从复式记账转向超级自动化 AI大模型悄然“颠覆”财务管理数智化生态

　　AI大模型技术的兴起，将给企业财务管理“数智化”进程带来多大的新冲击，备受业界关注。

　　上海国家会计学院院长卢文彬在2024世界人工智能大会智能财务论坛期间表示，以大语言模型为代表的新一代人工智能技术，又进一步打开人们对财务管理变革的想象空间。财务管理作为企业管理的核心环节，正在经历一场前所未有的智能化和数字化转型。

　　汇付天下董事长兼CEO周晔向记者指出，随着AI大模型与企业财务管理的日益融合，可以畅想的是，未来的财务管理“数智化”将是一个一个智能体连接的世界，快速将软件替代。与此同时，RAG（检索增强生成）将转变到Agent（智能体），所有的企业财务管理流程都可以自动编排，从而实现“超级自动化”。在这种趋势下，企业财务管理从复式记账到财务自动化，是可以预期的过程。

　　记者多方了解到，越来越多大型企业已开始将AI大模型技术应用在企业财务管理数智化构架搭建层面。

　　一位央企总会计师向记者透露，近期，企业探索通过AI大模型技术生成“决算财务情况说明书”——通过搭建财务资料知识库等方式，初步实现相关报告自动生成。但是，就AI生成结果而言，数据出错、内容偏差等问题依然普遍存在，暂时无法将AI大模型技术应用在实际工作。

　　他向记者举例说，就财务报告AI生成验证测试而言，企业主要遇到“查询结果为空（由于生成SQL无法执行或查询出错导致数据为NuLL）”、“数据格式不正确”、“分析内容偏差较大（只能基于通用财务分析方向进行提示，无法准确定性原因）”等问题。

　　金蝶集团董事会主席兼CEO徐少春指出，历经30多年发展，企业会计财务已经历会计电算化、会计信息化、财务云化，财务智能化等多个阶段。其中，智能财务时代最令人兴奋。因为AI大模型技术的发展，正给企业财务管理框架及内容带来巨大的影响与变化。比如财务管理价值模型从陀螺型向沙漏型转变，财务人员在计划与控制领域从依赖经验预测转向精准预测，企业经营决策从财务数据专享转向财务信息普惠与财务信息赋能等。但是，AI大模型技术要助力企业财务管理智能化程度“更上一层楼”，仍需迈过多重挑战。

　　中国石油化工集团有限公司总会计师张少峰指出，通过一段时间实践，他们发现AI大模型技术在推动企业财务管理数智化转型方面，仍需解决五大问题，分别是理论构建、大模型应用职责边界设定、数据治理、技术匹配、人才培养。

　　大模型推动财务管理数智化业态巨大变革

　　周晔告诉记者，在企业财务数字化时代，企业财务管理主要通过云端的众多软件微服务进行协同工作，令他一度相信“未来的企业财务管理是软件的世界”。

　　“今年起，我突然发现AI大模型也开始做一些严肃的事情，例如RAG（检索增强生成）技术从回答事实性问题，升级为通过LLM（多模态大模型）任务规划与工具使用能力，扩展为RAG引擎与工具；基于LLM Agent（智能体）构建Agentic RAG，完成更多对于多文档、多类型的知识类任务；AI Agent开始可以自决策，调用不同任务的API以及知识，生成企业需要的结果，最终实现财务管理超级自动化等。”他向记者指出。这令他突然意识到，在不远的将来，如果RAG实现向Agent的转变，所有的财务管理流程都可以自动编排，令整个企业财务管理从复式记账转向财务管理超级自动化。

　　“这意味着企业财富管理数智化也迎来新的巨大变革。”周晔指出。比如在财务对账环节，以往企业财务人员广泛使用数据连接器解决对账工作，如今通过基于AI大模型的Agentic RAG，企业不同渠道的营收、供应链收付款都可能完全通过大模型自动化处理与数据对齐，在秒级时间内自动生成对账凭证。

　　金蝶集团董事会主席兼CEO徐少春对此感同身受。

　　他透露，现代企业的财务管理框架，主要分成三个体系，一是支撑体系，主要涵盖数据、流程和协同，以及组织、人才、文化和领导力；二是记录体系，主要负责财务核算与运营；三是“作战体系”，包括企业财务计划与控制、管理信息、外部报告、专家服务等。这三大财务管理体系的最终目的是提升价值创造能力，随着AI大模型与财务管理体系的日益融合，它给后者正带来多重巨大变革。

　　一是财务管理价值模型从陀螺型向沙漏型转变。具体而言，处于陀螺模型中间位置的财务核算及运营，已被大模型等人工智能技术替代，导致企业会计人员的岗位与职责发生改变。沙漏模型的出现，意味着“两头大中间小”，即企业的“作战体系”与“支撑体系”日益强大，给企业创造的整体价值越高。

