王玲

基金項(xiàng)目：安徽省中小企業(yè)互聯(lián)網(wǎng)金融支撐效應(yīng)研究，項(xiàng)目編號(hào)：PTZD2020003

摘 要：近年來，隨著大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)網(wǎng)以及云計(jì)算新技術(shù)的發(fā)展和運(yùn)用，推動(dòng)了財(cái)務(wù)從會(huì)計(jì)信息化階段逐步轉(zhuǎn)為智能化階段。而在智能化階段的三個(gè)主要要素即為人工智能、機(jī)器人流程自動(dòng)化（RPA）等智能工具以及大數(shù)據(jù)分析。而本文所探討的機(jī)器學(xué)習(xí)技術(shù)是三個(gè)要素之一——人工智能當(dāng)中的一個(gè)重要領(lǐng)域，它可以用于解釋數(shù)據(jù)和預(yù)測(cè)未來數(shù)據(jù)，目前被廣泛應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。本文基于機(jī)器學(xué)習(xí)技術(shù)的運(yùn)作原理，探討該技術(shù)在智能財(cái)務(wù)中應(yīng)用的四大場(chǎng)景，即優(yōu)化會(huì)計(jì)引擎、提高財(cái)務(wù)預(yù)警準(zhǔn)確度、識(shí)別上市公司年報(bào)錯(cuò)誤以及預(yù)測(cè)企業(yè)內(nèi)部控制重大缺陷，同時(shí)指出當(dāng)前機(jī)器學(xué)習(xí)技術(shù)在我國智能財(cái)務(wù)運(yùn)用中存在的問題。

關(guān)鍵詞：智能財(cái)務(wù);機(jī)器學(xué)習(xí)技術(shù);應(yīng)用場(chǎng)景

一、智能財(cái)務(wù)的概念和基本架構(gòu)

1.智能財(cái)務(wù)的概念

智能財(cái)務(wù)產(chǎn)生和發(fā)展的原因主要來自三個(gè)方面，一是財(cái)務(wù)本身變革的需要，傳統(tǒng)財(cái)務(wù)管理模式已經(jīng)難以滿足財(cái)務(wù)信息使用者日益增長(zhǎng)的個(gè)性化需求，兩者之間的矛盾越來越突出;二是“大智移云”等新技術(shù)的快速發(fā)展，讓財(cái)務(wù)管理模式的變革成為可能;三是國家政策的支持，2019年的政府工作報(bào)告已將“智能+”作為國家戰(zhàn)略，由此智能技術(shù)開始逐步與各行各業(yè)整合，加速了經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化升級(jí)，智能財(cái)務(wù)的概念也由此產(chǎn)生。

關(guān)于智能財(cái)務(wù)的概念，不同的學(xué)者持有不同的觀點(diǎn)，目前沒有普遍認(rèn)可的權(quán)威定義。部分學(xué)者站在技術(shù)應(yīng)用的角度認(rèn)為智能財(cái)務(wù)是指人工智能技術(shù)在財(cái)務(wù)中的應(yīng)用，據(jù)以提高工作效率和準(zhǔn)確度;還有部分學(xué)者認(rèn)為智能財(cái)務(wù)是一種經(jīng)濟(jì)管理活動(dòng)，能夠優(yōu)化會(huì)計(jì)的監(jiān)督和核算智能。但這些觀點(diǎn)具有一定的片面性，張慶龍認(rèn)為將智能財(cái)務(wù)簡(jiǎn)單定義為一種管理模式、一種技術(shù)應(yīng)用或者一種經(jīng)濟(jì)管理活動(dòng)可能會(huì)導(dǎo)致我們忽略財(cái)務(wù)發(fā)展中的重要問題。因此他在整合分析智能財(cái)務(wù)文獻(xiàn)的基礎(chǔ)上對(duì)智能財(cái)務(wù)進(jìn)行了重新定義：智能財(cái)務(wù)是以AI技術(shù)為基礎(chǔ)設(shè)施和核心要素，全面實(shí)現(xiàn)財(cái)務(wù)與人工智能的融合，提高財(cái)務(wù)部門服務(wù)效率，拓展財(cái)務(wù)職能的深度和廣度，最大化實(shí)現(xiàn)財(cái)務(wù)組織價(jià)值的新一代財(cái)務(wù)，并在財(cái)務(wù)數(shù)字化、智能化應(yīng)用過程中不斷發(fā)展和完善。

