基于“RPA+AI”的高校成本控制系統構建

2024-12-31 00:00:00霍海偉

航空財會 2024年6期

摘要隨著新型技術的不斷普及與深化，傳統人工成本控制方式已無法有效適應高校教育現代化發展趨勢。“RPA+AI”技術憑借認知自動化與決策智能化等優勢，可替代工作人員執行大量低效率、重復性工作，有效推動高校成本控制自動化，降低因個體因素導致的成本增加。立足于此，文章先行分析RPA技術的演進歷程，探究“RPA+AI”技術的優勢分析，以及“RPA+AI”與高校成本控制的適配性；其次，立足高校成本控制系統框架，構建基于“RPA+AI”技術的高校成本控制系統；最后，以成本支出為例，演示高校成本控制系統運作流程，為實現高校成本控制現代化提供理論支撐。

關鍵詞 “RPA+AI”；高校成本控制；系統構建；智能化運行

DOI： 10.19840/j.cnki.FA.2024.06.017

新型信息技術推動下，“人工智能”（AI）接棒“機器人流程自動化”成為賦能傳統高校成本控制的新動力。在這一過程中，如何借助AI技術推動成本控制從傳統人工控制向自動化控制轉型，成為當前高校成本智能化轉型的重要任務。就此，財政部于2022年5月出臺《事業單位成本核算具體指引——高等學校（征求意見稿）》，指出要不斷規范高校成本核算工作，以更好地服務高校全面實施預算績效管理，推動高等教育高質量發展。現實而言，各大高校在實踐中已逐步摸索出一套行之有效的成本管控方式、舉措與制度，對本院校改革起到重要推動作用[1]。但隨著社會智能化進程持續推進，高校成本控制逐漸顯露出管理事項增多、成本支出增大和監管效率降低等一系列成本治理難題[2-3]。為此，建立新型高校成本控制系統已迫在眉睫。

機器人流程自動化技術（RPA）具有7×24×365實時監控、智能分類、自動統計、精準篩查等技術優勢[4-5]。其既可替代工作人員完成大量重復性、規則明確的高校成本控制日常事務操作，又能通過模擬機器人交互解決高校成本控制中的難題。RPA技術雖然能夠自動執行固定業務，但更側重于固定結構化數據處理，對圖像、音頻、文字等非結構化數據難以有效處理，需要借助人類大腦進行手動判斷。而結合AI技術中計算機視覺、自然語言處理、機器學習等功能，可進一步賦予RPA大腦思考能力，有效彌補RPA非結構化數據處理不足問題，實現RPA認知自動化[6-7]。一方面，AI技術驅動RPA機器人有助于從繁雜的信息中處理結構化與非結構化數據，提升RPA智能化水平，助力高校業務管理實現自動化。另一方面，借助自然語言處理（NLP）、算法訓練、語音識別等AI技術，RPA機器人可對人類語言情感的理解能力進一步提升，使高校業務流程更具智能化，繼而提升高校整體成本控制效率。可以說，“RPA+AI”技術與高校成本控制系統有機結合，既能保證高校成本控制的精準性、便捷性、時效性，亦可推動高校成本控制逐漸由“人工+管理”向“智能管理+智能服務”轉變。因此，文章基于“RPA+AI”技術構建高校成本控制系統，旨在全面促進高校成本控制智能化變革，為后續研究提供經驗借鑒。

一、“RPA+AI”在高校成本控制系統中的適用性分析

（一）RPA技術的演進歷程

截至目前，RPA技術主要經歷四個發展階段，即RPA1.0（輔助階段）、RPA2.0（非輔助階段）、RPA3.0（高級流程自動化階段）和RPA4.0（智能流程自動化階段）[8]，具體如圖1所示。在RPA1.0階段，RPA技術主要負責輔助管理人員完成簡單的工作，包括數據錄入、文件打開等標準化桌面工作內容，且需要人工全程干預。在RPA2.0階段，RPA技術主要根據管理人員提前預設規則和指令自動完成某一環節工作任務，一定程度上可解放部分人工，且過程無需人工干預。在RPA3.0階段，RPA技術能夠初步結合感知技術對外界知識進行獲取，負責自動處理文檔中非結構化數據，譬如發票信息和客戶郵件，但該階段無法自我學習和改進。在RPA4.0階段，RPA技術主要與AI人工智能相結合，負責自主完成設定工作和任務，實現從執行層到決策層的自我升華。RPA與AI的結合可使業務流程更具自動化、智能化和規范化，不再局限于步驟化，并憑借學習人類思考、高度模擬人工等優勢，形成具有認知決策能力的智能管理機器人。

