智能联盟：会计专家组机器智能2024

关于 ACCA 我们是ACCA（英国特许公认会计师公会），一个全球认可的专业会计师机构，提供会计资格并推动全球会计标准的提升。 成立于1904年，旨在扩大会计职业的准入范围，我们一直倡导包容性，并今天自豪地支持一个多元化的社区超过252,500成员和526,000未来的成员在180国家。 我们的前瞻性资质、持续学习和见解在各个行业的雇主中受到尊重和重视。它们为个人提供了商业和金融专业知识以及道德判断力，使他们能够创造、保护并报告由组织和经济产生的可持续价值。 遵循我们的使命和价值观，我们的愿景是培养世界所需的会计职业。与政策制定者、标准制定机构、捐赠者社区、教育工作者以及其它会计机构合作，我们正在强化并构建一个能够推动所有人可持续未来的会计职业。 在 accaglobal. com 上了解更多信息 关于本报告 人工智能（AI）具有巨大的潜力可以改变我们的工作方式。然而，随着AI的不断演进，它为会计和金融专业人士带来了巨大的机遇和重大的挑战。本报告探讨了该行业当前的AI采用状况，提供了对AI如何影响这一领域及其对专业人士的要求进行及时分析。 报告讨论了各种正在重塑该领域的AI技术，包括机器学习、计算机视觉、自然语言处理和生成式AI；分析了组织当前如何利用AI的能力，并展望他们在管理关键挑战和风险方面的策略。 基于对 900 多名会计领导者的访谈和调查谁已经在使用AI报告提供了关于专业领域内人工智能的战略方法、挑战及前景的见解。它包括展示实际人工智能应用案例的研究，并提供了关键的经验教训和最佳实践，以促进人工智能的采用。此外，报告还讨论了重要的考虑因素，如组织如何开始建立基础以有效应对特定的人工智能风险、适应治理结构以及财务部门在塑造组织的人工智能和数据策略中至关重要的作用。 在更广泛的AI对社会和组织影响的背景下，本报告成为会计和金融专业人士的重要资源。它强调了在AI采用过程中采取平衡方法的重要性，突出了人类监督和专业知识与技术进步并重的价值。 随着人工智能的不断演进，理解其潜力和局限性在决策制定和战略规划中变得愈发重要。 调查人口统计 ACCA 深表感谢所有参与本次研究调研和访谈的会员。 Contents 5. 采用人工智能的挑战和风险 32 5.1 各部门面临不同的考虑因素345.2 对风险和控制措施的信心345.3 加强应对风险的内部能力355.4 为风险缓解创造共同的知识和理解36 6. 案例研究 ： 如何使用 AI ？ 38 6.1 英国 GIAA 的 AI 驱动写作引擎396.2 Parkdean 度假村的维修和维护成本分析396.3 财务分散的文件分析416.4 零售建筑成本估算436.5 Wipro 的收款对账446.6 加强跨国 IT 公司的财务运作456.7 零售业的应付账款优化476.8 平安 AI - ESG 平台486.9 用友 BIP 全球理财智能风控平台49 2.1 机器学习 ： 数字运算的动力122.2 计算机视觉 ： 图像解释器142.3 自然语言处理 ： 语言爱好者142.4 生成 AI ： 通才152.5 基本考虑162.5. 1 GenAI 仍在不断发展162.5. 2 未能近似他们的训练数据 ， 或 “幻觉 ”172.5. 3 正确使用用例很重要192.5. 4 我们如何负责任地使用 GenAI ？192.5. 5 AI 不是(总是) 解决方案20 7. 从我们的案例研究中提取最佳实践 51 1. 具有战略性522. 数据管理和质量523. 人类 - AI 协作524. 技能开发和培训525. 变更管理536. 技术考虑因素537. 治理和伦理538. 衡量成功53 3. 会计中采用 AI 的现状 21 3.1 跨功能实现223.2 应用因组织规模和类型而异233.3 注重实际成果233.4 组织在财务上致力于 AI253.5 AI 的使用预计将逐步发展253.6 平衡内部和外部能力26 4. 实施 AI 和数据策略 28 4.1 建立基本要素294.2 金融在数据和 AI 战略中的作用304.3 倡导战略和治理的协作方法 31 1. Introduction 会计和金融行业长期面临着技术进步和人工智能（AI）的挑战——这是一种日益普遍的技术，标志着这一漫长历史中的最新进展。近期的发展以及解决方案的日益普及预示着未来将产生更大的影响。当我们深入探讨会计领域中人工智能的当前采用状况时，理解正在重塑该领域的各种多样化的AI技术至关重要。 从根本上说，人工智能是一种数据转换。这种观点强调，人工智能本质上是通过创新和强有力的方式利用数据以提升决策质量和简化流程。 人工智能在会计领域（如图1所示）及更广泛的领域增强人类能力的潜力是绝对的。与其取代人类的专业知识，人工智能越来越多地被视为提升会计专业人士技能的工具。 人工智能在未来会计或审计领域的前景不仅关乎新技术的应用；更在于通过专注于分析与解读、战略制定以及高层次决策来重新定义财务专业人士的角色。这也是财务职能（及其角色）向更具增值性和自主性演变的一部分，我们在后续部分将对此进行更深入的探讨。金融演变 ： 未来十年蓬勃发展（ 图 2) 。 我们关于这个智能联盟的报告 - 基于一项调查 (第 3 - 5 节并与已经采用人工智能的会计领导者进行的访谈旨在提供当前会计领域人工智能 Adoption 的清晰图景。我们探索组织采取的战略方法、他们面临的挑战以及人工智能在未来职业中的前景。 此外 ， 该报告还包括一些案例研究(第 6 节) 展示了某些组织如何利用人工智能来支持其组 织目标。从这些案例研究中，我们总结出了关键教训和最佳实践。第 7 节) 供其他人在踏上自己的人工智能采用旅程时考虑。 在我们分析这些数据时，很明显会计行业正处于转型之中。虽然一些组织已经在人工智能的应用方面处于领先地位，但其他组织才刚刚开始他们的旅程——然而，这种机会变得越来越明显。