生成式AI應用背景下財務人員工作滿意度提升研究

2025-08-29 00:00:00張新陽

財務管理研究 2025年8期

0 引言

近年來，以ChatGPT為代表的生成式人工智能（GenerativeArtificialIntelligence）被廣泛運用于財務管理領域，讓財務人員從煩瑣、重復的基礎性工作中解放，人工智能的輔助可以使一部分基礎性財務崗位實現流程化、自動化。現有研究認為生成式人工智能通過自然語言處理和深度神經網絡等技術，可以改善數據處理效率、降低工作難度及人力成本[1]。然而，對于財務從業人員而言面臨著兩方面的挑戰，一方面是核算型財務崗位需求斷崖式下跌，出納、做賬、制單、審核票據等基礎性崗位員工將會被生成式AI替代進而可能失業；另一方面，財務人員在戰略決策層面參與度不高，自身工作價值感和工作滿意度持續降低。

根據工作特征理論（JCT），工作滿意度主要由技能多樣性、工作自主性和工作完整性等內在激勵因素決定，當員工感知到工作具有意義、責任和明確反饋時，其內在動機與滿意度將顯著提升[2]。技術接受模型（TAM）則聚焦個體對技術的主觀感受，核心維度為感知有用性與感知易用性，二者共同決定員工對技術的接受態度及后續工作投人[3]。生成式人工智能在為財務人員帶來諸多技術便利，強化了TAM框架下的感知有用性，然而，基礎工作被人工智能替代且人機權責模糊等導致任務重要性、技能多樣性和工作自主性降低，進而削弱了財務人員的工作滿意度，對JCT理論的核心因素造成影響，導致了技術賦能與工作滿意度之間的不平衡。由此，本研究聚焦于兩個核心議題：第一，生成式人工智能如何通過技術便利性與職業價值感的矛盾關系對財務人員工作滿意度產生影響？第二，如何構建有效框架來提高人機協同工作模式下財務人員的工作滿意度？本研究旨在彌補現有研究對財務人員工作滿意度探討的不足，為企業探索合理的人機協同工作模式、制定人性化的轉型方案提供理論借鑒。

1文獻綜述

現有學者對生成式人工智能給企業財務管理帶來的影響已進行深入研究。首先，部分學者重點關注生成式人工智能的技術優勢，探究其在成本效益、資源配置、風險預測等方面的作用。王向東[4認為生成式AI為財務數據來源和核對提供了強大的便利，企業能夠借助大數據技術及時發現在資源配置方面的問題，進而制定更高效的優化方案，最大效率地提高企業的經營效益和核心競爭力；其次，部分學者提出生成式人工智能在財務管理工作中的挑戰和風險，如成本高、數據泄露、法律合規等問題[5-6]。例如，王芳方和張甫5認為，生成式AI在賦能企業財務管理的同時，會伴隨數據安全、技術應用及法律與合規等一系列風險，因此，企業在運用生成式人工智能技術時，務必保持謹慎態度，采用切實可行的防范和應對辦法。最后，還有學者針對企業財務人員的轉型壓力進行研究，認為生成式人工智能會帶來崗位需求減少、業務能力要求上升等風險和壓力[7-8]。例如，廖敬龍等[8]提出，生成式AI對財務人員的職業現狀造成了沖擊，基礎財務人員的需求量和重要性大幅下降，財務人員被迫學習AI知識并運用。

但現有研究還存在明顯不足：一是研究更多關注技術對組織的影響，較少關注以人為中心要素的主體活動；二是針對財務人員轉型的相關研究局限于崗位數量變化、技術要求等表層變化，并未關注財務人員自身的價值判斷、心理適應、工作滿意度等深層結構的原因，未來研究應更加關注財務人員的隱形心理活動過程。