（二）“RPA+AI”技術的優勢分析

RPA機器人只需要人員維持正常維護，即可實現7×24×365小時不間斷工作，但是處理效率和質量相對不足。而以AI技術為核心支持的RPA機器人被賦予認知自動化能力，不僅可以處理包括文件上傳與下載、內容填寫、批量數據抓取等簡單重復性工作，還能完成身份智能審核、票據自動處理、合同信息抽取等復雜管理工作[9]。一方面，RPA機器人利用AI技術中的感知和認知智能技術，可擁有認知決策能力，進而執行更復雜、鏈條更長的業務場景，打破固定規則局限性，提升業務處理穩定性和效率性。另一方面，RPA機器人通過AI技術中的自然語言學習（NLP）、光學字符識別（OCR）、機器學習（ML）等AI技術，可拓展軟件機器人工作范圍，進一步釋放自動化的潛力與價值。具體而言，RPA機器人最初僅能遵循設定好的固定規則處理標準化、固定重復、可自動化的業務流程和文件檔案，無法靈活應用于不同場景需求[10]。加之，數據庫通常只有20%的結構化數據可以被直接使用，剩余80%均為非結構化數據需要依靠人工手動完成利用[11]，這會對相關人員工作效率造成一定阻滯。AI技術具備一定“頭腦能力”，借助其自然語言處理技術（NPC）可將圖片、音頻、語音、文字等非結構化文本轉化為結構數據，繼而將其輸送到具備“手腳能力”的RPA系統進行操作，用以處理剩余80%數據信息。另外，AI技術中的智能化功能封裝到RPA連接器中可解決較多實際業務場景，譬如發票驗真、訂單管理、合同識別等標準型文檔，促使各業務流程不斷完善與規范。

（三）“RPA+AI”與高校成本控制的適配性分析

“RPA+AI”技術通過運行智能識別、人工智能語義分析等功能，可以最大限度優化高校成本控制系統，提升成本決策質效，實現降本增效，從而規避人工決策主觀性失誤、降低財務數據錯報、成本信息交互滯后現象，為“RPA+AI”的高校成本控制系統提供技術支持。

1. 以“語言識別+屏幕抓取技術”提高成本信息采集效率

高校相關成本信息獲取通常采用直接拷貝、數據轉出等方式，極易造成數據丟失和外漏[12]。這一過程一旦數據發生故障，后續工作便難以有序推進。“語言識別+屏幕抓取技術”是一種用于獲取屏幕上UI元素、將語音轉換為文本命令的技術，包括對象句柄元素、網頁標簽、OCR識別以及人機交互等技術，可對接其他應用程序，為工作人員提供多種數據獲取方法，助力高校實現智慧化、高效化數據采集。詳細而言，其一，“語言識別+屏幕抓取技術”通過句柄元素能夠標識不同對象，如圖標、文字、按鈕、輸出設備、控件或文件等元素，并直接進行元素抓取，提高高校成本信息采集效率。而高校成本信息多為非結構化和結構化財務數據，以及圖片、視頻等數據，能夠有效契合“語言識別+屏幕抓取技術”，實現高效率信息采集。其二，“語言識別+屏幕抓取技術”可從圖像、音頻中掃描和識別文字信息，精準檢測某一關鍵詞和關鍵話術，并對其進行處理，最終將結果共享至其他環節。有研究證實，基于OCR識別技術的財務數據能夠實現99%精準識別，提升財務數據獲取質量的同時，助力各層級財務數據實時共享。并且，“語言識別+屏幕抓取技術”可對桌面窗口預先保存對象進行查詢、比對，提升高校成本信息采集效率。而高校一直以來都具有較強的信息化管理系統，更容易實現系統升級與優化，且具有形式統一、運行穩定等特征[13]，可以有效契合“語言識別+屏幕抓取技術”固定式讀取和分析要求，顯著提高成本信息采集效率。

