【摘要】从技术应用观、系统模式观、应用场景观、管理活动观、交叉学科观等视角对当前学者针对智能财务的定义进行述评， 然后采用“属+种差”的方式重新定义智能财务， 并提出智能财务是一种解决方案的观点。 当前学者一般将智能财务作为分析对象或者作为应用工具展开相关研究， 未来智能财务研究将继续沿着理论研究和实践应用两条路径展开。

【关键词】智能财务;人工智能;属+种差;RPA

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2021）03-0009-8

继“互联网+”之后， 人工智能升级为“智能+”被写入2019年《政府工作报告》， 并作为国家战略， 逐步开始与产业进行融合， 加速经济结构优化升级， 对人们的生产生活方式产生积极深远的影响。 伴随着新一代人工智能技术的发展， “智能+”的应用场景不断涌现， 相继出现智能制造、智能金融、智能商业、智能医疗、智能教育、智能家居等提法。 在此背景下， “智能+”在财务领域的应用使得智能财务的概念破土而出。

一、智能财务的定义

（一）智能财务定义的主要观点

智能财务的定义回答的是智能财务是什么的问题。 当前， 关于智能财务的定义可谓众说纷纭、莫衷一是， 并衍生了诸多相关的概念， 如财务智能化、智慧财务、智能会计等。 综合目前比较有代表性的观点， 可以将其总结为技术应用观、系统模式观、应用场景观、管理活动观和交叉学科观。

1. 技术应用观。 技术应用观认为智能财务主要是指人工智能技术在会计工作中的应用。 例如， O'Leary[1] 及O'Leary等[2] 讨论了人工智能和专家系统在解决传统会计职能所涉问题方面的作用， 认为人工智能在会计中的应用将解决传统纸质会计的问题; 同时对人工智能在会计中的影响进行了实证分析， 指出基于专家系统工作， 可以解决复杂的会计和税务问题， 并允许组织用较少的资源执行更多的监督工作。 刘梅玲等[3] 认为， 智能财务是指将以人工智能为代表的“大智移云物区”等新技术运用于财务工作， 对传统财务工作进行模拟、延伸和拓展， 以改善会计信息质量、提高会计工作效率、降低会计工作成本、提升会计合规能力和价值创造能力， 促进企业财务在管理控制和决策支持方面的作用发挥， 通过财务的数字化转型推动企业的数字化转型。 以财务共享服务数字化转型， 以数据中台建设、管理会计工具应用为内容的数字化转型是智能财务实现的基础、为智能财务的实现搭建了数据基础、组织基础与技术基础[4] 。

2. 系统模式觀。 系统模式观认为智能财务是一种系统或者新型财务管理模式。 李闻一等[5] 定义“智慧财务”为：基于新时代的商业模式， 采用智联网、大数据、云计算、人工智能和人机自然交互等新技术， 实现结构化和半结构化会计工作的自主数据采集、计算、处理、报告和自主修正， 提供非结构化会计工作的智能决策支持， 管控财务机器人的算法和思维逻辑， 监控数字资产的安全， 实时为企业的预测、管理、决策和规划提供数字展现服务， 为内外部利益相关者提供信息服务的共享系统。 洪韵华[6] 将智能财务定义为一种新型的财务管理模式， 它借助财务专家和智能信息技术， 通过人机合作， 对业务活动、财务会计活动、管理会计活动进行全流程智能化分析判断， 形成战略决策， 进而完成企业复杂的财务活动。

3. 应用场景观。 应用场景观认为智能财务体现为应用于战略层面、业务层面和核算或者财务共享层面的各类应用场景。 Rafael[7] 的研究指出， 当涉及管理会计和控制时， 人工智能可以回答与业务相关的问题， 例如采购决策或供应商选择， 并提供更精确的预测和成本估算。 与之类似的研究都从不同技术或不同场景提出了具体的应用设想， 但始终没有形成智能财务的体系。 秦荣生[8] 认为， 人工智能在会计工作中应用的场景主要有会计核算语音指令、账证核对验证机器视觉、大数据财务分析、智能财务风险控制、提供精准预测方案等。

4. 管理活动观。 管理活动观认为智能财务是一种经济管理活动。 例如， 杨周南[9] 在全国会计信息化专业委员会的会议中提出了基于会计管理活动的观点， 认为智能会计是基于智能化环境产生的， 以会计管理活动论思想体系为理论基础， 通过充分应用智能化环境的三要素（智能化信息资源; 人的智能决策选择; 智能化技术、方法和工具）对各主体的价值运动进行智能化综合管理， 以强化会计的反映与监督基本职能、优化资源配置和实现微观会计与宏观经济协同的经济管理活动。