綜上所述，生成式AI對財務工作的作用具有技術“效率優勢”與財務人員“轉型挑戰”的雙重影響，但是相關研究卻未充分研究財務人員的工作滿意度等心理感受。因而，本文基于工作特征理論（JCT）的“工作特征一滿意度”傳導機制和技術接受模型（TAM），探討AI如何通過改變技能多樣性和任務重要性等核心特征影響工作滿意度，以及感知有用性和感知易用性如何作用于工作態度，明確了生成式AI時代下財務人員工作滿意度研究的關鍵問題，構建“能力提升一角色轉變一制度保障”三維框架，旨在解決技術效率與職業價值的沖突，提高生成式AI應用時代下財務人員工作滿意度，填補人本視角的研究空白。

2生成式AI在企業財務工作中的應用

2.1生成式AI的定義與特點

生成式AI是目前人工智能領域的前沿科技，它綜合了深度學習、自然語言處理和計算機視覺等多個領域的核心技術，是模仿人類智力和思考的智能系統，能夠智能處理海量數據和多層次解讀計算，從而能從大量信息中高效地挖掘出對企業有用的信息[5]

生成式AI具有運作迅速且精準的技術優勢[9]。生成式AI能快速精準地處理龐雜的財務數據、自動生成財務報告，幫助企業迅速精準地做出決策；能夠不斷適應公司不斷變化的財務管理需求，為企業個性化解決財務管理問題；能夠精準預測企業財務管理風險，提高企業經濟效益。生成式AI的這些技術特征有效地解決了傳統財務管理中響應不及時、決策偏差及風險不可控等問題。同時，生成式AI也存在一定風險，比如數據安全風險、技術應用風險和法律合規風險等[5]數據泄露和篡改等安全事件可能會使企業面臨巨大的財務損失；系統一旦發生故障或異常，修復過程可能需要大量時間和精力，甚至會導致數據丟失或損壞，影響財務管理活動；在使用AI過程中，若未嚴格遵循數據安全法、個人信息保護法等相關法律法規，可能因數據來源不合規、使用范國超出授權等問題引發法律糾紛，給企業帶來合規風險。

2.2生成式AI在財務工作中的應用場景

2. 2.1 成本控制

生成式AI可以實時監控成本指標，在發現異常時及時采取應對措施，幫助企業精確核算產品成本及優化成本結構。同時，通過數據分析，生成式人工智能可以優化供應鏈成本，提升整體效率。

2. 2. 2 預算管理

生成式AI能通過自動對企業歷史預算方案和實際數據進行比較，尋找差異規律，提供預算方案，并對預算方案進行監控和提醒預算執行出現偏差，及時進行調整。此外，生成式AI能通過分析市場變化和企業運營數據，對企業未來資金需求進行預測，生成資金預算建議。

2.2.3 風險管理

生成式AI能24小時實時監控企業資金往來、市場波動等，智能識別企業存在的財務風險、異常行為，并提出應對措施，同時進行風險量化，能夠協助制定風險管理方案。如應收賬款逾期率出現突增時，給出預警和對應的處理方案，如收緊信用或加大催款力度等，并計算風險可能造成的損失。

2.2.4 決策支持

基于內部數據如銷售報表和成本報表，外部數據如行業趨勢，快速生成可視化分析報告，幫助管理者做出更好的決策，更快掌握市場信息和內部環境。例如在制定新產品投資計劃時，對不同的定價模式進行利潤率變化模擬，以幫助管理者做出決策，獲得更好的管理效果。

生成式AI對財務工作產生了變革性影響，與傳統財務工作模式相比，生成式AI以其高效精準等特性，在成本控制、預算管理、風險管理及決策支持這4個場景中實現了效率與精準度的提升。表1清晰對比了傳統財務工作模式與生成式AI工作模式在這4大應用場景的核心差異。

