AIIT合思2023年AI新范式下对象会计的研究报告

目录 CONTENTS 02 ⇌ 03 PART1|䬠䎅z嬠㗹偼⊕Ç栗研究 05. 㗹偼㒵@䬠䎅 06. 㗹偼乨㓇䬠䎅 07. 㗹偼䣧g䬠ƒ 08. 㗹偼䬠䎅z嬠 09. 㗹偼E2Ç 11 PART2|䬠䎅z嬠㗹偼⊕⸓䒧䌯䈵fi敭栗 12. ᶙ岡圌Q䌯いℴ 14. 䬠䎅z嬠⸓䒧いℴ 18. 㗹偼⊕⸓䒧いℴ 20 PART$|㔸㱔嬹——⭸寠z嬠的㍏ß 21. ⭸寠z嬠㍏ß的⽄夀⾦ 22. ⭸寠z嬠的℄㴴 29. ⭸寠z嬠的䙭ƒR;᷈ 30. 埋ᶙ埋∧㊆⋖ 前言 PREFACE 近期，生成性人工智能技术的崛起，例如OpenAI的GPT系列大模型，已引起广泛关注和应用。这一深度学习的人工智能新范式技术使计算机能够生成高质量的自然语言文本，在更短的时间内处理海量的信息，以比人类更快的速度建立有洞察力的联系。 随着深度学习、模式识别、专家系统、知识图谱、自然语言处理、智能流程自动化等人工智能技术的发展和应用，为企业管理的模式注入新的理念，帮助企业降本增效、控制风险、改善质量、快速发展。从应用场景来看，人工智能赋能前台业务包括智能客服、精准营销等，赋能中台业务，包括风险预算、流程审批和决策支持，赋能后台业务包括运营管理、作业流程、资源分配等。 人工智能技术也逐步应用于会计行业，传统的基础会计核算工作被财务机器人替代，会计数据的采集、挖掘、分析，会计核算流程的再造以及对未来财务人的需求，都在推动企业会计模式的变革。 在管理会计应用上，人工智能技术强大的数据处理和分析能力、复杂模型构建能力等可以在预测、分析、决策、绩效评价等管理的会计的核心领域，精准捕捉企业管理信息，实现智能化的管理会计预测、分析与决策。管理会计智能化的发展同时催生了未来财务人才培养的新需求。未来财务人需要具备业务和财务的融合能力，以更深入了解企业运营和市场趋势，提供准确的财务分析和预测。未来财务人还需要具备数学和技术的融合能力，善于运用人工智能技术工具，处理大规模的数据并提取有价值的信息。 人工智能技术还将带来管理会计理念的变革。管理会计的发展需要在海量的业务数据基础上，不断探索和提出新的适应人工智能时代的管理会计方法，进一步适应企业在不同阶段的管理要求，提高自适应能力，为企业管理者提供精细化管理的方法和工具。 本研究聚焦人工智能和管理会计的结合，开展管理会计智能化专题研究、管理会计智能化现状调查，结合现状和理论研究，提出关键技术方法—对象会计，阐明人工智能技术生态环境下对象会计的研究框架，明确对象会计的定义，从对象会计的视角进一步给出行业行动指南。 2/管理会计智能化专题研究 PART1 䬠䎅会计㗹偼] Ç栗研究 $ø;½⍕㗹偼㒵@䬠䎅˛㗹偼乨㓇䬠䎅˛㗹偼䣧g䬠ƒ˛㗹偼䬠䎅z 嬠˛㗹偼E2Çdᶩ乳⸥ↅ㜏VI㗹偼ㇿ㚮曡⎐Ⅎ䫕@㊀RṶΆ↚徟的㜃⹹岡∠㦠✊的偼√,斏彯⃵⚧䬠䎅z嬠㗹偼⊕Q$$的ớ䒧ʭ 管理会计与人工智能大模型应用具有相似之处，都依赖于数据和模型，以提供洞察和支持决策。人工智能的大模型应用特点在于其出色的信息处理和语言理解能力，这些模型通过收集大量数据并运用复杂的模型进行推理，最终生成有洞察力的结论。这种方法在自动化、预测分析和提供个性化服务等领域表现出卓越的能力。与此类似，管理会计本质上也是一种模型应用，依赖于信息收集和处理，以支持管理决策。管理会计方法涉及使用抽象模型进行分析和预测，以帮助企业做出有效的战略和运营决策。 随着人工智能的不断发展，其在信息处理和模型应用方面的突出能力将极大地影响管理会计。这种影响将使管理会计变得更加精确和高效，有助于企业制定更明智的决策，进而推动业绩的增长。人工智能和机器学习的进步将引领组织的智能化发展。 本章节选取智能收支管理、智能绩效管理、智能票据管控、智能管理会计报告、智能ESG五个维度分析人工智能技术面向决策支持和价值创造的构建财务模型的能力，阐述其在管理会计智能化发展中的作用。 