(wù)上做微調(diào)，比如完成上游任務(wù)進(jìn)行下游任務(wù)時，對模型參數(shù)重新訓(xùn)練，預(yù)訓(xùn)練詞向量無法隨上下文動態(tài)變化。而大語言模型參數(shù)量巨大，且已經(jīng)具備強(qiáng)大的學(xué)習(xí)能力，因此提示學(xué)習(xí)是激發(fā)大語言模型性能的更好方式。

3.自然語言處理的范式遷移

自然語言處理的范式遷移經(jīng)歷了由分類范式到生成范式的轉(zhuǎn)變，實(shí)現(xiàn)了“預(yù)訓(xùn)練+微調(diào)”到根據(jù)下游任務(wù)修改自身描述的轉(zhuǎn)化。生成范式主要指自回歸式的給定前綴生成下一個單詞或根據(jù)文本提示生成代碼的大語言模型。這一轉(zhuǎn)變使得任務(wù)本身更靠近自然語言的形式，從而激發(fā)預(yù)訓(xùn)練模型的潛在能力。

三、國內(nèi)外五大語言模型的比較

（一）交互上的差異

語言聊天機(jī)器人是一項(xiàng)新興技術(shù)，因此對于交互上的差異，五大語言模型很難直接比較。于是，本文采用安全滲透測試（用于測試計算機(jī)系統(tǒng)的可訪問性和安全性的測試）的方法[ 3 ]，調(diào)查并比較以上語言模型，從而評估這些模型的潛在優(yōu)勢和局限性。

LaMDA提供了有限形式的交互，限制了提問問題的類型和范圍；BlenderBot通過生成具有特定任務(wù)的假設(shè)代理為用戶提供了不同的上下文情景；ChatGPT為用戶提供了單一的上下文情景，但是它可以重新生成與它所呈現(xiàn)的對話略微不同的觀點(diǎn)；文心一言與通義千問對上下文場景鏈接相對較弱，單一問題回答較詳細(xì)，觀點(diǎn)明確。

（二）回答問題能力與系統(tǒng)深度上的差異

LaMDA的有限訪問版本提供了有限的LaMDA視圖以及可以向系統(tǒng)提出的問題；BlenderBot的回答范圍最有限，對許多問題無法解答；ChatGPT在回答問題與系統(tǒng)反應(yīng)上相對較好，但有時也會存在文不對題或者錯誤解答的情況；通義千問在中文語境下回答能力較強(qiáng)；文心一言預(yù)訓(xùn)練語料和數(shù)據(jù)質(zhì)量稍強(qiáng)，但整個模型的調(diào)優(yōu)、模型訓(xùn)練的算法和數(shù)據(jù)的精標(biāo)相對于通義千問較弱。

基于提出問題的能力和系統(tǒng)的反應(yīng)，ChatGPT是最強(qiáng)大的模型。然而ChatGPT有時并不知道它的回答是錯誤的，盡管是錯誤的答案，但模型還是以一種看起來一定是正確的方式顯示信息。此外，ChatGPT的回答就像機(jī)器人一樣，沒有提到專業(yè)知識的來源和進(jìn)一步討論的深度。

（三）實(shí)際用途上的差異

五大語言模型都是國內(nèi)外自然語言處理領(lǐng)域的頂尖模型，它們在不同的實(shí)際應(yīng)用場景中各自都表現(xiàn)出了卓越的性能。LaMDA最有想象力，它能幫助人們解決實(shí)際問題并向人們提供重要信息，但由于其設(shè)計的功能限制，目前只能回答一組特定的問題；BlenderBot知道邏輯因果和時事，可以進(jìn)行人機(jī)對話，但有時不能完成它在對話中指定的內(nèi)容；ChatGPT擁有豐富的學(xué)術(shù)和企業(yè)方面的知識，能幫助解決學(xué)術(shù)和企業(yè)管理中的實(shí)際問題；文心一言與通義千問作為中文語言生成模型，在中文語境下對比國外三大模型回答清晰，更貼合中國用戶。

