人工智能時代會計人員面臨的機會和挑戰

秦嬌

【摘要】? 人工智能在對生產力產生巨大推動作用的同時，也給各行各業帶來了潛在的失業威脅。數據分析和大數據將不可避免地改變會計人員的角色，但這并不意味著會計人員一定會被淘汰。文章采用Greg Richins等（2017）的數據分析方法，論證了會計人員有能力進行戰略性思考并利用其業務知識增強大數據分析提供的價值，能夠將人工智能與人的智能相結合，在各自擅長的領域發揮作用，通過在企業業務環境中使用大數據分析來實現企業價值最大化。

【關鍵詞】? 人工智能;數據分析;概念矩陣;會計人員職能

【中圖分類號】? F230? 【文獻標識碼】? A? 【文章編號】 1002-5812（2019）07-0086-03

一、引言

人工智能是指“機器模仿人類行為的能力”或者“讓智能體在復雜環境下達成目標的能力”。雖然在科學界，人工智能已經不是一個新的概念，但這種技術真正取得突飛猛進的發展、從科幻走進現實卻是近幾年發生的事。相比于之前的歷次科技革命，“人工智能革命”要來得更猛烈、更徹底（Brynjolfsson and McAfee，2017）。

“人工智能革命”對于我國具有極為特殊的意義。黨和政府已充分認識到發展人工智能的重要性，并提出了戰略規劃。2017年《政府工作報告》中明確提出要加快人工智能等新興產業的研發。同年7月，國務院發布了《新一代人工智能發展規劃》，對未來一段時期內人工智能發展的指導思想、戰略目標和重點任務進行了全面部署。在黨的十九大報告中明確指出要“推動互聯網、大數據、人工智能和實體經濟深度融合”。可以預見，在黨和政府的引導下，我國的人工智能產業將會迎來重大發展，并對我國的經濟社會發展產生巨大的推動作用。

在大力發展人工智能的同時，對其可能帶來的問題也要引起足夠的重視，其中一個問題就是就業。任何一次大的技術變革都是“創造性的毀滅”，在創造出新的生產力、新的生產組織方式的同時，必然伴隨著對舊的生產力、舊的生產組織方式的摧毀（熊彼特，1990），在此過程中往往伴隨著大批失業現象。而作為來勢更為兇猛的“人工智能革命”，其對就業的沖擊將更為劇烈、更為持久、更為全面，其可能造成的失業問題也會更加嚴重（Brynjolfsson and McAfee，2017;Ford，2016）。

人工智能的不斷進步，再加上大數據分析能力的不斷增強，增加了未來計算機化對大量工作崗位的威脅，而會計人員受到的這種威脅可能特別突出（Brynjolfsson and McAfee，2014;Ford，2015;Frey and Osborne，2013）。2017年，以德勤、普華永道、安永、畢馬威為代表的國際四大會計師事務所相繼上市財務機器人以及財務機器人解決方案，一場對于傳統會計行業的變革正在進行，人工智能時代已悄悄來臨，從而引發了以下問題：在人工智能時代，企業是否應該將部分會計工作交給智能化的機器？會計人員可能會被取代嗎？會計人員應如何應對會計智能化的沖擊？

在此背景下，本文通過研究人工智能時代可能造成的技術性失業，采用Greg Richins等（2017）的分析方法，分析會計人員擅長的領域和角色，探討會計人員在人工智能時代背景下如何繼續保持價值。

二、技術性失業

人工智能技術的普及可能造成的失業，是“技術性失業”的一個特例。技術性失業是指由技術進步所帶來的失業。技術的進步可以通過兩個渠道影響勞動力需求：一方面，通過創造更為廉價的工具，從而替代勞動力的使用;另一方面，摧毀某些舊的行業，從而消滅一大批就業崗位（熊彼特，1999）。馬克思在《資本論》中也對機器和大工業的影響進行了詳細的討論。他指出，技術的進步和機器的普及會帶來資本有機構成的提高，這會導致人口的相對過剩和利潤率的下降，從而造成大規模失業，形成龐大的“產業后備軍”。更為嚴重的是，利潤率的下降會使資本家之間的競爭更加激烈，為了在競爭中獲得優勢，他們會進一步增加機器的使用，從而使資本的有機構成進一步提高，造成惡性循環，讓失業問題變得更加嚴重。