5. 交叉学科观。 交叉学科观认为， 智能财务是指人工智能及其相关技术的理论与会计理论相结合， 形成的一门新的交叉学科。 崔学刚等[10] 在传统会计理论的基础上， 运用认知神经科学方法和研究工具及其创新的数据源， 从大脑功能与神经机制上揭示了会计现象与会计行为的发生、发展和变化的根本动因， 并最终形成“神经会计学”这门可以解释和预测会计实务的理论和方法的交叉学科。 傅元略[11] 定义“智慧会计”为：将会计智能体、深度学习、软计算与传统会计理论融合， 将内部报告系统设计、管控系统设计、决策支持系统设计以及财务决策纳入会计智能体的知识库和规则库进行研究， 形成一套既与传统会计理论不同， 又能解决现实财会问题的新会计理论体系。

笔者认为， 人工智能很早的时候就已经应用于财务会计。 David[12] 曾指出会计是专家系统重要的、具有特定结果和适用性的领域。 但这类技术条件下的人工智能显然不是我们今天所期望达到的智能水平。 有的学者认为只要借助机器人流程自动化（RPA）、机器学习提高财务管理工作的效率， 释放财务人员的精力， 便是智能财务。 这种观点有一定道理， 但并没有强调智能的感知能力、记忆思维能力、学习与自适应能力、行为决策能力等特征。 根据逻辑学的规则， 定义应是对对象本质属性的反映， 也是决定某一事物之所以成为该事物并区别于其他事物的属性。 如果仅仅运用人工智能技术便能称之为智能财务， 那么随着这一定义外延的不断扩大， 导致的结果就是其内涵相对缩小， 也就加大了进一步讨论智能财务的难度。

同理， 应用场景观实际上与技术应用观类似， 也只是人工智能技术在某一会计工作环节应用的具象化， 也会面临外延扩大的问题， Moudud-Ul-Huq[13] 甚至列出了十个可以与人工智能集成的会计应用场景， 这种穷举的方法并非判断智能财务的最佳手段。 既然智能财务并非只是指人工智能技术在各类场景的运用， 那是不是就意味着智能财务必然是一个系统、一种管理模式、一项经济管理活动， 甚至发展成为一门新的学科呢？ 笔者认为， 这些观点都有一定道理， 但可能还只是智能财务的一个侧面。 一方面， 这些观点本身存在界定不明确或者交叉的问题; 另一方面， 智能财务并不是对传统财务管理工作本质的颠覆， 而是针对当前财务管理工作产生的种种问题， 系统运用各类技术手段、管理变革手段加以解决。

杨周南[9] 指出， 当前对智能会计的研究较多关注人工智能技术在会计领域的应用场景、方式、作用， 而较少关注会计变革的自身需求。 不可否认的是， 智能财务是在人工智能技术进步的背景下发展起来的。 回顾人工智能的发展历程可知， 技术的更替是在不断满足需求、解决问题的基础上进行的; 同理， 前面系列文章中的数据中台建设也是在解决数据管理问题的需求上实现的。 也就是说， 技术的进步给业务带来了众多解决方案。 面对人工智能技术带来的机遇与挑战， 智能财务应关注财务工作自身发展过程中面临的需求和痛点， 以及如何利用人工智能， 形成对财务自身发展有益的解决方案。 将智能财务定性为一个系统、一种模式等， 可能又会令我们忽视财务发展真正重要的问题。

（二）重新定义智能财务

从形式逻辑上看， 给概念下定义最常采用的是“属+种差”的方法。 具体是先找出一个外延比被定义概念更大的概念， 即属概念， 然后找出與被定义概念相并列的种概念间的本质区别， 即种差， 二者共同构成了定义。 这种定义方法既可以解释概念所反映的对象的特殊性， 又明确了它们的共性。 根据种差所揭示的事物不同方面的本质， “属+种差”定义有如下形式：①性质定义。 将事物的性质作为种差。 ②功用定义。 将事物的功能作为种差。 ③关系定义。 将事物之间的关系作为种差。 ④发生定义。 将事物发生、发展的过程作为种差。

在得出我们的定义前， 先来拆解一下智能财务这个词语。 它是由“智能+财务”组成。 何为“智能+”？ 刘东明[14] 认为， “智能+”是各行各业开展智能化、智慧化转型升级的重要驱动力， 本质上， “智能+”是将人工智能的创新成果和经济社会各领域融为一体， 促进技术与商业模式创新、实现效率提升与成本控制， 为实体经济注入新动能。 “智能+”本身是一种功用定义。 而“智能+财务”是将人工智能作为基础设施和创新要素不断赋能财务的融合过程， 笔者将其称为智能化。 也就是说智能财务的本质是智能化财务， 具有融合、扩展、演变等内涵。 再来看何为智能化？ 黄津孚等[15] 认为， 智能化是在产品、工具或工作系统中协同应用人类智能和人工智能， 以提升其功效的过程。 这也表明了智能化的功用定义， 与“智能+”吻合。 此外， 黄津孚等[15] 还认为， 智能化既是一个历史过程， 又是一个时代概念。 由于无论是人类智能还是人工智能， 都在不断进化发展， 智能化是一个永无止境的过程， 是智能作用范围的扩展和水平不断提高的过程， 也是人类让产品、工具、工作方式变得越来越智能的历史过程。 由此可知， 智能化同时具有发生定义的特征。 智能化财务的物质体现包括各种智能财务产品和智能财务工作场景。