四、財務(wù)共享服務(wù)中心的大語言模型應(yīng)用場景

（一）財務(wù)共享的客戶支持專家

大語言模型具有優(yōu)秀的文本應(yīng)用能力、語言溝通能力及強(qiáng)大的文本數(shù)據(jù)能力，在財務(wù)共享服務(wù)中心能夠與客戶對話，為內(nèi)外部客戶提供專業(yè)化財務(wù)信息服務(wù)，解答客戶問題。例如回答內(nèi)部分子公司財務(wù)信息、提供分子公司財務(wù)分析報告、幫助分子公司和員工等分析問題原因、指導(dǎo)分子公司和員工等進(jìn)行系統(tǒng)操作，從而為財務(wù)共享服務(wù)中心節(jié)省大量的人工時間和精力，減少人力資源的消耗，提高工作效率。

本文分別采用文心一言和ChatGPT就“費(fèi)用報銷流程”問題進(jìn)行回答，如圖2和圖3所示。雖然兩者都對費(fèi)用報銷流程進(jìn)行了解讀，但是回答問題的角度略有不同，并對目前的流程不甚了解，不具備時效性。

對于“供貨未收到款項(xiàng)的原因”的回答，文心一言從延遲、意外、供應(yīng)鏈、資金四個方面解答，ChatGPT從財務(wù)狀況、合同爭議、行政程序、財務(wù)漏洞四個方面解答。兩者基本能為財務(wù)共享客戶提供思路。

（二）財務(wù)共享的運(yùn)營分析專家

大語言模型通過為財務(wù)共享服務(wù)中心運(yùn)營關(guān)鍵點(diǎn)提供分析思路，指導(dǎo)企業(yè)抓住要點(diǎn)和痛點(diǎn)。首先，通過分析財務(wù)共享服務(wù)中心運(yùn)行產(chǎn)生的業(yè)財數(shù)據(jù)，尋找運(yùn)營存在的問題；其次，運(yùn)用大語言模型的大算力和強(qiáng)算法，建立業(yè)財流程指標(biāo)計算體系并提供代碼支持，進(jìn)行自然語言模型建構(gòu)；最后，進(jìn)行分析結(jié)果解讀，生成分析結(jié)果的統(tǒng)計學(xué)和會計學(xué)含義報告，為運(yùn)營分析提供支持。

1.分析需求要點(diǎn)

在“財務(wù)共享運(yùn)營分析關(guān)鍵點(diǎn)”問題回答中，文心一言認(rèn)為財務(wù)共享運(yùn)營關(guān)鍵點(diǎn)有定期評估、監(jiān)控成本、分析數(shù)據(jù)、制定改進(jìn)措施四個方面，ChatGPT認(rèn)為有目標(biāo)設(shè)定、成本效益分析、績效考核指標(biāo)、風(fēng)險管理、組織架構(gòu)、技術(shù)支持、培訓(xùn)與溝通七個方面。ChatGPT相對于文心一言，對關(guān)鍵點(diǎn)的解讀較為詳細(xì)。兩者分析角度不同，不過都有借鑒意義。企業(yè)財務(wù)共享服務(wù)中心按照以上要點(diǎn)進(jìn)行運(yùn)營，能夠?qū)崿F(xiàn)降本增效，從而提高企業(yè)競爭力。

2.分析代碼支持

ChatGPT“用Python實(shí)現(xiàn)某決策樹模型的示例代碼，該代碼以輸入的員工編號、月份和處理憑證數(shù)量作為特征，輸出該員工在該月份下處理憑證時的差錯率預(yù)測值”問題回答，如圖4所示。它根據(jù)業(yè)務(wù)場景編寫代碼，將定量分析的方法省時省力運(yùn)用到財務(wù)共享服務(wù)中心運(yùn)營過程中。文心一言代碼能力相對較弱，對本問題沒有給出相應(yīng)的代碼支持。

3.自然語言模型建構(gòu)