表1AI應用場景對比

3生成式AI對財務人員工作滿意度的雙重影響

3.1 積極影響

3.1.1 工作效率大幅提高

生成式AI通過自然語言處理（NLP）和數據生成技術，能夠自動化處理財務對賬、內部審批、賬務處理、發票管理、稅務申報等基礎性財務工作，原本需要40小時完成的財務報告編寫工作，由生成式AI協助后只需2小時，且報告內容更完整、數據關聯性更強，減少了財務工作的出錯概率。因此，生成式AI能夠協助財務人員高效且精準地處理大部分機械性、煩瑣性和重復性的財務基礎工作[7]。微軟集團推出的Co-pilot forFinance，能夠自動收集、整理和分析來自各種數據源的金融信息，包括財務報表、市場數據、交易記錄等，對賬時間從每周2小時縮短至10分鐘，工作效率顯著提高。基于技術接受模型（TAM）中“用戶對技術有用性的感知會強化使用認可”的核心邏輯，這種效率提升直接增強了財務人員對技術的“感知有用性”（PU），即從實際工作中感受到技術能有效減輕負擔、提升成果質量。

3.1.2 職業能力更加全面

在數字經濟與人工智能技術的共同驅動下，為了避免被生成式AI技術所取代，財務人員必須與時俱進。在掌握財務技能的同時，對數字技能也不能一知半解，要能夠了解基本算法和數據挖掘方法，以便于提高財務人員利用智能工具的決策效果和效率[10]。基于工作特征理論（JCT），這意味著財務人員從單一的數據處理者逐漸轉變成多角色的業務決策者，不僅要掌握財務報表和成本結構等，更要具備業務敏感度和戰略格局，能夠從財務報表中洞察業務發展的趨勢[11]，大大提高了財務工作人員的技能多樣性。例如，一般人員經過培訓后也可以使用智能工具完成復雜成本測算。資料顯示，掌握人工智能技術的財務人員比普通財務人員的工資要高出 25%～30% 左右，并能夠參與到公司發展計劃的制定之中。

3.1.3 工作模式更加多樣化

生成式AI的應用衍生出了一種新型的財務工作模式，首先生成式AI生成初稿，再由財務人員進行深度審核，最后再由財務工作者與AI優化輸出。在此模式下，一方面，機器能夠通過快速的數據處理方式提高效率，另一方面，財務工作者可以結合自身對實際業務場景的了解做出判斷。例如，商湯科技與海通證券聯合打造的行業首個金融多模態全棧式大模型—“e海言道”，該模型使得海通證券方案擬定時間從2周縮短至3天，節省了大量重復性基礎工作的時間，顯著提升了財務人員的效率。最終，海通證券實現了方案制定提效 40% 。

3.2 消極影響

3.2.1 職業替代擔憂

基礎財務人員主要負責審核、記賬、對賬、編制財務報表等傳統的會計工作，這些工作的主要特征是重復性高和規律性強。然而，生成式AI正在改變這種傳統的財務工作模式，對于生成式AI來說，只要設置相應的程序，就能精準與高效地完成這些工作，大大提高了財務工作的效率。因此，生成式AI會在很大程度替代基礎財務人員的工作，導致基礎財務人員的需求量與重要性大幅下降[7]。某國有銀行部署智能柜臺后，開戶、轉賬等標準化業務處理效率提升 300% ，柜員崗位需求下降 60% 。某跨境電商企業引入DeepSeek系統后，月均3000張發票的處理時間從72小時壓縮至15分鐘，財務部從8人減至2人。這類案例中崗位數量的明顯縮減，讓不少基礎財務人員直觀感受到自身的核心財務技能正逐漸失去不可替代性，過去能賴以立足的能力，如今已成為AI的優勢領域。從工作特征理論（JCT）來看，生成式AI替代這類重復性工作，直接削弱了“任務重要性”和“技能多樣性”，進而導致工作意義感下降，當工作的核心特征被削弱時，員工的內在激勵和滿意度會隨之降低。這種核心技能價值的弱化與工作特征的受損，使得財務人員對職業穩定性的擔憂顯著上升。