对于一个常常被刻板印象为对采用新技术持保守态度的专业来说，普遍认为财务职能可能是促进改进最肥沃的土壤（如图3所示）。 通过了解当前职业的状态并从当前采用者的最佳实践中学习，会计专业人士和组织可以更好地定位自己以利用人工智能的力量，并塑造会计和金融的未来。 关键是什么 ？ 并且承认关于使用范围、数据输入控制以及输出使用方面的政策和问责标准（）第 2.4. 4 节). 了解 AI 的独特考虑因素 会计中的人工智能包括各种技术 (第2 节包括机器学习（ML）、计算机视觉（CV）、自然语言处理（NLP）和生成式人工智能（GenAI）。每种技术 金融在倡导战略合作方法中的作用 我们的报告强调了金融在塑造整个组织的人工智能和数据战略中的关键作用 (第 4 节) 。财务团队是 不同的能力和使用风险。 两者（即AI技术类型及其应用）都需要给予适当的考虑。例如，那些旨在做出可能影响个人决策的预测能力的应用尤其敏感——并且可能存在固有的缺陷。第 2.5. 5 节). 越来越多地承担咨询角色（56%）或甚至所有权（20%）这些策略。这使财务部门能够倡导一种更为协作的AI采用方法。 尽管生成式人工智能（GenAI）功能强大，但也存在明显的局限性。这些模型的能力仍在发展中，因此需要持续监控和监督，以了解其对输出结果及可能产生的错误类型的影响。总体而言，模型的输出无法完全依赖其准确性——这一点在确定正确的应用场景时至关重要。 随着数据成为组织成功的关键，财务部门处于促进跨职能协作、弥合组织战略与日常运营之间的差距以及确保人工智能项目与业务目标一致的有利位置。第 4.2 节). 我们的报告建议金融部门可以引领创建灵活且协作的数据管理及AI实施模式，并朝着与其他部门共同所有者的角色迈进。这种合作方法对于识别AI创新机会并确保组织内部广泛支持AI项目至关重要。第 4.3 节). 在严格和有限的情况下，GenAI可能具有潜在的价值——但这绝不能忽视对其可能产生的不准确、偏见或误导性引用导致的危害或声誉损害进行严肃考虑。组织还需要思考在使用公共模型时对信息安全的影响。 随着人工智能的发展，初期可能会迅速取得进展，但逐渐地在部署时会变得更为困难和繁琐。为了在开发阶段避免陷入困境，需要制定清晰的策略来管理整个生命周期；理解随着数据需求增长而增加的技术复杂性，并应对可能引起语气、质量和一致性变化的概率输出。 组织应了解这些局限性，并针对需要高精度的任务实施适当的保障措施——例如人工监督和验证流程。第 2.4节). KEY TKEAWAYS 或者输出优化，或偏见缓解。类似地，只有31%的组织采用了负责任的人工智能使用培训计划。这表明在支持有效的、组织层面的人工智能风险管理方面存在显著的机会（considering how best to support effective, organization-wide AI risk management）。第 5.4 节). 不断发展的 AI 风险和治理方法 报告揭示，在那些积极采用人工智能的组织中，AI风险和治理的方法仍处于早期发展阶段。 我们的报告强调，随着人工智能 Adoption 的增长，对风险和治理方面更加成熟和协作的方法的需求也在增加，这些方法能够与技术的发展保持同步。 技术 (第 5.2 - 5.4 节) 。 持续发展的关键领域包括 ： n理解AI特有的风险：组织仍在努力识别和评估特定于AI的独特风险，如算法偏见、数据隐私问题以及AI输出可能存在的不准确性。大约一半的AI采用者认为他们的风险管理措施足够或完全充分——这表明对AI特有的风险需要有更深入的理解（Understanding AI-specific risks: organizations are still grappling with identifying and assessing risks unique to AI, such as algorithmic bias, data privacy concerns,and the potential for inaccuracies in AI outputs. Approximately half of surveyed AI adopters feel their risk and controlmeasures are sufficient or fully adequate – indicating a need for better understanding of AI-specific risks）第 5.2 节).n开发共享和协作培训以应对风险：越来越多的人认识到有效的AI风险管理需要采取合作的方法。然而，许多组织仍在实践中摸索这意味着什么。我们的报告建议组织正在集中精力培养内部专长以应对部分挑战。同时，报告揭示了对潜在声誉风险及相关风险的思考存在缺口（第 5.3 节). 会计中采用 AI 的最佳实践 我们的报告综合了各种案例研究的见解，以构建财务功能中成功采用人工智能的框架（ Our report synthesizes insights from various case studies to create a framework for successful AI adoption in the financefunction (）第 7 节) 。关键主题战略规划、数据管理以及人机协作。建议组织从明确且 包括重要性高影响的应用场景开始，并逐步扩大规模。 报告强调了需要采取平衡的方法，充分利用人工智能的优势同时保持人类的监督和专业知识。它强调了员工持续学习和技能发展的的重要性，同时也指出了明确治理结构的必要性。 成功的AI采用被证明是一条需要持续改进、灵活性和利益相关者参与的道路，并且需要关注成功量性和质性指标。我们的报告提供了一套全面的最佳实践，涵盖了从技术考虑到变革管理的各个方面，为处于不同AI发展阶段的组织