AI黑科技來襲，財務四大皆空？

文/本刊記者 王 騰

編者按

700年前，達?芬奇的數學老師帕喬利發明復式記賬法的時候，肯定沒有想到，如今其遍布全球的數以千萬計的徒子徒孫都活在這套偉大的簿記方法的余蔭之下。

然而，技術的迭代正在改變一切。其中殺傷力最強大的就是人工智能（AI）。

在全球貿易格局被航程漫長的槳帆船定義的年代，復式記賬法簡直就是文藝復興時期最偉大的發明，其對業務的監控與還原能力，在手工作業的年代達到了一個匪夷所思的精巧程度。

而當基于移動互聯網的全球貿易新格局噴薄而出的當下，時滯與空間阻隔都不再是業務信息傳輸的基本障礙，基于復式記賬法的傳統財務的榮光至此已踏上無可挽回的謝幕之路。AI很可能將全面重新定義財務及其外延的諸多領域。而作為財務與技術結合最緊密的共享服務領域，尤其需要正視AI帶來的強勁沖擊力。為此，本期《首席財務官?共享服務》將首次系統梳理AI技術之于財務的深度沖擊。

由兩代Google AlphaGo所挑起的圍棋人機大戰，徹底點燃的AI在普羅大眾中的熱度。大家突然間學會了一個新詞“深度學習”，于是這樣一個思考“人工智能會不會取代人類？”的燒腦問題長時間困擾著整個泛AI領域。而硬幣的另一面，質疑的聲浪也日漸升溫——AI技術好像也沒那么成熟，應用和商業前景也沒那么清晰，真正的人工智能現在看來還遙遙無期。綜合起來看，各個行業對AI的期望值也各有不同，如圖1所示。

不過，擺在CFO們面前的現實問題是，以財務領域的數據結構性程度以及規則的清晰程度而言，盡管AI現實的交付成熟度與成本替代比，仍然不足以馬上掀起財務領域的革命性變革，但是技術成本收益曲線隨著時間的推移，其必將迅速帶來爆發性的拐點。我們在此不妨就現有人工智能的發展態勢，梳理一下其有可能對財務領域形成巨大沖擊的幾個爆發點，套用佛教中描述現實世界的“地、水、火、風”等四大物質因素的分析框架，來真正揭示一下AI黑科技們一日千里的發展之于財務領域的殺傷力所在。

圖1 各行業對應用AI的期望：對產品或服務的影響

何為AI？

我們先來看看《牛津詞典》對人工智能的定義：“人工智能是有關能夠執行通常需要人類智能的任務（如視覺感知、語音識別、決策和語言轉換等）的計算機系統的理論和開發。”不過，AI本身及其定義都在迅速演進。

顯然，大家似乎并不關心真正的AI字面上的定義是什么，到底能不能落地，能不能真正實現商業化才是根本。其實Google 早就給我們了這個答案。Google 的搜索和廣告業務本質上就是由機器學習產生的業務，它從這個業務里面產生大規模收入已經持續了十多年，也就是說，十多年前就有一家公司從機器學習里面生產了產品，而且獲取了海量的利潤。所以AI 的商業化從來就不是一個命題，這是早就已經被證明的一件事情。

那么按照這個邏輯， AI 會按什么樣的順序發展呢？如下圖2所示。

所謂的第一階段實際上就是過去 30 年的互聯網和移動互聯網。在互聯網被發明出來的第一天，就注定了人工智能必然會發生，經過幾十年的互聯網和移動互聯網的發展，不斷的把各行各業給在線化和數字化的過程，可以稱之為“ AI READY ”。準備好了數據，準備好了在線化和交易流程，以便讓這些行業、這些事物可以被 AI 所處理。

