【摘 要】 隨著生成式人工智能技術(shù)的普及和廣泛應(yīng)用，各行各業(yè)都面臨著巨大的機(jī)遇和挑戰(zhàn)。財(cái)務(wù)管理是受到生成式人工智能影響較大的行業(yè)之一，生成式人工智能的應(yīng)用正在顛覆和創(chuàng)新企業(yè)財(cái)務(wù)管理的原理、組織、方式和技術(shù)。通過將生成式人工智能分為應(yīng)用層級(jí)、平臺(tái)層級(jí)、模型層級(jí)和基礎(chǔ)設(shè)施層級(jí)四個(gè)相互關(guān)聯(lián)的層級(jí)，從而創(chuàng)造出全新的內(nèi)容。企業(yè)財(cái)務(wù)人員迎來了應(yīng)用生成式人工智能技術(shù)的新機(jī)遇，可以將生成式人工智能技術(shù)應(yīng)用到整個(gè)財(cái)務(wù)管理工作中。建構(gòu)智能財(cái)務(wù)體系的實(shí)現(xiàn)路徑主要有建構(gòu)挖掘數(shù)據(jù)的智能財(cái)務(wù)共享系統(tǒng)、利用數(shù)據(jù)的智能司庫管理系統(tǒng)、數(shù)據(jù)驅(qū)動(dòng)的智能財(cái)務(wù)決策系統(tǒng)、數(shù)據(jù)精準(zhǔn)的智能財(cái)務(wù)風(fēng)控系統(tǒng)和垂直型財(cái)務(wù)管理大模型系統(tǒng)。

【關(guān)鍵詞】 生成式人工智能； 智能財(cái)務(wù)； 財(cái)務(wù)管理； 司庫管理

【中圖分類號(hào)】 TP18；F234.4 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2024）24-0026-05

目前，生成式人工智能（Generative artificial intelligence）正改變和影響著人類社會(huì)的生產(chǎn)方式和生活方式，在企業(yè)應(yīng)用中的需求日益增強(qiáng)。生成式人工智能是運(yùn)用繁多的算法、多模型和復(fù)雜的規(guī)則，通過學(xué)習(xí)大規(guī)模數(shù)據(jù)集，以創(chuàng)造真實(shí)的、全新的、有用的符合原創(chuàng)內(nèi)容的人工智能技術(shù)，是新一代人工智能。生成式人工智能全面超越了傳統(tǒng)人工智能的模擬能力、數(shù)據(jù)處理能力和分析能力，可以生成文本、圖片、聲音、視頻和代碼等內(nèi)容?？梢灶A(yù)見，生成式人工智能在財(cái)務(wù)管理行業(yè)中的應(yīng)用不是一道選擇題，而是一道必答題，將會(huì)席卷財(cái)務(wù)管理各個(gè)層級(jí)、各個(gè)角落。因此，財(cái)務(wù)人員應(yīng)有一個(gè)清晰的認(rèn)識(shí)，研究和實(shí)踐生成式人工智能在財(cái)務(wù)管理領(lǐng)域中的應(yīng)用，建構(gòu)智能財(cái)務(wù)體系是財(cái)務(wù)管理未來發(fā)展的必然趨勢[1]。

一、生成式人工智能及其運(yùn)用原理

生成式人工智能是一種能夠模擬人類的創(chuàng)造性思維，基于深度學(xué)習(xí)技術(shù)，通過學(xué)習(xí)大規(guī)模數(shù)據(jù)集生成全新的、與原始數(shù)據(jù)相似但又不完全相同的語言文本、圖像、音頻等內(nèi)容。這種新型人工智能技術(shù)通過現(xiàn)有的海量數(shù)據(jù)的深度學(xué)習(xí)，了解和掌握數(shù)據(jù)中的分布模式和內(nèi)在規(guī)律，并生成真實(shí)的、全新的、有用的數(shù)據(jù)，正在改變和提升傳統(tǒng)人工智能的數(shù)據(jù)處理能力。生成式人工智能在文本創(chuàng)作、圖像生成、語音合成等多個(gè)領(lǐng)域取得了顯著的進(jìn)展，正是這種能力提升的體現(xiàn)。事實(shí)上，生成式人工已經(jīng)實(shí)現(xiàn)了一個(gè)歷史性的跨越，從純粹的理論研究轉(zhuǎn)變?yōu)榫哂袕V泛的實(shí)踐價(jià)值的最新技術(shù)。生成式人工智能應(yīng)用范圍很廣泛，已經(jīng)從商業(yè)行銷、社會(huì)管理等發(fā)展到金融、財(cái)務(wù)管理等行業(yè)的廣泛應(yīng)用，并引發(fā)革命性變化。為了更全面系統(tǒng)了解生成式人工智能的應(yīng)用，可以通過分析該技術(shù)的價(jià)值鏈，將其分為四個(gè)相互關(guān)聯(lián)的應(yīng)用層級(jí)、平臺(tái)層級(jí)、模型層級(jí)和基礎(chǔ)設(shè)施層級(jí)，這些層級(jí)共同作用從而創(chuàng)造出全新的內(nèi)容。生成式人工智能的應(yīng)用系統(tǒng)中每一個(gè)層級(jí)在整個(gè)過程中都發(fā)揮著獨(dú)特的作用，從而增強(qiáng)了生成人工智能的強(qiáng)大數(shù)據(jù)處理、模擬和創(chuàng)新能力。