文心一言和ChatGPT關(guān)于構(gòu)建決策樹模型的回答，如圖5和圖6所示。ChatGPT運(yùn)用決策樹方法構(gòu)建了憑證處理差錯率模型，并做出了解釋，能夠識別財務(wù)共享服務(wù)中心運(yùn)營過程中的風(fēng)險。文心一言以文字的形式對決策樹模型進(jìn)行說明，沒有以數(shù)據(jù)的形式將場景需求展現(xiàn)出來。ChatGPT的模型構(gòu)建能力相對于文心一言更好一些，能夠運(yùn)用模型進(jìn)行風(fēng)險預(yù)測和分析。

（三）財務(wù)共享的業(yè)務(wù)支持專家

1.投資分析

大語言模型可以運(yùn)用其大數(shù)據(jù)和大算力從多個角度進(jìn)行投資分析，將投資分析結(jié)果以報告的形式傳輸給相關(guān)分子公司。關(guān)于基本面投資建議的回答，ChatGPT能夠從財務(wù)狀況、技術(shù)實(shí)力、市場競爭對比亞迪和寧德時代進(jìn)行投資分析，但是文心一言未分點(diǎn)列出，只籠統(tǒng)回答。同時，兩者的投資選擇結(jié)果不相同，ChatGPT選擇的投資對象是寧德時代，文心一言選擇的投資對象是比亞迪，但兩者都強(qiáng)調(diào)投資者需結(jié)合自身其他情況進(jìn)行投資決策。企業(yè)可以根據(jù)兩者提供的分析基本點(diǎn)，結(jié)合自身情況做出正確投資判斷。

2.分子公司財務(wù)分析

大語言模型可以對財務(wù)共享服務(wù)中心的數(shù)據(jù)進(jìn)行簡單分析，同時對統(tǒng)計學(xué)的分析結(jié)果有一定的解釋力。當(dāng)財務(wù)人員利用財務(wù)數(shù)據(jù)分析時，如果遇到復(fù)雜分析結(jié)果，那么可以借助大語言模型進(jìn)行解讀。

ChatGPT可以利用大數(shù)據(jù)和AI技術(shù)對公司的銷售、庫存、生產(chǎn)等數(shù)據(jù)進(jìn)行分析和預(yù)測，為分子公司和集團(tuán)戰(zhàn)略財務(wù)等提供決策參考。此外，財務(wù)共享服務(wù)中心積累了大量數(shù)據(jù)，但往往需要花費(fèi)很多時間和精力采用PowerBI等工具進(jìn)行分析，而ChatGPT可以有效利用這些存量數(shù)據(jù)生成管理報告，為企業(yè)管理者提供更加準(zhǔn)確、全面的數(shù)據(jù)分析結(jié)果。

3.智能決策顧問

大語言模型在商學(xué)、法學(xué)、技術(shù)、編程等測試中均有較好的表現(xiàn)，因此隨著其后臺規(guī)則的逐漸優(yōu)化和回答的逐漸規(guī)范，財務(wù)共享服務(wù)中心人員可以借助其商業(yè)邏輯和分析能力獲取關(guān)于決策的參考，從而做好集團(tuán)和業(yè)務(wù)一線的決策顧問。比如，對于“比亞迪公司財務(wù)共享服務(wù)中心選擇”問題，ChatGPT從地理位置、勞動力市場、物流和基礎(chǔ)設(shè)施、稅收政策多個角度選定三個地點(diǎn)，并結(jié)合個性化需求做出了單一選址判斷，決策智能。

（四）財務(wù)共享的個人秘書

1.個人秘書

大語言模型可以幫助財務(wù)共享服務(wù)中心的員工提高文本處理能力和專業(yè)答疑能力，從而勝任個人秘書的工作。比如以數(shù)字員工的身份運(yùn)用其大標(biāo)注能力負(fù)責(zé)文本信息整理、宣傳郵件編寫、財務(wù)運(yùn)營客服等文本和溝通類工作任務(wù)。在需求發(fā)現(xiàn)階段，大語言模型可以確定需求范圍，并列出需求清單文檔；在流程整理階段，大語言模型可以對業(yè)務(wù)流程進(jìn)行梳理，對工作步驟進(jìn)行詳細(xì)解讀；在問題分析階段，將會議討論等產(chǎn)生的語音通過專業(yè)軟件轉(zhuǎn)化為文本后，大語言模型可以對會議紀(jì)要進(jìn)行提煉，進(jìn)行文本信息整理，確定最終需要解決的關(guān)鍵問題。另外，在方案設(shè)計時，它還能給出建議，并進(jìn)行文檔錯誤的檢查，保證文檔的準(zhǔn)確性和規(guī)范性。

