AI黑科技来袭，财务四大皆空？

文/本刊记者 王 腾

编者按

700年前，达•芬奇的数学老师帕乔利发明复式记账法的时候，肯定没有想到，如今其遍布全球的数以千万计的徒子徒孙都活在这套伟大的簿记方法的余荫之下。

然而，技术的迭代正在改变一切。其中杀伤力最强大的就是人工智能（AI）。

在全球贸易格局被航程漫长的桨帆船定义的年代，复式记账法简直就是文艺复兴时期最伟大的发明，其对业务的监控与还原能力，在手工作业的年代达到了一个匪夷所思的精巧程度。

而当基于移动互联网的全球贸易新格局喷薄而出的当下，时滞与空间阻隔都不再是业务信息传输的基本障碍，基于复式记账法的传统财务的荣光至此已踏上无可挽回的谢幕之路。AI很可能将全面重新定义财务及其外延的诸多领域。而作为财务与技术结合最紧密的共享服务领域，尤其需要正视AI带来的强劲冲击力。为此，本期《首席财务官•共享服务》将首次系统梳理AI技术之于财务的深度冲击。

由两代Google AlphaGo所挑起的围棋人机大战，彻底点燃的AI在普罗大众中的热度。大家突然间学会了一个新词“深度学习”，于是这样一个思考“人工智能会不会取代人类？”的烧脑问题长时间困扰着整个泛AI领域。而硬币的另一面，质疑的声浪也日渐升温——AI技术好像也没那么成熟，应用和商业前景也没那么清晰，真正的人工智能现在看来还遥遥无期。综合起来看，各个行业对AI的期望值也各有不同，如图1所示。

不过，摆在CFO们面前的现实问题是，以财务领域的数据结构性程度以及规则的清晰程度而言，尽管AI现实的交付成熟度与成本替代比，仍然不足以马上掀起财务领域的革命性变革，但是技术成本收益曲线随着时间的推移，其必将迅速带来爆发性的拐点。我们在此不妨就现有人工智能的发展态势，梳理一下其有可能对财务领域形成巨大冲击的几个爆发点，套用佛教中描述现实世界的“地、水、火、风”等四大物质因素的分析框架，来真正揭示一下AI黑科技们一日千里的发展之于财务领域的杀伤力所在。

图1 各行业对应用AI的期望：对产品或服务的影响

何为AI？

我们先来看看《牛津词典》对人工智能的定义：“人工智能是有关能够执行通常需要人类智能的任务（如视觉感知、语音识别、决策和语言转换等）的计算机系统的理论和开发。”不过，AI本身及其定义都在迅速演进。

显然，大家似乎并不关心真正的AI字面上的定义是什么，到底能不能落地，能不能真正实现商业化才是根本。其实Google 早就给我们了这个答案。Google 的搜索和广告业务本质上就是由机器学习产生的业务，它从这个业务里面产生大规模收入已经持续了十多年，也就是说，十多年前就有一家公司从机器学习里面生产了产品，而且获取了海量的利润。所以AI 的商业化从来就不是一个命题，这是早就已经被证明的一件事情。

那么按照这个逻辑， AI 会按什么样的顺序发展呢？如下图2所示。

所谓的第一阶段实际上就是过去 30 年的互联网和移动互联网。在互联网被发明出来的第一天，就注定了人工智能必然会发生，经过几十年的互联网和移动互联网的发展，不断的把各行各业给在线化和数字化的过程，可以称之为“ AI READY ”。准备好了数据，准备好了在线化和交易流程，以便让这些行业、这些事物可以被 AI 所处理。

