本文原載《財務管理研究》2020年第一期

引用本文：文峰.會計信息化流程的效率提升與優化——基于RPA和人工智能視角[J].財務管理研究，2020，2（1）：1-7.

會計信息化流程的效率提升與優化

——基于RPA和人工智能視角

文峰，浙江萬里學院，博士、講師

會計信息化極大地促進了企業會計信息的生成、傳送與列報效率。作為企業資源整合系統（ERP）的一個有機組成部分，會計信息化業已成為企業提高管理水平，提升決策質量的重要支撐。隨著新經濟時代的到來，人工智能逐漸深入到人類社會活動的方方面面，會計行業也概莫能外。類似隨機森林、樸素貝葉斯分類等基于機器學習的算法已經運用于偵測財務異常、發現舞弊交易等領域，而深度學習等大規模神經網絡學習方法也在財務數據特征提取、類型識別、財務文本分析中發揮著關鍵作用。

一個顯而易見的事實是，會計信息化與會計智能化（即人工智能在會計中的應用）正在快速地走向深度融合，并直接引發業界對于智慧會計理論的研究。然而，無論是將會計智能化視作會計信息化的升級版（以RPA財務機器人及ERP系統為典型代表），還是嘗試構建智慧會計的理論架構，有關實務與研究均將信息化與人工智能的運用場景限定在單個會計實體（這里的會計實體既包括單個經濟實體，比如公司，也包括根據合并報表意義上的實體），并為單個會計實體服務。因此，本文將著重分析會計信息化流程下RPA的作用，以及人工智能可以擔當的工作等方面，并適當展望會計信息化與會計智能化深度融合后對會計行業造成的沖擊與深刻變化。

RPA是Robotic Process Automation的簡稱，即機器人流程自動化，是基于計算機編碼及規則的軟件，通過執行重復的基于規則的任務，從而將手工活動自動化的一種信息處理技術。由于RPA仍處于不斷進化迭代之中，學術界和實務界尚沒有形成統一的嚴格定義。運用于財務會計領域的RPA即財務機器人（在不引起歧義的前提下，本文將RPA和財務機器人視作同一概念在行文中出現）。

從最早的會計電算化，到會計信息化，再到ERP系統，其核心考量在于降低傳統財務會計中大量重復性、規則化的工作，從而使得財會人員得以從純粹的事務性工作中解脫，全力參與企業的生產管理、戰略決策與激勵等更有價值的活動。但是，企業是否有必要引入RPA，則取決于該項決策是否具有比較優勢。

比較優勢的概念最初源自國際貿易理論。克魯格曼認為，“如果一個國家在本國生產一種產品的機會成本（用其他產品來衡量）低于在其他國家生產該種產品的機會成本，則這個國家在生產該種產品上就擁有比較優勢。”如果將這個定義運用到企業層面，比較優勢可以表述為：兩個企業之間的勞動生產率差距并非在任何產品上都相等。如果企業A生產一種產品的機會成本（可用該企業其他產品來衡量）低于企業B生產該產品的機會成本，那么企業A相對于企業B就擁有該種產品的比較優勢。如果將財務工作視為企業內部的一項服務性產品，每個企業都具備提供這種產品的能力，也存在消費這種產品的內部需求。

假定企業有兩個選擇，一是引入RPA，二是選擇將財務外包，則兩項選擇所帶來的收益互為機會成本。我們將采用RPA方案的企業虛擬為A企業，采用財務外包方案的企業虛擬為B企業，顯然，如果引入RPA的機會成本低于財務外包的機會成本，則A企業在財務服務這個產品上擁有相對于B企業的比較優勢，因此應選擇實施RPA方案，反之則選擇實施財務外包方案。類似地，在是否選擇RPA之間進行決策時，也可以根據比較優勢原理判定，只不過在這種情形下比較優勢和絕對優勢重疊，企業只需要簡單比較哪個方案更省錢即可。

而對于不同方案的收益，既可以解釋為財務服務所節約的成本，也可以理解為財務人員在RPA或財務外包之后，其自身能為企業所創造的新的價值增量。從會計信息化趨勢看，采用RPA之后，財務人員并沒有喪失對會計信息生成的主動權，且生成的會計信息質量會顯著提高。因而，在高質量會計信息生成的前提下，財務人員更有可能為企業帶來管理上的高附加值，企業可能更傾向于采用RPA技術。

