人工智能大模型在會計、審計領域的應用：文獻梳理與思考

【摘 "要】數字化時代，人工智能大模型引發研究熱潮，研究表明財務/審計工作受大模型影響最大。基于此，論文梳理了近年國內外學者關于大模型在會計、審計領域應用的理論探索及其應用中面臨的挑戰，并整理相關實踐案例。研究發現，大模型在會計、審計領域應用前景廣闊，卻鮮少實現應用落地，這是因為多數學者的教育背景使得理論與實踐“脫節”且金融企業需求大、行業數據標準化程度高。最后，論文提出相應實踐建議。

【關鍵詞】人工智能大模型；會計；審計；應用

【中圖分類號】F239.1；TP18 " " " " " " " " " " " " " " " " " " " " " " 【文獻標志碼】A " " " " " " " " " " " " " " " " " " " " " " " " 【文章編號】1673-1069（2024）09-0131-04

1 引言

數字化時代，大數據、人工智能技術正引領一場科技革命，深刻改變著各行各業的運行模式。其中，人工智能大模型憑借其強大的學習、分析與生成能力，成為研究焦點。同時，北京大學國家發展研究院與智聯招聘聯合發布的《ChatGPT如何影響我們的工作？——AI大模型對我國勞動力市場潛在影響研究》顯示，財務/審計/稅務崗位受到該技術變革影響程度最為顯著。

因此，本文將梳理人工智能大模型在會計、審計領域的應用，審視伴隨而來的挑戰，并提出相應的建議，驅動會計、審計領域邁向智能化升級。

2 人工智能大模型概述

人工智能大模型，也被稱為預訓練模型或基礎模型（以下簡稱“大模型”）。大模型通常在大規模未標注數據上進行預訓練，學習一般性知識，然后針對特定任務進行微調，以適應不同的應用場景。

2.1 發展歷程

2017年，Google提出Transformer模型，這是一種完全基于注意力機制的網絡架構，摒棄了依賴于循環神經網絡和卷積神經網絡的方法[1]。“從模型發展來看，人工智能經歷了機器學習模型、深度學習模型、預訓練模型和大規模預訓練模型4個階段”[2]，還引入了近端策略優化[3]、人類反饋的強化學習[4]等技術，大模型在未來將不斷發展。現階段，大模型多以自然語言處理模型、圖像模型、多模態模型為主。

2.2 典型大模型

2.2.1 國外典型大模型

①GPT系列大模型：2022年11月30日，OpenAI發布自然語言處理模型ChatGPT。2023年3月14日，OpenAI推出GPT-4，隨后同年11月7日發布GPT-4 Turbo，再到2024年5月14日發布GPT-4o。

②PaLM大模型：2020年Google推出預訓練大型語言模型PaLM，于2023年5月推出PaLM 2。PaLM-E是其多模態版本，能夠處理包括文本、代碼、音頻、圖像和視頻在內的不同類型的信息。

③LLaMA大模型：2023年2月Meta AI推出LLaMA-1大模型，而后Meta AI不斷優化，時隔5個月發布LLaMA-2大模型。2024年4月19日發布LLaMA-3大模型。

除上述大模型外，還有Gemini、Claude、Bard等大模型。

2.2.2 國內典型大模型

①文心大模型：2019年3月百度發布文心大模型1.0，后續不斷優化，于2023年10月發布文心大模型4.0。該期間百度陸續推出文心CV大模型、文心跨模態大模型、語言大模型文心一言等。2024年6月28日百度正式發布文心大模型4.0 Turbo。

②星火大模型：2023年5月科大訊飛發布星火認知大模型，而后，星火大模型不斷迭代，2024年6月27日，星火大模型V4.0發布。

③通義大模型：通義大模型由阿里云推出，該模型具備全副AI能力。2023年4月、6月阿里推出通義千問、通義聽悟模型。2024年5月9日，阿里云發布通義千問2.5。

除上述大模型外，國內的還有kimi、盤古、混元、智譜等大模型。

3 人工智能大模型在會計、審計領域的應用

3.1 會計領域的應用

3.1.1 管理會計層面

程光等[5]提出，ChatGPT可以應用于管理會計的多個場景中，包括智能聊天機器人、成本分析與控制、經營績效評估、預算編制與執行、投資分析、風險管理以及內部報告生成等。