3.2.2 責任劃分不明確

如何進行責任分配，是人機協作中生成式AI應用面臨的重要問題，而現有的法律法規和組織制度尚未提供有效的責任分擔機制。因此，在AI參與財務工作決策、財務人員面臨責任模糊的困境。例如，由AI自動生成的資金配置方案造成公司損失或出現合規問題，很難去界定是AI模型本身的缺陷還是財務人員的操作不當，這使得財務人員要為可能出現的風險結果負責，從而導致財務人員工作心理負擔加重，時刻擔心承擔風險。畢馬威[12]全球財務智能化調研報告顯示， 67% 的企業未明確AI決策的權責邊界，導致 41% 的財務人員具有“擔責壓力”。

3.2.3 懷疑自身職業價值

生成式AI對于基礎性財務工作的取代，將會產生財務人員自身的職業價值焦慮。重復性的、標準化的基礎性工作被AI高效地取代，也就意味著原從事基礎性工作的財務人員將被取代，從而引發財務人員對自身在組織中的角色定位和價值產生懷疑，加之AI技術應用帶來的技能轉型壓力，加劇了財務人員對于自身價值實現的焦慮。AI時代下的財務工作，需要財務人員掌握數據分析、使用AI工具等技能，而并不是每個傳統財務人員都可以具備這些技能，這種技能轉型壓力使傳統財務人員對AI工具的“感知易用性”（PEOU）降低，不少人因缺乏數字技能基礎，認為AI工具操作復雜、難以熟練掌握，進而降低使用意愿。根據技術接受模型（TAM）中“感知易用性不足會降低技術接受度”，在此情況下，財務人員自身知識和經驗不再具有優勢，其自身職業認同感和價值感被削弱。

4工作滿意度提升路徑：三維框架模型

生成式AI在財務領域大量應用的同時，也使財務人員的工作發生了前所未有的變化。在財務人員與機器的協作過程中，其職業生涯結構開始發生系統性的變化，財務人員工作的職業價值感受到挑戰。基于工作特征理論（JCT），其工作特征維度如技能多樣性和任務完整性因AI自動化而被削弱，但同時也增加了“數據處理”“戰略洞察”和“倫理決策”等新技能需求與職業角色的豐富，重塑了工作意義感與自主性。Davis[3]的技術接受模型（TAM）表明，用戶對技術的感知有用性（PU）和感知易用性（PEOU）是影響技術接受的關鍵因素，高效的AI技術和多樣化的工作模式會提升“感知有用性”，但技術復雜性與責任模糊性等又會引發“感知易用性”焦慮和職業認同危機。

因此，為了解決生成式AI的應用導致的工作特征理論（JCT）與技術接受模型（TAM）的核心要素的失衡，本研究基于“技術—個人一組織”這一互動關系的視角，構建了“能力提升一角色轉變一制度保障”三維框架解決方案，從不同的層面對技術發展與職業價值矛盾進行規避，以期提高人機協同工作模式下的財務人員的工作滿意度。

4.1 專業能力升級

4.1.1數據處理能力

進入大數據時代，財務管理人員不僅要掌握大數據軟件的操作方法，同時還要掌握大數據軟件運行中可能出現的問題和財務數據處理的多種技術技能[4]在企業數字化轉型中，財務人員掌握數據處理技術已成為其必備的核心關鍵能力，這不僅是提高財務人員與AI智能系統之間協作能力的關鍵，而且能夠有效幫助財務人員理解技術應用范疇和邊界，使財務人員不再“被動地接受”，而是“主動地驗證并修正模型計算的結果”，在算法主導的決策過程中起到人的人工審查和更正的關鍵作用。這是一種技術能力，也是保持智能系統運行結果可靠性的重要保障。