本文認為，除了基于比較優勢來選擇是否投資RPA技術之外，企業對RPA技術最主要的內在動力來自RPA對會計信息處理的高效率與低差錯率，因而保證了會計信息的高可靠性，為管理決策提供更有力的支撐。

RPA極大提高了會計信息化效率

2017年5—6月，四大會計師事務所（德勤、普華永道、畢馬威和安永）相繼推出了財務機器人解決方案，主要用于從事以下工作：

從以上工作內容分析，財務機器人取代了大量重復性工作，在既定業務規則下，可實現7×24小時不間斷作業。因而，在處理這類會計數據時，具有人工無法比擬的效率優勢。以德勤的財務機器人“小勤人”為例，在處理發票開具流程時，每張發票開票平均時間從人工開具的15分鐘縮短到3分鐘左右，效率提高近5倍。

繼四大之后，國內兩大財務軟件巨頭金蝶和用友也相繼發布了云服務財務機器人。據預測，至2020年，將有逾40%的大型企業采用RPA工具，相應地，會造成約60%的財會人員面臨下崗或轉崗。未來5年，預計會有更多財會人員面臨財務機器人帶來的挑戰。

RPA顯著增強了會計信息化的可靠性

會計信息化提供的相關數據是否可靠，關系到企業管理決策質量的高低。部署ERP系統后，很多財務和會計數據可實時地呈現給公司管理層。然而，ERP系統與其他系統，比如報稅系統、政府有關部門的專用報表系統（如國資委財務報告報送系統等）并沒有形成有效整合（一些通用型ERP系統軟件在二次開發后，整合了一定的電子郵件功能），仍需要財務人員進行手工轉換。在與外界的互聯互通方面，通用型ERP系統尚不能全面、直接地與企業郵箱或個人郵箱有效對接，需財務人員手工操作，以獲得相應數據。

而RPA則可避免大部分人工操作環節，相應減少人工失誤導致的會計信息錯報與可能的舞弊。同時，財務機器人一般具有自動識別數據類型和流程跟進功能，無論是單一的會計主體，還是網絡化的財務共享平臺，RPA都可以做到自動化數據填報，避免了煩瑣的部門催收和各單位會計信息傳送環節導致的失真等。

可見，通過人工將會計數據從一種格式轉換成另一種格式，并重新導入到ERP系統或其他系統，其差錯率相比RPA自動化處理要高得多。RPA所帶來的實時傳送、實時響應的會計信息化處理新模式，大大增強了會計信息化的可靠性，為會計智能化奠定了堅實基礎。

RPA尚未具備相應的人工智能

盡管RPA在提高會計信息化處理效率及降低會計信息處理差錯率等方面成效顯著，但就目前的RPA而言，尚不具備人工智能功能。

1.RPA尚未通過圖靈測試

圖靈測試是指，若一個人在不接觸對方的情況下，通過一種特殊的方式和對方（可能是人也可能是計算機）進行一系列問答，如果在較長時間內，該人員無法根據這些問題判斷對方是人還是計算機，那么可認為這臺計算機具有與人相當的智力，從而確認這臺計算機具有類似于人的思維能力，即人工智能。

而現有RPA的主要設計目的是基于一定的規則處理大量重復性工作，這些工作基于設定好的指令自動進行。對于已經完成設定的場景，財務機器人可以實現高效率工作，一旦脫離這些場景，財務機器人就無法高效工作，甚至無法工作，而人對于場景變化的識別與適應能力則非常靈活，可以快速應對工作場景的變化。例如，基于計算機系統日期的郵件抽取工作，在某些情況下，計算機系統日期可能錯誤地顯示為2000年1月1日，而實際日期為2019年1月1日，但RPA仍會按照預先設定的工作流程，抽取2000年1月1日的郵件。但如果由人工來完成這項工作，則可以正確判斷出計算機系統日期與實際日期的不一致，并根據任務實際需求查找和抽取所需郵件，從而順利完成任務。