第二阶段会在纯在线的世界发生，就像 Google 和Facebook，随着移动互联网的发展这些领域会越来越多。这也就是为什么金融行业是第一波对人工智能感兴趣的行业。因为当一家银行的业务量或交易量随着移动支付的产生而呈现几何级数的提升时，那几乎不可能采用原来的线下的方式把这些业务很好的完成。而当一个银行采纳了线上的交易方式，提高了效率，而其他银行为了提高竞争力必须也采用 AI ，这样才能有更好的效率跟它的竞争对手抗衡。比如：电子商务把retail 行业线上化，美团把餐饮业务线上化，滴滴把交通出行也线上化。随着一个行业一个行业被移动互联网线上化， AI就会跟着一个行业一个行业去实现、覆盖。紧接着，随着传感器感知，robotic 自动化技术的发展，计算机程序变得越来越成熟也越来越便宜。当计算机系统可以接受或者处理线下的物理交互、操作和信息的时候，人工智能就会逐渐的从虚拟世界延展到实体世界，去接管实体世界的业务起覆盖面将会是自动驾驶、制造业、服务业以及其他行业。

在第三阶段，人工智能将延伸到所有家庭及个人。随着AI技术达到量产，价格大幅度下降，成熟度就会大幅度提高。最终人工智能就会便宜到延伸到的所有的个人、家庭。此时全面自动化的时代就会真正到来。

而现在AI的还处在第一阶段到第二阶段的演变中，但也足以带来让我们为之惊艳的“黑科技”。

图2 AI进化四部曲

地空：簿记终结

2017年对于国内财务人来说注定是充满巨大变数的一年。先是会计证的悄然退出历史舞台，接着是执全球财务服务牛耳的四大陆续推出财务机器人。

始作俑者德勤从今年5月中旬就率先推出财务机器人产品，当即成为财务人朋友圈的最热话题。当然，目前德勤研发的财务机器人产品，还是属于“部署在服务器或计算机上的应用程序”。不过短短数月时间，其在全球已经斩获了数十家大型客户，在国内也有数家应用案例。

5月下旬，普华永道紧追德勤也推出自己的财务机器人解决方案。根据其发布的资料显示，普华永道机器人方案使用智能软件完成原本由人工执行的重复性任务和工作流程，不需改变现有应用系统或技术，使原先那些耗时、操作规范化、重复性强的手工作业，以更低的成本和更快的速度实现自动化。相比较德勤的财务机器人更多的针对财务领域，普华永道将自己的机器人解决方案扩展到其他的领域，包含人力资源、供应链以及信息技术。

6月初，不甘落后的安永抛出智能机器人。安永表示，“机器人流程自动化（RPA）是向业务流程捆绑和外包变革迈进的又一步。在过去几十年中，我们已经看到各种技术进步对业务产生了巨大影响，而业务流程自动化RPA将成为下一步，它的应用将极大减少人为从事基于某些标准、大批量活动的需求。”RPA的实现分为流程分析及机器人匹配、供应商选择及签约、实施支持等内容。

6月下旬，姗姗来迟的毕马威也明确提供机器人流程自动化服务。毕马威为此标榜的整体方法论是“从战略到执行，为您的企业机器人流程自动化转型提供一站式服务”。

就应用现实来看，普华机器人已经在中化国际（控股）股份有限公司财务共享中心这样的标杆央企落地运营。据称，完成部署后，税务及财务工作效率提升明显，银行对账、月末入款提醒、进销项差额提醒和增值税验证等4个业务过程在效率和准确性上有重大提升。

而毕马威运用RPA（流程自动化）/财务机器人工具协助一家国际领先的商业银行在华分支机构，也实现了贸易融资和大宗商品交易部门试点业务流程的数字化转化工作。

随着国内电子交易凭证（电子发票、电子汇票等）的快速普及，作为财务体系最底层的地基——簿记，毫无疑问将成为最先被AI取代的领域。

火空：风控到底

风控作为财务的“火眼金睛”，一向被视为财务价值的高附加区域，如今在AI的催化下，显然正在获得前所未有的投入产出性价比。2017年9月20日，中国平安“简单生活”大会在上海召开，平安围绕人工智能技术发布和升级了一系列业务，其中AI带来的客户服务领域的黑科技令人大开眼界，例如平安人寿的“AI客服”和平安好医生的“AI医生”，更是吸引眼球。