2.智能財(cái)務(wù)的基本架構(gòu)

從上述定義可以看出智能財(cái)務(wù)主要包含人工智能、機(jī)器人流程自動(dòng)化（RPA）等智能工具以及大數(shù)據(jù)分析三個(gè)要素。三個(gè)要素有不同的分工，首先人工智能的功能是基于底層的邏輯對(duì)輸入的指令進(jìn)行分解，然后做出反應(yīng);其次智能工具的功能是根據(jù)人工智能的指令來做任務(wù);最后大數(shù)據(jù)分析的功能是用來訓(xùn)練模型，使得前面兩步的運(yùn)算和運(yùn)行更加高效和準(zhǔn)確。整個(gè)過程中人工智能類似于人的大腦，智能工具如同人的各個(gè)器官，大數(shù)據(jù)類似于人的血液，三者缺一不可?；谶@三個(gè)基本要素，結(jié)合物聯(lián)網(wǎng)等技術(shù)，智能財(cái)務(wù)的基本機(jī)構(gòu)可以解釋為三個(gè)層次：第一層次，信息輸入，結(jié)合智能感知系統(tǒng)，將企業(yè)的經(jīng)營(yíng)活動(dòng)輸入到業(yè)財(cái)一體化的智能化平臺(tái)當(dāng)中。第二層次，信息處理，通過網(wǎng)絡(luò)系統(tǒng)和數(shù)據(jù)系統(tǒng)，將業(yè)財(cái)融合平臺(tái)中的信息傳送到智能戰(zhàn)略性財(cái)務(wù)平臺(tái)、智能管理型財(cái)務(wù)平臺(tái)以及智能核算型財(cái)務(wù)平臺(tái)中進(jìn)行加工處理。其中智能核算型財(cái)務(wù)平臺(tái)是初級(jí)平臺(tái)，主要處理會(huì)計(jì)核算的相關(guān)工作，主要使用的系統(tǒng)包括感應(yīng)系統(tǒng)、機(jī)器人自動(dòng)化、財(cái)務(wù)專家系統(tǒng)等。智能管理型財(cái)務(wù)平臺(tái)是中級(jí)平臺(tái)，是在初級(jí)平臺(tái)的基礎(chǔ)上，處理財(cái)務(wù)和非財(cái)務(wù)信息，使用的技術(shù)包括大數(shù)據(jù)處理技術(shù)、機(jī)器學(xué)習(xí)技術(shù)等。智能戰(zhàn)略性財(cái)務(wù)平臺(tái)是高級(jí)平臺(tái)，是智能財(cái)務(wù)發(fā)展的成熟階段產(chǎn)物。第三層次，信息輸出，主要依靠智能會(huì)計(jì)引擎系統(tǒng)，將基礎(chǔ)的財(cái)務(wù)信息進(jìn)一步轉(zhuǎn)化成多維業(yè)財(cái)融合報(bào)表進(jìn)行輸出，根據(jù)不同頻道提供給管理層或者其他信息使用者

