人工智能赋能会计数字化转型：场景、挑战及策略

人工智能赋能会计数字化转型：场景、挑战及策略 富琳姝 作者简介：富琳姝（1969-）女，满族，辽宁沈阳人，高级会计师，会计学副教授，广东建设职业技术学院，研究方向：财务会计实践与教学     【摘要】在会计数字化转型过程中，人工智能技术在其中能够发挥出重要的作用，而且有着较多的应用场景，但是所面临的风险也是不容忽视的。本文专题研究了人工智能技术赋能会计数字化转型的应用场景风险挑战及应对策略。首先分析了人工智能技术赋能会计数字化转型的核心应用场景，其次分析了人工智能技术赋能会计数字化转型的风险挑战，最后论述了人工智能技术赋能会计数字化转型的应对策略。     【关键词】人工智能技术；会计数字化；应用场景；风险挑战     引言     随着互联网经济的发展，传统的会计工作已经由原来核算、监督的职能迅速向管理会计方向发展，人工智能的技术基础包括大数据、图谱分析与机器学习等，这些技术能显著加速会计信息化的进程。接下来本文就AI 在传统会计行业中常见的应用场景进行概述，并研究其在具体的应用当中存在的风险，进而提出相应的解决方法，来为传统会计实现转型奠定基础。     一、人工智能技术赋能会计数字化转型的核心应用场景     （一）智能核算：重构基础会计作业流程     在传统的会计核算过程中，包括凭证录入、发票审核、记账、结账等活动，都需要财务人员手动操作，费时费力，且容易因为笔误等差错造成核算错误。针对这种情况，人工智能技术通过RPA 与OCR（Optical Character Recognition）技术结合应用，对核算流程进行自动化处理。此外，智能记账应用也可达到“一键对账”“智能调账”的目的。基于已嵌入系统的会计准则及企业账务处理制度，人工智能可以自动完成期末调账、折旧摊销、税费计提等复杂的会计处理工作，并出具分类明细账以及报告。当企业业务规则调整时，AI 只需重新更新算法模型即可进行调整，极大地增强了会计核算的弹性。     （二）智能风控：强化会计监督与风险预警     会计工作的核心职责之一是识别与防范财务风险，而传统风控模式依赖人工抽查与事后审计，难以应对海量数据下的隐性风险。人工智能技术通过大数据分析与风险模型构建，实现了从“事后风控”向“实时风控”的转变。在资金管理场景中，AI系统可实时监控企业银行流水、应收账款、应付账款等数据，通过构建现金流预测模型，提前识别资金链断裂风险。在审计领域，人工智能技术更是打破了传统抽样审计的局限。AI 审计系统可对企业全量财务数据进行穿透式核查，通过对比历史数据、行业数据与业务数据，识别异常交易与财务舞弊线索。     （三）智能决策：升级会计价值创造维度     在企业精细化管理要求下，会计不仅要扮演“记账人员”的角色，更要成为一名“业务决策专员”，AI 通过将大量数据进行整合与分析，为企业制订决策提供有效参考。在企业成本管理应用中，AI 能够第一时间收集生产、采购、销售等业务的相关数据信息，建立相应实时成本管理模型，明确区分直接材料、直接人工、制造费用的具体占比情况，从而找准成本管控的漏洞。在预算管理中，AI实现了“滚动预算”与“弹性预算”的自动化操作。结合企业历史预算执行、市场态势及业务规划数据，AI 能够自动测算多种版本的预算结果，并对预算执行情况进行实时监测，及时进行预算跟踪检查，及时、动态调整预算，当实际数据与预算发生较大偏离时，自动提示预警，并告知差异原因。     二、人工智能技术赋能会计数字化转型的风险挑战     （一）会计数据泄露与滥用隐患     会计数据，如企业资金流向、经营情况、客户信息等都是企业的核心机密数据，属于企业核心战略资产，而AI 对数据的依赖性将增加其数据安全隐患。