針對全面預算管理，程平等[6]引入ChatGPT，從基礎設施層、數據層、服務層、應用層和展現層5個層次出發，構建基于ChatGPT的全面預算管理框架模型，實現ChatGPT貫穿全面預算管理全流程。針對成本管理，程平等[7]通過分析ChatGPT與成本管理的契合性，認為ChatGPT能夠提高成本核算的有效性、拓寬成本分析的深度和廣度、提升成本控制水平和效果、提高成本預測的準確性，構建基于ChatGPT的成本管理框架模型。針對內部控制，谷豐等[8]認為ChatGPT與企業內部控制有效結合，能夠有效推進內部控制建設，對COSO模型下內部控制5要素進行優化提升，從而提高企業內部控制水平。

3.1.2 財務會計層面

李瑞雪等[9]探討ChatGPT及其核心技術模型在智能會計領域方面的應用場景，尤其是在智能會計核算、智能財務共享、智能財務決策、智能財務分析可視化等方面的具體應用方法與方式。

針對財務共享，邱航等[10]和張杰[11]發現ChatGPT在企業財務共享中心的應用涉及自動化客戶服務、人機交互、自動化原始憑證處理、數據分析預測與可視化、財務培訓與教育等方面。但其技術實現和操作復雜性也不容忽視。針對財務分析，金源等[12]認為ChatGPT為財務分析體系的優化帶來了新的契機，包括對財務數據進行分析并形成初步結論的能力。針對財務報表，張志國等[13]指出，生成式財務大模型的出現提高了財務報告的準確性和一致性，提高了財務管理與分析效率并提供更好的風險管理和預測能力。Khan et al.[14]發現ChatGPT可以理解金融市場動態、生成財務摘要、報告和預測財務結果等。針對財務決策，陸岷峰等[15]發現大語言模型既可以提供更精準的預測，又可以幫助投資者更好地理解市場動態并作出理性決策。

3.2 審計領域的應用

易冰心等[16]認為AIGC在審計領域的運用包括自動化審計流程、專業咨詢服務建立、內部專業知識庫和員工培訓。在內部審計方面，程平等[17]認為ChatGPT可作用于內部審計信息收集、數據分析、報告生成機理，并在此基礎上構建基于ChatGPT的內部審計框架模型。在注冊會計師審計方面，程平等[18]認為ChatGPT在風險識別、信息搜集、證據取得、差錯整理能力方面有著輔助作用。

在審計過程中，胡耘通等[19]發現ChatGPT可以自動從互聯網上搜集與被審計單位相關的新聞報道、社交媒體信息等非結構化數據，為審計提供額外的視角和證據。呂君杰等[20]發現ChatGPT能夠發掘數據背后的潛在模式和規律，并提高審計數據分析的速度與準確性，從而提高審計人員工作效率和質量。在審計工作完成后，程平等發現通過自然語言生成技術，ChatGPT可以根據收集到的數據和分析結果自動生成審計報告草稿，節省時間。

3.3 人工智能大模型在應用中存在的挑戰

隨著人工智能技術的迅猛發展，大模型在會計、審計領域的應用展現出巨大的潛力和價值。然而，這一變革性的進步并非一帆風順，大模型在實際應用中面臨多重挑戰。

首先，在數據隱私和安全方面，隨著大模型在相關領域的應用增加，數據隱私和安全問題成為主要的擔憂。大型語言模型（LLMs）如ChatGPT可能會導致惡意文本和代碼生成、私人數據泄露、欺詐服務等問題。這些問題不僅威脅到企業的信息安全，還可能損害客戶信任。

其次，盡管大模型具有強大的自然語言處理、數據整理和數據分析能力，但其準確性及時效性仍是一個挑戰。有研究發現，AI系統存在“Dark Force”，表現在其不透明性和復雜性[21]。由于缺乏透明度、問責制以及存在算法差異，可能會影響決策過程的不公平性。此外，若數據源庫中若存在虛假信息與數據的偏見，可能導致不準確的結果。

再次，大模型的應用還涉及一系列法律風險和倫理問題。例如，生成不道德內容或違反行業規定的行為可能會給企業帶來法律責任。此外，如何確保大模型的使用符合相關法律法規，避免觸犯法律紅線，也是企業需要面對的重要問題。

