AI技术在会计行业中的应用研究

　　摘要：随着计算机科技的迅速发展, AI技术即人工智能技术在相当范围内已经趋近成熟, 也已经被应用到了很多行业之中。在会计行业中, 人们已经从过去很多需要人工操作的工作任务中解放了出来。在此现状下, 本文主要通过分析及例证, 探究AI技术在会计行业中的具体应用。

　　关键词：AI技术; 会计行业; 财务会计; 管理会计; 一站式服务; 智能分析;

　　1 会计电算化系统到财务机器人———弱AI向强AI的过渡

　　在21世纪, 计算机技术不断的发展和迅速的衍化的过程中, 延伸出了一个重要的发展分支———人工智能, 即AI技术。AI技术是一种新型的通过计算机计算, 来模拟人类的行为方式, 并在部分方面代替人工工作, 使得工作效率大幅提升的计算机科学技术。

　　在过去, 传统的记账方法是手工记账, 每一笔账目的登记都对应着账上相应的一笔记录。随着计算机领域的不断突破, 1954年, 美国通用电气公司首次尝试使用计算机技术计算单一工资数据, 成为使用计算机处理会计数据的先驱。1979年, 国内财政部开始推广会计电算化的使用, 其中的试点企业有长春一汽。紧接着, 1981年中国人民大学与其联合召开了“财务、合计、成本应用电子计算机”专题讨论会, 大会上“会计电算化”的概念被首次提出, 并得到了中国会计学会、财政部和原第一机械部的支持。如今, 会计电算化经历了长足的发展, 不仅包括电子信息技术、还包括了相关的管理学和会计学知识。而这种弱AI, 即弱人工智能, 作为人工向AI过渡的中间版本, 还不能做到真正地进行推理和解决问题。也就是说, 会计电算化只是把计算过程、数据录入交给计算机, 但是并不真正拥有智能, 也不会有自主意识。因为电子计算机不能立即打印每个手工登记的记录, 以方便会计等工作人员的查阅。登记内容的打印周期往往是一个月或一旬。如果想要随时查看这些记录, 只能在电脑上获得授权后进行, 并且无法将几笔记录同时进行对照查阅。并且输出资料由于具有统一性的特点, 使得电算化记录中新建、修改、删除等人为操纵手段变得不易发觉。

　　值得一提的是, 最近几年人工智能的发展取得了很大的进步和重大的突破。在2017年举行的围棋比赛中, 人工智能AlphaGo已经击败包括柯洁和李世石等顶尖的人类围棋选手, 标志着人工智能的发展已经到达了一个比较高的层次。随着人类将目光逐渐投向人工智能的实际应用上, 较之于在企业中已经普遍投入应用的会计电算化系统, AI技术在会计行业领域向更加智能便捷的方向发展, 并得到了一定程度的实践。著名的四大会计师事务所普华永道、德勤、安永会计师事务所和毕马威会计师事务所已经投入使用了AI技术的优秀成果———财务机器人, 来进行财务方面的统计和运算。与此同时, 智能的财务管理系统也被用于其他中小型会计事务所和大中型公司。例如, 中化国际作为一家著名的上市公司, 其在财务管理方面在未使用财务机器人之前, 中化国际的财务工作还是依赖于人工的录入和计算。在与普华永道达成协议, AI财务机器人正式使用之后, 双方经过调试、部署等一系列努力, 使得许多现状得到实质性的改善, 发生了巨大的改变:如AI财务机器人每日可以自动完成15家银行80多个账号的自动对账工作;AI机器人自动抓取进销单据中的数据, 并进行比对后整理为表格数据发送给财务人员处理, 从而达到进销项差额及时提醒的目的;AI机器人可自动将银行借贷款记录信息打包成邮件, 发送给指定的人员确认款项事由, 达到月末入款提醒的目的;在增值税验证方面, AI税务机器人可以将需要验证真伪的增值税发票提交到国税总局查验平台验证真伪, 并在记录结果之中进行反馈。

　　2 AI技术在财务会计方面的应用

　　在传统的财务信息统计方面, 企业的票据开立、票据周转及数据录入通常由人工手段进行着。期间不仅涉及到繁重的人工工作, 也无法避免人工疏忽所造成的准确性偏差。同时, 由于受到物理手段的限制, 如人工录入速度, 单据物流等造成的影响, 信息统计的及时性也无从得到保证。而AI技术基于计算机计算的准确性和云传输高速度的特性, 有效地降低了这两个方面带来的负面影响。且在付款和发票处理、供应商简单查询管理响应、时间和费用审计、订单管理、通过外部信用评级机构定期进行信用检查、法定报表制作、管理报表/董事会报表制作、绩效报表制作、交易处理, 即资产抵押债权处理、资产管理/账单、数据有效性验证/数据迁移检查和主数据管理方面都能做到自动化。