一方面，AI系统需要整合企业内部的财务数据、外部的业务数据、行业数据等，数据采集传输环节可能因为互联网攻击、系统缺陷漏洞导致数据泄露；另一方面，数据标注与模型训练环节可能因为缺乏严格的脱敏机制存在敏感信息非法滥用的风险，部分企业为了提高AI 模型效果，直接利用未做脱敏处理的员工工资数据、供应商报价数据进行模型的训练，存在数据滥用的问题，违背《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法规。同时，人工智能系统的数据存储依赖云端服务器，云服务商安全保护措施不足，会导致数据的丢失。某中小民营企业应用第三方云财务系统时，由于云服务商服务器出现故障，丢失了公司3 年的会计凭证及报表数据，经过备份恢复了部分数据，但导致了20 万元的经济损失，而且也使得一年一度的审计工作受到影响。     （二）AI 系统与会计业务的“脱节”     AI技术应用只有基于企业会计业务流程和管理需要，才会获得良好的落地效果，而忽略业务逻辑的盲目技术应用，可能会造成所谓的“AI 泡沫”。首先，企业会计业务未梳理清楚就盲目采购应用，采购的是能代替财务人员大部分工作的AI 财务软件。例如，目前市场已经出现适用于人机混合作业的人工智能会计云平台。其次，AI 算法模型的“黑盒子”特性导致其决策过程缺乏可解释性，这与会计工作固有的严谨性及业务处理应具备的可追溯性要求相悖。第三，企业业务模式出现变化导致AI 模型的重塑及优化需要技术部门实时跟进，如果企业业务部门或主管不支持，就会出现企业AI 金融大脑不会做新业务的情况。     （三）法律与监管政策的适配难     会计工作应当依据《中华人民共和国会计法》《企业会计准则》等相关法律法规，而AI 技术飞速发展，和现有法律法规和监督体系的更新滞后，导致企业的合规风险加大。第一，AI 的会计处理模式要满足会计准则的需求，AI 的一些模型存在计算规则，且有些计算规则与会计准则相悖。例如，某企业的 AI 固定资产折旧系统，基于机器学习算法自动调整折旧年限，但其调整逻辑未遵循《企业会计准则第4 号—— 固定资产》中关于折旧年限的规定，导致年度财务报表存在合规性问题，被监管机构责令整改。第二，AI 会计软件审计的需求较模糊，企业并不能满足监管机构的审计需求。例如，审计机构需对 AI 系统的算法合理性、数据真实性进行审计，但目前缺乏统一的 AI 审计标准与方法，部分企业因无法提供 AI 系统的审计证据，导致审计报告被出具保留意见。第三，跨国企业面临多国数据监管法规差异，例如企业的AI 财务系统若违反欧盟《通用数据保护条例》（GDPR）关于数据跨境传输的规定，例如将欧洲子公司的数据传回总部，可能被处以最高达全球年营业额4% 的罚款。     三、人工智能技术赋能会计数字化转型的应对策略     （一）构建全流程数据安全体系，防范数据风险     数据安全是数据赋能会计数字化转型的前提，企业应从“技术安全、制度管理、责任追究”三个方面搭建数据安全风险防范体系。技术上，实施“加密传输+ 权限控制+ 数据备份”的三层技术防控体系：在数据采集、传输过程中对数据进行区块链加密，以保障数据不可篡改；在权限管理上，限定会计仅能访问其主管业务范围内的会计数据，系统管理人员也必须经过“双人授权”来对数据进行修改；建立会计数据多副本异地备份制度，定期将企业会计数据备份，以防范数据丢失。制度上，制定《会计数据安全管理规定》，制定数据采集、存储、使用、销毁的全过程管理规范，如明确外购数据应经过合规性审查才可导入AI 模型进行分析，数据脱敏加工处理时应涵盖客户的身份证号、银行账户等敏感信息。责任上，设立数据安全领导小组，由财务总监与CIO 共同负责数据安全工作，明确各业务部门的数据安全责任，定期开展数据安全教育和应急演练，强化员工的数据安全意识。     （二）推进“业务－技术”协同，提升AI 系统适配性     要克服AI 技术与会计业务“两张皮”现象，首先需要设置以业务为驱动的技术团队，促进技术的选取与业务需求的对接。