最后，存在技術復雜性和員工替代性問題。企業引入大模型后，需要投入相應的資源解決可能出現的技術問題[22]。此外，企業員工面臨工作崗位被替代的風險。

4 人工智能大模型的應用案例

通過信息收集發現，大模型在會計領域中的應用落地的典型案例主要集中在數據處理與分析、決策以及風控層面。

4.1 基于非結構化數據的評估與決策

該案例來自《北京市人工智能行業大模型創新應用白皮書（2023年）》，聚焦企業優化服務，提升決策質量，具體內容如下：

樸道征信有限公司是一家提供專業征信服務的公司。然而，因缺乏適用于不同信貸業務、全方位評估個人資質的評分，導致樸道征信在客戶分層經營、同業比較等方面存在不便，其中個人資質評分維度還存在大量非結構化征信數據。為解決上述問題，樸道征信與北京曠視科技有限公司展開深度合作。曠視科技憑借其在大模型技術領域的深厚積累，開發一套基于LLaMA-2模型的個人征信技術創新方案。該方案通過對非結構化數據的結構化處理和有效評估變量的篩選，結合Transformer架構的自監督預訓練，實現對個人信用的精準評分，并能預測用戶的貸款意愿。這一合作成果提升了樸道征信的客戶轉化率，增幅達到20%，還為樸道征信在新產品和新業務模式的探索上提供有力支持。

4.2 基于傳統風控的全過程風險識別

該案例來自《2023大模型落地應用案例集》，聚焦金融企業實現全過程風險識別，具體內容如下：

隨著新型網絡犯罪，尤其是電信網絡詐騙案件的激增，社會安全面臨嚴重威脅。《中華人民共和國反電信網絡詐騙法》的出臺，要求銀行業金融機構在維護客戶權益和金融市場穩定方面發揮關鍵作用。然而，銀行業金融機構的傳統風控措施在面對不斷迭代的詐騙手段時顯得力不從心。針對上述痛點，氪信科技推出防范新型金融風險大模型。該大模型集成先進的機器學習與深度學習技術，同時融合欺詐專家團隊的實戰經驗。它不僅采用改良的時序檢測算法來捕捉事前風險信號，還通過自研的算法框架實現從個體到群體的風險擴散分析，能夠多維度、精細化地評估潛在風險。更重要的是，該大模型產品還利用統一的超參數優化策略，整合多種模型預測結果，最終形成高效的事前風險預警系統，極大地提升了風險識別的準確性和時效性。截至目前，氪信的這一防范新型金融風險大模型已在全國25個省的銀行省分行投產使用并取得顯著成效。

5 思考與建議

5.1 思考

大模型在會計、審計領域應用廣泛，但目前大模型的應用多集中于金融企業。這一現象可能由以下原因造成：首先，學者的學術背景多集中于教育領域，他們擁有深厚的理論基礎，擅長理論構建，但在企業業務管理實踐，尤其是將前沿技術轉化為具體業務解決方案方面，可能缺乏直接經驗。這種理論與實踐之間的“脫節”限制了研究成果向會計、審計領域的轉化。其次，金融業是創新驅動型和數據、技術密集型行業，必然成為大模型落地的“試驗田”和“前沿陣地”。并且當前金融企業需求較大，亟需大模型這樣的新質生產力來降本增效，破解增長焦慮。最后，大模型在金融企業的成功應用得益于行業數據的豐富性和標準化程度較高，便于大模型訓練與驗證。相比之下，會計、審計領域往往涉及更多非結構化的信息處理需求，數據的標準化程度低，難以進行數據整合。

5.2 實踐建議

5.2.1 研究層面：深化產學研合作

共同建立合作平臺。鼓勵學者與企業建立緊密的合作關系，不僅可以開展短期聯合研究項目，還可以搭建長期合作平臺，使學者能夠深入了解企業業務管理上的實際需求，推進大模型與企業業務整合，實現落地應用。