　　2.1 OCR技术在单据录入中的应用

　　OCR技术即光学字符识别技术, 此技术主要基于CNN+RNN+CTC框架 (卷积神经网络+循环神经网络+时序分类算法, 又称CRNN+CTC框架) , 和CNN+Seq2Seq模型+Attention模型这两种基本的算法框架, 将单据上的文字通过摄入设备的扫描, 转换为可以进行编辑和统计的文本数据, 文件输入和单据录入的效率大大提高。OCR技术识别单据上文字的过程大致分以下两步: (1) 文本区域检测。寻找图像当中含有文字的区域。 (2) 预处理。对图像当中含有文字的区域进行进一步的处理, 处理的步骤主要包含灰度化、二值化、降噪、文本校正 (透视、扭曲、旋转等) 。在识别完单据图像中含有文字的区域后, 首先会对该区域图像进行判断。如该区域图像为彩色图像, OCR技术首先对图像进行灰度化处理, 即将彩色图像转换为灰度图像。因为图像中每个像素的颜色由三个元素R、G、B确定, 所以灰度图像中RGB三个元素的值必须相同。单个像素取值范围相对较小, 彩色图像中RBG三个元素均有255种数值可取, 所以彩色图像单个像素点颜色变化范围则为0 (0*0*0) -16581375 (255*255*255) 。因此, 在灰度化后计算量大幅减少的情况下, 经过对图像的二值化处理后, 图像仅具有两种颜色, 黑色和白色, 一种是背景的颜色, 一种是文本的颜色, 因此单据上的文本可以更清晰地显示在图像中。其中, 降噪在整个环节起到了十分关键的作用, 降噪算法的好坏取决于得到的图像是否清晰且洁净、是否保留了较为重要的细节信息。因此, 为了能识别在不同角度范围内扫描的单据中的信息, 需要用Radon/Hough变换对扫描后的图像进行文本校正, 减少文字的倾斜程度, 增加文字可读性。如图1所示。

　　据统计, 人工录入一张简单的单据耗时约20秒, 即使是熟练的会计从业人员, 也需要超过10秒的时间。而OCR光学识别技术的录入时间仅不超过1秒, 效率提升超过十倍, 同时它也极大地降低节省了人工成本。但美中不足的是, OCR技术受限于单据的书写水平。通常来说, 计算机生成的单据处理起来准确性较高, 而对于手写单据, 录入准确度有赖于书写者的书写水平, 故仍需要人工进行复核。但随着会计行业计算机应用程度的提高, 单据的机器化处理水平的提升, OCR的应用必将成为主流趋势。例如, 华为公司在财务领域的费用报销方面采用了AI的OCR技术, 大大节约了人力和时间成本。企业中, 员工通过提交报销单以及相应发票进行费用的报销, 这些单据经过业务主管审核后, 交由财务部门进行付款和结算。这样的工作流程看似操作难度不大, 但对于华为这样一个拥有17万多员工的公司来说, 无疑会产生巨大的审核工作量。而AI技术的引入则可以大大降低审核时间, 从而减少劳动力成本。因此, 华为决定尝试将AI技术首先应用到简单的手机话费报销业务之中。在话费报销过程中, 只要员工报销的费用不超过话费规定的限额, 则会计主管无需审批, 财务部门工作人员也只需要查核发票的数字即可。但是这种简单而重复的工作由于员工数量的庞大, 仍然需要耗费大量人力资源和时间去处理, 从员工提交报销单到最后付款结算需要历经数月的时间。此外, 这种业务是一个既不重要也不紧急的典型项目, 优先级很低。而引入AI的OCR技术之后, 无论是发票扫描件还是电子发票, 系统都自动识别发票并比对限额。随着算法的优化和算力的提升, 再加上电子发票等数字化手段的普及, 该应用的技术门槛逐渐降低。华为在采用了这个技术之后, 省去了繁重的员工录入环节, 不仅整个报销流程效率大幅提升, 员工满意度也得到提升, 目前费用报销机制基本上达到了当天提交, 数小时后就可收到报销款的便捷程度。