智能化财务的目的在于赋能财务， 不断提升财务的价值， 推动财务转型。 智能化财务的本质特征在于智能与财务的协同发展和应用。 它既不是单纯的信息技术开发和计算机网络应用， 也不是单纯的人脑功能开发， 而是财务人员的智能与工具智能协同发展， 财务人员的智能与企业智能、社会智能协同发展， 不断提升财务价值的过程。

基于上述对智能财务定义各种观点的评价， 以及关于定义的一般原理和智能财务词语的分解， 笔者将智能财务定义为：智能财务是在财务数字化转型与智能化应用过程中不断发展起来的新一代财务。 它以人工智能等高科技作为基础设施与核心要素， 实现人工智能与财务全面融合， 并不断赋能财务组织， 提升财务组织的服务效率， 拓展财务服务职能的广度和深度， 最终实现财务组织价值与颠覆性创新。 具体解释如下：

第一， 智能财务定义的属概念仍为“财务”。 只不过， 这个财务是在新一代人工智能背景下发展起来的新型财务。 王喜文[16] 认为， 新一代人工智能正在引发以工业4.0为代表的新一轮科技革命和产业变革。 作为核心驱动力， 新一代人工智能正在强有力地重构研发、生产、营销、消费等经济活动各环节， 必将对生产力、生产关系、经济基础和上层建筑产生重大影响。 此时的财务， 也可以将其称为新一代财务。 客观上要求财务必须做出以下变革：①目标变革：价值守护走向价值创造; ②职能变革：从控制走向服务; ③角色变革：从监督者走向业务伙伴， 参与到价值管理与决策支持; ④效率变革：财务数据与业务数据贯通， 提升数据的实时性与分析能力; ⑤效能变革：利用新一代人工智能赋能财务组织与财务活动。

第二， 智能财务定义的种差分别采用了发生定义和功用定义两种形式， 将智能财务与其他相似的、模糊的概念区分开来。

一方面， 从事物发生、发展的过程看， 我们应从会计信息化的历史视角考察智能财务， 而不仅是在人工智能技术爆发后， 将其视为其他智能概念的借鉴， 这一点将智能财务与其他智能化解决方案区分开来。 从会计信息化的历程出发， 在早期实现了电算化后， 人们就利用扫描、识别等智能技术提高财务软件的智能化、自动化程度。 此后， 在财务转型的大背景下， 研究视角从传统的会计工作向财务管理和管理会计延伸， 探索基于专家系统、决策支持系统、数据挖掘、商业智能等技术提供智能化的财务分析报告， 帮助企业管理人员在内部管理中做出决策。 财务共享服务中心的建设和财务数字化转型逐步解决了会计数据管理的问题， 实现了广泛的连接和充分的数据化， 为新一代智能技术的运用提供了各类应用场景。 当新一代人工智能取得突破性进展， 人们开始结合高性能计算能力和大数据分析技术， 在会计领域探索人工智能的更多应用场景， 来洞察业务痛点， 提升运营效率， 识别、控制并防范财务风险， 寻求更大范围的财务智能化。 因此， 智能财务与智能化一样， 是一个历史过程， 也是一个时代概念， 它是在财务职能从“核算型”与“弱管理型”向“强管理型”与“强服务型”转型的过程中， 不断地通过数字化转型和智能化应用而实现的。

另一方面， 从事物的功能上看， 智能财务一定具备认知智能乃至通用智能的特征， 进而可以提供个性化、定制化的财务服务， 这一点将智能财务与简单运用人工智能技术的会计产品区分开来。 受不同人工智能研究范式和发展阶段的影响， 学者们或是基于“知识工程”理念， 运用专家系统、决策支持系统解决常规会计问题; 或是受“连接主义”影响， 试图从人脑神经的角度解释会计现象， 进而在技术上训练人工智能的“感知智能”来提高会计工作的效率; 或是顺应人工智能向“认知智能”发展的趋势， 利用大数据和人工智能技术的结合实现财务决策支持的目标。 从智能化发展的阶段来看， 前两类应用仍是基于知识工程或自动化的解决思路， 与我们当前所强调的基于机器学习的数据驱动方法实现智能化有本质的区别。 因此， 我们所说的智能财务是在人工智能当前的发展阶段下所实现的功能。 并不是说以前的智能手段不是人工智能， 这不是性质问题， 而是程度问题， 目的是防止智能财务外延过大。