（一）生成式人工智能的應(yīng)用層級(jí)

生成式人工智能的應(yīng)用層級(jí)是通過算法，允許動(dòng)態(tài)創(chuàng)建內(nèi)容來簡化人類與人工智能的交互。這些算法提供自動(dòng)化或者定制的B2B（企業(yè)對企業(yè)）和B2C（企業(yè)對消費(fèi)者）應(yīng)用程序和服務(wù)，而用戶應(yīng)用程序和服務(wù)不需要訪問底層基礎(chǔ)模型。這些應(yīng)用程序的開發(fā)，可以由基礎(chǔ)模型的所有者（如OpenAI和ChatGPT）和包含生成式AI模型的第三方軟件公司（如MiniMax）來承擔(dān)。生成式人工智能的應(yīng)用層級(jí)涵蓋了廣泛的應(yīng)用程序，從創(chuàng)建逼真的游戲環(huán)境到為電子商務(wù)網(wǎng)站生成逼真的產(chǎn)品圖像，再到自然語言處理領(lǐng)域的文本生成。

生成人工智能的應(yīng)用層級(jí)由通用應(yīng)用程序、特定領(lǐng)域應(yīng)用程序和集成應(yīng)用程序所組成。通用應(yīng)用程序是指應(yīng)用各種軟件，以各種形式生成全新內(nèi)容，包括文本、圖像、視頻、音頻、軟件代碼和設(shè)計(jì)。特定領(lǐng)域的應(yīng)用程序是指為滿足特定行業(yè)（如金融、財(cái)務(wù)管理、教育、審計(jì)）的特定需要而量身定制的軟件解決方案。集成應(yīng)用程序是指由現(xiàn)有應(yīng)用軟件以集成方式融合而成，這些集成應(yīng)用程序融入了生成式人工智能以增強(qiáng)其應(yīng)用程序的功能。

（二）生成式人工智能的平臺(tái)層級(jí)

生成式人工智能的平臺(tái)層級(jí)是通過托管服務(wù)提供對大型語言模型的訪問。這個(gè)平臺(tái)層級(jí)簡化了通用預(yù)訓(xùn)練基礎(chǔ)模型的微調(diào)和定制過程。盡管目前領(lǐng)先的GPT-4，可以使用其經(jīng)過訓(xùn)練的鎖定數(shù)據(jù)集立即回答大多數(shù)問題，但通過微調(diào)，可以顯著提升這些大型語言模型在特定內(nèi)容領(lǐng)域的服務(wù)能力。微調(diào)涉及解鎖現(xiàn)有大型語言模型的神經(jīng)網(wǎng)絡(luò)，使用新數(shù)據(jù)進(jìn)行額外的訓(xùn)練。通過微調(diào)可以使用戶將其專有或特定的數(shù)據(jù)無縫集成到這些模型中去，以用于定制應(yīng)用。

建設(shè)生成式人工智能的平臺(tái)層級(jí)的目的是簡化大型語言模型的使用，降低用戶使用的相關(guān)成本。這個(gè)平臺(tái)層級(jí)解決了用戶需要獨(dú)立從零開始開發(fā)這些大型語言模型的難題，從而為用戶節(jié)約了巨額資金投入和數(shù)年開發(fā)的時(shí)間。與此同時(shí)，用戶可以通過支付月度訂閱費(fèi)用或租用基礎(chǔ)設(shè)施即服務(wù)（IaaS）實(shí)現(xiàn)大型語言模型的使用。而且，用戶還可以訪問諸如隱私性、安全性和各種平臺(tái)工具等有價(jià)值的功能，所有這一切都可以一種簡化的方式使用大型語言模型。

（三）生成式人工智能的模型層級(jí)

生成式人工智能的模型層級(jí)匯集了概率模型和變換模型的主要內(nèi)容。概率模型是一種可以根據(jù)數(shù)據(jù)的概率分布生成新數(shù)據(jù)的模型，它可以捕捉數(shù)據(jù)的多樣性和不確定性。變換模型是一種可以根據(jù)數(shù)據(jù)的變換規(guī)則生成新數(shù)據(jù)的模型，它可以捕捉數(shù)據(jù)的結(jié)構(gòu)和語義。

概率模型的代表有變分自編碼器（VAEs）和生成對抗網(wǎng)絡(luò)（GANs）等。生成對抗網(wǎng)絡(luò)由一個(gè)負(fù)責(zé)生成新數(shù)據(jù)的生成器和另一個(gè)負(fù)責(zé)判斷數(shù)據(jù)真實(shí)性的判別器兩個(gè)相互競爭的神經(jīng)網(wǎng)絡(luò)組成。變分自編碼器是一種可以將數(shù)據(jù)編碼為一個(gè)潛在的隨機(jī)變量的模型，然后根據(jù)這個(gè)隨機(jī)變量解碼出新的數(shù)據(jù)。典型的變換模型主要有自回歸模型（ARs）和變換器（Transformers）。自回歸模型是一種可以根據(jù)數(shù)據(jù)的前后關(guān)系生成新數(shù)據(jù)的模型，它可以捕捉數(shù)據(jù)的順序和依賴。變換器是一種可以根據(jù)數(shù)據(jù)的全局關(guān)系生成新數(shù)據(jù)的模型，它可以捕捉數(shù)據(jù)的上下文和語義。