一是做好技术选型前的业务需求调研，由财务部组织业务部门、审计部进行会计业务的梳理，确定重点业务需求及需求难点。二是突破AI 模型“黑箱”的弊端，构建AI 模型可解释性。技术人员可以将会计制度、业务规范转换为可解释的数学逻辑，确保会计过程可追溯性、可解释性。三是建立AI 系统的动态迭代机制。当企业业务模式发生变化时，要求技术部门在限定时间内（如一个月）完成模型的优化与系统的更新，以确保系统与业务的持续适配。     （三）打造“三层级”人才培养体系，破解人才瓶颈     针对目前企业会计人才结构方面的短板，企业要建设基础操作层、专业分析层、复合管理层三种不同类别的会计人才梯队，培训和提高公司员工对AI 技术的技能水平。其中，基础操作层面向基层会计人员，培训课程以介绍AI 财务操作软件具体功能为主，通过“学习视频课程+ 实际操作教学”，让会计人员学会如何通过“智能会计软件”做日常的财务相关工作。专业分析层面向财务分析、财务主管人员，培训课程则以介绍大数据的分析与运用为主，以此提高会计人员对数据的分析、统计和判断能力。     复合管理层面向财务总监、CFO 等高层管理人员，培训课程则以讲解“AI+ 会计”企业战略层面的内容为主，以此开阔管理层的思路与眼界。此外，企业还可以加强人力资源激励，对掌握AI 技术相关知识的会计人员给予一定的薪酬补贴，从而吸引并留住复合型会计人才。     （四）建立合规性管理机制，应对监管风险     企业应在“准则与法规符合性、监管沟通、合规审计”等3 个维度构建AI 会计系统的合规性管理机制。一方面，在准则与法规符合性维度，企业可搭建“AI 会计系统准则适配小组”，小组成员包括财务人员、法务人员、技术骨干人员，主要在设计并部署AI 系统时或使用AI 系统进行采购时审核AI 系统涉及的算法逻辑等是否符合会计准则、会计法律法规等相关规定，如智能税费计提系统设置税率和税费计算算法是否符合国家的相关税收法规政策，避免出现合规性风险。另一方面，在监管沟通维度与监管机构、审计机构积极沟通，动态获取AI 会计领域的监管政策以及审计需求，如企业可以定期向企业所在地财政局报告使用AI 系统的信息和审计诉求，获取相关政策的问题解答，也可以在企业年度审计前，沟通并了解本企业审计团队对本年度使用AI 会计系统的审计方案和要求，提前准备有关AI 系统应用的算法设计说明材料、数据采集来源等审计证据，便于确保企业年度审计工作顺利进行。对于合规审计，引入第三方合规审计人员对AI 会计系统进行合规性审核，主要审核数据源获取合规性、AI 系统算法设计合法性、财务报告合规性等，及时发现问题并纠正。     四、结语     人工智能技术为实现会计的数字化转型提供全新机遇，智能核算、智能风控、智能决策等应用情景，改变了会计的工作方式，提高了会计的价值创造水平。企业应通过构建完善的数据安全体系、推动“业务－技术”深度融合、建立分层人才培养机制、制定合规性管理框架，来系统性地规避相关风险。最大程度上激发人工智能技术的能动价值。随着人工智能技术不断发展革新，伴随会计数字化转型不断推进，会计价值将进一步转变，成为企业战略价值核心抓手，成为驱动企业可持续发展新引擎。 参考文献 [1] 钟小蕾. 人工智能背景下制造企业财务数字化转型的路径研究[J]. 商讯,2024(03):88-91. [2] 张文芳.Chat GPT 对财务会计行业的影响及对策研究[J]. 中国产经,2023(19):170-172. [3] 周忆. 在人工智能背景下财务会计向管理会计转型的思考[J].中国中小企业,2023(10):159-161. [4] 原磊磊，张梦晨. 基于智能技术的管理会计理论探索与实践创新及示例分析[J]. 商业会计,2023(19):25-32. [5] 王志强. 从审计视角看企业智能财务转型中若干风险问题[J].中国管理信息化,2023(17):60-64.