由于現有RPA無法通過圖靈測試，因此認為財務機器人并不具備人工智能，其本質仍是一種自動化替代人類手工的工具，通過預先設定的流程處理某些重復性工作，實現提高效率、降低差錯的目的。

2.RPA不能自動迭代最優化求解

人工智能的基礎是算法，算法具有通過自動迭代求解最優化的作用。人工智能可以概括為以人類智能活動范式為參考，具有一定智能行為的人工系統。而類似人類智能的系統應當具備的一個基本特點就是學習，并通過學習不斷改進其行為，以獲得其認知和能力范圍內的最優解。

顯然，當前的財務機器人不具備方案最優求解能力，同樣的工作重復上千次、上萬次，效率與差錯率基本保持穩定不變。而對于人類而言，可通過大腦主動學習，在不斷的重復勞動中歸納和總結，漸進式地學習與改進既有方案和工作模式，工作效率漸進提升、差錯率漸進下降，形成學習曲線。學習曲線的實質是一種動態的生產函數，反映因工人熟練程度的提高而減少工作時間，使單位生產成本逐漸下降的過程。財務機器人在單一的工作任務流程中，有關的程序經過多次優化后形成了較高效率，但隨著場景的變異和平臺網絡復雜程度的提高，原有程序不一定能適應新的工作場景，如果RPA不具備學習曲線功能，那么只能靠人為軟件升級來匹配和適應，極端情況下可能要重構業務邏輯、重寫代碼，企業將面臨新的投入。從這個意義上說，RPA難以被稱為具有人工智能的機器人。

在RPA高效率、低差錯地處理會計信息的前提下，如何高質量地分析和處理會計信息是題中應有之義。如前所述，人工智能具有自動迭代求解最優化方案的特征。因此，人工智能引入會計信息化的意義在于，使得會計實體、外部利益相關方得以運用人工智能技術不斷優化會計信息的生成、傳送和列報，并提供高質量的會計信息與解決方案。

會計信息化不僅要實現提供低延遲、低差錯率的會計數據，更要具備深度解析相關會計數據的能力。高質量的會計數據分析可以為企業高質量的管理決策和企業之外的利益方高質量的行為決策提供堅強保障。通常，高質量會計數據的主要特征包括以下幾點。

會計數據生成的高可驗證性

對會計數據而言，所謂高可驗證性，是指在一個會計信息化系統中所生成的會計數據是可逆推的，從而達到可驗證的目的，并且這種逆推與驗證過程具備高可靠性。這里的逆推是指由財務報表的列報可以反推至會計憑證和原始憑證。由于會計數據是一種典型的結構化數據，是基于確定的會計準則生成的，因此不存在統計規律上的隨機生成特點，可逆推與可驗證性在理論上沒有障礙。

實際生成會計數據時，出于盈余管理的需要或其他目的，相同或大致相同的交易行為、原始單據在不同的會計場景中可能有不同的會計處理方式，這種處理通常稱為原則導向下的會計方法差異化處理。以企業擁有的房地產資產為例，如果自用，則按固定資產記賬；如果出租或為增值目的而持有，則屬性確定為投資性房地產，并做相應的會計處理。可以發現，從財務報表的列報逆推至原始交易數據時，難以做到一一對應的還原，而存在多種可能的選擇。我們認為，與自然界的物理規律不同，會計信息化流程所生成的會計數據具有明顯的“人為干預和選擇”特征，即便會計準則給定了比較明確的會計數據生成規則，但仍難以達到高可驗證性。

會計數據的高因果性

本文所指的高因果性（與本文所指因果關系概念密切聯系的兩個會計術語是配比原則和權責發生制，二者在一定程度上體現了會計數據生成的因果鏈，但本文所指的因果關系的適用范圍高于配比原則與權責發生制）主要指會計數據的生成與企業經營活動之間的因果關系明顯。以銷售為例，如果本期銷售合同增加，那么同一會計期間的采購也會相應增加；如果本期銷售合同減少，那么同一會計期間的采購也應相應減少。