（四）生成式人工智能的基礎(chǔ)設(shè)施層級(jí)

生成式人工智能的基礎(chǔ)設(shè)施層級(jí)是包含大規(guī)模基礎(chǔ)模型及其半導(dǎo)體、網(wǎng)絡(luò)、存儲(chǔ)、數(shù)據(jù)庫和云服務(wù)的關(guān)鍵資源，所有這些資源在生成式人工智能模型的初始訓(xùn)練和持續(xù)的微調(diào)、定制和推理中都發(fā)揮著至關(guān)重要的作用。

生成式人工智能的基礎(chǔ)設(shè)施層級(jí)主要通過訓(xùn)練階段和推斷階段發(fā)揮作用。訓(xùn)練階段：這是實(shí)施學(xué)習(xí)的階段，通常在云數(shù)據(jù)中心的加速計(jì)算集群中進(jìn)行。在這個(gè)階段，大型語言模型從給定的數(shù)據(jù)集中學(xué)習(xí)，并結(jié)合參數(shù)和令牌進(jìn)行訓(xùn)練。參數(shù)是模型調(diào)整以表示訓(xùn)練數(shù)據(jù)中潛在模式的內(nèi)部變量，令牌是模型處理的文本的個(gè)體部分，如單詞或子詞。推斷階段：這是實(shí)際使用經(jīng)過訓(xùn)練的生成式人工智能模型生成響應(yīng)用戶的文本、圖像、視頻、音頻、軟件代碼的過程。經(jīng)過訓(xùn)練的生成式人工智能模型需要超強(qiáng)的計(jì)算能力，并且應(yīng)部署在靠近最終用戶的地方（邊緣計(jì)算），以保障實(shí)時(shí)交互、最小化響應(yīng)時(shí)延。

二、應(yīng)用生成式人工智能建構(gòu)智能財(cái)務(wù)體系

生成式人工智能與傳統(tǒng)的人工智能相比，是一個(gè)實(shí)現(xiàn)了人與機(jī)的“請求—回應(yīng)”互動(dòng)方式，并且是一個(gè)自我完善、自我更新、自我演進(jìn)的復(fù)雜系統(tǒng)?？梢哉f，隨著生成式人工智能在財(cái)務(wù)管理領(lǐng)域的深入應(yīng)用，其將成為一種全新的財(cái)務(wù)管理技術(shù)和手段，有助于建構(gòu)智能財(cái)務(wù)管理體系，并使人機(jī)共生成為財(cái)務(wù)管理工作的新常態(tài)。因此，生成式人工智能正在直接、間接地影響和改變著財(cái)務(wù)管理領(lǐng)域的各個(gè)方面和環(huán)節(jié)。所謂智能財(cái)務(wù)體系，是指覆蓋財(cái)務(wù)管理工作全流程的生成式人工智能應(yīng)用[2]。企業(yè)財(cái)務(wù)人員應(yīng)深入了解和熟練掌握生成式人工智能及其在財(cái)務(wù)管理領(lǐng)域中的應(yīng)用，規(guī)則嚴(yán)密、邏輯性強(qiáng)、流程復(fù)雜的財(cái)務(wù)管理基礎(chǔ)性工作將由生成式人工智能去完成，而財(cái)務(wù)人員可以更好地集中精力從事支撐財(cái)務(wù)戰(zhàn)略、支持經(jīng)營決策、防控財(cái)務(wù)風(fēng)險(xiǎn)等工作，用高效、高質(zhì)量的財(cái)務(wù)管理促進(jìn)企業(yè)高質(zhì)量發(fā)展。

（一）建構(gòu)挖掘數(shù)據(jù)的智能財(cái)務(wù)共享系統(tǒng)

企業(yè)的財(cái)務(wù)共享系統(tǒng)是依托現(xiàn)代數(shù)字技術(shù)，以財(cái)務(wù)與業(yè)務(wù)深度融合為基礎(chǔ)，以創(chuàng)造價(jià)值、強(qiáng)化管控能力、降低運(yùn)營成本或提升流程效率為目的，提供財(cái)務(wù)管理專業(yè)服務(wù)的管理模式。企業(yè)財(cái)務(wù)管理工作的數(shù)字化，就是建構(gòu)智能財(cái)務(wù)共享系統(tǒng)，推動(dòng)集中管理財(cái)務(wù)工作，促進(jìn)降本增效，及時(shí)提供預(yù)測和戰(zhàn)略決策數(shù)據(jù)[3]。