2.個人技術(shù)助理

在財務(wù)共享服務(wù)平臺應(yīng)用、數(shù)據(jù)分析代碼編寫、系統(tǒng)和流程優(yōu)化等方面，大語言模型可以充當(dāng)個人技術(shù)助理。大語言模型可以根據(jù)企業(yè)需求提供定制化的RPA解決方案，如將文心一言或ChatGPT集成到RPA產(chǎn)品中以降低開發(fā)門檻。在問題發(fā)現(xiàn)階段，大語言模型可以根據(jù)業(yè)務(wù)部門的實(shí)際情況進(jìn)行需求發(fā)現(xiàn)，并進(jìn)行流程整理與問題分析，實(shí)現(xiàn)需求的重構(gòu)與翻譯；在開發(fā)階段，大語言模型可以進(jìn)行方案設(shè)計，將需求轉(zhuǎn)化為機(jī)器語言，實(shí)現(xiàn)代碼編寫，通過RPA實(shí)現(xiàn)代碼的運(yùn)行；在技術(shù)評估與方案完善階段，大語言模型可以對運(yùn)行結(jié)果實(shí)現(xiàn)技術(shù)評估，并進(jìn)行方案完善，將機(jī)器語言轉(zhuǎn)化為業(yè)務(wù)部門易于理解的通俗語言；最后將方案結(jié)果返回到業(yè)務(wù)需求部門。ChatGPT+RPA解決方案如圖7所示。

（五）海外財務(wù)共享的業(yè)務(wù)支持和核算處理專家

大語言模型幾乎支持全部語種的交流，并且翻譯的邏輯性和流暢度高于普通翻譯軟件，為海外財務(wù)共享的業(yè)務(wù)支持提供了極大的語言便利性。同時，大語言模型具有強(qiáng)大的信息承載能力，可以迅速查詢到各國會計和稅收等政策法規(guī)；在進(jìn)一步學(xué)習(xí)各國的會計準(zhǔn)則、稅法制度、銀行監(jiān)管制度和營商環(huán)境制度后，大語言模型可以成為精通各國會計知識的業(yè)務(wù)支持專家和核算處理專家。

關(guān)于“制造型企業(yè)在美國、越南、印度的企業(yè)所得稅稅率”問題，ChatGPT和文心一言的回答有所不同，企業(yè)需要運(yùn)用搜索引擎做出判斷。關(guān)于“服務(wù)型企業(yè)在美國、英國、日本向銀行貸款1 000萬的貸款利率及費(fèi)用”問題，文心一言給出了具體的貸款利率，沒有對具體費(fèi)用進(jìn)行計算；ChatGPT給出的是利率區(qū)間，對問題中1 000萬沒有標(biāo)明的貨幣單位，根據(jù)不同國家的貨幣進(jìn)行計算。關(guān)于“向A公司購買設(shè)備1 000萬元，用銀行存款支付，在不同國家如何進(jìn)行憑證處理”問題，ChatGPT能夠根據(jù)不同國家的語言進(jìn)行會計分錄編寫，文心一言只能編寫中文分錄。