使用。

二、機(jī)器學(xué)習(xí)技術(shù)的概念和原理

機(jī)器學(xué)習(xí)是指讓機(jī)器像人一樣學(xué)習(xí)，做出判斷并進(jìn)行決策。機(jī)器學(xué)習(xí)與人的學(xué)習(xí)原理相似，即基于歷史數(shù)據(jù)訓(xùn)練模型，利用模型形成預(yù)測(cè)、解決問題。機(jī)器學(xué)習(xí)技術(shù)是人工智能的一個(gè)子集，這項(xiàng)技術(shù)的主要任務(wù)是指導(dǎo)計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)，然后利用經(jīng)驗(yàn)來改善自身的性能，不需要進(jìn)行明確的編程。在模型訓(xùn)練中，算法會(huì)不斷進(jìn)行迭代回歸，從大型數(shù)據(jù)集中發(fā)現(xiàn)樣本相似特征和相關(guān)性，進(jìn)而趨于穩(wěn)定生成可用模型，然后利用訓(xùn)練好的模型根據(jù)輸入數(shù)據(jù)，做出預(yù)測(cè)和最佳決策（如下圖所示）。機(jī)器學(xué)習(xí)算法具有自我演進(jìn)能力，它們往往獲得的數(shù)據(jù)越多，準(zhǔn)確性就會(huì)越高。機(jī)器學(xué)習(xí)包含多種不同算法的學(xué)習(xí)模型，根據(jù)數(shù)據(jù)的性質(zhì)和期望的結(jié)果，可以將學(xué)習(xí)模型分成四種，分別是監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。而根據(jù)使用的數(shù)據(jù)集和預(yù)期結(jié)果，每一種模型可以應(yīng)用一種或多種算法。機(jī)器學(xué)習(xí)算法主要用于對(duì)事物進(jìn)行發(fā)現(xiàn)、分類、預(yù)測(cè)結(jié)果，以及制定最優(yōu)決策。

機(jī)器學(xué)習(xí)技術(shù)應(yīng)用原理圖

三、機(jī)器學(xué)習(xí)技術(shù)在智能財(cái)務(wù)中的應(yīng)用

1.優(yōu)化會(huì)計(jì)引擎

會(huì)計(jì)引擎是一種數(shù)據(jù)處理器，主要用于采集、處理、輸出會(huì)計(jì)相關(guān)信息，它可以連接業(yè)務(wù)數(shù)據(jù)庫和會(huì)計(jì)系統(tǒng)，然后將業(yè)務(wù)信息轉(zhuǎn)化成業(yè)財(cái)融合的綜合信息。會(huì)計(jì)引擎具有強(qiáng)大的數(shù)據(jù)處理能力，它通過計(jì)算機(jī)語言來對(duì)整個(gè)系統(tǒng)設(shè)置參數(shù)，不僅可以過濾會(huì)計(jì)資料、轉(zhuǎn)換格式、檢查錯(cuò)誤、修正鏈接、還能增加或刪除字段、自動(dòng)生成目錄等。在財(cái)務(wù)中應(yīng)用是通過事先輸入的會(huì)計(jì)核算準(zhǔn)則，將業(yè)務(wù)平臺(tái)輸入的信息高效、準(zhǔn)確、自動(dòng)地轉(zhuǎn)換成記賬憑證，使得總賬和具體的交易信息連接在一起，實(shí)現(xiàn)業(yè)務(wù)和財(cái)務(wù)的高度融合。目前在我國會(huì)計(jì)引擎仍處于起步階段，很多企業(yè)并沒有引入會(huì)計(jì)引擎，或者即使引入會(huì)計(jì)引擎，應(yīng)用的范圍很有限。21世紀(jì)初，部分中國企業(yè)上線了成熟的大型ERP軟件，滿足了企業(yè)主業(yè)務(wù)流程中各個(gè)部門的日常管理需要，通過不同的功能模塊，將各業(yè)務(wù)部門的基礎(chǔ)數(shù)據(jù)與財(cái)務(wù)模塊進(jìn)行了高度的集成。但隨著企業(yè)規(guī)模的發(fā)展，企業(yè)業(yè)態(tài)越來越多、業(yè)務(wù)流程越來越復(fù)雜，大型ERP軟件很難滿足企業(yè)所有業(yè)態(tài)、所有業(yè)務(wù)流程與業(yè)務(wù)場(chǎng)景的管理需要。這是因?yàn)閭鹘y(tǒng)的會(huì)計(jì)引擎分散在各種財(cái)務(wù)和業(yè)務(wù)系統(tǒng)中，企業(yè)內(nèi)部各種不同的財(cái)務(wù)業(yè)務(wù)系統(tǒng)中都或多或少地蘊(yùn)含著一些形態(tài)各異，功能差別較大，成熟度不一的會(huì)計(jì)引擎模塊。而且會(huì)計(jì)引擎在各個(gè)行業(yè)中應(yīng)用的深度也不一樣，存在著一定的特色和特定的場(chǎng)景限制。