加強案例研究與分享。鼓勵學者和企業共同開展案例研究，將成功應用大模型的實踐經驗整理成案例集，通過線上線下渠道廣泛分享，為更多企業和學者提供參考和借鑒。

5.2.2 企業層面：積極治理與適應

加強企業的數據治理。鼓勵企業通過內部培訓和激勵措施，提高員工數據素養，提升企業數據質量以及數據標準化水平。

對大模型持有開放態度。鼓勵企業積極擁抱新技術，對大模型的應用持有開放和包容的態度。鼓勵內部團隊探索大模型在企業業務流程中的創新應用，給予試錯和學習的空間。

注重風險與倫理。在保持開放態度的同時，企業還需要重視大模型可能會帶來的隱私泄露、數據偏見等風險，建立完善的數據安全管理體系，嚴格遵守相關法律法規。

5.2.3 技術層面：持續優化與創新

提高模型適應性。鼓勵大模型開發者針對不同企業業務場景改進和優化大模型，靈活調整模型結構與參數，提高大模型的場景適用性。

融合多源異構數據。探索有效整合來自不同系統、格式和來源的數據的方法，利用自然語言處理、圖像識別等技術提取有價值信息，為大模型提供更加全面、準確的數據支持。

5.2.4 教育層面：培養未來人才

注重培養跨學科人才。高等教育機構應注重培養復合型人才，特別是在數據分析、人工智能與商業管理的交叉領域，以滿足市場對這類專業人才的需求。

【參考文獻】

【1】Vaswani A，Shazeer N，Parmar N，et al.Attention is all you need[J].Advances in neural information processing systems，2017（30）.

【2】孫柏林.初識大模型[J].自動化博覽，2023，40（10）：8-11.

【3】Wang Y，He H，Tan X.Truly proximal policy optimization[C]//Uncertainty in Artificial Intelligence，PMLR，2020：113-122.

【4】Ouyang L，Wu J，Jiang X，et al.Training language models to follow instructions with human feedback[J].Advances in neural information processing systems，2022（35）：27730-27744.

【5】程光，程翠柳.基于ChatGPT的管理會計應用場景研究[J].會計之友，2024（06）：15-20.

【6】程平，陳銳.基于ChatGPT的全面預算管理研究[J].財會月刊，2023，44（18）：60-64.

【7】程平，廖音潔，李怡，等.基于ChatGPT的成本管理應用研究[J].商業會計，2023（08）：29-33.

【8】谷豐，張珉康，張巖，等.ChatGPT在企業內部控制領域的應用探析[J].商業會計，2024（03）：17-21.

【9】李瑞雪，王愛國，任博宇，等.ChatGPT及其核心技術在智能會計中的應用[J].會計之友，2023（12）：32-36.

【10】邱航，王海燕.ChatGPT等智能對話AI引入企業財務共享中心建設：功能、風險及防控[J].當代經濟，2023，40（06）：97-101.

【11】張杰.ChatGPT在企業財務共享中心的應用方向及問題探討[J].企業改革與管理，2023（22）：126-128.

【12】金源，莊璐怡，魏振，等.基于ChatGPT的財務分析：框架、應用與效果評估[J].財會月刊，2023，44（19）：24-30.

【13】張志國，張真，張樹輝，等.生成式財務大模型在財務報告體系中的應用探索[J].財政監督，2024（06）：99-104.

【14】Khan M S，Umer H.ChatGPT in finance：Applications，challenges，and solutions[J].Heliyon，2024，10（2）.

【15】陸岷峰，高倫.大語言模型發展現狀及其在金融領域的應用研究[J].金融科技時代，2023，31（08）：32-38.

【16】易冰心，劉思琦，王志勇.AIGC在審計領域的運用[J].中國注冊會計師，2023（11）：69-73.

【17】程平，喻暢，龔悅.基于ChatGPT的智能內部審計研究[J].會計之友，2023（20）：7-12.

【18】程平，廖錫嘉，伍詩雨.基于Chat GPT的注冊會計師審計研究[J].會計之友，2023（15）：148-154.

【19】胡耘通，張津銘.Chat GPT對審計工作的影響及應用對策[J].商業會計，2023（16）：14-18.

【20】呂君杰，鄭石橋.ChatGPT在審計中的可能應用路徑[J].商業會計，2023（09）：47-49.

【21】Keegan B J，Iredale S，Naudé P.Examining the dark force consequences of AI as a new actor in B2B relationships[J].Industrial Marketing Management，2023（115）：228-239.

【22】Liang S.Opportunities and Problems Presented by ChatGPT to the Financial Industry[J].Highlights in Business，Economics and Management，2024（24）：1284-1289.