（六）財務(wù)共享的檔案管理專家

1.檔案信息智能檢索

大語言模型的主要思路是，通過利用大數(shù)據(jù)、大算力、大標(biāo)注和強(qiáng)大算法能力，對用戶提供的查詢語句進(jìn)行分析和理解，從而匹配最佳的檔案記錄。匹配過程可以根據(jù)查詢語句和檔案記錄之間的相似度自動完成，從而幫助用戶快速準(zhǔn)確地檢索到所需的檔案信息。比如，為了使ChatGPT能夠更好地理解財務(wù)共享服務(wù)中心的業(yè)務(wù)要求，它需要進(jìn)行會計檔案、財務(wù)制度、會計準(zhǔn)則、合同管理等的大量自我學(xué)習(xí)，從而提升對財務(wù)共享服務(wù)中心工作流程和工作結(jié)果的理解以及對檔案知識的認(rèn)知。在財務(wù)共享服務(wù)中心的應(yīng)用，主要表現(xiàn)為單、票、證、賬、表等的整理和檢索，能快速將大量信息反饋給用戶，歸檔示意如圖8所示。

條形碼作為信息載體，可以快速獲取憑證全業(yè)務(wù)數(shù)據(jù)，并實(shí)現(xiàn)雙向循環(huán)定位。這種技術(shù)方案可以有效促進(jìn)不同來源、異構(gòu)、碎片化、離散性強(qiáng)的業(yè)務(wù)數(shù)據(jù)之間的整合集成，使數(shù)據(jù)在存儲過程中能夠保持匹配關(guān)聯(lián)，形成具有歸檔功能的檔案包。大語言模型根據(jù)財務(wù)共享服務(wù)中心相關(guān)憑證和單據(jù)自行分類，智能匹配，形成案卷，具體流程如圖9所示。

2.檔案信息知識問答

檔案材料中蘊(yùn)含著豐富的知識價值，但這些知識往往分散，需要提取和整合才能形成完整的知識體系。為此，大語言模型可以發(fā)揮其自然語言處理和自監(jiān)督學(xué)習(xí)能力，對財務(wù)共享服務(wù)中心大量的會計檔案文本及圖片進(jìn)行處理和分析，并提取相關(guān)信息實(shí)現(xiàn)數(shù)字檔案化。同時，大語言模型還可以通過學(xué)習(xí)和提取大量的單、票、證、賬、表等會計檔案數(shù)據(jù)，建立檔案知識庫。通過智能問答的形式，回答調(diào)閱者提出的問題，并從會計檔案材料中提取相關(guān)的知識和信息，幫助用戶快速解決問題并獲取所需信息。這樣的應(yīng)用方案，極大地提高了會計檔案查閱的效率和準(zhǔn)確度，還可以幫助企業(yè)更好地管理和利用檔案知識。

五、財務(wù)共享服務(wù)中心大語言模型應(yīng)用的安全風(fēng)險和創(chuàng)新影響

（一）安全風(fēng)險

1.專業(yè)認(rèn)知存在偏差

盡管大語言模型能夠解決許多自然語言處理任務(wù)，但并不保證在回答所有學(xué)術(shù)問題和常識問題時都能保持正確，比如在處理某些問題時，大語言模型可能會混淆訓(xùn)練數(shù)據(jù)中不同人物實(shí)體的背景和關(guān)系，導(dǎo)致回答出現(xiàn)偏差。此外，對于某些專業(yè)領(lǐng)域和垂直領(lǐng)域的問題，大語言模型還不能替代專用模型的作用。比如ChatGPT對“生產(chǎn)部門的管理人員工資歸類到什么會計科目”問題回答時，將其歸類到管理費(fèi)用中，而正確的應(yīng)該是計入制造費(fèi)用，出現(xiàn)了專業(yè)知識性錯誤。

2.“杜撰”現(xiàn)象

大語言模型可能會編造虛假信息，且輸出通常是真實(shí)信息和虛假信息混合的結(jié)果，這可能會誤導(dǎo)那些無法獲取更多信息源的人群。對財務(wù)共享服務(wù)中心來說，這樣的情況會對準(zhǔn)確性工作帶來一定的阻礙。比如，使用ChatGPT搜索某供應(yīng)商信息，發(fā)現(xiàn)其會出現(xiàn)信息套用情況。

