生成式人工智能重構財務分析師能力體系：顛覆性挑戰與三維重塑路徑

0 引言

近期，生成式人工智能（GenAI）技術取得了顯著的進展，其在財務分析領域的應用已逐步從理論探討轉化為推動行業變革的關鍵力量。生成式人工智能（GenAI）作為人工智能發展的重要分支，指的是使用深度學習（DL）和自然語言處理（NLP）模型，以文本、圖像和視頻內容的形式按照請求公式提供類似人類反應的人工智能技術[1]。2023年7月，國家網信辦聯合國家發展改革委、教育部、科技部、工業和信息化部、公安部、廣電總局七部門頒布了《生成式人工智能服務管理暫行辦法》，自2023年8月15日起施行[2]，將GenAI定位為提升經濟效能和戰略競爭力的關鍵基礎設施。同時，德勤發布的《立足當下，謀定未來：生成式人工智能應用現狀前沿洞察》[3]顯示，25% 的機構已將GenAI應用于財務分析場景，并且這一比例預計在未來3年內呈指數級增長。這既昭示著傳統財務分析范式面臨著顛覆性重構，也代表著財務分析師職業能力轉型升級的迫切性。

長期以來，傳統財務分析在數據處理效率、非結構化信息處理及預測模型解釋性等方面存在諸多難題，而現有研究已經證明了GenAI在自動化報表生成和投資組合優化方面擁有很強的技術優勢，能夠很大程度上對財務分析工作進行優化。但是一項技術的掌握與應用并不簡單，GenAI雖然能帶給財務分析師們工作效率和質量的提升，也對財務分析師們提出了更高的能力要求。普華永道2024年研究指出，AI技能的掌握可使財務分析師薪資增長高達 33% ，反映出AI技術對財務崗位技能重塑的直接影響[4]。中國基金報道顯示，有 30% 左右的分析師承認自己有AI焦慮，認為GenAI模型能夠快速處理海量數據并生成高質量的宏觀預測，讓他們擔心自己的核心競爭力被削弱，迫切需要提升自身能力以應對焦慮[5]。隨著GenAI在工作中的逐漸滲透，有這樣擔心的財務分析師比例正在逐漸上升。

然而，現階段對于財務分析師在GenAI協作下的職業能力重塑的系統性研究仍顯不足，學術界尚未構建出具有實踐指導意義的理論體系。因此，本文引入能力素質洋蔥模型，通過該模型理論，系統地解析GenAI在財務分析全流程應用中引發的職業能力變革挑戰，構建起“專業能力一技術素養一倫理認知”的三維能力重塑路徑，形成從知識深化到工具技能直至價值內化的遞進式重塑。通過知識、技術和倫理3方面進行系統性地整合，首次構建財務分析師GenAI能力適配模型，彌補了傳統研究探討單一能力維度的碎片化缺陷。本文旨在為財務分析師提供一條可以借鑒的轉型道路。

1文獻綜述

生成式人工智能（GenAI）的技術演進正在深刻改變財務分析領域的實踐方式。研究表明，傳統的財務分析模式已難以適應快速變化的市場環境和復雜的決策需求，DeepSeek等開源大模型的出現，將推動財務分析從結構化數據向非結構化、多模態數據融合躍遷，為財務分析的數智化轉型提供了全新的思路和解決方案[5]。從技術發展軌跡來看，早期研究主要關注GenAI在結構化數據處理中的效率提升，如自動化財務核算[7]、異常數據檢測[8]等基礎功能。隨著算法能力的突破，AI財務將逐步實現從“效率工具”到“價值引擎”的質變[5]，研究焦點逐步延伸至智能化決策支持[9]和金融趨勢分析及投資風險評估[10]。這種演進顯著改變了財務分析的價值鏈，使“ AI+ 財務”從效率助手轉化為實際的風險監控、提高決策準確性的協作者[1]，推動研究熱點從傳統分析轉向智能預測等前沿領域[12]