隨著生成式人工智能技術(shù)在財(cái)務(wù)共享系統(tǒng)中的廣泛應(yīng)用和不斷發(fā)展，財(cái)務(wù)管理部門歸集了包括財(cái)務(wù)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)及外部數(shù)據(jù)在內(nèi)的大數(shù)據(jù)資源，為業(yè)務(wù)與財(cái)務(wù)管理轉(zhuǎn)型提供了大量有價(jià)值的數(shù)據(jù)，基于數(shù)據(jù)的智能財(cái)務(wù)共享系統(tǒng)，將會(huì)逐漸改變財(cái)務(wù)人員對于數(shù)據(jù)的認(rèn)識(shí)、理解和應(yīng)用。

1.掌握財(cái)務(wù)共享系統(tǒng)中的數(shù)據(jù)規(guī)律。對于財(cái)務(wù)共享系統(tǒng)中大量無規(guī)律的數(shù)據(jù)，生成式人工智能可以通過深度學(xué)習(xí)，發(fā)現(xiàn)業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)中的內(nèi)在結(jié)構(gòu)和相互影響，掌握業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)的規(guī)律。掌握數(shù)據(jù)的規(guī)律可以使財(cái)務(wù)人員更好地深入理解業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)的發(fā)展現(xiàn)狀、趨勢和風(fēng)險(xiǎn)，提高利用業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)的效率和質(zhì)量，更好地將大量數(shù)據(jù)應(yīng)用到企業(yè)生產(chǎn)經(jīng)營過程中去，發(fā)揮降低成本、增加效益、減少損失等作用。

2.生成財(cái)務(wù)共享系統(tǒng)中的模擬數(shù)據(jù)。通過深度學(xué)習(xí)財(cái)務(wù)共享系統(tǒng)中海量的業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)，生成式人工智能可以根據(jù)業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)的結(jié)構(gòu)和規(guī)律，生成大量真實(shí)的、全新的、有用的符合原創(chuàng)內(nèi)容的模擬數(shù)據(jù)，財(cái)務(wù)人員充分利用模擬數(shù)據(jù)，解決財(cái)務(wù)數(shù)據(jù)不完整等問題。有時(shí)，財(cái)務(wù)人員提供給管理層預(yù)測和決策所需數(shù)據(jù)時(shí)，需要獲取大量高質(zhì)量的數(shù)據(jù)，但成本很高且非常困難，而生成式人工智能可以根據(jù)已有的業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)，生成與真實(shí)數(shù)據(jù)相似的業(yè)務(wù)與財(cái)務(wù)模擬數(shù)據(jù)，提高管理層預(yù)測和決策所需數(shù)據(jù)的完整性、及時(shí)性和科學(xué)性。

3.揭示財(cái)務(wù)共享系統(tǒng)中的數(shù)據(jù)特征。通過對現(xiàn)有財(cái)務(wù)共享系統(tǒng)中雜亂、海量的財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)的深度學(xué)習(xí)，生成式人工智能可以自動(dòng)揭示出財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)中的一般規(guī)律和隱含特征。財(cái)務(wù)人員可以利用財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)中的一般規(guī)律和隱含特征，更好地理解財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)的本質(zhì)特征，進(jìn)而為管理層提供更準(zhǔn)確、更全面、更系統(tǒng)的財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)分析和預(yù)測數(shù)據(jù)。

（二）建構(gòu)利用數(shù)據(jù)的智能司庫管理系統(tǒng)

“司庫”原指掌管國家財(cái)富的金庫和國庫，現(xiàn)指企業(yè)管理的資金資源庫，包括企業(yè)的全部資金管理、金融服務(wù)、運(yùn)營管理和風(fēng)險(xiǎn)監(jiān)控業(yè)務(wù)。與傳統(tǒng)財(cái)務(wù)管理系統(tǒng)相比，智能司庫管理系統(tǒng)通過利用巨量財(cái)務(wù)與業(yè)務(wù)數(shù)據(jù)，及時(shí)識(shí)別企業(yè)資金管理中的問題并采取措施化解風(fēng)險(xiǎn)，發(fā)揮其降低資金成本、防范資金風(fēng)險(xiǎn)、提高資金管理績效的作用。生成式人工智能以數(shù)據(jù)為驅(qū)動(dòng)力，而智能司庫管理系統(tǒng)依賴于利用海量數(shù)據(jù)[4]。因此，利用生成式人工智能賦能智能司庫管理系統(tǒng)建構(gòu)是最佳的選擇。

企業(yè)智能司庫管理系統(tǒng)建構(gòu)應(yīng)強(qiáng)化生成式人工智能應(yīng)用的頂層設(shè)計(jì)，利用數(shù)據(jù)實(shí)施在線運(yùn)行和實(shí)時(shí)監(jiān)控，通過生成式人工智能技術(shù)手段將銀行賬戶管理、集中資金管理、統(tǒng)籌融資、對外投資、資金計(jì)劃、資金結(jié)算、風(fēng)險(xiǎn)管控納入智能司庫管理體系，真正實(shí)現(xiàn)資金資源“看得見，管得到，調(diào)得動(dòng)，用得好，防得住”。以前，司庫管理的最大難題是大量缺乏相關(guān)數(shù)據(jù)，不能做到在線運(yùn)行和實(shí)時(shí)監(jiān)控，難以及時(shí)、準(zhǔn)確做出決策。生成式人工智能能生成真實(shí)的、全新的、有用的符合原創(chuàng)內(nèi)容的數(shù)據(jù)，可以解決司庫管理過程中大量數(shù)據(jù)缺失的難題。