3.認(rèn)知價值觀存在偏離

ChatGPT等國外大語言模型的訓(xùn)練語料主要來自西方語言體系，因此其在價值觀層面存在一定的偏向，生成的內(nèi)容可能不符合中國的價值觀。這是因?yàn)樵谔幚砟承﹩栴}時，大語言模型可能會受到其訓(xùn)練語料的限制，表述時無法充分考慮到中國文化和價值觀念，導(dǎo)致生成的內(nèi)容與傳統(tǒng)的中國文化和價值觀存在偏離。比如，在進(jìn)行會計科目回答時，ChatGPT等國外大語言模型會使用基于美國會計準(zhǔn)則的會計科目，不符合中國的會計準(zhǔn)則以及報表編制要求。

4.信息安全存在風(fēng)險

目前大語言模型的關(guān)鍵技術(shù)掌握在少數(shù)國外機(jī)構(gòu)之中，這意味著其應(yīng)用可能會受到這些機(jī)構(gòu)的限制。比如，ChatGPT只提供云服務(wù)和應(yīng)用程序接口（API），且其訓(xùn)練與測試過程均在美國服務(wù)器上部署。在訓(xùn)練過程中，ChatGPT可能會收集使用者的信息并記錄使用者的反饋和使用習(xí)慣，這種數(shù)據(jù)收集方式可能會導(dǎo)致嚴(yán)重的信息泄露和用戶隱私保護(hù)風(fēng)險。因此，財務(wù)共享服務(wù)中心的大語言模型應(yīng)用可能會對企業(yè)部分財務(wù)數(shù)據(jù)造成泄露。

5.生成內(nèi)容責(zé)任承擔(dān)缺位

與搜索引擎相比，大語言模型對其生成內(nèi)容是否承擔(dān)責(zé)任，目前還難以確定。比如，大語言模型在為財務(wù)共享服務(wù)中心人員解答或提供客戶支持時，其輸出結(jié)果能否代表企業(yè)的觀點(diǎn)，企業(yè)是不是相應(yīng)內(nèi)容的責(zé)任人，急需國家層面的界定。

（二）知識復(fù)制抑或創(chuàng)新激發(fā)

1.以“個性化”培養(yǎng)破解“普遍化”困境

大語言模型提供大量的文本、代碼、模型等使得財務(wù)共享服務(wù)中心員工產(chǎn)生惰性，容易形成普遍化的答案[ 4 ]，影響員工的個性化思考，阻礙了邏輯思維的培養(yǎng)，從而減少財務(wù)共享的個性化創(chuàng)新。同時，目前大語言模型本身也存在普遍化的特點(diǎn)，對一個問題的回答，不同的語言模型往往輸出大致相同的結(jié)果，未來應(yīng)該加強(qiáng)對大語言模型的批判性分析能力，使其能夠更好地解決復(fù)雜問題，也需要提高模型在處理海量知識時的甄別能力，以便更準(zhǔn)確地回答用戶的問題。此外，增強(qiáng)AI機(jī)器人之間的協(xié)作和創(chuàng)新能力也非常重要，這有助于為大型語言模型向現(xiàn)實(shí)問題提供個性化解決方案奠定良好的基礎(chǔ)。

2.以“思想性”引領(lǐng)超越“技術(shù)性”局限

雖然目前大語言模型已經(jīng)得到很大發(fā)展，但其還是不可避免地存在很多技術(shù)上的局限。財務(wù)共享服務(wù)中心的工作人員作為大語言模型的使用者，本身也應(yīng)更具有學(xué)習(xí)性、革新性，努力提高自己的創(chuàng)造性思維。同時，隨著大語言模型的發(fā)展，人類的獨(dú)立思考能力面臨著挑戰(zhàn)。因此，財務(wù)共享服務(wù)中心需要不斷改進(jìn)教育技術(shù)，以更好地契合人類的倫理價值觀，并確保大語言模型的可控性、可靠性和可信度。這樣才能夠?qū)崿F(xiàn)大語言模型技術(shù)和道德要求相一致的目標(biāo)。