隨著人工智能在財務分析領域的應用的不斷深入，對于財務分析師在AI時代職業重塑需求的研究也逐漸增多。Han等[12]研究表明，GenAI的應用通過替代重復性工作，減少了基礎財務分析人員的需求占比，從而推動財務分析師角色向更高價值領域轉型。金源等研究中強調，財務人員的角色將從AI使用者轉變為AI設計者、使用者和協同者。正如周鏡[13]的研究強調，在人工智能技術的驅動下，財務會計這一傳統而重要的職業角色，正面臨向管理會計轉型的必然趨勢。Alkaraan等[14]研究也表明，財務分析師的工作中心需要從關注財務報表轉向業務流程優化，從標準化數據分析轉向決策、戰略支持。在此過程中，Imjai等[15]研究表明，財務分析師在GenAI技術的應用能力上存在明顯不足，尤其在數據安全和倫理決策等新興領域，這一短板更為突出[16]

然而，現有研究對財務分析師能力重構的探索呈現碎片化特征。比如Zhang等[1在研究中探討了人工智能在采用前和采用后階段對管理會計的道德影響，強調了在管理會計中采用人工智能時，需要考慮所有利益相關者的明確和隱含利益和偏好仔細評估和緩解道德問題。Imjai等[15表明，在人工智能時代，AI素養對于財務分析師的適應性和批判性思維都有顯著的積極影響，能夠幫助財務分析師提高與AI的協作能力，增加財務分析的效率與質量。王苗苗[18則是在研究中強調了財務分析師需在AI技術深度融合的背景下，將會計信息質量保障和信息安全防護列為重點工作內容。

盡管這些成果為單維度能力提升提供了依據，但仍然缺乏系統性的能力重塑整合框架。因此，本文引人Boyatzis[19]提出的能力素質洋蔥模型作為理論分析框架，該理論源于McClelland的素質冰山模型，并通過分層解構能力要素發展為系統性分析工具[20]。本文通過該模型將職業能力劃分為“顯性知識層一半顯性技能層一隱性價值層”的漸進結構，能夠系統整合財務分析師在AI時代的能力重塑全要素，彌補現有研究的不足，并且通過該模型顯隱層級的動態互動，本文揭示了能力重構的內在邏輯，為財務分析師提供了漸進式發展路徑。

2 GenAI在財務分析領域的應用

GenAI已經逐步成為財務分析數字化、智能化轉型的核心技術支撐，許多研究表明，GenAI在自動化流程優化和戰略決策支持方面具有巨大實踐潛力[21]，有望引領財務分析持續走向更自動、更智能、更高效的路徑[22]。一些領先企業已在其財務分析服務中應用GenAI，例如埃森哲，其與甲骨文（Oracle）合作開發的針對金融領域的GenAI助手，專注于自動化會計結算、財務規劃、數據分析和風險管理等任務，通過整合Oracle云基礎設施（OCI）的AI能力，顯著提升了數據分析和報表生成的效率，幫助客戶減少 70% 的人工工作時間。通過對財務數據的自動化處理、非結構化信息的高效提取、異常數據的智能化升級及智能化財務預測分析與決策建議，GenAI已實質性地重塑了財務分析的效率與深度。下文將詳細探討GenAI在上述4個核心環節的具體應用形式與效果。

2.1 財務數據自動化處理

在傳統的財務分析工作中，財務分析人員需要通過人工花費時間去整理標準化的數據表格，包括各個時期的各種財務報表和公司重大決議等，并且從大量文件中提取出重要數據進行整合分析，而GenAI能夠對各類電子數據文件進行自動識別，快速完成數據的清洗和基礎報表的生成，大大節約了財務分析人員對數據整理和清洗工作的時間消耗。同時，GenAI還可以將復雜的財務指標直接轉化為比較容易理解的敘述性內容，將數據信息轉換為企業實際行為的敘述，形成簡單直觀，便于投資者理解的分析報告。