2. 以“自然語言處理+認知技術”實現成本管理決策可信化

當前高校內部管理系統多使用傳統內控評價體系，參與人員多為非專業管理人員，使得作出的管理決策存在信任問題。這一現狀下，僅依賴傳統人工方式難以精準采集、核算繁雜且多元化的高校成本管理數據，一定程度上會影響高校管理決策真實性和可靠性。基于“自然語言處理+認知技術”，高校管理人員能夠對海量成本數據進行7×24×365自動化操作，顯著提升財務工作效率的同時，避免人為操作錯誤導致的數據不一致，提升高校成本管理決策可信化。而高校各類教務管理、財務管理和學生信息管理等窗口均是以統一管理形式運行，具有形式統一、運行穩定、數據龐雜等特征[14]，可以有效契合“自然語言處理+認知技術”固定式讀取和自動化操作等要求，切實保障成本信息真實性，從而實現高校成本管理決策可信化處理。同時，“自然語言處理+認知技術”依托語音識別、智能問答、光學字符識別等技術，能夠對非結構化數據、半結構化數據進行預處理，提高相關信息準確性和有效性，保證高校數據可信。此外，高校涉及成本較多，可能存在口徑不一致、數據類型多樣等特點。而“RPA+AI”依托“自然語言處理+認知技術”可對“采集—分析—處理—傳輸”這一業務流程進行自動化處理，確保高校數據真實性和完整性[12]，提高其成本管理決策可信化。而高校依托超強的學習能力和技術環境，能夠打造適應“RPA+AI”的應用場景，并實現落地使用和實現二者高度適配。

二、基于“RPA+AI”的高校成本控制系統構建

（一）整體框架

基于“RPA+AI”技術的高校成本控制系統框架如圖2所示。

“RPA+AI”技術下的高校成本控制系統主要劃分為智能數據挖掘層、智能成本預測層、智能數據交互層、智能信息反饋層和智能風險防控層五個層級。其中，智能數據挖掘層主要作用是對高校財務數據進行收集、篩選和修正，為高校管理者進一步作出決策提供扎實、可靠的數據支撐。智能成本預測層主要為高校涉及成本的決策活動進行預估和測算，從而提升成本決策準確性和有效性，實現各項成本費用運用合理性。智能數據交互層是支撐高校成本控制系統運作的關鍵環節，主要負責不同財務數據之間的交互和對接，實現各業務流程的高效銜接，以此提升管理人員工作效率。智能信息反饋層是對高校內部和外部信息進行匯總、反饋、處理等事項，同時進一步為智能風險防控層構建打下良好基礎，實現高校成本控制系統運行的穩定性和可靠性。智能風險防控層主要為保護高校成本信息和財務數據，防止數據被惡意泄露，助推高校成本控制系統安全運作。可以看出，各個層級之間相互銜接，缺一不可，更體現出“RPA+AI”技術下高校成本控制系統擴展延伸的動態過程。

（二）系統運行架構

“RPA+AI”高校成本控制系統構建的重要前提是建立包括數據篩選、成本識別、信息歸納等內容的智能化運行架構和現代化成本控制體系，以達到降本增效目的。依據上述內容設計預測、評估、安全部署等不同流程，最終構建出適合高校成本控制的智能化系統，促使高校成本控制流程更加標準化、規范化。

1. 智能數據挖掘層

“智能數據挖掘層”主要借助“RPA+AI”技術收集高校財務相關數據，完成數據分類、標注、過濾、篩選等流程，為高校成本控制提供扎實的數據支撐。一是收集信息。高校借助“RPA+AI”技術將內部決策成本信息、供應商信息以及政府政策、市場和法律等發布在互聯網上的相關信息自動存儲在本地數據庫，為成本管理提供依據。二是篩選數據。基于“RPA+AI”的高校成本控制系統可通過識別技術對相關數據進行深度分析和提取，以篩選能夠滿足高校成本決策需要的數據，存儲至數據倉庫。三是分析數據。根據制度標準對數據加以提煉與整理，保證數據有效性和準確性，如其他院校業務數據分析、投資模型分析、管理系統分析等內容。四是建立案例模型。基于“RPA+AI”的高校成本控制系統能夠收集不同高校運營中的成本管理案例，將這些案例整合、提取為契合自身發展的案例模型，并進一步完善和修正，形成具有個性化的案例模型，使高校成本控制決策活動更具針對性。五是傳輸數據。將整理過后的數據信息傳輸提交至智能成本預測層、智能數據交互層和智能信息反饋層，滿足高校成本控制需要，使制定的成本決策更具科學性、合理性。