据了解，平安人寿的“AI客服”是以AI技术为内核，通过人脸、声纹等生物认证技术和大数据匹配，可远程核实客户身份信息，实现“在线一次性业务办理”的一项服务。“AI医生”则是平安好医生的重点建设项目，涵盖了智能辅助诊疗系统、智能健康硬件和“现代华佗计划”等内容。而这两个智能服务是如何实现的。事实上我们都知道，工智能应用于实际的场景，数据非常重要，需要花费大量时间打通各机构和业务子公司，将数据整合到一个平台，进行数据的清洗、整合和分析。在此基础上，进行数据挖掘。而在数据挖掘方面，也并非可以一步到位，而是需要从基于业务规则和业务经验到基于商业智能（BI），再到机器学习、深度学习，并吸取 AlphaGo 的经验，分成数个步骤进行。

AI在审计方面的应用使得审计师们普遍认为，人工智能在50年内将会取代初级审计师的工作。而专家推测10年内即可实现。

比如，在业务规则和业务经验阶段，如果是信息数据不吻合，可以帮助业务部门及时应对。商务智能阶段则是寻找数据之间的关联性，对用户按照数据特征进行分类处理，这适用于特征明显的客户群体。但是，有相当一部分特征不明显但与业务目标紧密相关的长尾用户，这时，应用商业智能的方式就不再适合。他们需要个性化的方法来提供服务，而AI所能构建的深度学习集群是通过图像识别、语音分析、文本理解等人工智能技术对数据进行挖掘。简单来说，AI在实现对用户的智能服务的步骤是：从底层数据的获取、采集、整合，到用户画像、产品画像，再到渠道画像的上层实现，接着是商务智能结构化分析、非结构化分析、预测、异常的监控、深度学习能力，同时支撑的前台应用，这些应用服务于客户金融领域各个相关的方面。

以财务上常见的风险控制为例。在银行自己的金融的风控方面，传统的贷款流程比较落后，而现在的AI系统可以构建多样的数万维的因子，比如企业相关的经营数据、财务信息、税务信息、财报信息，再结合外部的相关行业指数、舆情分析、企业的关系网络，甚至董事长的投资情况等，最终形成企业的风险概况，同时再加上动态趋势，比如通过市场情况综合判断抵押品的价值，在这些基础上，做出估值模型，通过模型确定是否放款。

据了解，平安科技从 2011 年下半年开始布局大数据。由于计算机硬件，高性能计算的发展，以及算法的革新，特别是深度学习算法的突破，平安科技经过四五年的数据积累，自然也就从数据智能走向了人工智能。可以说通过AI的架构，在人工智能领域，平安科技很早就将人脸识别技术应用于平安普惠的放贷流程中，如今，平安科技的人脸识别已在包括平安证券及平安银行在内的 17 个子公司使用。此外，平安科技还在研究多模态识别、虹膜识别、眼纹识别、静脉识别以及步态识别，使这些识别技术共同作用于各个应用场景。

水空：智能审计

2016年3月，德勤在宣布将引入人工智能，其总裁乔恩•拉斐尔（Jon Raphael）也发文称人工智能将在未来大幅度提高审计的质量。这里所说的“审计的质量”，包含三个维度：速度、成本和效用。他在其How Artificial Intelligence can Boost Audit Quality一文中指出，德勤计划使用人工智能替代目前由人工主要负责的文件审查工作。这是一项耗费时间且耗费人力的工作。文件审查工作的内容主要是审计师通过审核公司合同和相关文本，提取出审计相关的数据，并且归纳成信息，与公司财务报告进行对比，形成审计报告。

AI在审计方面的应用使得审计师们普遍认为，人工智能在50年内将会取代初级审计师的工作。而更加残酷的观点认为未来10年内，审计行业会有一个巨大的改变，即人的作用从全产业链覆盖变成最后一步的铺路人，而智能审计将完成审计的从第2步到地99步的全部工作。

据了解，德勤将主要使用人工智能中的自然语言处理技术处理审计中需要理解的文档。这是让计算机理解人类语言所表达的内容的技术，其中大量使用了编译原理相关的技术，例如词法分析、句法分析等等，除此之外，在理解这个层面，则使用了语义理解、机器学习等技术。作为唯一由人类自身创造的符号，自然语言一直是机器学习界不断研究的方向。例如，在人工智能进行文档审查时经常碰到的一个情况是自动调整条款。在不同的情况下，自动调整条款的调整内容、调整幅度在各种行业、企业和具体条目中是完全不同的。在传统上，对自动调整条款的理解高度依托审计师的经验判断。而人工智能将会在很大程度上实现机器判断，那么可以极大降低审计师工作的繁杂度。