2.2非結構化財務信息提取

在傳統財務分析中，處理會議記錄或政策文件等文本信息通常是個難題，而這些內容往往對財務結果有著重大并且難以察覺的影響，GenAI的應用就可以幫助財務分析人員解決這個問題。比如當財務分析人員將會議紀要發送給GenAI后，它能夠系統地對管理層在財報會議中的發言進行總結，從中提煉出企業戰略重點的發展路徑，并且將提煉出的重點與研發投入或者營銷投入等數據進行關聯性分析，從而為財務分析師提供更全面的企業財務狀況理解。此外，生成AI還能根據指令進行聯網搜索分析，對相關行業新聞進行匯總總結，捕捉潛在風險信號，為財務分析提供參考。這些功能可以幫助財務分析人員發現隱藏在文本中的商業信號，但是GenAI可能會在理解文本的過程中生成看似合理實際上并不真實的內容，對使用者產生誤導，所以仍需要財務分析師們進行人工干預，準確提取AI提供信息的實際價值。

2.3異常數據分析智能化升級

GenAI技術的融入也為財務異常數據的檢測工作提供了助力。財務分析師常常需要處理大量數據，并且從中識別異常財務數據并推測違規行為，傳統的人工審核在速度和精確度上往往無法達到所需標準。但是AI系統能夠通過深人分析大量的歷史合規數據，并且利用機器學習算法建立一套標準化的業務行為參考模型，從而高效地對財務數據中的異常模式進行識別與分析，包括但不限于欺詐交易、會計失誤及非正常活動。同時，這些算法具有持續學習的能力，能夠掌握新的欺詐模式，并針對不斷變化的欺詐策略進行調整，從而有效地預防和降低財務風險。通過自動化手段處理數據分析，不僅加快了財務分析師對異常財務數據檢測的效率，也提高了檢測的精確性[23]。但是，AI可能在判斷過程中出現誤判，可能將合理的預算執行視為違規行為，這就要求有財務分析師對AI決策邏輯進行理解和監督，以確保分析結果的準確性和可靠性。

2.4智能化財務預測分析與決策建議

GenAI的應用對財務數據的預測分析過程也產生了巨大改變[24]。首先，財務分析師可以在搜集并整合歷史數據、行業數據及相關信息發送給GenAI后，向其提出構建財務預測模型的需求，GenAI就可以通過自動化數據處理功能還有模式識別功能對復雜財務數據進行可視化解析，通過算法架構設計進行多維度的特征提取，大大增強了財務預測的可靠性，從而輔助財務分析師在決策過程中做出更加合理的選擇，為財務規劃提供重要參考[25]

其次，在投資組合優化的實際應用中，財務分析師可以利用GenAI技術來創建多樣化的潛在投資組合，并依據風險收益模型篩選出最佳方案，構建更為科學的投資策略，從而提升投資效益。

最后，在輔助決策制定方面，人工智能系統能夠通過對財務報表、市場動態及其他相關信息的深入分析，對數據進行整合報告后進行分析與闡釋，揭示業務發展的趨勢、潛在風險和機遇，向財務分析師提供數據驅動的決策支持。并且AI系統還能夠通過模擬不同的商業情境，對各種策略可能帶來的影響進行評估，進而協助財務分析師制定更為高效的業務策略和風險管理措施[23]。但是，實施GenAI模型的過程中，其固有的復雜性可能導致透明度和可解釋性的缺失，可能會給財務分析引入潛在風險。因此，仍需要財務分析人員對于GenAI生成的內容進行解析，還原數據結果的過程，并向決策者進行專業化解釋。