需要指出的是， 当前定义并没有明确地限定“财务”的范围， 企业的组织架构、运营模式和商业模式都在不断发生变革， 已经不能再沿用工业时代的思维方式解决如今的财务与会计问题[17] 。 国外在人工智能对会计行业影响的研究中， 从更广义的会计概念入手， 影响对象包括财务会计、管理会计、审计以及税务等， 并逐渐延伸到其他的潜在领域。 笔者采用这一思路， 认为智能财务所指“财务”同样应从广义上进行理解， 将重点放在对智能的判断上。

定义不可避免地有局限性。 不管当前智能财务如何定义， 它的内涵和外延一定会随时间的变化而变化， 它的体系架构也会顺应技术和应用发展的变化而不断调整。 我们只有不断跟踪智能技术、财务理论、企业实践的发展， 抓住每一个探索智能财务理论和应用的机会， 在不断试错中优化和演进， 才能将智能财务的发展引向成功的彼岸。

二、智能财务的研究路径

如前所述， 国内外学者关于人工智能在会计领域的研究和应用早已有之。 以研究路径为分类方式， 总体上可以将其分为两类：第一类研究是将人工智能视为分析对象， 基于人工智能的发展趋势， 研究该技术对财务工作带来的冲击、会计职能的演变、技术影响下新型会计学科的创立以及新技术对人才培养的挑战等， 并进一步研究人工智能应用带来的相关问题， 如信息安全、法律、伦理、社会保障等; 第二类研究是将人工智能视为应用工具， 基于人工智能的技术优势， 从场景挖掘、技术落地、系统建设等方面入手， 研究该技术在财务领域的具体应用。

（一）作为分析对象的智能财务研究

前文指出， 国外对智能财务虽然没有专门的定义， 但这并不妨碍学者对人工智能技术在会计领域的应用研究。 在总体研究趋势上， Sutton等[18] 通过考察专家系统、人工智能、智能系统和基于知识的系统相关领域研究的文献数量， 发现虽然20世纪90年代末会计领域的人工智能研究出现了些许停顿， 但如图所示， 过去三十年来， 该领域的研究数量持续稳步增长。

新技术的应用， 虽然减少了会计人员的工作量， 但是同样引起了对该行业的担忧， 特别是财务人员转型升级和人才培养的问题。 Krumwiede[19] 对管理会计师的调查报告称， 许多人认为他们对人工智能有着广泛的了解， 但缺乏为这一领域的工作增加价值的技能。 Jodie和Ogan[20] 的研究结果表明， 学者们对这些技术以及这些技术如何影响会计的日常工作没有给予足够的重视， 迫切需要进行相关研究， 以了解在不断变化的数字经济中， 管理公司所需的新型财务模式， 并确定财务人员可能需要掌握的新技能和能力， 以保证自己跟上时代变化并增加企业价值。

為了应对挑战， 学者们对未来财务从业人员提出了不同的转型方向。 Anderson和Anderson[21] 认为会计师需要验证、维护并合乎道德地考虑用于培训人工智能解决方案的数据集的质量。 Cindy[22] 认为人工智能不会取代会计师， 但会改变会计师工作的焦点， 其在未来将更加重视咨询、业务发展、咨询服务和风险管理。 Jodie和Ogan[20] 认为会计师的一项任务可能是管理和选择相关数据， 以培训人工智能应用程序。 Dariusz[23] 指出在利用RPA实现会计流程自动化后， 机器人将在相当一部分工作中取代会计人员， 未来会计师的职责将超越簿记和财务报告， 转向业务咨询和领导RPA转型。

对于人工智能应用引发的管理和社会问题， 主要集中在人工智能技术所带来的伦理问题， 特别是由人工智能介入决策引发的思考。 Court[24] 认为使用算法做出决策将引发的新问题， 即管理者在多大程度上可以对企业的盈亏负责。 Knight[25] 指出， 人工智能从现有的数据中学习的过程可能受到人类产生和捕获到训练系统的数据的固有偏见影响， 并将偏见蔓延到决策过程中， 进而污染未来的数据。 Jodie和Ogan[20] 还提出了一个问题， 人工智能技术运用后， 会计的许多传统任务是通过自动化完成的。 如果这些职位正在逐渐消失， 会计人员将如何获得必要的技能和经验来晋升到其他职位？ 面对种种问题， Sutton[18] 指出从事这类研究的人员也有责任退后一步， 考虑对会计专业人员、会计职业和整个社会未来的影响， 并对这些技术可能产生的有害作用提出疑问。

从我国智能财务的发展状况可以看出， 受到政策指引、企业转型需求等多方面因素的影响， 人工智能在我国财务领域的研究正如火如荼地展开。 舒惠好[26] 指出， 应高度重视区块链、人工智能等新技术在会计信息化领域的应用尝试， 这是财政部在会计信息化领域下一步将重点开展的三项重要工作之一。 当前研究仅围绕智能财务的理念和思路展开初步探讨， 在实践领域出现点状的尝试性探索并取得一定成效， 尚无专门针对企业智能财务建设进行的系统化论述[3] 。