第二階段會在純在線的世界發生，就像 Google 和Facebook，隨著移動互聯網的發展這些領域會越來越多。這也就是為什么金融行業是第一波對人工智能感興趣的行業。因為當一家銀行的業務量或交易量隨著移動支付的產生而呈現幾何級數的提升時，那幾乎不可能采用原來的線下的方式把這些業務很好的完成。而當一個銀行采納了線上的交易方式，提高了效率，而其他銀行為了提高競爭力必須也采用 AI ，這樣才能有更好的效率跟它的競爭對手抗衡。比如：電子商務把retail 行業線上化，美團把餐飲業務線上化，滴滴把交通出行也線上化。隨著一個行業一個行業被移動互聯網線上化， AI就會跟著一個行業一個行業去實現、覆蓋。緊接著，隨著傳感器感知，robotic 自動化技術的發展，計算機程序變得越來越成熟也越來越便宜。當計算機系統可以接受或者處理線下的物理交互、操作和信息的時候，人工智能就會逐漸的從虛擬世界延展到實體世界，去接管實體世界的業務起覆蓋面將會是自動駕駛、制造業、服務業以及其他行業。

在第三階段，人工智能將延伸到所有家庭及個人。隨著AI技術達到量產，價格大幅度下降，成熟度就會大幅度提高。最終人工智能就會便宜到延伸到的所有的個人、家庭。此時全面自動化的時代就會真正到來。

而現在AI的還處在第一階段到第二階段的演變中，但也足以帶來讓我們為之驚艷的“黑科技”。

圖2 AI進化四部曲

地空：簿記終結

2017年對于國內財務人來說注定是充滿巨大變數的一年。先是會計證的悄然退出歷史舞臺，接著是執全球財務服務牛耳的四大陸續推出財務機器人。

始作俑者德勤從今年5月中旬就率先推出財務機器人產品，當即成為財務人朋友圈的最熱話題。當然，目前德勤研發的財務機器人產品，還是屬于“部署在服務器或計算機上的應用程序”。不過短短數月時間，其在全球已經斬獲了數十家大型客戶，在國內也有數家應用案例。

5月下旬，普華永道緊追德勤也推出自己的財務機器人解決方案。根據其發布的資料顯示，普華永道機器人方案使用智能軟件完成原本由人工執行的重復性任務和工作流程，不需改變現有應用系統或技術，使原先那些耗時、操作規范化、重復性強的手工作業，以更低的成本和更快的速度實現自動化。相比較德勤的財務機器人更多的針對財務領域，普華永道將自己的機器人解決方案擴展到其他的領域，包含人力資源、供應鏈以及信息技術。

6月初，不甘落后的安永拋出智能機器人。安永表示，“機器人流程自動化（RPA）是向業務流程捆綁和外包變革邁進的又一步。在過去幾十年中，我們已經看到各種技術進步對業務產生了巨大影響，而業務流程自動化RPA將成為下一步，它的應用將極大減少人為從事基于某些標準、大批量活動的需求。”RPA的實現分為流程分析及機器人匹配、供應商選擇及簽約、實施支持等內容。

6月下旬，姍姍來遲的畢馬威也明確提供機器人流程自動化服務。畢馬威為此標榜的整體方法論是“從戰略到執行，為您的企業機器人流程自動化轉型提供一站式服務”。

就應用現實來看，普華機器人已經在中化國際（控股）股份有限公司財務共享中心這樣的標桿央企落地運營。據稱，完成部署后，稅務及財務工作效率提升明顯，銀行對賬、月末入款提醒、進銷項差額提醒和增值稅驗證等4個業務過程在效率和準確性上有重大提升。

而畢馬威運用RPA（流程自動化）/財務機器人工具協助一家國際領先的商業銀行在華分支機構，也實現了貿易融資和大宗商品交易部門試點業務流程的數字化轉化工作。

隨著國內電子交易憑證（電子發票、電子匯票等）的快速普及，作為財務體系最底層的地基——簿記，毫無疑問將成為最先被AI取代的領域。

火空：風控到底

風控作為財務的“火眼金睛”，一向被視為財務價值的高附加區域，如今在AI的催化下，顯然正在獲得前所未有的投入產出性價比。2017年9月20日，中國平安“簡單生活”大會在上海召開，平安圍繞人工智能技術發布和升級了一系列業務，其中AI帶來的客戶服務領域的黑科技令人大開眼界，例如平安人壽的“AI客服”和平安好醫生的“AI醫生”，更是吸引眼球。