同時，不少學者認為此次人工智能革命的沖擊是全方位的，幾乎所有行業、所有職業的人都會受到其影響。不僅是藍領工人，就連包括律師、醫生、會計在內的白領職業都會遭受嚴重沖擊（Ford，2015;卡普蘭，2016）。

三、數據分析方法

本文采用Greg Richins，Andrea Stapleton，Theophanis C. Stratopoulos（2017）的數據分析概念矩陣來分析人工智能時代的大數據特征。該方法基于數據的兩個維度概括數據分析：數據類型和分析方法。

（一）數據類型。在數據類型的廣泛維度中，數據可以是結構化的數據或非結構化的數據。結構化的數據一般是指通過企業的交易處理系統，如銷售點系統（POS）、庫存管理系統和客戶、供應商關系管理系統生成的數據。非結構化數據來源廣泛，如電商平臺、新媒體客戶端、企業官方網站等，可能以各種形式出現，如文本、音頻和視頻。結構化數據的組織性較強，可以很容易地將其包含在傳統的關系數據庫中，如財務報表等。非結構化數據則相反，而且占據了現存數據中最大的一部分。

（二）分析方法。在數據分析的過程中，分析方法維度也可以分解為兩個子類別：問題驅動分析和探索性分析。問題驅動分析是指針對確定問題，對潛在原因進行形式化假設，并制定解決方案。這種分析方法類似于理論驅動的假設檢驗。例如，在管理會計中，確定產品銷售價格的問題通常始于產品成本分析，即通過產品的直接成本和間接成本來確定。探索性分析是指對已有的數據（特別是通過調查或觀察得來的原始數據），在盡量少的先驗假定下進行探索。特別是在對數據中的信息沒有足夠經驗，不知該采用何種傳統統計方法進行分析時，探索性分析非常有效。例如，數據挖掘-探索性分析的一種形式定義為在大量數據中發現有用模式及數據關系，通過可視化和定量的方法，對現有數據中的模式、趨勢、異常值和意外結果等進行廣泛分析。數據挖掘-探索性分析的技術性較強，可以利用統計學、人工智能和數據庫等工具管理。

通過數據類型和分析方法兩大維度來劃分數據分析矩陣，數據分析模型見下圖。圖中，縱坐標代表問題分析方法，包括問題驅動分析和探索性分析;橫坐標代表數據類型，包括結構化數據和非結構化數據。

四、人工智能時代會計人員擔任的角色

（一）會計人員在問題驅動分析中的角色。

1.結構化數據的問題驅動分析。問題驅動分析適合那些擁有專業知識，能夠理解問題并能夠產生強烈的事前理論驅動假設并進行測試的人員，即會計人員。會計人員一直致力于服務企業的戰略目標和決策過程。早在20世紀初，會計人員就開始利用杜邦分析法來幫助企業更好地理解財務數據，并通過戰略來解釋這些數據，從而輔助決策的制定。杜邦分析法是會計人員從事結構化數據的問題驅動分析的早期實例。會計人員可以分析財務報表數據以及與財務報表相關的數據，以了解企業盈利能力的驅動因素，幫助企業進行戰略決策。但在大數據領域，需要超越杜邦分析法這種簡單工具的更有效的分析方法。

2.非結構化數據的問題驅動分析。在非結構化數據分析中，會計人員可以并應該發揮有價值的支持作用，以確保在“讓數據為自己說話”時做出正確的推論。數據科學家應該與理解業務的人合作，減少對估值的不確定性。換句話說，作為支持角色的會計人員可以提供有效的重要信息，以使計算機開發出更好的模型。例如，一家公司因為遵循產品差異化戰略，利潤率較高。對于這家公司來說，犧牲毛利率來增加凈收入是完全合理的。而與高利潤率公司相比，一家正在追求成本領先戰略的公司利潤率較低，如果毛利率下降，該公司可能無法維持經營。如果決策者不了解企業的基本面，盲目遵循某一策略，結果可能是災難性的。這就是為什么會計人員要在決策過程中發揮主導作用，因為會計人員理解構成企業財務報表的數據以及這些數據與企業戰略的關系，不僅了解大數據分析所提出的趨勢，還了解這些趨勢與企業業務戰略相關的基本機制。因此，會計人員非常適合在問題驅動分析中擔任領導角色。