4.1.2 戰略洞察能力

生成式AI解放了一大部分簡單重復的原始數據處理過程，財務人員主要價值從數據核算與流程運行升級為數據挖掘為戰略賦能。戰略洞察能力要求財務人員綜合財務知識和業務邏輯，從數據中找出關鍵價值驅動因素，預判行業與企業發展。從工作特征理論（JCT）來看，這種能力提升是對“任務重要性”的重塑，過去財務人員的工作聚焦于執行層面，具備戰略洞察能力后，工作轉向為企業決策提供支持，關聯企業戰略，工作被賦予更高價值。戰略洞察能力建設是財務人員從技術賦能中價值升級的重要方向，使財務工作從做賬做事變成價值增值，幫助企業戰略發展。

4.1.3倫理決策能力

在人機協同模式下，道德倫理與職業道德對財務人員提出了新的挑戰。人工智能生成虛假財務信息、篡改交易數據等信息時，需要財務人員良好的職業道德來抵制風險。從一些上市公司財務數據造假事件中可知：無論人工智能技術多先進，財務人員如果沒有較高的職業道德水平，都將被財務舞弊所利用[]。基于工作特征理論（JCT）的視角，這種倫理決策能力強化了財務人員的“工作自主性”，在合規審核、風險把控等關鍵環節，AI的輸出結果需依賴財務人員的專業判斷，人類因掌握最終審核權而具有不可替代性，這種自主性的提升能顯著增強工作掌控感。因此，財務人員應堅守會計準則和法律法規，保持應有的職業審慎，對人工智能的輸出結果進行人工審核，不能盲目依賴人工智能技術，要確保財務工作在合規、合法、透明的環境中為企業創造價值。

4.2 職業角色轉型

4.2.1 戰略決策的協作者

財務人員將不再局限于通過整理數據和撰寫報告呈現分析結果，而是在戰略制定過程中提供財務視角的風險和收益評估，將決策從“數據中心”轉移到“價值中心”上來。轉變“職能思維”為“戰略思維”，意味著財務人員需要超越當前的財務角色和職責范圍，具備從財務人員角度評估決策方案、從財務角度權衡決策方案等能力，能夠從財務崗位視角為頂層決策提供專業且具有商業前瞻性的咨詢建議。

4.2.2業務環節的聯結者

隨著人工智能數字經濟的出現，生成式AI讓財務人員參與到研發、生產、營銷等環節。財務人員需要逐步強化跨部門溝通能力，提高對公司業務的了解，深度參與公司內部各類跨部門的會議和項目，熟悉業務流程和運營情況，形成對公司整體運營狀況的全局認知，更好地輔助實現企業戰略目標[11]。這樣的角色轉變就要求財務人員打破部門壁壘，成為資源鏈接的紐帶，提高企業整體運營效率。

4.2.3技術進步的推動者

伴隨著AI技術在財務領域的應用，財務人員將從操作工具的使用者轉變為技術升級的實踐者。通用領域的技術難以滿足個性化需求，而財務人員更了解業務場景，能主導技術的變化，提出創新解決方案，提供個性化智能服務。因此，這就要求財務人員掌握一定的基本技能，與IT團隊共同完成系統開發和升級換代。對財務人員而言，既是工作職責的簡化，更是技術進步的推動，可以幫助財務人員提升地位并實現自我價值。

4.3制度保障完善

4.3.1差異化的培訓體系

《新一代人工智能發展規劃》提出“構建人工智能多層次教育體系，加強復合型人才培養，形成我國人工智能人才高地”[13]。基于此，企業需結合財務人員崗位層級和不同發展需求，制定相應的培訓內容，提升財務人員的技能多樣性（JCT）和對AI工具的感知有用性和感知易用性（TAM）。表2系統呈現了基層、中層與高層財務人員的差異化培訓體系設計，不同層級具有定制化的培訓內容與工具方法，以實現分層進階的能力提升。針對基層財務人員，應開展AI工具使用、數據整理、基礎分析等培訓，幫助財務人員使用智能系統；對于中層財務人員，應開展數據建模、業財融合分析、戰略財務規劃等培訓，幫助財務人員增強數據解讀能力、業務洞察能力；對于高層管理者，應開展技術倫理、數字化戰略、人機協同管理等培訓，幫助管理者從技術倫理、業務和數據層面等更高層次和應用范圍出發，提升對員工、業務和數據等要素的整體把控和戰略規劃能力。分層訓練的方式基于崗位實際，更高效、更實用地為員工提供了清晰的職業發展方向和規劃。