據了解，平安人壽的“AI客服”是以AI技術為內核，通過人臉、聲紋等生物認證技術和大數據匹配，可遠程核實客戶身份信息，實現“在線一次性業務辦理”的一項服務。“AI醫生”則是平安好醫生的重點建設項目，涵蓋了智能輔助診療系統、智能健康硬件和“現代華佗計劃”等內容。而這兩個智能服務是如何實現的。事實上我們都知道，工智能應用于實際的場景，數據非常重要，需要花費大量時間打通各機構和業務子公司，將數據整合到一個平臺，進行數據的清洗、整合和分析。在此基礎上，進行數據挖掘。而在數據挖掘方面，也并非可以一步到位，而是需要從基于業務規則和業務經驗到基于商業智能（BI），再到機器學習、深度學習，并吸取 AlphaGo 的經驗，分成數個步驟進行。

AI在審計方面的應用使得審計師們普遍認為，人工智能在50年內將會取代初級審計師的工作。而專家推測10年內即可實現。

比如，在業務規則和業務經驗階段，如果是信息數據不吻合，可以幫助業務部門及時應對。商務智能階段則是尋找數據之間的關聯性，對用戶按照數據特征進行分類處理，這適用于特征明顯的客戶群體。但是，有相當一部分特征不明顯但與業務目標緊密相關的長尾用戶，這時，應用商業智能的方式就不再適合。他們需要個性化的方法來提供服務，而AI所能構建的深度學習集群是通過圖像識別、語音分析、文本理解等人工智能技術對數據進行挖掘。簡單來說，AI在實現對用戶的智能服務的步驟是：從底層數據的獲取、采集、整合，到用戶畫像、產品畫像，再到渠道畫像的上層實現，接著是商務智能結構化分析、非結構化分析、預測、異常的監控、深度學習能力，同時支撐的前臺應用，這些應用服務于客戶金融領域各個相關的方面。

以財務上常見的風險控制為例。在銀行自己的金融的風控方面，傳統的貸款流程比較落后，而現在的AI系統可以構建多樣的數萬維的因子，比如企業相關的經營數據、財務信息、稅務信息、財報信息，再結合外部的相關行業指數、輿情分析、企業的關系網絡，甚至董事長的投資情況等，最終形成企業的風險概況，同時再加上動態趨勢，比如通過市場情況綜合判斷抵押品的價值，在這些基礎上，做出估值模型，通過模型確定是否放款。

據了解，平安科技從 2011 年下半年開始布局大數據。由于計算機硬件，高性能計算的發展，以及算法的革新，特別是深度學習算法的突破，平安科技經過四五年的數據積累，自然也就從數據智能走向了人工智能。可以說通過AI的架構，在人工智能領域，平安科技很早就將人臉識別技術應用于平安普惠的放貸流程中，如今，平安科技的人臉識別已在包括平安證券及平安銀行在內的 17 個子公司使用。此外，平安科技還在研究多模態識別、虹膜識別、眼紋識別、靜脈識別以及步態識別，使這些識別技術共同作用于各個應用場景。

水空：智能審計

2016年3月，德勤在宣布將引入人工智能，其總裁喬恩?拉斐爾（Jon Raphael）也發文稱人工智能將在未來大幅度提高審計的質量。這里所說的“審計的質量”，包含三個維度：速度、成本和效用。他在其How Artificial Intelligence can Boost Audit Quality一文中指出，德勤計劃使用人工智能替代目前由人工主要負責的文件審查工作。這是一項耗費時間且耗費人力的工作。文件審查工作的內容主要是審計師通過審核公司合同和相關文本，提取出審計相關的數據，并且歸納成信息，與公司財務報告進行對比，形成審計報告。

AI在審計方面的應用使得審計師們普遍認為，人工智能在50年內將會取代初級審計師的工作。而更加殘酷的觀點認為未來10年內，審計行業會有一個巨大的改變，即人的作用從全產業鏈覆蓋變成最后一步的鋪路人，而智能審計將完成審計的從第2步到地99步的全部工作。

據了解，德勤將主要使用人工智能中的自然語言處理技術處理審計中需要理解的文檔。這是讓計算機理解人類語言所表達的內容的技術，其中大量使用了編譯原理相關的技術，例如詞法分析、句法分析等等，除此之外，在理解這個層面，則使用了語義理解、機器學習等技術。作為唯一由人類自身創造的符號，自然語言一直是機器學習界不斷研究的方向。例如，在人工智能進行文檔審查時經常碰到的一個情況是自動調整條款。在不同的情況下，自動調整條款的調整內容、調整幅度在各種行業、企業和具體條目中是完全不同的。在傳統上，對自動調整條款的理解高度依托審計師的經驗判斷。而人工智能將會在很大程度上實現機器判斷，那么可以極大降低審計師工作的繁雜度。