總之，GenAI憑借其強大的自然語言處理、模式識別與內容生成能力，正在重構財務分析的工作流程，它的應用范圍已從基礎數據的自動化處理擴展到為財務決策提供支持，不僅能提高分析師的分析效率，還能夠拓寬財務分析師的認知范圍。在這種全方面的協同作用下，GenAI的使用使財務分析師對財務數據的傳統分析路徑發生巨變，使分析師面臨更為嚴峻和復合化的能力要求，不僅要掌握專業財務分析技能，還要迎接與智能系統高效協作當中新的認知轉變、技術掌握以及倫理判斷轉變的巨大的適應性挑戰。同時，GenAI系統的技術局限性（如模型幻覺、邏輯可解釋性不足）也使財務分析師在協作過程中面臨著AI黑箱風險挑戰。因此，下文將基于GenAI的應用過程系統剖析其對財務分析的傳統分析路徑的具體沖擊，以梳理GenAI對財務分析師發起的能力挑戰。

3GenAI對傳統分析路徑的沖擊與能力挑戰

根據陳紅2的經典研究框架，專業財務分析活動可系統劃分為4個階段。第一階段是信息搜集與整理環節，分析師需要明確目的制定計劃，并搜集整理財務數據；第二階段是戰略與會計分析，主要是對競爭策略進行分析后評價企業會計信息質量，這要求分析師具備戰略管理思維與會計準則應用能力；第三階段是財務分析實施階段，主要包括對財務指標進行分析并且解釋原因；第四階段是綜合評價階段，包括財務綜合分析與評價、財務預測與價值評估及財務分析報告3個步驟，要求財務分析師將定量分析結果與實地調研相結合，形成具有決策價值的預測建議。GenAI技術的滲透正在引發財務分析師在各個環節中能力要求的結構性變革，見表1。這些新需求不僅反映了技術工具帶來的效率提升，更深刻揭示了人機協同模式下分析師角色與核心能力的轉型方向。然而，滿足這些新需求絕非易事，它們往往伴隨著一系列具體而嚴峻的能力挑戰。下文將對應傳統分析框架的4個階段逐一剖析財務分析師在各階段面臨的核心能力挑戰。

表1GenAI協作下財務分析師能力挑戰對照表

3.1AI輸出驗證與源能力的挑戰

在傳統的財務分析的第一階段一信息搜集與整理階段，傳統分析中要求分析師具備數據處理與報表生成等核心技能。在該階段，分析師需要完成目標界定、方案制定及數據采集等基礎工作，需要投人大量時間去對數據進行清洗和結構化，GenAI的使用能夠利其用自然語言處理技術幫助分析師對各類電子數據進行處理分析，還能對各種監管文件、輿情數據等多源數據進行聯網抓取，進行初步的自動化分析。這些自動化處理大大減輕了財務分析人員對信息處理的負擔，但是對財務分析師的專業能力和對AI生成內容的復查能力提出了新的挑戰——多源數據抓取與AI輸出驗證。因為AI模型可能因為訓練數據缺陷或者算法偏見產生誤導性結論，所以財務分析師們在使用GenAI進行數據整理時，需要培養自身對AI輸出結果的驗真能力，需要通過源頭追溯、邏輯推演、同行業對比等途徑的驗證去確保AI生成的數據準確性，這要求分析師不僅要更加熟練地掌握數據驗證工具，還要對業務場景有更深刻的理解，從而可以在AI提供的數據基礎上，完成更貼近企業實際的二次診斷。

3.2 數據隱私防護技術素養的挑戰

進入戰略與會計分析階段，傳統分析要求分析師們具備戰略管理思維和會計準則應用能力，而與GenAI協作后，數據隱私與安全問題成為關鍵挑戰。GenAI的學習和預測過程依賴于大量數據，而這些數據中往往蘊含著個人和企業的敏感信息。對于財務分析人員而言，他們不僅要確保分析結果的準確性和可靠性，還必須掌握如何保護這些數據隱私和安全的知識與技能。尤其是在財務分析的第二階段中，財務分析師在利用GenAI對企業的戰略信息和會計信息進行分析時，需要輸入大量企業戰略相關數據（如行業競爭分析、成本結構、客戶信息等），而GenAI模型的“記憶”特性可能通過逆向工程暴露原始訓練數據中的敏感內容，攻擊者僅需針對性提問即可提取大量的訓練數據片段，所以如果數據收集和整理的過程缺乏管控，就有可能會導致商業機密的外泄[18]。因此，數據隱私和安全問題不僅考驗財務分析人員的專業素養，也對他們的數字技術應用能力和道德責任提出了更高的要求。