基于經濟學的理性人假設，一個企業如果不存在訂單，那么它就沒有必要投入經濟資源，以避免有限的資金過早耗盡，導致經營不可持續。因此，銷售合同增加，引起采購增加，隨之銷售收入增加也會引致銷售成本增加，這是一對明顯的因果組合。與會計學配比原則的概念有所不同，配比原則僅指會計數據的生成，比如銷售收入與銷售成本的配比，而對于銷售合同與采購合同的變化則沒有涉及。單從會計上看，只要銷售收入與銷售成本相配比，會計數據的生成就符合要求。然而，如果銷售合同增加并沒有伴之相應的采購活動的增加，那么銷售收入與銷售成本的配比很可能存在人為操縱因素，比如虛構銷售或預提銷售成本等。

另外，企業外其他利益相關方，比如稅務部門，如果發布新的稅務法規、征稅管理規定等，相應會計數據的生成一定會根據變化后的稅務環境相應變化。很多企業為便捷起見，以實際納稅金額作為當期稅負。以所得稅為例，假定稅務部門調整了應納稅計算規則，企業往往不在年末時做所得稅調整，而是等到次年匯算清繳時再一并調整，將多計或少計的稅負列入次年的財務報告中。單從會計數據的因果關系來看，其生成與列報均沒有足夠的合乎因果性的解釋。

總之，高質量會計數據的生成必須與企業經營行為，甚至是企業外其他利益相關方的行為相對應，形成可靠的因果鏈。

會計數據的高相關性

當會計數據的生成無法或難以通過因果解釋時，可退而求其次，轉而關注會計數據的相關性。相關性檢驗是計量經濟學中一個十分具有價值的檢驗，通過計算兩組數據的相關系數來判斷其相關性。所謂相關分析，是研究兩個或兩個以上處于同等地位的隨機變量間的相關關系的統計分析方法。例如，人的身高和體重、空氣中的相對濕度與降雨量等。顯然，身高高的人體重會偏高，但體重偏高的原因卻不一定是因為身高高，這兩個隨機變量不存在因果關系。

會計信息化流程所生成的會計數據雖然是結構化的，但其所記錄的經營活動很多是隨機的。例如，一家以出租公寓為主業的公司，經調查發現，面積大的公寓經常由白領等中產承租。因而，體現在財務報告中，租金收入來源結構分析報告建議應針對白領開展重點營銷。然而，實際上的因果關系可能是，該公司面積大的公寓能夠獲得更多陽光，而充足的陽光很可能是白領愿意租住的真實原因。在這種情形下，相關會計數據分析難以挖掘真正的因果鏈，但我們可通過相關分析鎖定企業的目標客戶，并設法增加大面積公寓的供應量。

人工智能（人工智能的成功往往離不開大數據和云計算，這已成為業內共識，本文在討論人工智能在會計中的各種應用場景時，均假定建立在云計算與大數據平臺上，如財務共享平臺）具有處理異常和學習的功能，能夠不斷改進以獲得在已知條件下的最優的結果。因而，我們可嘗試從以下兩個途徑引入人工智能，從而提升會計信息處理與數據分析的質量。

會計信息一致性檢驗

借助人工智能可建立會計信息化流程驗證系統，該系統在一定程度上類似于專家系統。該系統通過對會計準則和會計政策進行解析，自動對會計數據進行逆推，如果發現異常，將自動記錄、比對并報告異常，視問題的嚴重性（由財務人員事先預設）確定是否向會計信息化流程管理人員報告。具體實施流程如下：

通過上述流程的反復實施，最終使每一個財務列報信息都能達到有效的可驗證性。

針對會計信息的因果與相關分析

在因果分析與相關分析領域，人工智能擁有大量的算法和工具。對于因果分析而言，可以采用貝葉斯分析框架（人工智能有很多因果分析方法，本文僅以貝葉斯分析作為分析方法舉例）。貝葉斯公式如下：