另外，據了解德勤將要引入人工智能的方向還包括：數字環境下的一站式決策輔助、大數據技術下分析財務報表和改變物料計數方式等。

“水能載舟，亦能覆舟”。財務信息運用的雙刃劍特征，莫過于審計。在AI的強大殺傷力之下，“弱水三千，只取一瓢飲”恰是精準審計的更高境界。

風空：績效革命

“風起于青萍之末”，在AI的驅動下，組織內部散落的大量數據，終將匯成一場場的績效管理的局部風暴。

AI需要的不止是駕馭數據。公司要引入AI，還面臨著許多管理方面的挑戰。比如公司管理者的視野和領導力、對變革的接受度和變革能力、長遠思考、業務和技術戰略緊密聯系，以及高效合作。這些能力與其他技術方面的轉變一樣，是優秀公司必不可少的綜合能力。

首先，管理者要培養對AI的直觀了解，名列《財富》100強的金融服務組織TIAA，管理的資產近萬億，該公司企業數據管理總監埃利奧特認為：“我不認為每一位一線管理者都必須了解神經網絡中深度學習和淺層學習的區別，但我覺得在應用分析和數據的過程中要有一些基本的了解，知道我們擁有的技術可以得出更好、更準確的結果和決策，比單靠直覺更好，這很重要。”而為了培養自己對數據的理解，許多高管去硅谷體驗數字原住民生活、設計思維方式和快速試錯文化等等。這些都是數字化業務發展的核心元素，但事實上這樣的一趟旅行對了解AI沒有多少幫助。管理者更應該花些時間學習AI基礎，可以從簡單的網絡課程或在線工具起步。他們應當了解程序如何從數據中學習，最重要的或許是了解AI如何使某項具體的業務受益。

此外，管理者要將公司架構調整為AI組織，因為隨著AI的廣泛應用，會提高對軟技能和組織靈活性的重視，促進新的合作形式，比如由人和機器一起組成項目團隊。而這點在現在的財務共享領域表現得比較明顯，可以說財務共享中心就相當于一個由人和機器組成項目團隊。

很多時候最有效的或許是混合模式，因為許多公司在總部和分支機構都需要AI資源。例如，TIAA有卓越分析中心，還有一系列分散的團隊。而卓越中心不會為整個組織提供分析，而是為其他執行AI及分析的內部團隊提供專業知識和指導。

一切正在路上

事實上，對于AI多數公司的期望和實際應用相差甚遠。2017年《MIT斯隆管理評論》與波士頓咨詢公司合作，首次開展了關于AI因公的年度調查，調查對象包括來自世界各地各行業組織的3,000多位高管、管理者和分析人員。根據2017年9月公布的最新調查結果顯示，近3/4的高管認為，AI可以讓公司發展出新的業務；近85%的受訪者認為AI讓公司獲得或保持競爭優勢。但只有約1/5的公司將AI應用于部分產品、服務或流程中；只有1/20的公司將AI進行了廣泛應用；制定AI戰略的公司不到39%；員工數超過十萬的大公司應當制定AI戰略，但實際這樣做了的只有一半。

我們看到理解并應用AI的領先者與落后者之間差距巨大，兩者對待數據的方式大相徑庭。AI算法并非天生“智能”，而是通過分析數據進行歸納學習。多數領先者在AI人才方面投資，建立起穩健的信息系統，而另一些公司卻缺乏數據分析的專業人員，數據可得性低。領先者不僅更了解訓練AI所需的資源，還更重視為AI項目提供高管層的支持，并找到了AI的應用場景。

在財務管理領域，AI+財務到底會走向何方？從目前的實踐來看，純粹基于交易事務處理的規范性強、作業量大、重復程度高的會計核算及外部報表披露工作最容易被會計機器人取代。業財一體化后這種趨勢就更加明顯。那些遠離公司核心業務，對新技術新應用缺乏關注，甚至抵觸或抗拒，同時又缺乏持續學習能力的基層財務人員將會很容易被替代。