3.3算法黑箱解釋與轉譯能力的挑戰

在財務分析的實施階段，GenAI模型的復雜性可能導致其實施過程缺乏透明度和可解釋性[21]。一方面，AI的“黑箱”特性使得財務分析師難以追溯其輸出的依據，使財務分析師難以對結果進行解釋；另一方面，GenAI有時會產生看似正確但實際上有誤的內容，即“幻覺”，這可能導致財務分析師難以對財務指標進行正確分析。所以對于財務分析人員來說，他們不僅要確保分析結果的準確性，還要有能夠向利益相關者清晰地闡釋AI的決策路徑的能力，這種能力挑戰就要求財務分析師不僅要深入理解AI模型的運作原理，還要學會如何將復雜的算法結果轉化為易于理解的業務語言。同時，財務分析人員還需要與決策者建立更高的信任程度，確保決策者能夠接受并依賴于AI提供的分析。

3.4倫理判斷與價值整合能力的挑戰

在最后的綜合評價與決策建議階段，GenAI雖能提供高效預測與優化方案，卻可能因過度依賴理性計算而忽略倫理道德與社會價值維度。在傳統分析中，分析師們依靠各大經典理論進行決策建議，在制定決策的過程中側重于對未來更優質的發展，但是AI可以直接理性地預測行業的未來變化與發展，給出科學的決策建議。然而，這種技術的使用可能會忽略倫理和道德的因素，比如當AI建議公司通過并購來打造獨特優勢時，可能會忽略公司文化之間的融合難度；當AI基于財務優化邏輯建議淘汰虧損業務時，員工安置和企業社會責任問題則可能會被忽略。因此，當財務分析師使用GenAI進行決策建議時，必須認真考慮如何協調技術的高效性與人類的主觀判斷，除了要使用自身的專業理論去檢查AI的正確性，還要增加自身對價值的判斷和倫理的考量，以此保證AI的決策流程和結果遵循道德規范并承擔社會責任。這就需要分析師不僅要掌握扎實的技術知識，還要深人理解倫理原則，以便在AI的輔助下保持高度的道德意識和判斷能力。

綜上所述，GenAI在財務分析全流程中的深度滲透，已實質性地將傳統單向能力要求重構為人機協作的雙向能力體系。通過對4個分析階段核心挑戰的剖析可見，財務分析師面臨的困境本質上是三重能力斷層的集中體現：專業認知能力斷層（如AI輸出驗證與溯源困境）、GenAI協作技術斷層（如數據防護技術與算法黑箱解釋力缺失）、倫理意識斷層（如倫理判斷與價值整合能力挑戰）。這些斷層不僅制約人機協作效能，更威脅財務分析的價值根基一決策可靠性與戰略預見性。

因此，財務分析師想要突破當前所遇到的能力挑戰，需要從能力重塑的底層邏輯著手，構建覆蓋“專業知識深度一技術協同能力一倫理價值判斷”的三維升級路徑。這一框架并非對傳統能力的簡單修補，而是通過知識驗證（認知）、工具協同（技術）、價值引領（倫理）的遞進式再造，推動財務分析師實現高效化、智能化、科學化分析轉型。下文將就此三維路徑展開系統論述。

4AI時代財務分析師職業能力的重塑路徑

4.1 專業能力的升級

當前GenAI的普及正在重塑財務分析師的工作方式，對財務分析師自身的業務能力提出了更高的要求。首先，當利用GenAI實時收集和整合市場的動態信息以及政策文件等多渠道信息時，財務分析師要有分辨AI生成內容的正誤的能力，因此他們必須提升自身對行業知識和業務實際的認知深度，通過比對歷史數據、行業標準和非財務因素（如政策變化、市場情緒）進行多角度驗證，才能保證結論的正確性。同時，AI決策的“黑箱”特性和“幻覺”問題也迫切需要財務分析人員提升自己對專業知識的掌握能力，因為除了自身要了解AI生成數據的路徑，財務分析人員還要具備扎實的專業能力向決策者進行專業的解釋，使復雜的機器學習結果轉化為管理層能理解的建議，以保證決策者的信任和決策的科學性。