　　2.2 财务数据的核算和传输

　　财务数据的核算是财务会计的重要核心环节。过去财务人员在进行核算时, 主要通过人工计算或者使用算盘、计算器等辅助计算工具来进行数据的运算, 不仅效率低, 还无法避免计算错误。财务单据的处理需要通过物理运送的方式来传递, 进而实现财务数据的传输, 这在一定程度上无法保证计算的完全准确。而AI技术可以有效对接被分析企业的服务器, 并在获得授权的前提下获得企业的财务数据, 通过预设的财务分析程序, 可以直接进行企业财务状况的分析和计算。AI技术通过互联网数据传输, 在避免了物理传输带来的时间损耗的同时, 也提高了数据传输的效率和准确性。而借助计算机计算准确性高的这个特征, 利用AI技术进行财务数据的计算和处理, 则可以有效避免人工核算所带来的失误。同时, 企业的财务计算还应主动避免人工的不确定性。在由人工进行企业核算的前提下, 可能会产生财务人员因为利益考虑, 采取做假账的行为, 这样会极大的损害企业的利益。而通过AI技术进行财务数据的核算, 可以杜绝做假账的可能, 有力的保障了企业财务的安全性。例如AI能够学习公司的会计处理的规定, 读取收据并审计相关的费用和事项, 从而鉴别出可疑之处, 并交由人类进行最终的审批。在国外的会计师事务所中, 一个名为confirmation的互联网AI平台被投入使用, 它与几乎所有的大型银行都进行了数据的对接。只需要点点鼠标进行客户电子授权, 询证函就会立即发出, 并在一两天之内就能得到回复, 并一键生成pdf文档和excel表格。如果是现有客户, 则不需要重新输入银行账号, 整个过程不到两个小时。与之前几百个银行账户需要人们将金额、账号、地址等信息无误地手动填写进word模板里, 给主管过目和客户盖章并手动塞进信封, 收到回函以后, 每一封都要手动编号、加注、核对、归档, 然后填进excel表格的漫长又枯燥的过程相比, AI所带来的财务信息云传输的便捷性可见一斑。然而, confirmation这种互联网平台也仍然存在着不足的地方, 譬如借款合同条款、金融衍生工具等复杂的账务处理, 仍然需要人工的判断和处理, 没法得到直接的求证。不过, 由此可见AI在财务信息处理上的提升空间无疑是巨大的。

　　整体来说, 我们可以对AI技术在财务会计中的应用过程作出如下结构分析, 具体如图2所示。

　　3 AI技术在管理会计方面的应用

　　3.1 管理会计智能化的发展历程

　　在20世纪末, 管理型会计电算化系统逐渐成为了国内热门的研究领域, 管理型软件向事前、事中、事后的全流程管理方向发展, 并在此基础上加以预测、分析、控制和辅助决策。到了21世纪初, ERP开始走进人们的视野, 越来越多的企业加以实践应用, 一些先进的企业通过将企业内部信息、人力资源与财务系统关联和整合, 达到经营管理的改善和产品服务的提升的目的。现今, 随着经济结构的深化调整掀起了智能化、云化、互联化的会计信息化新浪潮, AI技术成为了管理会计中应用的主流趋势。例如, 新型的财务机器人与传统的ERP相比, ERP实现自动化主要依靠编程技能、配置和系统的大量测试, 而财务机器人则侧重于通过既已设定的业务规则, 来替代繁杂的人力工作。整体来说, 财务机器人实现路径与ERP的自动化相比, 在包括任何有关流程变化的维护在内的工作方面, 通常部署时间更快, 成本更低。例如普华永道所推出的软件机器人, 以快速配置、非侵入性和高度可扩展性的优势占据市场主导。它的配置不仅包括原有的交互效果, 计算准确率也可达100%, 并且无需更改底层系统或技术, 就能够在时间和效率上覆盖原有的人工工作。据估计, 该软件机器人的总体运营成本仅是离岸FTE成本的一小部分, 并且不会出现因人为错误而要求返工的情况。

　　3.2 AI数据仓库的构建

　　与财务会计相比, 管理会计侧重于分析和整理企业的财务数据, 便于决策和内部管理, 为企业发展提供良好的意见。因此, 数据仓库技术的应用十分关键, 企业通常按不同的要求建立不同的模型。业务模型有利于进行全方面全流程的改进, 财务分析模型则是建立一个集财务小数据、业务中数据、社会大数据于一体的集团级数据平台, 使信息更具一体化和联通性。从国内外各类企业的应用案例来看, 具有深度应用和效果显著的管理会计信息系统主要是基于商业智能的管理会计系统。