面对新技术对会计工作带来的冲击， 学者们在乐观中夹杂着担忧， 认为挑战中蕴藏着机遇。 主流观点认为， “经济越发展， 会计越重要”， 随着科技的发展， 会计的“形式”会发生剧烈甚至颠覆性的变化， 对其职能的要求更高。 但是， 拥抱科技， 用科技赋能会计职能， 驱动价值创造， 将会激发财会新的活力。

对此， 学者们开始寻求新时代下会计人员转型和人才培养的新模式和新方向。 王化成[27] 认为将出现以下几种新型的财会岗位， 分别是智能财务核算师， 包括大型企业集团的财务共享中心， 中小型企业的财务外包组织; 智能财务工程师， 替代现有的财务软件工程师， 负责算法和智能软件的设计; 智能财务运营师， 负责业财融合的价值创造; 智能财务规划师， 负责企业战略与财务的衔接， 甚至参与商业模式和战略的决定。 陈俊[28] 指出， 未来财务人员需求总量不会有大幅下滑， 对于懂会计财务的经营管理人员的需求会越来越大， 对决策支持和管理型财务人员的需求会大幅增加。 财务人员的总量不会变化， 而结构会发生巨变。 不论高校还是公司， 需要培养的都是面向未来的、跨界的、复合型的人才。 有关人工智能技术对人才培养的影响， 吴世农[29] 认为应从师资队伍、学科建设、专业设置与人才培养、课程体系、教学方法、教材和案例建设、科学研究等方面来应对挑战。

（二）作为应用工具的智能财务研究

国外利用人工智能技术和管理会计发展优势， 进行具体的应用落地， 涉及预测、检测欺诈、决策等工作， 对RPA的应用也有广泛的研究。 Liang等[30] 通过人工智能技术预测存货估价方法。 Foltin和Garceau[31] 展示了专家系统和神经网络之间的差异以及神经网络在会计中的应用前景。 Koh和Tan[32] 则利用神经网络来预测企业的持续经营状况。 Coakley和Brown[33] 讨论了会计和财务中神经网络的建模问题， 并根据研究问题、输出类型（连续与离散）和模型的参数性质对其进行了分类。 但这一时期对人工智能技术在会计和财务领域的研究许多涉及基于知识的系统， 如基于规则的专家系统， 而不是机器学习[18] 。

随着计算能力的提升， 机器学习被视为一种颠覆性的力量， 其商业化的势头正在增强。 Li[34] 利用机器学习技术， 从前瞻性陈述的基调趋势来研究未来收益的可预测性。 Perols[35] 利用机器学习来检测财务报表欺诈。 Moudud[13] 列出了十个可以与人工智能集成的会计主题， 包括信贷授权和筛选、抵押贷款风险分析、财务和经济分析、交易所交易的风险评级、证券价格变动规律的检测、违约和破产预测、固定收益投资的风险分析、管理欺诈的检测， 利用机器学习技术自动识别营销欺诈和人工智能的特征等。 Zhou[36] 指出， 许多从业人员和组织（如安永和德勤等）都使用人工智能来检测欺诈性发票并协助办理纳税申报， 从而将处理时间从几个月缩短到几天。 Hazar[37] 指出， 运用機器学习技术， 会计在执行财务规划和分析任务时， 可以使用历史数据来建立模型和预测财务结果， 这种算法有助于促进商业分析。

对于RPA的最新应用， Julia和Shay[38] 通过对任务的特征进行分析， 发现劳动密集型、重复性高、高容量、基于规则、以数字形式、使用多个系统和结构化数据的工作是RPA发挥用武之地的重要领域。

总的来说， 国外对人工智能在会计领域的研究涵盖了人工智能技术本身发展的各个阶段， 在会计专业上则包括基于RPA的自动化会计处理、辅助财务管理和财务分析、欺诈检测舞弊等， 并逐渐向更广范围的税务与法务会计、金融投资等领域延伸。 国内人工智能作为应用工具的研究， 主要以财务共享服务为基础应用场景， 并以管理会计决策功能转型为背景进行。 在实务领域， 少数企业实现了基于人工智能经验规则的初级应用， 在“产、学、研”结合的战略下逐渐实现应用的深入。 财务共享服务引领了财务的智能化转型。 RPA技术的广泛应用， 实际上是基于财务共享服务的应用场景与管理会计决策功能转型背景， 尤其在德勤宣布RPA后， 这一研究成为广泛趋势。 财务共享服务作为企业财务智能化转型的基础， 为智能财务技术的落地应用提供了良好的平台和应用场景， 特别是由财务共享服务中心向企业数据中台转变的过程中， 为人工智能技术提供了更大的应用空间。