4.2 GenAl協作技術素養的結合

4.2.1 提升GenAl訓練技能

在與GenAI的協作過程中，很重要的過程就是如何訓練AI，如何讓GenAI生成財務分析師想要的內容，所以，提升AI的訓練技能是十分必要的[27]。財務分析人員應該完善財務數據采集體系，并且反復訓練GenAI。首先，財務分析人員需要建立并優化財務數據的收集與整理系統，更高效且標準化地采集和歸納整理各項財務數據，將其制作成能夠被GenAI理解的數據表格或文檔，并在使用GenAI的過程中持續優化相關數據表格或文檔。其次，財務分析人員需要對GenAI進行反復訓練，使其能夠更好地滿足企業的財務數據分析需求，而為了能夠正確地反復對GenAI進行訓練，財務分析人員就需要掌握專業的提示語設計技巧，以確保與AI的有效溝通，通過正確地對GenAI進行不斷的訓練，使其積累更多的財務知識，提高對財務數據分析的效率和準確性。

4.2.2 提升信息篩選能力

在AI的幫助下，財務分析人員面臨海量政策文件、行業報告等非結構化數據的處理任務。為了有效地轉化這些數據為戰略資產，財務分析師必須提升對專業信息的篩選能力，學會如何分類整理這些信息，并從中提取出關鍵的戰略信號。同時，財務分析師應當強化對AI信息的篩選和解讀能力，在處理AI獲取的非結構化數據報告時，能夠對其進行分類整理，并能夠從煩雜的信息中提煉出關鍵的戰略信號。這一過程不僅要求財務分析師具備數據分析技能，還要求他們能夠將這些信號轉化為具有操作性的業務建議，為企業的戰略規劃提供數據支撐。

4.2.3提升算法解讀能力

針對AI決策的“黑箱”問題，財務分析師需要掌握算法解讀工具，以將復雜的機器學習結果轉化為管理層能夠理解的建議。這包括分析模型中的關鍵影響因素，如政策支持力度、市場格局等，并結合企業實際情況來評估方案的可行性。更重要的是，財務分析師需要培養數據解讀能力，將AI輸出的復雜圖表和數據進行可視化處理，轉化為易懂的戰略建議，從而幫助管理者理解技術方案的業務邏輯和潛在影響。

4.2.4提升數據防護能力

在信息爆炸的AI協作時代，數據安全防護能力的培養對于財務分析師來說十分重要。在AI協作的過程中，財務分析師需要了解并遵守數據保護法規，掌握數據加密、匿名化和去標識化等技術，以確保在使用GenAI進行財務分析時，不會泄露關鍵信息及敏感信息。同時，他們還需具備風險評估和風險監控的能力，及時發現并應對潛在的數據泄露和安全威脅風險。

4.2.5 提升跨部門協作能力

在AI技術助力業務與財務結合的大背景下，財務分析師應該拓寬自身視野，促進各部門之間的合作。因為AI系統需要整合包括市場和客戶在內的各種信息，財務分析師應該主動搭建數據共享機制，把日常的業務數據轉換成為決策參數，這樣的合作不僅有助于消除信息孤島，還能通過模擬不同的業務決策對財務可能產生的影響，從而讓AI的分析更加全面，更能從整體上把握情況。