基于以上問題，許多企業(yè)通過對(duì)現(xiàn)有系統(tǒng)進(jìn)行業(yè)務(wù)改造，建立統(tǒng)一的會(huì)計(jì)引擎，達(dá)到數(shù)據(jù)共享的目標(biāo)。統(tǒng)一會(huì)計(jì)引擎，是將分散在各種財(cái)務(wù)和業(yè)務(wù)系統(tǒng)中的引擎模塊分離出來，形成一個(gè)具有擴(kuò)展性的統(tǒng)一引擎。統(tǒng)一會(huì)計(jì)引擎的優(yōu)點(diǎn)在于不僅能夠快速高效的適應(yīng)新建立的財(cái)務(wù)系統(tǒng)和業(yè)務(wù)系統(tǒng)，還能更加穩(wěn)固的支持舊系統(tǒng)的運(yùn)轉(zhuǎn)和對(duì)接。隨著智能化技術(shù)的進(jìn)步，機(jī)器學(xué)習(xí)技術(shù)的引進(jìn)，會(huì)計(jì)引擎也逐步走向智能化統(tǒng)一會(huì)計(jì)引擎。智能化統(tǒng)一會(huì)計(jì)引擎，是在統(tǒng)一會(huì)計(jì)引擎的基礎(chǔ)上，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)對(duì)標(biāo)簽化的業(yè)務(wù)信息輸入和學(xué)習(xí)訓(xùn)練后，能夠更為高效地提煉轉(zhuǎn)換規(guī)則，并提升會(huì)計(jì)引擎在面對(duì)新問題時(shí)的處理能力，加快會(huì)計(jì)引擎的應(yīng)用。

2.提高財(cái)務(wù)預(yù)警準(zhǔn)確度

企業(yè)的財(cái)務(wù)狀況和經(jīng)營(yíng)狀況是相互影響、相互作用的。通過財(cái)務(wù)狀況可以觀察和評(píng)價(jià)企業(yè)經(jīng)營(yíng)狀況的好壞，經(jīng)營(yíng)不善會(huì)導(dǎo)致財(cái)務(wù)危機(jī)，而財(cái)務(wù)困境又會(huì)進(jìn)一步惡化經(jīng)營(yíng)困境，企業(yè)一旦遭遇財(cái)務(wù)危機(jī)，就會(huì)面臨破產(chǎn)的風(fēng)險(xiǎn)，并對(duì)債權(quán)人、股東等利益相關(guān)者產(chǎn)生影響。因此企業(yè)需要對(duì)自己企業(yè)的財(cái)務(wù)狀況實(shí)時(shí)進(jìn)行評(píng)估和預(yù)警。20世紀(jì)30年代國外一些學(xué)者就開始研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警相關(guān)問題，且已經(jīng)輸出大量理論研究成果。最早被用于財(cái)務(wù)危機(jī)預(yù)警研究的模型是單變量分析模型，而后又有多元線性判定模型、Logistic預(yù)警模型等。然而這些經(jīng)典統(tǒng)計(jì)模型，存在嚴(yán)格的假設(shè)，對(duì)樣本數(shù)據(jù)的分布要求較高，而且由于企業(yè)的經(jīng)營(yíng)業(yè)務(wù)、方式各異，財(cái)務(wù)指標(biāo)復(fù)雜性高，進(jìn)一步的預(yù)警就難上加難。在人工智逐漸興起的大背景下，統(tǒng)計(jì)學(xué)、人工智能以及數(shù)據(jù)挖掘等新技術(shù)的出現(xiàn)，使得許多學(xué)者基于機(jī)器學(xué)習(xí)的相關(guān)技術(shù)進(jìn)一步提出了人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)，粗糙集、COX回歸等財(cái)務(wù)預(yù)警模型，且經(jīng)證實(shí)具有較高的預(yù)測(cè)準(zhǔn)確度，有效地解決了傳統(tǒng)模型中存在的問題。