1.生成式人工智能可以生成全新數(shù)據(jù)。司庫管理中存在大量的半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，如視頻、音頻、環(huán)境等數(shù)據(jù)，難以實(shí)行綜合利用。而生成式人工智能具有強(qiáng)大的數(shù)據(jù)處理能力和靈活性，能夠?qū)虢Y(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)處理成為結(jié)構(gòu)化數(shù)據(jù)，對現(xiàn)有數(shù)據(jù)進(jìn)行進(jìn)一步分類或者推導(dǎo)，并生成包括視頻、音頻、圖像、文本等全新的數(shù)據(jù)。這種生成的全新數(shù)據(jù)，有利于司庫管理人員完善資金內(nèi)控體系，建立健全資金風(fēng)險(xiǎn)監(jiān)測預(yù)警機(jī)制。

2.生成式人工智能可以實(shí)施數(shù)據(jù)推理和決策。之前司庫管理人員只能根據(jù)現(xiàn)有數(shù)據(jù)進(jìn)行分析和決策，在面對司庫管理中的新情況、新問題時(shí)可能束手無策，而生成式人工智能系統(tǒng)則可以通過對現(xiàn)有數(shù)據(jù)的進(jìn)一步挖掘、分析和推理，在多方案中找到更切合要求的解決方案。因此，在司庫管理領(lǐng)域中，生成式人工智能具有廣泛的應(yīng)用場景，如基于多語言、多幣種、多政策、國際資金清算系統(tǒng)（SWIFT）等多種選擇時(shí)，企業(yè)司庫管理可以挖掘境外全量資金資源，提升全球資金資源統(tǒng)籌配置能力，優(yōu)化資金資源配置結(jié)構(gòu)，促使資金資源發(fā)揮最大價(jià)值。

3.生成式人工智能可以挖掘總結(jié)出數(shù)據(jù)規(guī)律。企業(yè)智能司庫管理系統(tǒng)可以通過接口實(shí)時(shí)獲取萬得、彭博、路透等市場數(shù)據(jù)，從業(yè)務(wù)系統(tǒng)動(dòng)態(tài)獲取匯率及利率敞口數(shù)據(jù)，但是這些數(shù)據(jù)按何種原理進(jìn)行編制、揭示什么問題，司庫管理人員難以知曉。但是，司庫管理人員可以利用生成式人工智能算法，從現(xiàn)有數(shù)據(jù)中了解、掌握數(shù)據(jù)形成的原理和結(jié)構(gòu)，挖掘總結(jié)出生成這些數(shù)據(jù)的規(guī)律。這種挖掘總結(jié)數(shù)據(jù)的規(guī)律，使得司庫管理人員在利用生成式人工智能處理復(fù)雜數(shù)據(jù)時(shí)具有更強(qiáng)大的能力和創(chuàng)新性。

（三）建構(gòu)數(shù)據(jù)驅(qū)動(dòng)的智能財(cái)務(wù)決策系統(tǒng)

企業(yè)傳統(tǒng)的財(cái)務(wù)決策系統(tǒng)提供的數(shù)據(jù)嚴(yán)重滯后且不精準(zhǔn)，決策方案缺乏科學(xué)性，難以被管理層采納和實(shí)施。而企業(yè)智能財(cái)務(wù)決策系統(tǒng)能借助生成式人工智能，及時(shí)處理海量數(shù)據(jù)，為管理層提供精準(zhǔn)的數(shù)據(jù)、科學(xué)的決策方案和建議，幫助管理層更好地理解和解釋財(cái)務(wù)數(shù)據(jù)，以利于做出更科學(xué)的決策。

在企業(yè)的智能財(cái)務(wù)決策領(lǐng)域，生成式人工智能通過深度學(xué)習(xí)模型學(xué)習(xí)和掌握數(shù)據(jù)的結(jié)構(gòu)、分布，了解和掌握市場趨勢數(shù)據(jù)和歷史財(cái)務(wù)數(shù)據(jù)，并生成真實(shí)的、全新的可用于財(cái)務(wù)決策的大量數(shù)據(jù)，用于支持資金籌措、對外投資等財(cái)務(wù)決策。與依靠經(jīng)驗(yàn)的傳統(tǒng)財(cái)務(wù)決策系統(tǒng)相比，生成式人工智能是基于生成對抗網(wǎng)絡(luò)（GAN）和變分自編碼器（VAE），通過對抗性學(xué)習(xí)和概率編碼解碼生成高質(zhì)量數(shù)據(jù)，能及時(shí)、精準(zhǔn)描述復(fù)雜的經(jīng)濟(jì)環(huán)境和金融市場，并實(shí)時(shí)反映和揭示財(cái)務(wù)數(shù)據(jù)的變化趨勢，能提供更精準(zhǔn)的數(shù)據(jù)、更科學(xué)的決策支持。