至此，本文探討了會計人員在財務會計領域對結構化和非結構化數據進行問題驅動分析方面發揮主導作用的重要性。當然，會計人員的作用并不僅限于問題驅動分析，在探索性分析中也可以發揮重要的支持作用。探索性分析可以產生很多潛在的模型，但并不是所有的模型在進行決策時都同樣有效或有用。

（二）會計人員在探索性分析中的角色。鑒于數據分析方法的復雜性，以及探索性分析的技術性較強，數據科學家具有相對優勢，應在探索性分析方面繼續發揮主導作用，會計人員難以取代數據科學家來主導探索性分析。探索性分析著重于讓數據為自己說話，而不是說所有數據都對決策有用或相關。因此雖然探索性分析最適合數據科學家，但具有特定領域知識的會計人員將在指導探索性分析方面發揮關鍵支持作用，并幫助數據科學家正確解釋探索性分析的結果，同時剔除不相關信息。會計人員擁有強大的商業頭腦和專業知識，可以為數據科學家過濾掉不相關的信息，使其將注意力集中在探索性分析中的相關信息上，并協助數據科學家解釋業務框架內的分析結果。比如：會計人員通過認識數據之間的關系以及這些因素如何影響企業業績，繼續幫助企業實現財務目標。

數據科學家在探索性分析中構建了許多模型，管理者需要評估哪些模型是有用的，哪些是具有誤導性的，這是一項非常困難的工作。要分辨有用模型需要具備兩種能力：理解底層業務、理解數據以及如何分析數據。鑒于會計人員在業務方面以及數據方面的雙重能力，數據科學家在對這兩種數據類型進行探索性分析時，會計人員可以發揮支持作用。

五、結束語

人工智能時代，數據分析和大數據將不可避免地改變會計人員的角色，但這并不意味著會計人員將會被淘汰。大數據分析為會計人員提供了機會，在結構化和非結構化數據的問題驅動分析中可以發揮主導作用，并支持數據科學家進行探索性分析以創造價值。這個論點建立在兩個支柱上：會計人員具有了解業務的優勢，已習慣于使用結構化數據并執行數據分析。事實上，我們認為會計人員的技能和知識是對大數據的補充，是通過在業務環境中使用大數據分析來實現價值最大化。

大數據技術使企業開展業務的方式發生了重大變化。大數據是否造成對會計行業的威脅或提供了機會取決于會計人員本身。為了確保會計人員在大數據世界中占有一席之地，需要從高校人才培養到會計從業人員的繼續教育等各個層面進行改革和提升。S

【主要參考文獻】

[ 1 ] 李開復，王詠剛.人工智能：李開復談AI如何重塑個人、商業與社會的未來圖譜[M].北京：文化發展出版社，2017.

[ 2 ] 李彥宏.智能革命：李彥宏談人工智能時代的社會、經濟與文化變革[M].北京：中信出版社，2017.

[ 3 ] 騰訊研究院、中國信通院互聯網法律研究中心、騰訊AI Lab、騰訊開放平臺.人工智能：國家人工智能戰略行動抓手[M]. 北京：中國人民大學出版社，2017.

[ 4 ] 國務院.新一代人工智能發展規劃，2017-07-20.http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[ 5 ] 陳永偉，許多.人工智能革命的就業影響：回顧和預測[J].比較，2018， （2）：135-160.

[ 6 ] Greg Richins，Andrea Stapleton，Theophanis C Stratopoulos，Christopher Wong.Big Data Analytics：Opportunity or Threat for the Accounting Profession？[J].Journal of information systems，2017，（3）：63-79.

[ 7 ] Alles M G.Drivers of the Use and Facilitators and Obstacles of the Evolution of Big Data by the Audit Profession[J].Accounting Horizons，2015，（2）：439-449.

[ 8 ] Warren J D，K C Moffitt，P Byrnes.How Big Data Will Change Accounting[J].Accounting Horizons，2015，（2）：397-407.

[ 9 ] 湯谷良，張守文.大數據背景下企業財務管理的挑戰與變革[J].財務研究，2015，（1）：59-64.

[ 10 ] 孫祎希，李小敏.“移動互聯+大數據”下管理會計與價值管理創新途徑的探討[J].商業會計，2018，（20）：85-86.

[ 11 ] 吳夢琳，王先鹿.財務共享模式下我國企業面臨的問題及對策[J].商業會計，2018，（20）：78-79.

[ 12 ] Brynjolfsson E，McAfee A.Machine，Platform，Crowd：Harnessing Our Digital Future[M].USA：Norton，2017.