3.識(shí)別上市公司年報(bào)錯(cuò)誤

我國監(jiān)管部門為了保障和提高上市公司會(huì)計(jì)信息披露的質(zhì)量和可信度，要求所有上市公司的年報(bào)均需要進(jìn)行外部審計(jì)后方可報(bào)出。然而外部審計(jì)存在的固有缺陷加上上市公司盈余管理的手段越來越隱蔽，審計(jì)人員很難獲取全面且真實(shí)的信息，因此經(jīng)外部審計(jì)審核過的年報(bào)，即使被出具無保留意見仍有很大可能存在錯(cuò)報(bào)。這也說明單純依賴傳統(tǒng)的手段和方法難以有效識(shí)別年報(bào)錯(cuò)誤風(fēng)險(xiǎn)。許多研究表明，上市公司年報(bào)錯(cuò)誤與財(cái)務(wù)重述具有一定的因果關(guān)系，因此如果能夠通過一定的手段和方法預(yù)測(cè)后期發(fā)生財(cái)務(wù)重述的可能性，則說明當(dāng)期的年報(bào)很可能存在錯(cuò)報(bào)，進(jìn)而對(duì)財(cái)報(bào)進(jìn)行檢查，減少錯(cuò)報(bào)的發(fā)生，提高年報(bào)的準(zhǔn)確性。

機(jī)器學(xué)習(xí)技術(shù)基于其運(yùn)作原理，能夠通過大量歷史數(shù)據(jù)的輸入總結(jié)規(guī)律，得出相應(yīng)的模型，然后利用該模型對(duì)未知的數(shù)據(jù)進(jìn)行預(yù)測(cè)，而且數(shù)據(jù)訓(xùn)練得越多，預(yù)測(cè)的結(jié)果越準(zhǔn)確。該技術(shù)在識(shí)別年報(bào)錯(cuò)誤中主要使用的方法是分類法。具體應(yīng)用的流程：首先人工輸入帶有分類標(biāo)注的訓(xùn)練樣本，然后機(jī)器學(xué)習(xí)從這些樣本中總結(jié)出一個(gè)分類模型，最后輸入數(shù)據(jù)，根據(jù)分類模型將這些數(shù)據(jù)指定到某一個(gè)類別中。分類法中具體使用較多的是極限梯度提升樹、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、K近鄰、支持向量機(jī)、樸素貝葉斯等。不少研究表明，通過與Logistic回歸相比較，極限梯度提升樹等分類方法在預(yù)測(cè)上市公司年報(bào)調(diào)減盈余的財(cái)務(wù)重述方面有良好效果。主要體現(xiàn)在準(zhǔn)確率和精確率這兩個(gè)方面：在準(zhǔn)確率上，眾多方法中極限梯度提升樹、多層感知機(jī)神經(jīng)網(wǎng)絡(luò)與K近鄰的準(zhǔn)確率最高，均優(yōu)于Logistic回歸。樸素貝葉斯與Logistic回歸持平。在精確率上，樸素貝葉斯幾乎可以達(dá)到100%，除此之外的大部分機(jī)器學(xué)習(xí)方法的精確率也能夠達(dá)到80%，且所有的機(jī)器學(xué)習(xí)方法在精確率上均高于傳統(tǒng)的Logistic回歸?？梢姸鄶?shù)機(jī)器學(xué)習(xí)分類方法在區(qū)分調(diào)節(jié)盈余的年報(bào)錯(cuò)報(bào)與未調(diào)節(jié)盈余的年報(bào)錯(cuò)誤方面表現(xiàn)較好，誤判率較低，從而證明機(jī)器學(xué)習(xí)應(yīng)用于識(shí)別上市公司年報(bào)錯(cuò)報(bào)的可行性。