1.生成式人工智能可以實(shí)行數(shù)據(jù)驅(qū)動(dòng)的決策支持。企業(yè)智能財(cái)務(wù)決策系統(tǒng)應(yīng)用生成式人工智能，結(jié)合語音識(shí)別、人臉識(shí)別等智能技術(shù)，可以擴(kuò)大數(shù)據(jù)收集的深度和廣度。與此同時(shí)，智能財(cái)務(wù)決策系統(tǒng)可以集成數(shù)量更大的數(shù)據(jù)，如移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)、行業(yè)網(wǎng)絡(luò)數(shù)據(jù)等，以實(shí)現(xiàn)更及時(shí)、精準(zhǔn)的數(shù)據(jù)分析和業(yè)務(wù)決策。生成式人工智能幫助智能財(cái)務(wù)決策系統(tǒng)快速處理多層次、海量結(jié)構(gòu)復(fù)雜的數(shù)據(jù)，并發(fā)現(xiàn)數(shù)據(jù)中隱藏的結(jié)構(gòu)和規(guī)律，以提供更多、及時(shí)、精準(zhǔn)、科學(xué)的財(cái)務(wù)決策方案，幫助企業(yè)管理層選擇和實(shí)施高質(zhì)量的財(cái)務(wù)決策方案。

2.生成式人工智能可以提供個(gè)性化的財(cái)務(wù)建議。生成式人工智能可以通過大量業(yè)務(wù)和財(cái)務(wù)數(shù)據(jù)，深入了解企業(yè)的預(yù)期目標(biāo)、財(cái)務(wù)指標(biāo)、風(fēng)險(xiǎn)管控能力等，為企業(yè)提供個(gè)性化的財(cái)務(wù)規(guī)劃和財(cái)務(wù)建議。這種量身定做的財(cái)務(wù)規(guī)劃和財(cái)務(wù)建議能夠更好地滿足企業(yè)的特定需求，提高財(cái)務(wù)決策的針對性和有效性。如生成式人工智能可以根據(jù)企業(yè)的投資意向和風(fēng)險(xiǎn)管理能力，提供定制化的投資和風(fēng)險(xiǎn)管理建議；通過分析企業(yè)投資的歷史業(yè)績數(shù)據(jù)和現(xiàn)行市場相關(guān)數(shù)據(jù)，可以為企業(yè)提供更及時(shí)、精準(zhǔn)的投資方向建議和風(fēng)險(xiǎn)管理指導(dǎo)。

3.生成式人工智能可以規(guī)范智能化的決策流程。生成式人工智能可以自動(dòng)生成決策流程，規(guī)范決策過程，提高決策效率。生成式人工智能能夠自動(dòng)收集、挖掘和分析大量數(shù)據(jù)，得出更精準(zhǔn)的企業(yè)財(cái)務(wù)走勢和風(fēng)險(xiǎn)點(diǎn)，發(fā)現(xiàn)其中的潛在風(fēng)險(xiǎn)，及時(shí)建立風(fēng)險(xiǎn)管理的動(dòng)態(tài)模型，識(shí)別和管控潛在的風(fēng)險(xiǎn)因素，并為企業(yè)管理層提供相關(guān)的對策建議和措施，并通過利用歷史數(shù)據(jù)和趨勢數(shù)據(jù)進(jìn)行智能決策，幫助管理層做出更科學(xué)的決策，以應(yīng)對環(huán)境和市場的變化。

（四）建構(gòu)數(shù)據(jù)精準(zhǔn)的智能財(cái)務(wù)風(fēng)控系統(tǒng)

以往的財(cái)務(wù)風(fēng)險(xiǎn)管理，是在定期進(jìn)行的風(fēng)險(xiǎn)框架評估基礎(chǔ)上進(jìn)行的，而智能財(cái)務(wù)風(fēng)險(xiǎn)管理實(shí)行的是動(dòng)態(tài)監(jiān)控，持續(xù)參與整個(gè)產(chǎn)品生命周期的財(cái)務(wù)風(fēng)險(xiǎn)管理。財(cái)務(wù)風(fēng)險(xiǎn)管理僅僅關(guān)注關(guān)鍵財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)是不夠的，還必須了解這些指標(biāo)與業(yè)務(wù)的關(guān)系及其動(dòng)態(tài)變化。傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)管控需要花費(fèi)大量的人力和時(shí)間，而生成式人工智能可以自動(dòng)完成這一過程，并且結(jié)果更加準(zhǔn)確[5]。如生成式人工智能可以通過分析巨量數(shù)據(jù)，精準(zhǔn)預(yù)測應(yīng)收賬款的回收和違約概率，可以幫助企業(yè)財(cái)務(wù)人員更準(zhǔn)確地評估回款人的信用等級(jí)，減少風(fēng)險(xiǎn)。