智能收支管理 在这个以人工智能驱动为核心的智能时代，智能收支管理系统正在不断完善和拓展，为企业带来了前所未有的便利和效率提升。传统的收支往往依赖繁琐的人工操作，容易出现错误和延误，而人工智能驱动的智能收支管理系统则通过自动化和智能分类功能，实现了对交易的快速准确分类和记录。 智能收支管理系统充分利用了大模型的强大语言理解和信息提取能力，通过分析和理解大量的财务数据，识别关键信息，并将其转化为有意义的决策支持。这种模型应用赋予系统更高级的智能，使其能够更好地理解用户的需求和指令，通过对市场、信息和财务数据的监测与分析，为企业提供投资规划，识别潜在风险。 智能分类识别 企业的交易数据通常包括销售、采购、付款、收款等各种类型的单据及交易数据，这些交易数据手动进行分类和录入中容易出现错误和延误。通过深度学习和数据挖掘技术的应用，系统能够快速准确地对交易进行分类和记录，避免了因错误分类带来的混乱和错误决策，这种高准确性为企业决策提供了可靠的基础。在智能收支管理系统中，交易数据的处理可以更加智能和准确。系统通过深度学习算法对大量历史交易数据进行学习和训练，从中提取特征和模式，并建立起对各种交易类型的识别模型。 智能决策支持 智能决策支持受益于大模型的数据分析和预测能力。 这些模型可以处理财务数据和市场信息，识别关键信息，预测未来趋势，为企业管理层提供更精准的财务状况和业务情况分析，智能推荐最佳的资金运作策略，如在紧张的现金流时期如何采取财务调控措施、在充裕的现金流时期如何进行投资扩张，以提高资金利用效率，帮助企业更好地适应市场变化。管理层可以依赖这些数据驱动的智能决策支持，制定更明智的战略，促进企业的稳健发展。 智能交互体验 智能交互体验得益于大模型的自然语言处理能力。模型能够理解用户的自然语言指令，将其转化为有意义的操作，简化了操作流程，提高了工作效率。用户可以通过口头或书面方式与系统进行交互，提出查询、操作等需求，无需熟练操作系统的各项功能。系统能够理解并满足这些需求，使管理会计人员更加快速地获取财务信息，集中精力于核心财务分析和决策工作。 -02- 智能绩效管理 大模型的应用为绩效管理带来了更高效、更公平和更智能的特征，使企业能够更好地衡量、管理和改进员工绩效。 自动化绩效考核 自动化绩效考核是人工智能在绩效管理中的杰出应用之一，大模型的数据处理能力可以有效地支持这一进程。这些模型能够处理大量员工数据，分析关键绩效指标，并自动化生成绩效报告，从而大幅减少了人力资源的需求，提高了考核的效率。 例如，一家企业使用大模型的绩效管理系统，该系统通过深度学习和数据挖掘技术自动分析员工的工作数据、销售成绩和客户反馈。基于这些数据，系统自动生成员工绩效报告，无需手动干预。这种自动化和高效的绩效考核过程使企业能够更快速地识别出绩效较好和需要改进的员工，有针对性地采取措施。 实时性绩效反馈 实时性绩效反馈的关键在于大模型的数据分析和处理速度。这些模型能够迅速分析员工的工作表现数据和客户反馈，并生成实时绩效反馈，为企业提供即时了解员工表现的机会。 例如，一家科技公司采用了基于大模型构建的绩效管理系统，该系统每天分析员工的项目进展、客户互动 和团队协作等数据。企业领导者可以随时查看员工的实时绩效数据，及时发现问题和机会，以便迅速采取行动。这种实时评估帮助企业更灵活地调整人力资源策略，提高人力资源利用效率。 个性化职业规划 大模型的学习功能有助于更好地了解员工的学习需求，分析员工的工作表现和学习历史，为员工提供个性化的学习计划和发展规划。大模型为员工设计个性化的学习计划，员工可以按照自己的节奏学习。这样的做法节省了时间，因为员工会获取更多的信息，并降低再培训的可能性。这种个性化计划可以帮助员工更好地提升技能，从而更好地应对工作要求。企业通过模型的学习功能为员工提供了更多的发展机会，通过收集员工多维度的工作表现，为员工自动生成职业规划，同时提高员工的企业认可度。 