4.預(yù)測(cè)企業(yè)內(nèi)部控制重大缺陷

企業(yè)進(jìn)行內(nèi)部控制的主要目的在于防范和控制風(fēng)險(xiǎn)以保證企業(yè)的經(jīng)營(yíng)活動(dòng)正常、有序、合法地進(jìn)行，促進(jìn)企業(yè)平穩(wěn)發(fā)展。由于企業(yè)內(nèi)部控制規(guī)章制度的制定和運(yùn)行具有一定的主觀性，無法考慮到所有可能的情況和風(fēng)險(xiǎn)，因此內(nèi)部控制會(huì)存在設(shè)計(jì)缺陷（即使正常運(yùn)行也難以實(shí)現(xiàn)預(yù)期的控制目標(biāo)）和運(yùn)行缺陷（設(shè)計(jì)合理但是沒有被正確的執(zhí)行）。隨著外部經(jīng)營(yíng)環(huán)境變遷及內(nèi)部組織結(jié)構(gòu)再造，影響內(nèi)部控制缺陷存在的因素從會(huì)計(jì)與審計(jì)領(lǐng)域，涵蓋到組織結(jié)構(gòu)、法律環(huán)境、政府管制等宏觀方向深入擴(kuò)展，非財(cái)務(wù)因素的作用日益顯著。因此構(gòu)建預(yù)測(cè)模型應(yīng)綜合考慮財(cái)務(wù)因素和非財(cái)務(wù)因素。在預(yù)測(cè)方法上，已有研究采用邏輯回歸和判別分析達(dá)到的預(yù)測(cè)準(zhǔn)確率約為70%-80%，預(yù)測(cè)性能仍有較大進(jìn)步空間。隨著人工智能技術(shù)迅速進(jìn)入大眾視野，重大缺陷預(yù)測(cè)方法從統(tǒng)計(jì)計(jì)量過渡到機(jī)器學(xué)習(xí)。這兩類方法在模型可解釋性和預(yù)測(cè)能力上有不同權(quán)衡：計(jì)量模型注重解釋現(xiàn)象并尋找現(xiàn)象背后的規(guī)律，要求闡明模型擬合好壞的原因和變量之間的互動(dòng)關(guān)系，追求較為簡(jiǎn)單的函數(shù)形式和易于解釋的模型估計(jì)結(jié)果;而機(jī)器學(xué)習(xí)通過支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、集成算法等預(yù)測(cè)模型能從數(shù)據(jù)中學(xué)習(xí)更多經(jīng)驗(yàn)知識(shí)，在大量非線性、高維度、高噪聲的數(shù)據(jù)中發(fā)掘有用信息，能較為靈活地選擇函數(shù)形式來擬合數(shù)據(jù)，并不拘泥于可解釋性，因此預(yù)測(cè)能力較強(qiáng)。

四、機(jī)器學(xué)習(xí)技術(shù)在智能財(cái)務(wù)中應(yīng)用存在的問題

根據(jù)新思界產(chǎn)業(yè)研究中心發(fā)布的《2021-2025年中國機(jī)器學(xué)習(xí)行業(yè)市場(chǎng)調(diào)查研究報(bào)告》顯示，2020年，全球機(jī)器學(xué)習(xí)市場(chǎng)價(jià)值達(dá)到158億美元。預(yù)計(jì)2020年-2025年，全球機(jī)器學(xué)習(xí)市場(chǎng)價(jià)值將以42%以上的增速增長(zhǎng)，行業(yè)發(fā)展勢(shì)頭極為強(qiáng)勁。機(jī)器學(xué)習(xí)是使計(jì)算機(jī)具有智能的重要方式，是人工智能技術(shù)的核心，行業(yè)進(jìn)入技術(shù)壁壘較高，產(chǎn)業(yè)鏈涉及范圍廣泛?，F(xiàn)階段，人工智能技術(shù)應(yīng)用落地速度正在不斷加快，應(yīng)用場(chǎng)景正在不斷增多，市場(chǎng)規(guī)模不斷擴(kuò)大，使得機(jī)器學(xué)習(xí)價(jià)值日益凸顯。在政策的推動(dòng)下，我國人工智能市場(chǎng)增速高于全球平均水平，未來機(jī)器學(xué)習(xí)行業(yè)發(fā)展勢(shì)頭更為強(qiáng)勁。然而當(dāng)前階段，機(jī)器學(xué)習(xí)技術(shù)在智能財(cái)務(wù)中的應(yīng)用依然存在著應(yīng)用范圍不夠廣泛，配套機(jī)制不健全等問題。