4.3 倫理意識的培養

面對GenAI的道德倫理困境，財務分析人員要在技術優化與人工判斷間建立平衡機制，除了協作技能的提升，財務分析師還應當建立道德審查的能力。

在AI時代，財務分析師的職業能力重塑不僅需要應對技術協作的能力挑戰，更需面對道德倫理的考驗。

為此，培養自身的道德判斷能力成為不可或缺的一環。首先，財務分析人員應該接受系統的道德倫理教育，了解并遵守職業道德規范和法律法規，確保在運用AI技術時能夠堅守道德底線，保護企業和社會的利益。其次，財務分析師應該在企業內部建立道德審查機制，監督和評估AI技術在財務分析中的應用，確保決策過程中AI的輸出結果符合道德倫理標準，不損害他人利益。同時，財務分析人員還需要提高自身的道德決策能力，面對倫理困境時能夠獨立思考和判斷，在AI技術的輔助下權衡各方利益，做出符合道德倫理的決策。最后，財務分析人員還可以積極地參與行業內的道德倫理討論，與其他企業及財務分析人員分享交流道德審查和決策的經驗，共同探討AI時代財務分析的道德規范。

4.4財務分析師職業能力重塑模型構建

綜上所述，AI時代財務分析師的職業能力重塑路徑涵蓋了專業能力、AI協作素養及倫理意識3個維度的升級，基于能力素質洋蔥模型理論，專業能力屬于顯性知識層面的維度，AI協作技術素養是對GenAI使用技能和數據意識、協作意識的囊括，屬于半顯性層面的技能和意識維度，最后倫理意識是屬于潛層的價值觀維度，三者的協同作用形成“知識驗證一工具協同一價值引領”的遞進式重塑邏輯，見圖1。

圖1從能力素質洋蔥模型到AI時代財務分析師能力重塑模型

5 結語

本文深人探討了生成式人工智能在財務分析中的應用及其對傳統分析模式的沖擊，并分析了財務分析師能力重塑的路徑。研究揭示，GenAI在數據自動化處理及財務預測等方面為財務分析師提供了顯著支持，極大提高了財務分析的工作效率和質量，這一技術為財務分析師帶來了前所未有的機遇，同時也對其職業能力提出了新的挑戰。

通過對財務分析工作4個階段的系統分析，本文分析歸納了GenAI在不同工作階段對財務分析師職業能力提出的挑戰，并據此提出了一條能力重塑路徑，旨在引導財務分析師通過持續學習，在不斷提升自身的專業能力的基礎上，培養與GenAI協作的技術素養和倫理判斷能力，以適應在GenAI的協作下進行高效高質的財務分析工作，從而確保在AI時代能夠穩固自己的地位并為公司創造更大的價值。

隨著AI技術的持續發展，未來的財務分析將更加智能化、自動化和高效化。財務分析師的角色也將會逐步從傳統數據分析轉變為數據科學家和戰略決策顧問，為企業提供更加科學全面地支持。為了促進財務分析行業的升級轉型，財務分析師也需要與行業內外利益相關者緊密合作，不斷學習新技能，積極把握機遇，有效應對挑戰。這一職業能力的全面轉型，將不可避免地依賴于企業、教育培訓機構及政府的多方協作和支持。只有通過這種共同努力，財務分析師才能夠引領行業的變革，為企業和社會創造更加深遠的影響。

參考文獻

[1]ANICA-POPA IF，VRINCIANU M，ANICA-POPA L E， et al. Framework for integrating generative AI in developing competencies for accounting and audit professionals ［J]. Electronics， 2024，13（13）： 2621.

[2］國家互聯網信息辦公室，中華人民共和國國家發展和改革委員會，中華人民共和國教育部，中華人民共和國科學技術部，中華人民共和國工業和信息化部，中華人民共和國公安部，國家廣播電視總局．生成式人工智能服務管理暫行辦法（第15號）［S].北京：國家互聯網信息辦公室等七部門，2023.

[3］DELOITTE.立足當下，謀定未來：生成式人工智能應用現狀 前沿洞察（企業生成式人工智能應用現狀第一季度報告） [R/OL]．倫敦：德勤公司，2024-03［2025-03-20]．https：// www. deloitte. com/content/dam/assets-zonel/cn/zh/docs/about/ 2025/deloite-cn-dai-state-of-gen-ai-report-q1-h-240313. pdf

[4]PwC. PwC's 2024 AI Jobs Barometer[R]. London： PwC，2024.