公平性员工评价 大模型在绩效管理中的应用可以减少主观性，更加客观地评估员工的表现。模型能够根据数据和事实，不受情感和主观因素的影响，进行评估，确保公平性。 例如，大模型应用下的绩效管理系统通过分析员工的销售数据、客户满意度和合规性指标等多方面数据，自动评估员工的绩效。这种客观的评估方式可以减少主观偏见，确保评估的公平性，为员工提供公平的机会。 智能票据管控 目前我国加大推广使用全面数字化的电子发票，即“数电票”。信息化技术的发展和企业数字化的快速发展使得数电票的普及成为可能，有助于进一步推动税收数据的智能归集和分析，提升税务机关的数字化管理水平。数电票时代，企业需要建立一个更加智能、一体化、随时随地都可以自动同步全量企业发票的数据库，积极应对财税管理流程的再造，通过业务、财务和税务的一致性，在不同层面和不同环节细化数据颗粒度，推行和升级企业会计信息系统建设，洞察内外部的财税风险。 大模型能够实现智能用票，自动化票据处理流程，提高工作效率和精确性，从而为企业带来更多机会。此外，大模型能够处理大量的票据数据，分析税收信息，识别异常模式和异常行为，并提供高级的数据分析和智能决策支持。其强大的数据挖掘和分析能力可以帮助企业更好地理解财务状况，识别潜在问题，并采取适当的措施。 智能数据归集 数电票的应用，一方面可以为税务机关提供更详细、全面的数据支持，实现全方位税收数据的智能归集和分析，另一方面可以使企业更加准确地了解经营状况和财务状况。数电票使得企业能够应用人工智能来实现自动查验、智能识别、自动报销、入账、归档等诸多功能，还可以通过集中票据池进行管控，实现共享中心建设。这为企业节省了大量时间和人力，提高了工作效率，同时也减少了出错概率，提升了业务处理的精准性。企业应积极应对财税管理流程的再造，通过业务、财务和税务的一致性，在不同层面和不同环节细化数据颗粒度， 构建海量多元数据智能归集系统，包括归集、提取、存储、选择和查询等功能，全面提升业财税融合程度。 智能风险预警 财务风险预警功能的加强依赖于大模型的信息处理速度和分析能力。这些模型能够实时监测财务数据和市场动态，识别潜在的财务风险，并及时向企业发出预警。 数电票使用后，数据挖掘技术可以用于识别大量的票据信息，如用于检测潜在的发票风险，包括重复发票、虚假发票和异常发票。通过分析发票数据，建立模型来识别异常模式和异常行为，从而提前发现潜在的问题并采取适当的措施。通过挖掘支出数据，企业可以分析供应商、产品或服务的进项税情况，这有助于确定哪些进项税可以抵扣，从而最大程度地减少税务负担，同时确保遵守税法规定。 数据挖掘技术还可以用于供应链风险识别和预警。通过识别最常见的采购项目、关联的供应商以及采购金额的波动，企业可以更好地规划采购策略，优化成本，并确保供应链的稳定性。通过挖掘支出数据，企业可以对供应商的绩效进行评估，包括交货时间、产品质量、价格合理性等因素的分析，以确定哪些供应商在长期合作中表现最佳。通过分析支出数据的时间序列，可以发现成本异常波动的原因，从而及时采取措施。基于历史支出数据的分析，可以建立支出预测模型，帮助企业更好地规划预算和资源分配，有助于防止超支，并确保在财务方面保持良好的控制。 -04- 智能管理会计报告 在当今竞争激烈的商业环境中，要实现业绩增长，实现股东价值，企业战略的制定和执行变得尤为关键。战略决策不仅需要基于全面的信息和数据，还需要在不断变化的市场条件下做出迅速的响应。 管理会计报告通过其智能化应用，不仅能够提供实时准确的业务信息和财务数据，还能通过数据分析、预测和风险管理等功能，为企业管理层提供更有力的支持，帮助他们在复杂多变的市场中制定明智的战略决策，从而为业绩增长提供坚实的基础。 提高决策准确程度 智能化管理会计报告通过数据汇总和展示，为管理层提供实时准确的业务信息和财务数据，推动业绩增长。它实现了对实时数据的监控和分析，把握市场动态，快速应对挑战。通过人工智能的预测分析，帮助企业准确预测市