不少学者对智能财务的应用场景进行了总结和列举， 这些应用场景有些可能已在部分企业中使用， 有些仅仅处于概念阶段， 还有一些只是一种应用的可能性。 智能财务的应用场景包括财务核算全流程自动化系统、智能财务决策支持系统、智能财务共享服务平台、人机智能一体化业财融合管理平台等。 秦荣生[8] 指出， 人工智能在会计工作中应用的场景主要有语音指令会计核算、机器视觉账证核对、大数据财务分析、智能财务风险控制、提供精准预测方案等。

当前， 我国企业对人工智能相关技术的应用部署尚处于起步阶段， 常年在信息化、智能化方面投入的企业较少， 且对部分人工智能技术的采用仍在观望期。 智能财务的发展在研究和教育领域的变化要大于在实务领域的变化， 实务领域的发展尚处于起步阶段， 但在实务领域中， RPA技术和认知智能的发展相对而言较为深入、前景较为广阔。

在实务领域， 当前我国人工智能技术应用产品最为成熟、应用场景最为广泛、最被业界认可的就是RPA。 RPA技术目前的应用场景包括会计凭证制作、会计凭证审核、资金支付、合同审查、发票审查、电子档案等， 共同观点认为RPA解决了会计工作效率低、错误率高、人员占用多的问题， 有利于推动会计与业务流程管理自动化， 普通财会人员大量转岗， 重新构建核心技能， 推动管理会计数字化转型。 在之前已发表的本系列文章中我们指出， RPA将在与人工智能技术结合的过程中形成智能化的“认知RPA”。 随着非结构化数据处理、自然语言理解、复杂图像识别等应用场景使用频率比例的增加， 具有智能化特点的RPA 已经出现， 成为智能财务的热点领域。 德勤开发的小勤人RPA可以采集各类结构和非结构化数据， 通过计算分析取得管理所需的数据结论; 小勤人还可以运用深度学习技术， 以数据为管理决策的基础， 对企业的财务情况进行预测， 实时展示企业的现实风险， 判断财务危机发生的可能性。 据介绍， 德勤目前已在“估值挖掘”领域进行了测试， 未来还可用于 IPO 审查、反舞弊调查、企业尽职调查等方面。

认知智能是顺应智能化发展的一大趋势， 是实现智能财务的关键技术。 在这方面， 我国的许多技术服务公司取得了一定的研究成果。 例如， 采用自然语言处理技术和知识图谱作为智能财务的切入点， 实现了三个相关的应用场景：一是面向员工的基于NLP的对话智能交互。 员工可以在系统通过自然语言发起业务申请， 系统自动生成单据， 以此提高员工的交互体验。 二是面向专业岗位的基于NLP的财务数据智能处理。 NLP可以通过语言数据的分析自动实现疑点控制、推荐方案、辅助计算等功能。 三是面向管理者的基于知识图谱的财务数据洞察。 管理者可以在智能移动终端通过对话机器人， 进行财务、经营和业务数据的查询。 有的公司通过“AI+IT”的融合， 提出了三个层次的智能财务产品。 第一个层次是报账机器人， 通过感知智能技术， 实现智能填报、智能识别、智能审核、自动支付等功能。 第二个层次是会计机器人， 基于对会计准则和各种财务管理制度、法律的理解， 实现自动记账， 处理全部账务。 第三个层次是财务机器人， 实现分析、规划、控制、预测、模拟等智能化管理。 目前， 关于报账机器人的研究已经取得了一定的成果， 对于会计机器人和财务机器人的研究将在未来几年逐步展开。

对比国内外智能财务的研究现状， 可以发现， 国外研究起步相对较早， 无论是将人工智能作为分析对象还是作为应用工具， 并且已有大量较为具体的成果， 特别是对应用人工智能给会计带来的诸多问题有较多的讨论， 对应用过程中带来的管理问题和政策制定问题有较为深刻的认识和讨论的紧迫性。 我国学者则倾向于从制定应用框架、解决实际应用中的技术问题入手， 探讨智能财务的应用， 但有关具体应用领域的探讨仍然较少， 即仍处于方向性和概念性的讨论阶段， 真正进入到实际应用阶段的不多。

对于需要用来满足智能财务应用的人工智能技术而言， 我国与西方发达国家之间的差距逐渐缩小， 因而在智能财务应用研究方面基本都处于起步阶段， 差距并不十分显著。 具体表现在以下两个方面：第一， 从技术上看， 我国人工智能企业对于代表人工智能理论水平的算法研究相对落后， 缺少原创性算法， 而在与智能财务应用高度相关的计算机视觉、语音技术、自然语言理解等方面的专利申请和授权量较多， 我国企业具备一定的优势; 第二， 从战略上看， 受互联网起步早晚和信息化水平高低的影响， 西方发达国家在企业管理信息系统数量及财务管理模块的智能化程度， 显著高于国内企业， 但总体上， 在技术的不断进步影响下， 国内企业和技术服务公司逐渐走出企业信息化的“复制模仿”阶段， 开始独立思考自己的财务智能化发展道路， 并且具备大量的应用场景。