1.應(yīng)用范圍不夠廣泛

當(dāng)前，我國企業(yè)對(duì)人工智能相關(guān)技術(shù)的應(yīng)用部署尚處于起步階段，常年在信息化、智能化方面投入的企業(yè)較少，且對(duì)部分人工智能技術(shù)的采用仍在觀望期。智能財(cái)務(wù)的發(fā)展目前在學(xué)術(shù)研究領(lǐng)域和教育領(lǐng)域的發(fā)展速度較快，而在實(shí)際領(lǐng)域的發(fā)展仍屬于起步階段，發(fā)展比較緩慢。據(jù)《2019年全球金融科技調(diào)查報(bào)告》的相關(guān)數(shù)據(jù)顯示，在人工智能應(yīng)用方面，近700名金融行業(yè)的專業(yè)人士有89%的人表示尚未在實(shí)際工作中使用相關(guān)技術(shù)。同時(shí)調(diào)查還顯示只有11%的財(cái)務(wù)人員所在的財(cái)務(wù)部門大規(guī)模應(yīng)用了機(jī)器學(xué)習(xí)技術(shù)，大部分專家表示到目前為止所在部門完全沒有部署人工智能。

2.缺乏完善的轉(zhuǎn)型配套機(jī)制

機(jī)器學(xué)習(xí)技術(shù)在智能財(cái)務(wù)中的運(yùn)用缺乏完善的配套機(jī)制主要體現(xiàn)在規(guī)章制度的配置和專業(yè)人員的配置兩個(gè)方面。從國家層面來說，財(cái)政部等相關(guān)政府部門的引導(dǎo)性政策;從企業(yè)層面來說，缺乏應(yīng)用機(jī)器學(xué)習(xí)技術(shù)完成智能財(cái)務(wù)轉(zhuǎn)型的意識(shí)，尤其是缺乏與智能財(cái)務(wù)相匹配的流程機(jī)制和智能財(cái)務(wù)崗位職責(zé)，導(dǎo)致智能財(cái)務(wù)轉(zhuǎn)型過程存在較大阻礙。財(cái)務(wù)的轉(zhuǎn)型也帶動(dòng)了財(cái)務(wù)人員的轉(zhuǎn)型和改變，然而目前管理型和技術(shù)型的專業(yè)人員仍然較少，大部分會(huì)計(jì)人員仍然停留在會(huì)計(jì)核算的層面，尤其在大的環(huán)境和背景不完善的情況下，個(gè)人缺乏實(shí)踐和鍛煉的機(jī)會(huì)，最終導(dǎo)致企業(yè)財(cái)務(wù)人員也面臨轉(zhuǎn)型難的尷尬局面。

參考文獻(xiàn)：

[1]張慶龍.智能財(cái)務(wù)研究述評(píng)[J].財(cái)會(huì)月刊，2021（3）：9-16.

[2]張敏.智能財(cái)務(wù)十大熱點(diǎn)問題論[J].財(cái)會(huì)月刊，2021（2）：25-30.

[3]何瑛，李塽爽，于文蕾.基于機(jī)器學(xué)習(xí)的智能會(huì)計(jì)引擎研究[J].會(huì)計(jì)之友，2020（5）：52-58.

[4]曾慶超，許諾.機(jī)器學(xué)習(xí)對(duì)上市公司年報(bào)錯(cuò)報(bào)的識(shí)別研究——財(cái)務(wù)重述預(yù)測(cè)的視角[J].中國注冊(cè)會(huì)計(jì)師，2022（2）：43-48.

[5]劉瑾，趙納暉.基于機(jī)器學(xué)習(xí)的企業(yè)內(nèi)部控制重大缺陷預(yù)測(cè)[J].財(cái)會(huì)月刊，2022（3）：123-131.