2. 智能成本預測層

“智能成本預測層”主要運用“RPA+AI”技術對高校未來成本水平及變化趨勢作出預測和分析，并在此基礎上采取一定措施，為后期實現成本決策精準性和持續性提供安全保障。第一步，修正數據。“RPA+AI”智能管理機器人通過對數據挖掘層形成的規則數據實施分析和提取，可為管理系統提供可靠的數據。系統可依據所發送指令自動檢索相應內容，譬如模型、方式，進一步對其嵌入學習算法實施再分析和整理運用，形成新的知識、方法和模型。隨后，將這些新內容回傳至“RPA+AI”技術，通過管理系統對成本作出識別。第二步，成本識別。基于“RPA+AI”的高校成本控制系統通過識別功能，對回傳信息、業務、模型等內容的真實性進行預測和識別，并給出相應修改建議，降低高校運行成本。第三步，實現智能預測。高校財務人員將不同財務數據以及各種憑證上傳系統，該系統可對其自動作出分析與判斷，并給出相應成本評估建議，以更好節約運行成本。同時，在預測相關成本基礎上，根據系統內部模型，預估成本風險和業務風險，判斷未來發展可持續性，并提出風險防范和應對建議。第四步，預警提醒。“RPA+AI”智能管理機器人在經過訓練之后，可自主學習人工操作流程，確定成本紅線，為后期成本預測奠定基礎。當存在一定的操作風險時，“RPA+AI”智能管理機器人可提示高校工作人員并予以修正意見。

3. 智能數據交互層

“智能數據交互層”主要對高校成本管理制度、實施要求、具體流程等信息進行傳遞，最終形成文檔，為后期信息反饋和控制進一步奠定基礎，具體如圖3所示。第一步，發布信息。高校管理人員借助“RPA+AI”智能管理機器人能夠自動完成信息編輯，并發送至財務端口審核，待高校財務人員審核后確保文件信息無誤。第二步，收集反饋信息。“RPA+AI”智能管理機器人可收集線上各項業務建議和反饋信息。而后高校財務相關人員結合現實必要性建議，對流程制度進行適度的調整與修訂，為成本控制奠定制度支撐。第三步，篩選與歸納信息。在對數據進行收集之后，基于“RPA+AI”的高校成本控制系統可借助自動分析技術，對各類財務信息加以分析、整理、篩選、提取，并總結出現的相關問題，進而將最終信息傳送到下一層級，以便為后期管理者決策提供可靠信息來源。高校管理者將成本決策目標發送至人機交互系統完成識別、轉化，之后由“RPA+AI”智能管理機器人結合相關數據、系統進行分析。隨后，將分析決策結果再次提交至人機交互系統，生成決策報告，供管理者參考與選擇。

4. 智能信息反饋層

“智能信息反饋層”主要反映高校成本控制系統用于匯總、反饋和接收信息，記錄并處理人員信息以及供應商的信用情況，探尋可能存在的成本管理風險部分，學習總結風險防范經驗，并反饋至高校管理人員的一個過程。首先，信息輸出。“RPA+ AI”智能管理機器人將收集后的數據信息分類，并梳理業務處理結果和反饋意見，自動生成財務憑證。其次，預算分析。“RPA+AI”智能管理機器人依據自主學習能力自動完成預算表的制作，將存在的問題反饋至管理人員。“RPA+AI”智能管理機器人可對本年度成本控制作出分析，而后結合高校運營情況，對下一年度的成本預算方案實施制定，判斷預算方案是否有效，進一步提出調整建議。最后，信用分析。“RPA+AI”智能管理機器人可從信用層面對涉及人員作出分析，為相關層級中的權重設計提供保障。例如，部分高校教師在申請報銷后，系統會從不同方面對報銷申請進行成本審核計算，從而消除潛在的成本風險。

5. 智能風險防控層

“智能風險防控層”主要借助AI識別技術使RPA管理機器人在高校成本控制系統中安全運作，確保高校智能管理數據的安全性，以防惡意人員泄露核心數據。一方面，安全部署。“RPA+AI”技術主要部署在云環境中，利用人機協同系統將入站和出站端口設定密碼限制，對端口動態與靜態場景實時監控。就動態場景而言，將正在傳輸過程中高校核心財務數據進行雙重加密。就靜態場景而言，對數據庫中的高校成本數據實施加密，保護核心數據。加之，“RPA+AI”智能管理機器人可自動挖掘數據、實施7×24×365不間斷監管、不定時更新高校成本數據，及時防控成本風險。另一方面，預警推送。“RPA+AI”智能管理機器人能夠自動借助OCR功能將識別到的風險自動推送預警，通知高校管理人員及時解決財務風險。可見，智能風險防控層能夠有效將“RPA+AI”技術和數據中心兩者統一，起到風險防護作用，從而提升高校成本控制系統的運行效率。