[5］莫琳．AI來了，分析師“焦慮”了？［EB/OL]．（2025-03-10） [2025-03-20]. htp： //www. chnfund. com/article/AR2025030 9020004346.

[6］金源，李夢珂，李成智.DeepSeek 影響下的AI財務演化趨勢 與應用框架［J]．商業會計，2025（7）：4-8.

[7] PENG Y， AHMAD S F， AHMAD A Y A B， et al. Riding the waves of artificial intelligence in advancing accounting and its implications for sustainable development goals [J]. Sustainability， 2023，15（19） ： 14165.

[8] AHMADI S. Open AI and its impact on fraud detection in financial industry[J]. Journal of Knowledge Learning and Science Technology，2023，2（3）： 263-281.

[9] RAWASHDEH A. The consequences of artificial intelligence： an investigation into the impact of AI on job displacement in accounting[J]. Journal of Science and Technology Policy Management， 2025，16 （3）： 506-535.

[10] COHEN G. Algorithmic trading and financial forecasting using advanced artificial inteligence methodologies [J]. Mathematics，2022，10 （18） ： 3302.

[11] GUO H， POLAK P. Finance centralization： research on enterprise intelligence [J]. Humanities and Social Sciences Communications，2024，11 （1） ： 1-9.

[12] HAN X， XIAO S， SHENG J， et al. Enhancing efficiency and decision-making in higher education through intelligent commercial integration： Leveraging artificial intelligence [J]. Journalof the Knowledge Economy，2025，16 （1）：1546-1582.

［13］周鏡．人工智能背景下財務會計向管理會計轉型路徑分析 [J]．中國鄉鎮企業會計，2025（4）：8-10.

[14] ALKARAAN F， ELMARZOUKY M， HUSSAINEY ， et al. Sustainable strategic investment decision-making practices in UK companies： the influence of govemance mechanisms on synergy between industry 4.O and circular economy [J]. Technological Forecasting and Social Change，2023，187：122-187.

[15]IMJAI N，YORDUDOM T，YAACOB Z，et al. Impact of AI literacy and adaptability on financial analyst skills among prospective Thai accountants： The role of critical thinking [J]. Technological Forecasting and Social Change，2025，210：123889.

[16]NATENOOCH J. The impact of the technological changes toward theaccountants’development in the digital age[J]. Journal of Humanities and Social Sciences Rajapruek University，2022，8 （1）： 1-18.

[17]ZHANG C， ZHUW，DAI J，et al. Ethical impact of artificial intelligence inmanagerial accounting[J]. International Journal of Accounting Information Systems，2023，49：100619.

[18］王苗苗．人工智能AI對企業財務及財務分析師的影響 [J]．中國商界，2025（1）：214-215.

[19]BOYATZIS R E. The competent manager： a model for effective performance [M]. John Wileyamp; Sons，1991.

[20]MCCLELLAND D C. Testing for competence rather than for“intelligence.”[J]. American Psychologist，1973，28（1） ： 1.

[21］王文博，程堯．基于GenAI的財務決策研究［J].管理會計 研究，2023 （6）：9-17.

[22］金源，李成智.ChatGPT + Acctech：ChatGPT對會計科技的 影響研究[J]．商業會計，2023（7）：4-10.

［23］曾德山．人工智能在財務分析中的潛力與應用［J]．銷售與 管理，2024（25）：12-14.

[24］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.

[25］楊殿業．人工智能在財務預測與決策支持中的應用分析 [J].中國會展，2025（5）：181-183.

[26］陳紅．淺談財務分析師的分析路徑［J]．財務與會計，2004 （10）： 42.

[27］李砂．基于ChatGPT的企業財務數據分析研究［J]．上海企 業，2025 （1）：222-224.

收稿日期：2025-04-03

作者簡介：

汪金花，女，2001年生，碩士研究生在讀，主要研究方向：組織行為與人力資源管理。