另外，据了解德勤将要引入人工智能的方向还包括：数字环境下的一站式决策辅助、大数据技术下分析财务报表和改变物料计数方式等。

“水能载舟，亦能覆舟”。财务信息运用的双刃剑特征，莫过于审计。在AI的强大杀伤力之下，“弱水三千，只取一瓢饮”恰是精准审计的更高境界。

风空：绩效革命

“风起于青萍之末”，在AI的驱动下，组织内部散落的大量数据，终将汇成一场场的绩效管理的局部风暴。

AI需要的不止是驾驭数据。公司要引入AI，还面临着许多管理方面的挑战。比如公司管理者的视野和领导力、对变革的接受度和变革能力、长远思考、业务和技术战略紧密联系，以及高效合作。这些能力与其他技术方面的转变一样，是优秀公司必不可少的综合能力。

首先，管理者要培养对AI的直观了解，名列《财富》100强的金融服务组织TIAA，管理的资产近万亿，该公司企业数据管理总监埃利奥特认为：“我不认为每一位一线管理者都必须了解神经网络中深度学习和浅层学习的区别，但我觉得在应用分析和数据的过程中要有一些基本的了解，知道我们拥有的技术可以得出更好、更准确的结果和决策，比单靠直觉更好，这很重要。”而为了培养自己对数据的理解，许多高管去硅谷体验数字原住民生活、设计思维方式和快速试错文化等等。这些都是数字化业务发展的核心元素，但事实上这样的一趟旅行对了解AI没有多少帮助。管理者更应该花些时间学习AI基础，可以从简单的网络课程或在线工具起步。他们应当了解程序如何从数据中学习，最重要的或许是了解AI如何使某项具体的业务受益。

此外，管理者要将公司架构调整为AI组织，因为随着AI的广泛应用，会提高对软技能和组织灵活性的重视，促进新的合作形式，比如由人和机器一起组成项目团队。而这点在现在的财务共享领域表现得比较明显，可以说财务共享中心就相当于一个由人和机器组成项目团队。

很多时候最有效的或许是混合模式，因为许多公司在总部和分支机构都需要AI资源。例如，TIAA有卓越分析中心，还有一系列分散的团队。而卓越中心不会为整个组织提供分析，而是为其他执行AI及分析的内部团队提供专业知识和指导。

一切正在路上

事实上，对于AI多数公司的期望和实际应用相差甚远。2017年《MIT斯隆管理评论》与波士顿咨询公司合作，首次开展了关于AI因公的年度调查，调查对象包括来自世界各地各行业组织的3,000多位高管、管理者和分析人员。根据2017年9月公布的最新调查结果显示，近3/4的高管认为，AI可以让公司发展出新的业务；近85%的受访者认为AI让公司获得或保持竞争优势。但只有约1/5的公司将AI应用于部分产品、服务或流程中；只有1/20的公司将AI进行了广泛应用；制定AI战略的公司不到39%；员工数超过十万的大公司应当制定AI战略，但实际这样做了的只有一半。

我们看到理解并应用AI的领先者与落后者之间差距巨大，两者对待数据的方式大相径庭。AI算法并非天生“智能”，而是通过分析数据进行归纳学习。多数领先者在AI人才方面投资，建立起稳健的信息系统，而另一些公司却缺乏数据分析的专业人员，数据可得性低。领先者不仅更了解训练AI所需的资源，还更重视为AI项目提供高管层的支持，并找到了AI的应用场景。

在财务管理领域，AI+财务到底会走向何方？从目前的实践来看，纯粹基于交易事务处理的规范性强、作业量大、重复程度高的会计核算及外部报表披露工作最容易被会计机器人取代。业财一体化后这种趋势就更加明显。那些远离公司核心业务，对新技术新应用缺乏关注，甚至抵触或抗拒，同时又缺乏持续学习能力的基层财务人员将会很容易被替代。