综合国内外的研究成果， 本文认为智能财务要在未来取得进一步的发展， 仍面临以下不可回避的问题：首先， 代表人工智能思维和记忆能力、学习和自适应能力的知識图谱、神经网络、机器学习技术的应用进展并不显著。 大多数应用只是集中在利用人工智能技术提高财务工作效率， 集中于优化财务会计工作， 而非将重点放在管理会计信息化这一财务转型的大趋势上。 其次， 各类研究方向和应用探讨比较零散， 不具有系统性。 特别是对智能财务的应用设计大多是将技术应用于个别场景， 实现部分业已存在的会计职能的“点状”升级， 仍处于财务流程中部分环节的自动化或某个财务流程的优化和再造阶段， 这种效率的提升最终会被自动化榨取殆尽， 而没有实现整体的协同效应， 因此也就难以真正实现财务管理模式的变革。 最后， 我国学者已经开始重视人工智能时代下的传统会计和管理理论面临的冲击， 但力度仍显不足。 当财务机器人以“虚拟员工”的身份进入企业， 会引发道德伦理、责任归属、信息风险、系统安全等突出问题。 而我国相关法律法规尚未出台， 人工智能会计理论的研究处于滞后状态， 快速发展的人工智能会给未来的财务管理工作带来诸多问题。 这些问题将成为未来智能财务研究和应用的重点。

未来， 智能财务将继续沿着理论研究和实践应用两条路径展开。 在理论研究方面， 智能财务的内涵和外延将在实践中进一步明确， 并在智能财务认知观和发展观的明晰下逐步形成智能财务的理论框架， 创新人机协同共生的智能财务管理模式以及学科教育理念; 在实践应用方面， 人工智能的产品研发、应用实践、产业生态和标准建设将进一步落地。 为了实现这些目标， 需要针对上述问题做出如下改进。

第一， 在技术方面， 认知计算将成为智能财务应用的关键。 认知计算作为人工智能的重要组成部分， 包含了自然语言处理和机器学习领域的大量技术创新， 能够助力决策者从大量非结构化数据中揭示非凡的洞察， 以对人类而言更加自然的方式与人类交互， 专门获取海量的不同类型的数据， 并从自身与数据、与人们的交互中学习。 李彤[39] 指出， 深度学习技术难以解决智能财务的所有问题， 因为财务的典型问题是有明确的、显性化的规则应用场景， 而具有认知计算能力的知识图谱推理是智能财务最核心的应用。

第二， 在技术升级的基础上， 则应重点思考如何开发各类人工智能技术的应用场景。 刘梅玲等[3] 指出， 智能财务建设过程中， 最能体现智能财务本质特色的， 是针对不同财务工作任务设计智能化应用场景、针对不同智能化应用场景探索新技术的匹配运用。 实现这一点的前提是形成具有整体性、前瞻性的智能财务体系应用框架， 从财务模式、财务组织、财务流程和技术领域进行变革。

第三， 面对人工智能技术快速发展对会计行业带来的挑战， 未来需要找到一种理想的人机协同共生的新型财务管理工作模式， 让人类工作者和计算机都能发挥其长处， 让不同层级的会计人员都能找到自己合适的工作岗位， 既满足大幅提升工作效率的需求， 又不违反伦理道德。

【 主 要 参 考 文 献 】

[1] Daniel E. O'Leary. AI in accounting， finance and management[ J].Intelligent Systems in Accounting， Finance and Management， 1995（4）：149 ～ 153.

[2] Daniel E. O'Leary， Robert M. O' Keefe. The impact of artificial intelligence in accounting work： Expert systems use in auditing and tax[ J].AI & Society，1997（11）：36 ～ 47.

[3] 劉梅玲，黄虎，佟成生，刘凯.智能财务的基本框架与建设思路研究[ J].会计研究，2020（3）：179 ～ 192.

[4] 张庆龙.下一代财务：数字化与智能化[ J].财会月刊，2020（10）：3 ～ 7.

[5] 李闻一，李栗，曹菁等.论智慧财务的概念框架和未来应用场景[ J].财会月刊，2018（5）：40 ～ 43.

[6] 洪韵华.人工智能视域下企业智能财务的体系构建和应用研究[ J].中国注册会计师，2020（8）：98 ～ 102.

[7] Rafael Heinzelmann. Controlling-aktuelle entwicklungen und herausforderungen[ J].Digitalizing Management Accounting，2019：208 ～ 226.

[8] 秦荣生.人工智能与智能会计应用研究[ J].会计之友，2020（18）：11 ～ 13.

[9] 杨周南.关于智能会计概念的讨论[C].武汉：中国会计学会第十九届全国会计信息化学术年会，2020.

[10] 崔学刚，邝文俊，薛贵.神经会计学：内涵、范式与展望[ J].北京工商大学学报（社会科学版），2017（4）：11 ～ 23.

[11] 傅元略.智慧会计：财务机器人与会计变革[ J].辽宁大学学报（哲学社会科学版），2019（1）：68 ～ 78.