　　二是从经验预测到AI精准预测。未来，AI大模型将令企业财务人员在财务计划控制方面，从依赖经验预测转向精准预测。前者就好比传统的沙盘模拟预测，但受数据和经验的限制，难以应对日益复杂的商业环境。但在AI时代，企业财务管理预测更像是“兵棋推演”，通过整合大数据相关性分析与深度学习等AI科技，在收入预测、成本预测、利润预测、风险预测方面变得更精准，且可以快速适应不同的商业环境变化与业务发展新需要。

　　三是从数据专享转向信息普惠和信息赋能。可以预见的是，未来AI大模型在洞察分析与管理报告方面发挥越来越大的作用，企业管理者与员工不需要再通过财务专员获取信息，而是直接借助AI助手与信息赋能，进行自助式、探索式的财务分析和经营决策。

　　周晔指出，要让AI大模型推动企业财务管理数智化“更上一层楼”，仍需循序渐进。目前汇付天下从轻量级小规模LMM（多模态大模型）入手，实现知识库文档查询、个人报销查询、对公付款查询等功能，未来逐步立足更多场景，实现更大范畴的财务数据查询以推动财务管理超级自动化进程。

　　大模型融入财务管理数智化的五大挑战

　　值得注意的是，越来越多大型企业开始尝试将AI大模型融入企业财务管理，推动企业财务管理数智化步伐加快。

　　张少峰表示，企业财务管理数智化的根本目标，是通过人工智能技术的应用，提高工作效率和质量。

　　“我们认为，通过人工智能技术应用聚焦财务管理的功能性变革，可以提高工作质量与效果，达到企业的支撑战略、支持决策、服务业务、创造价值、防范风险等多重目标。”他指出。目前中国石化提出基于操作层、数据层、智能的财务数智管理体系，创新建设辰光财务智能应用平台，实现智能应用的集中管理、共享调用和远程投放，搭建企业级智能应用生态，持续提炼和分享最佳财务管理实践，推动企业财务管理水平整体提升。

　　在他看来，大模型等AI技术在企业财务管理数智化领域的应用，与企业之间引入ERP软件截然不同。之前引入ERP软件，主要能跟随以往的全球ERP管理最佳实践进行布局，如今将大模型技术应用在企业财务管理诸多环节，则需要一边尝试一边摸索最佳实践方案。

　　多位大型企业财务人员向记者指出，AI大模型在企业财务管理数智化方面的应用征途，将是“道阻且长”。在实际操作环节，AI自动生成的结论时常出现财务数据出错、内容偏差较大等问题，甚至有些AI生成的财务数据竟然出现“计量单位差错”。

　　在他们看来，当前AI大模型在企业财务管理数智化方面的应用，仍需解决五大问题：

　　一是理论构建，即AI大模型等人工智能属于一项技术，要普及推广需配套建立一套完善的科学理论支撑，在财务领域，它同样需要创新一套可参考借鉴的管理方法，才能推动人工智能技术在企业财务管理领域的规模化、高效化应用。

　　二是职责边界。人工智能有效应用的前提是多种类、大规模的数据。当企业数据应用不再划分财务、业务、市场类型的情况下，财务管理的职责该如何界定，企业是否应该建立统一的数据分析部门界定不同的数据使用权限，需要形成一个行业统一的共识。

　　三是数据治理。当前财务数据都是企业按照会计准则统计加工的数据，并非反映企业实际生产经营的事项数据。但在数据分析领域，大数据分析需要的是刻画管理场景特征的、颗粒度更细的事项数据，这将颠覆传统会计的数据统计方式，需要解决各类数据的统计标准、统计方法以及融合规范等问题。

　　四是技术匹配。在财务、生产、法律等对企业经营有重大影响的领域，数据可靠性和可解释性是前提。如何解决人机在数据处理方面方法不一致问题，是当前企业探索财务管理数智化所碰到的最大挑战，比如大模型算法的不可解释性与财务规则精确性之间的矛盾如何解决，专家系统对清晰知识规则的依赖，与隐形管理经验难以提炼成规则的矛盾该如何解决，都需要找到相应的技术匹配解决方案。

　　五是人才培养。企业数智化转型的本质是建立符合数智时代的数据全生命周期管理和应用体系。传统的财务专业人员难以适应财务管理数智化转型的要求，企业需要培养一批具备业财专业知识、精通数据分析、熟悉智能技术的通才。如何解决人才培养断层问题，又是企业推动财务管理数智化急需解决的挑战。