表2各層級差異化培訓體系設計

4.3.2 價值導向的考核機制

傳統的考核體系側重流程執行效率，顯然已不能滿足AI時代的職業發展需求，企業應更加科學、合理地評估財務人才培養效果。依據《新一代人工智能發展規劃》提出的“建立人工智能標準體系，完善測評評估制度”要求，在考核指標設計中應減少傳統指標如數據錄入正確率、數據報表提交及時性等，更加側重于創新和戰略價值的實現。表3構建了價值導向的考核機制設計框架，在效率、質量、戰略與創新4個維度下對財務人員進行全面評估，突破了傳統考核對流程執行效率的單一關注，旨在優化和量化AI時代下財務人員的考核指標。

表3價值導向的考核機制設計

通過建立一套完整的考核機制，企業可以動態調整人才培養模式和路徑，讓財務人員從基礎工作轉到價值創造，讓績效考核與企業戰略方向保持一致[14]。

4.3.3 清晰的人機權責清單

AI應用背景下責任劃分不清等一系列問題日漸增多，《新一代人工智能發展規劃》強調要“加強人工智能相關法律、倫理和社會問題研究，建立保障人工智能健康發展的制度體系”。基于此，企業應該建立一套制度，明確機器和財務人員的工作職責：在數據加工過程中，機器負責對大量數據進行收集、整理、初步計算，財務人員負責審核數據的質量，發現異常數據并判斷數據與業務的相關性；在生成決策依據時，機器提供多種方案，財務人員需要結合行業經驗、合規要求、公司業務實際情況，判斷其可行性并優化方案；最終形成決策時必須由人對方案的合規性、合理性負責，避免出現無人責任的局面。通過建立一套可追溯、可審計、可界定責任的體系，企業既能發揮AI的優勢，又能確保關鍵決策交由人負責。

本研究構建的“能力提升一角色轉變一制度保障”三維框架模型（圖1），為財務人員數字化轉型提供了系統性的實施路徑。首先，“能力提升”維度強調財務人員的數據處理能力、戰略洞察能力與倫理決策能力三類核心能力的重要性；其次，“角色轉變”維度明確財務人員需向戰略決策的協作者、業務環節的聯結者、技術進步的推動者進階；最后，“制度保障”維度說明，差異化的培訓體系、價值導向的考核機制和清晰的人機權責清單為財務人員的職業轉型提供了強大支持。

5 結語

隨著人工智能技術在財務管理領域的應用普及，財務工作模式從經驗判斷轉向數據智能，人工智能技術讓財務工作中數據處理更為高效和精準的同時，崗位需求減少、責任界定和職業規劃不清晰等新問題，降低了財務人員工作滿意度。為此，本研究基于工作特征理論（JCT）與技術接受模型（TAM），聚焦生成式AI對財務人員工作滿意度的影響，構建“能力提升-角色轉變-制度保障”三維框架，系統分析人機協同場景下財務人員的工作滿意度提升路徑。研究發現，生成式AI通過自動化技術提升工作效率、創造新型工作范式，但同時減少了基礎的核算崗，存在失業恐慌、權責模糊等風險。三維框架模型通過專業能力升級（數據處理、戰略洞察、倫理決策）、職業角色轉型（戰略協作者、業務聯結者、技術推動者）、制度保障完善（分層培訓、價值考核、權責清單），形成“技術一個人一組織”的解決方案。

圖1三維框架模型