企業(yè)財(cái)務(wù)人員可以利用基于生成式人工智能的算法主動(dòng)掃描大量財(cái)務(wù)數(shù)據(jù)，實(shí)時(shí)分析交易并立即發(fā)現(xiàn)問題，精準(zhǔn)辨識(shí)出傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)管理可能遺漏的潛在風(fēng)險(xiǎn)，提前發(fā)現(xiàn)并及時(shí)處理財(cái)務(wù)風(fēng)險(xiǎn)，從而保障企業(yè)權(quán)益免受損失。同時(shí)，生成式人工智能強(qiáng)大的監(jiān)控功能可以實(shí)現(xiàn)對財(cái)務(wù)交易的實(shí)時(shí)監(jiān)控，對客戶、交易、金額異常的情況及時(shí)進(jìn)行預(yù)警。因此，企業(yè)財(cái)務(wù)人員借助生成式智能，實(shí)行數(shù)據(jù)精準(zhǔn)的智能化動(dòng)態(tài)監(jiān)控，發(fā)現(xiàn)風(fēng)險(xiǎn)征兆，實(shí)時(shí)風(fēng)險(xiǎn)預(yù)警，從而提高其風(fēng)險(xiǎn)預(yù)防和應(yīng)對能力。生成式人工智能可以模擬人類的創(chuàng)造性思維，生成全新的、真實(shí)的、有用的數(shù)據(jù)，這些數(shù)據(jù)有利于智能財(cái)務(wù)風(fēng)控系統(tǒng)建構(gòu)。

1.生成式人工智能可以彌補(bǔ)數(shù)據(jù)短缺難題。在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管控過程中，經(jīng)常需要大量的高質(zhì)量數(shù)據(jù)，但是有時(shí)會(huì)遇到相關(guān)數(shù)據(jù)無法取得、數(shù)據(jù)量短缺、數(shù)據(jù)質(zhì)量不高等難題，因而難以及時(shí)預(yù)警和及時(shí)采取控制措施，致使財(cái)務(wù)風(fēng)險(xiǎn)管控及時(shí)性差、質(zhì)效不高。而生成式人工智能可以根據(jù)已有的海量財(cái)務(wù)數(shù)據(jù)，通過模擬和推斷，生成全新的、真實(shí)的數(shù)據(jù)，從而解決數(shù)據(jù)的不足難題，提高數(shù)據(jù)的精準(zhǔn)性，以便于及時(shí)預(yù)警和采取有效措施。

2.生成式人工智能可以提高數(shù)據(jù)分析精度。在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管控過程中，經(jīng)常會(huì)存在相關(guān)財(cái)務(wù)數(shù)據(jù)的雜亂無章、噪聲、偏差等問題，導(dǎo)致財(cái)務(wù)數(shù)據(jù)分析及時(shí)性差、精準(zhǔn)度不高的情況，最終會(huì)導(dǎo)致財(cái)務(wù)風(fēng)控效果不理想。而生成式人工智能技術(shù)可以通過對面廣量大的數(shù)據(jù)的深度學(xué)習(xí)，理解數(shù)據(jù)的分布規(guī)律和內(nèi)含特性，自動(dòng)去除雜亂、噪聲和偏差的數(shù)據(jù)，從而提高數(shù)據(jù)分析的精準(zhǔn)性，有助于促進(jìn)財(cái)務(wù)人員對數(shù)據(jù)的深度理解，更好地利用精準(zhǔn)的數(shù)據(jù)進(jìn)行有效的財(cái)務(wù)風(fēng)控。

3.生成式人工智能可以提高數(shù)據(jù)分析效率。在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管控過程中，采集、存儲(chǔ)、清洗、挖掘、分析各種業(yè)務(wù)和財(cái)務(wù)數(shù)據(jù)，都需要耗費(fèi)大量的成本、時(shí)間和人力資源。當(dāng)今企業(yè)所擁有的數(shù)據(jù)量大、復(fù)雜程度高，財(cái)務(wù)人員面臨的現(xiàn)實(shí)挑戰(zhàn)就是從廣泛采集的數(shù)據(jù)中，清洗、挖掘、分析出相關(guān)的結(jié)論，供管理層決策時(shí)使用。而生成式人工智能可以自動(dòng)獲取各類數(shù)據(jù)，并及時(shí)生成需要的相關(guān)數(shù)據(jù)，降低企業(yè)數(shù)據(jù)的采集、加工和處理成本，提高數(shù)據(jù)分析的質(zhì)量和效率。

（五）建構(gòu)垂直型財(cái)務(wù)管理大模型系統(tǒng)