六、結(jié)論與啟示

（一）結(jié)論

首先，財務(wù)共享服務(wù)中心的未來應(yīng)用必須擁抱大語言模型。大語言模型具有豐富的語言理解、情景分析、代碼寫作、模型構(gòu)建等能力，在財務(wù)共享服務(wù)中心主要表現(xiàn)為會溝通的財務(wù)客服、多功能的分析工具、自動化的報告助手、全天候的財務(wù)秘書、個性化的技術(shù)助理、懂語言的全球化人才、智能化的決策顧問。這從多方面提升了財務(wù)共享服務(wù)中心的工作效率及業(yè)務(wù)創(chuàng)新、數(shù)字化和全球適應(yīng)能力，為建設(shè)一流企業(yè)提供了新的基礎(chǔ)。

其次，大語言模型在財務(wù)共享服務(wù)中心的應(yīng)用可能存在風(fēng)險。財務(wù)共享服務(wù)中心的工作具有嚴(yán)謹(jǐn)性、保密性，但是大語言模型存在專業(yè)知識偏差、“杜撰”、認(rèn)知價值觀偏離、數(shù)據(jù)泄露、生成內(nèi)容責(zé)任承擔(dān)缺位等風(fēng)險。

（二）啟示

第一，制定安全保障體系。針對大語言模型可能存在的風(fēng)險，設(shè)置人員、流程、數(shù)據(jù)等方面的安全保障。在人員方面，作為財務(wù)共享服務(wù)中心的員工，需要對問答信息做出基于專業(yè)知識的正確考量，確保傳輸給客戶的信息不出現(xiàn)專業(yè)知識和倫理等方面的差錯。在流程方面，應(yīng)制定流程優(yōu)化、流程審批和流程試用等控制機(jī)制。在數(shù)據(jù)方面，企業(yè)應(yīng)設(shè)置大語言模型使用準(zhǔn)則，對涉及企業(yè)內(nèi)部機(jī)密的數(shù)據(jù)和場景應(yīng)慎重使用大語言模型。

第二，應(yīng)用大語言模型要因企實(shí)施。財務(wù)共享服務(wù)中心是基于企業(yè)的自身發(fā)展戰(zhàn)略、職能，實(shí)現(xiàn)不同的應(yīng)用場景，為組織提供創(chuàng)新性支持。比如，部分財務(wù)共享服務(wù)中心支持海外業(yè)務(wù)，可以借助大語言模型了解不同國家的會計準(zhǔn)則、會計科目，以及不同國家的稅率等財務(wù)數(shù)據(jù)。同時，對于被取代的人員及業(yè)務(wù)功能，要做到崗位職責(zé)調(diào)整，確保人員適配，不浪費(fèi)人力資源。

第三，建立人機(jī)協(xié)同模式。由于大語言模型具有大數(shù)據(jù)預(yù)訓(xùn)練涌現(xiàn)能力、自動生成幻覺能力、多語言數(shù)據(jù)遷移能力及自然語言處理能力，需要財務(wù)共享服務(wù)中心員工與其進(jìn)行良好溝通，并對其進(jìn)行監(jiān)督，從而達(dá)到大語言模型輔助人、人輔助大語言模型，大語言模型監(jiān)督人、人監(jiān)督大語言模型的新型人機(jī)協(xié)同方式，優(yōu)化人機(jī)比例配置[ 5 ]，實(shí)現(xiàn)財務(wù)共享服務(wù)中心與大語言模型相互賦能。

【參考文獻(xiàn)】

［1］ 劉勤.ChatGPT及其對會計工作的影響探討［J］.會計之友，2023（6）：158-161.

［2］ 姜一涵.財務(wù)共享服務(wù)中心建立與會計信息透明度提升［J］.經(jīng)濟(jì)問題，2022（10）：120-128.

［3］ O'LEARY，DANIEL E.An analysis of three chatbots：BlenderBot，ChatGPT and LaMDA［J］.Intelligent Systems in Accounting，F(xiàn)inance and Management，2023（1）：41-54.

［4］ THORP H H.ChatGPT is fun，but not an author［J］.Science，2023，379（6630）：313.

［5］ 李聞一，湯華川.基于財務(wù)共享視角的人機(jī)協(xié)同研究［J］.會計之友，2022（23）：22-27.