　　3.3 深入数据挖掘分析

　　AI技术可以通过对企业历史数据的统计, 分析出企业当前的盈利状况, 以及可以进行改进的策略。企业通过对特定的财务数据进行抓取和计算, 可以较为精确地发现在生产经营中所存在的问题。通常AI对数据的抓取分为表征学习 (feature learning) 和特征工程 (feature engineering) 。表征学习是自主地抽取数据的特征或者对应的表示方法, 在过程中是由人们设定模型操控。而特征工程则是利用数据的后续加工, 进行深度学习得到相应的预测。因此, 通过对历史数据的记录, AI可以推演出整个企业发展的长态趋势, 并为企业管理者提供合适的发展建议。总体来说, 企业历史数据越丰富, 则分析的准确性就越高, 借助人工智能的计算, 可以对企业的未来发展与决策做出合理的建议。例如在人员招聘方面, 由于数据准确性质量提高, 入职成本也相应降低 (即航班、培训、酒店、IT等) 。随着处理质量不断改善, 允许团队专注于“例外处理”而不是返工。通过软件工具改进报表质量, 帮助团队发现异常和瓶颈情况, 这些AI的应用都能够进一步帮助企业成功实现流程并改善项目。再譬如, 一个企业的管理者会从时间周期、产品类别、销售渠道、地理位置、客户群体等多个维度关注企业本身的销售数据。而AI技术的应用恰好可以使管理者按照独特的管理运营要求, 从各个分析角度获取信息, 通过交互式界面的各个图表文本动态地展示数据在各个角度之间的切换, 其对数据的深入挖掘使管理者能更好地对企业的运营状况进行多维的、综合的分析。

　　4 AI应用的未来———智能化高效和一站式服务的完善

　　当今会计准则和财政政策的更新速度越来越快, 以满足适应新的的经营模式, 获得更好发展, 并与国际接轨的需要, 因此在未来对会计准则和相关政策的深入理解和把握, 对一份报表的生成, 决策的提供都起着至关重要的作用。而AI技术能够帮助会计行业做到这一点, 在整个数据处理的过程中可以持续地记录并学习。

　　4.1 智能处理数据实现灵活的变化设置

　　基于对原始录入数据的智能处理, 使得企业在各种类型中的数据都能够与相应的科目、凭证、底层明细账、审计凭证等及时匹配, 并将此种匹配规则保存于系统当中, 智能化地代入下期。更为重要的是, 由于其灵活的设置, 当准则和政策发生更新时, 运用AI技术所搭建的平台能迅速配置形成新的报表, 无需二次开发。当企业内部的组织管理需要变化时, 同样地可以进行相应的增减达到横向或纵向的理想工作流, 并更新授予相关人员的权限, 实现任务流在工作流中的灵活分配。如图5所示。

　　4.2 可视化精细管理与一站式方案的提供

　　AI技术的应用可以使集团内部财务数据得到精细的快速比对, 并在计算的基础上按照设定模式加以分析, 在定制报表的基础上, AI智能可以对此管理, 并提供实时的指标并预警风险的发生, 能够有效地甄别潜在问题, 使管理者具备提前预知风险的能力。除此之外, 每个任务流和工作流都能做到足够的可视化, 将多个模块进行综合, 一站式搞定各种生产运营环节的时间控制和成本管理。例如普华永道为实施税务战略自主研发的企业所得税管理平台, 已经达到了当今业内管理技术双领先的水平。它充分运用AI技术, 利用多模块大平台的优势, 将企业税务管理与发展战略相结合, 提供包括季度预缴核算、固定资产管理、递延所得税资产与负债管理、研发费用加计扣除、各种所得税的预算分析和税负率的核算等在内的多种解决方案, 加速业财税一体化和税务数据数字化。

　　同时, 在新准则对各类企业财务及业务的影响下, AI技术能进行全面的分析与解读, 通过对合同数据的收集、批量上传下载, 帮助企业评估现有的会计政策和核算模型, 以及解析信息披露的要求, 制定出具体的会计核算方案, 并自动化处理相关核算, 将设定好的过渡调整方案融合至新系统中, 实现多维报表展示, 以提供给企业一站式的完整解决方案。如图6所示。

　　5 小结

　　我们可以看到, 通过AI技术的广泛使用, 可以有效地改进企业的财务管理制度, 并衍生出一定的智能分析效果。可以预见的是, 随着人工智能技术的不断发展以及计算机技术应用范围的进一步扩大, AI技术在会计行业中, 将会有极为光明的应用前景。人们将从繁琐枯燥单一的财务处理中解放出来, 去投入更为重要的工作, 例如深入合同的解读, 辩证地思考并理解新准则, 探索准则制定背后的用意, 预判监管者近年的风向, 根据不同合同条款的会计影响做出相应的建议, 更有效地处理决策与沟通问题。

　　参考文献
　　[1]梁日新.人工智能下对会计行业的影响[J].现代商业, 2018 (15) :149-150.
　　[2]张太山.人工智能对传统会计的影响[J].经贸实践, 2018 (23) :101, 103.
　　[3] 刘学锋.会计电算化与计算机审计问题探析[J].新商务周刊, 2018 (22) :78.
　　[4]沈立锦.关于会计与人工智能发展的综述[J].学术交流, 2018 (7) :77-78.