[12] David Malone. Expert Systems， artificial intelligence， and accounting[ J].Journal of Education for Business，1993（4）：222 ～ 226.

[13] Moudud-Ul-Huq S.. The role of artificial intelligence in the development of accounting systems： A review[ J].IUP Journal of Accounting Research & Audit Practices，2014（2）：7 ～ 19.

[14] 刘东明.智能+：AI赋能传统产业数字化转型[M].北京：中国经济出版社，2019：6.

[15] 黄津孚，张小红，何辉.信息化 数字化 智能化：管理的视角[M].北京：经济科学出版社，2014：6.

[16] 王喜文.人工智能已来  智能制造可期[N].中国工业报，2019-04-10（001）.

[17] 张庆龙.论下一代财务的思维特征[ J].财会月刊，2020（11）：8 ～ 12.

[18] Steve G. Sutton， Matthew Holt， Vicky Arnold. "The reports of my death are greatly exaggerated"—Artificial intelligence research in accounting[ J].International Journal of Accounting Information Systems，2016（22）：60 ～ 73.

[19] Krumwiede K.. How to keep your job[EB/OL]. https：//www.imanet.org/insights-and-trends/the-future-of-management-accounting，2020-09-18.

[20] Jodie Moll， Ogan Yigitbasioglu. The role of internet-related technologies in shaping the work of accountants： New directions for accounting research[ J].The British Accounting Review，2019（51）：1 ～ 20.

[21]Anderson M.， Anderson S. L.. Machine ethics[Z]. Cambridge University Press，2011.

[22] Cindy Greenman. Exploring the impact of artificial intelligence on the accounting profession[ J].Journal of Research in Business， Economics and Management，2017（8）：1451 ～ 1454.

[23] Dariusz J?drzejka. Robotic process automation and its impact on accounting[ J].Zeszyty Teoretyczne Rachunkowoci，2019（1）：105 ～ 161.

[24] Court D.. Getting big impact from big data[EB/OL]. https：//www.mckinsey.com/business-functions/digital-mckinsey，2020

-09-20.

[25] Knight W.. Forget killer robots-bias is the real AI danger[EB/OL]. https：//www.technologyreview.com/s/608986/forget-killer-Robots-bias-is-the-real-ai-danger，2020-9-21.

[26] 舒惠好. 推动会计信息化发展助力会计改革[C].北京：中国会计学会第十七届全国会计信息化学术年会，2018.

[27] 王化成.数智时代的财会人才需求与教育变革[EB/OL]. https：//mp.weixin.qq.com/s/gxDJVZCRp9eTKaXgs4JHFQ，2020-08

-30.

[28] 陈俊.智能财务的发展趋势[EB/OL]. https：//mp.weixin.qq.com/s/h63C376ok5VLULycmBurkw，2020-08-30.

[29] 吳世农.人工智能科技对财会学科教学与科研的挑战[EB/OL].https：//mp.weixin.qq.com/s/uJeB6KujZPnB1vxybYPCPA，2020-08-30.

[30] Liang T.， Chandler S. J.， Han I.， Roan J.. An empirical investigation of some data effects on the classification accuracy of probit， ID3 and neural networks[ J].Contemporary Accounting Research，1992（1）：306 ～ 329.

[31] Foltin C.， Garceau L.. Beyond expert systems： Neural networks in accounting[ J].National Public Accountant，1996（6）：26 ～ 32.

[32] Koh H. C.， Tan S. S.. A neural network approach to the prediction of going concern status[ J].Accounting and Business Research，1999（3）：211 ～ 216.

[33] Coakley J. R.， Brown C. E.. Artificial neural networks in accounting and finance： Modeling issues[ J].International Journal of Intelligent Systems in Accounting， Finance & Management，2000（2）：119 ～ 144.

[34] Li F.. The information content of forward-looking statements in corporate filingsda na?ve Bayesian machine learning approach[ J].Journal of Accounting Research，2010（48）：1049 ～ 1102.

[35] Perols J.. Financial statement fraud detection： An analysis of statistical and machine learning algorithms[ J].Auditing： A Journal of Practice & Theory，2011（30）：19 ～ 50.

[36] Zhou A.. EY， Deloitte and PWC embrace artificial intelligence for tax and accounting[EB/OL].https：//www.forbes.com/sites/adelynzhou/2017/11/14/，2020-09-03.

[37] Hülya Boyda Hazar. Artificial intelligence applicatioin in accounting and auditing [R].Research &Reviews in Social， Human and Administrative Sciences，2019.

[38] Julia Kokina， Shay Blanchette. Early evidence of digital labor in accounting： Innovation with robotic process automation[ J].International Journal of Accounting Information Systems，2019（1）：35.

[39] 李彤.智能财务的关键在认知智能和生态协同[EB/OL]. https：//xueqiu.com/3636734751/138142680，2020-09-21.