隨著生成式人工智能的廣泛使用，生成式人工智能大模型也就應(yīng)運(yùn)而生，在推動(dòng)生成式人工智能廣泛應(yīng)用、提升生成式人工智能應(yīng)用深度等方面發(fā)揮了越來越重要的作用。生成式人工智能大模型，是指在預(yù)訓(xùn)練和訓(xùn)練過程中應(yīng)用了海量的數(shù)據(jù)和計(jì)算資源，具有非常強(qiáng)大的人機(jī)對話和數(shù)據(jù)處理能力的深度學(xué)習(xí)模型。目前，生成式人工智能大模型主要包括通用型大模型和垂直型大模型。通用型大模型（General-purpose Large Models）是指用來處理多種任務(wù)和數(shù)據(jù)類型的大型人工智能模型，通常在大量文本、圖像、聲音等多模態(tài)數(shù)據(jù)上進(jìn)行訓(xùn)練，以便能夠理解和生成多種格式的內(nèi)容。通用型大模型的核心特點(diǎn)是靈活性和廣泛適用性，可以應(yīng)用于多個(gè)不同的領(lǐng)域和應(yīng)用場景。垂直型大模型（Vertical Large Models）是指針對特定行業(yè)或領(lǐng)域定制的大型人工智能模型。與通用型大模型相比，垂直型大模型更加專注于特定的任務(wù)和數(shù)據(jù)集，在特定領(lǐng)域內(nèi)能夠提供更加精確和專業(yè)的結(jié)果。

隨著企業(yè)生產(chǎn)經(jīng)營的快速發(fā)展與市場競爭瞬息變化，企業(yè)管理層迫切需要實(shí)時(shí)掌握企業(yè)經(jīng)營狀況與財(cái)務(wù)數(shù)據(jù)變化，從而快速優(yōu)化經(jīng)營決策。但是，傳統(tǒng)的財(cái)務(wù)管理系統(tǒng)高度依賴人工處理統(tǒng)計(jì)，不但效率低下，且容易產(chǎn)生偏差，無法滿足企業(yè)管理層的需要。目前，企業(yè)發(fā)展新質(zhì)生產(chǎn)力，越來越需要財(cái)務(wù)數(shù)據(jù)的支持，這個(gè)支持不是傳統(tǒng)的流程支持，而是在不同場景、不同領(lǐng)域的大模型驅(qū)動(dòng)的財(cái)務(wù)支持，要有一個(gè)隨時(shí)隨地都能發(fā)揮作用的財(cái)務(wù)人工智能助手。因此，企業(yè)迫切需要建構(gòu)垂直型財(cái)務(wù)管理大模型系統(tǒng)。企業(yè)財(cái)務(wù)管理應(yīng)有自己的垂直型大模型，這是一種基于生成式人工智能技術(shù)的財(cái)務(wù)管理系統(tǒng)，應(yīng)該由企業(yè)根據(jù)其自身需求來研制，財(cái)務(wù)人員在工作中進(jìn)行財(cái)務(wù)工作管控時(shí)，可以直接使用垂直型財(cái)務(wù)管理大模型，以提高財(cái)務(wù)管理工作的及時(shí)性和精準(zhǔn)度。未來，垂直型財(cái)務(wù)管理大模型將成為企業(yè)財(cái)務(wù)管理的重要基礎(chǔ)設(shè)施，為財(cái)務(wù)管理工作高質(zhì)量、智能化發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

垂直型財(cái)務(wù)管理大模型擴(kuò)展了財(cái)務(wù)管理的邊界，重構(gòu)了業(yè)財(cái)數(shù)據(jù)的基礎(chǔ)。垂直型財(cái)務(wù)管理大模型服務(wù)于企業(yè)利益相關(guān)者，業(yè)財(cái)邊界模糊，財(cái)務(wù)數(shù)據(jù)廣泛化，業(yè)務(wù)即財(cái)務(wù)，財(cái)務(wù)即業(yè)務(wù)，業(yè)務(wù)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)深度融合在一起，能夠幫助企業(yè)進(jìn)行實(shí)時(shí)業(yè)務(wù)與財(cái)務(wù)智能管控，并做出更科學(xué)的決策。一方面，垂直型財(cái)務(wù)管理大模型可以持續(xù)深入到企業(yè)業(yè)務(wù)前端的價(jià)值鏈與全場景，成為“更懂企業(yè)”的財(cái)務(wù)管理大模型；另一方面，垂直型財(cái)務(wù)管理大模型還可以提升訓(xùn)練效率與優(yōu)化成本，集成更豐富的開發(fā)工具與算法，通過大模型精調(diào)、大模型評估優(yōu)化、大模型推理和插件服務(wù)等，持續(xù)滿足企業(yè)財(cái)務(wù)管理數(shù)智化轉(zhuǎn)型過程的新需求。

【參考文獻(xiàn)】

［1］ 秦榮生.人工智能與智能會(huì)計(jì)應(yīng)用研究［J］.會(huì)計(jì)之友，2020（18）：11-15．

［2］ 秦榮生.數(shù)字化轉(zhuǎn)型與智能會(huì)計(jì)建設(shè)［J］.財(cái)務(wù)與會(huì)計(jì)，2021（11）：6-9．

［3］ 秦榮生.數(shù)字化時(shí)代注冊會(huì)計(jì)師發(fā)展之路［N］.中國會(huì)計(jì)報(bào)，2020-09-18（003）．

［4］ 秦榮生.生成式人工智能與智能審計(jì)研究［J］.審計(jì)觀察，2023（3）：1-5．

［5］ 秦榮生.數(shù)據(jù)導(dǎo)向?qū)徲?jì)體系構(gòu)建：風(fēng)險(xiǎn)模型、方法體系與實(shí)現(xiàn)路徑［J］.審計(jì)研究，2023（5）：3-10.