這是一個最基本的貝葉斯公式，重點關注兩個概念，P為后驗概率，P表示先驗概率，分母是一個關于事件A的全概率劃分，即事件A發生的概率。根據公式可知，如果給定最開始事件B的概率（即先驗），那么當新的證據A出現后，B發生的概率（此時變成后驗概率）會有怎樣的改變？例如，會計信息化流程生成相應數據后，根據過往經驗和數據，在每年年末當貨幣資金高于100萬元時，該企業貸款戶銀行利率下調的概率為60%；而實際上銀行利率已經下調，那么我們需判斷當年的貨幣資金高于100萬元的概率有多大。如果概率很高，比如接近90%，那么可以判定企業貨幣資金年末金額大于100萬元的主要原因可能是其貸款銀行的利率下調，從而資金成本下降，導致企業愿意使用貸款資金來擴大生產。

除以上情況外，還有很多人工智能算法能夠進行類似的因果分析與相關分析，比如人們熟知的深度學習模型。因此，在提升會計信息處理與分析質量領域，人工智能大有可為。

會計智能化的基礎是會計信息化，因此，會計信息化與會計智能化必將高度協同、深度融合，最終將極大地改變會計行業本身。在會計信息化階段，重點關注的是會計信息的生成，如何核算、如何高效率地完成規定流程，同時有效降低差錯，其目標是為企業及外部利益方提供真實的財務信息，以供決策之用；而在智能化階段，重點關注的是如何高質量地分析會計信息數據，其目標是為企業創造更多價值，這些價值主要體現在以下兩個方面。

業財聯動模式提升會計職業地位

RPA與人工智能在會計領域的大規模部署，為會計界深度參與企業管理和提升自身管理能力帶來了新機遇。公司業務發展與財務信息生成兩條線的界限趨于模糊，泛會計化工作崗位將大量涌現，比如數據抽取崗位、會計領域編程、財務機器人運營官等。這些崗位一方面從事會計信息的生成與維護，因而屬于會計范疇；另一方面，其深度嵌入企業價值分工之中，成為企業管理的核心環節。典型的應用有財務共享平臺，極大程度地擴張了會計在企業管理中的話語權，增強了決策能力，明顯增強了會計在企業中的作用和地位。

智能化的預測、風險規避與機會捕捉

以往進行財務預測與風險規避時，更多是依靠會計人員自身的經驗和職業素養，一旦會計人員離職，企業此方面的風險管理能力就會受到影響，嚴重的甚至會導致企業決策失敗，造成重大經濟損失。人工智能通過不斷迭代和優化，將歷年數據深度加工，并形成若干專家知識庫。當外界環境發生變化時，可快速、有效地提出若干方案，再結合財務會計人員自身的經驗和職業素養，以此在總體上有效應對風險、捕捉市場機遇，即便發生會計人員離職，專家知識庫也不會因此失效，并且隨著時間的遞延，會計智能化程度會越來越高。由此，會計智能化可以穩定、持續地為企業增加價值創造。

會計的發展沿著手工做賬、電算化、信息化，最終發展至智能化，總體上是從屬于工業4.0大潮流背景下的行業發展，其發展速度之快，發展目標之宏大，可以堪稱會計行業百年未有之大變局。人工智能的大規模應用將深刻改變企業的運作模式，會計信息的生成、傳送與列報及分析等，將體現出高效率、高可信、高智能化的特點。會計信息化將與會計智能化深度融合，并最終升級為會計智能化信息平臺。

但也必須指出，人工智能在會計信息化中的應用，或多或少在某種程度上干預了人為行動，使人的行為受到了除人類智慧之外另一種全新的人工智能的深刻影響。因此，人類需要學會如何駕馭人工智能。由此可能帶來的問題包括：RPA及人工智能直接造成了會計初級崗位的大量減少，導致會計行業面臨職業焦慮；更進一步，RPA與人工智能削弱了人類行為的學習效率，人通過自身感知會計基礎知識所獲得完整職業經驗的機會將大大減少。隨著人工智能的日漸成熟，會計行業本身也可能面臨危機，會計從業人員必須未雨綢繆，從專注于會計信息的生成向企業價值的創造轉變。


 

特別聲明：

文章來源：財務管理研究

作者： 文峰 

原文鏈接：https://mp.weixin.qq.com/s/kcAU8Dn5qpkGke-xpReskw

RPA中國推薦閱讀，轉載此文是出于傳遞更多信息之目的。如有來源標注錯誤或侵權，請聯系更正或刪除，謝謝。