三、基于“RPA+AI”的高校成本控制系統運作流程演示

基于未引入“RPA+AI”技術的高校成本控制業務流程，具體執行步驟如下：第一，費用支出審核。高校管理者應基于相關制度對各個環節或項目產生的費用開展嚴格審查。第二，明晰支出對象。高校財務人員需進一步明晰各部成本產生的項目，并按照確定后的成本項目和對象開設成本明細賬，并做成賬單予以記錄。第三，合理配置支出費用。高校財務人員需要對支出的成本費用開展計算、分配和總結，并按照相關費用支出類型計入成本明細賬，編制成本支出分配表，將每個費用歸類劃分為基礎成本、上繳費用以及補助費用等賬戶。第四，核對全部支出費用。高校相關財務人員需要針對明細賬目和分配表進行核對與匯總，核算出高校所需成本事項數量以及具體成本數值。該步驟計算和核對過程極為耗費人力成本與物力成本，不僅核對效率和質量均較為低下，而且難以保障最終核對成本信息的精準性。

基于“RPA+AI”的高校成本控制具體運行流程如圖4所示。首先，“RPA+AI”智能管理機器人將已記賬的成本信息自動生成清單，并選取相應部門、消費項目、時間以及供應商實施對賬查驗，進而觸發自動對賬功能實施成本核算。其次，“RPA+ AI”智能管理機器人自動對產生的費用支出類型、項目以及對象進行核實，核對訂單號、時間、金額等內容是否一致，若一致則表示成本得到控制，隨后根據確定的內容開設成本明細賬。再次，“RPA+ AI”智能管理機器人將根據開設好的明細賬編制分配表，并對其進行匯總和核算，得出最終成本，以便高校管理者進行成本核實與目標決策。最后，成本決策達到指定狀態時，由于相關財務分錄的編制規則已被高校管理人員提前手動設定并錄入“RPA+AI”智能平臺中，所以在數據傳輸到總賬環節時，會根據提前預設規則自動形成記賬分錄、生成憑證，并進行備份處理。隨后通過智能風險防控層設置雙重加密，確保高校智能管理數據的安全性。在整個高校成本控制系統運作流程中，“RPA+ AI”智能管理機器人自動化運轉可以顯著降低因人工決策、核算、分析等過程耗費的時間成本和人力成本，有效提高高校各環節的工作效率，實現精準化、安全化運行。

基于“RPA+AI”技術構建的高校成本控制系統具有成本核算、智能決策、人機交互、自動認知等優勢，可以降低人工成本和運行成本，規模化解決高校成本控制問題。在具體場景環境中，就業務流程管理而言，“RPA+AI”成本預測層可促使高校管理者從后期決策提前至成本處理環節，降低因事后審核、批注、修訂和匯總的時間成本，以此提升各業務流程處理效率和質量。在成本預測層將業務逐漸標準化后，高校成本控制系統整體業務會被分割成為標準的業務節點，使端到端的接口不斷增加，進而影響各層級業務流程運行速度和標準。就績效管理而言，隨著高校成本控制涉及內容逐漸擴大、業務場景不斷累加、成本信息愈加繁雜，“RPA+AI”技術能夠從系統中自動搜索前端數據，并按照高校管理人員設定規則和業務需要進行篩選，隨后生成成本控制報表。這可促使高校財務數據準確反映業務實質和成本考核因素，降低由于人為操作而導致的成本風險。基于“RPA+AI”技術的計算機視覺技術實時記錄高校管理人員工作行為，且通過計算機視覺識別和測量等技術，對相關人員績效進行量化與控制，剖析其中的問題和相關性，找尋存在的“擁堵環節”。隨后借助“RPA+ AI”自然語言處理和機器學習技術自動給出解決方案并執行，進而促進高校成本得到有效控制。由此可知，“RPA+AI”的嵌入不僅實現了高校成本核算、業務流程處理，管理決策等事項自動化，而且充分解放了財務、管理、決策人員的生產力，有效控制了高校成本，為高校向智能化時代轉型提供了保障。

四、結論

基于“RPA+AI”技術的高校成本控制系統以透明、共享為構建原則，可為高校成本管理帶來積極影響，提供更加全面、精準的成本控制方案。成本控制系統作為高校成本監管體系的核心環節，其認知智能化建設是進一步強化高校成本控制、完善預算管理的核心推動力與智能化轉型的應有之義。“RPA+AI”作為新時期擁有決策功能的智能機器人流程自動化技術，對優化高校成本控制、規則創新、模式變革等智能化建設具有重要推動作用。在此背景下，本文將“RPA+AI”技術作為主要技術引擎，建設高校成本控制信息化運行系統，使傳統單一的成本控制系統逐漸向智慧成本控制維度推進。在此基礎上，實現高校成本管理人員提升工作質效、緩解工作壓力、促進風險監管水平等目標，進一步優化高校成本控制系統建設路徑。 AFA