本文原载《财务管理研究》2020年第一期

引用本文：文峰.会计信息化流程的效率提升与优化——基于RPA和人工智能视角[J].财务管理研究，2020，2（1）：1-7.

会计信息化流程的效率提升与优化

——基于RPA和人工智能视角

文峰，浙江万里学院，博士、讲师

会计信息化极大地促进了企业会计信息的生成、传送与列报效率。作为企业资源整合系统（ERP）的一个有机组成部分，会计信息化业已成为企业提高管理水平，提升决策质量的重要支撑。随着新经济时代的到来，人工智能逐渐深入到人类社会活动的方方面面，会计行业也概莫能外。类似随机森林、朴素贝叶斯分类等基于机器学习的算法已经运用于侦测财务异常、发现舞弊交易等领域，而深度学习等大规模神经网络学习方法也在财务数据特征提取、类型识别、财务文本分析中发挥着关键作用。

一个显而易见的事实是，会计信息化与会计智能化（即人工智能在会计中的应用）正在快速地走向深度融合，并直接引发业界对于智慧会计理论的研究。然而，无论是将会计智能化视作会计信息化的升级版（以RPA财务机器人及ERP系统为典型代表），还是尝试构建智慧会计的理论架构，有关实务与研究均将信息化与人工智能的运用场景限定在单个会计实体（这里的会计实体既包括单个经济实体，比如公司，也包括根据合并报表意义上的实体），并为单个会计实体服务。因此，本文将着重分析会计信息化流程下RPA的作用，以及人工智能可以担当的工作等方面，并适当展望会计信息化与会计智能化深度融合后对会计行业造成的冲击与深刻变化。

RPA是Robotic Process Automation的简称，即机器人流程自动化，是基于计算机编码及规则的软件，通过执行重复的基于规则的任务，从而将手工活动自动化的一种信息处理技术。由于RPA仍处于不断进化迭代之中，学术界和实务界尚没有形成统一的严格定义。运用于财务会计领域的RPA即财务机器人（在不引起歧义的前提下，本文将RPA和财务机器人视作同一概念在行文中出现）。

从最早的会计电算化，到会计信息化，再到ERP系统，其核心考量在于降低传统财务会计中大量重复性、规则化的工作，从而使得财会人员得以从纯粹的事务性工作中解脱，全力参与企业的生产管理、战略决策与激励等更有价值的活动。但是，企业是否有必要引入RPA，则取决于该项决策是否具有比较优势。

比较优势的概念最初源自国际贸易理论。克鲁格曼认为，“如果一个国家在本国生产一种产品的机会成本（用其他产品来衡量）低于在其他国家生产该种产品的机会成本，则这个国家在生产该种产品上就拥有比较优势。”如果将这个定义运用到企业层面，比较优势可以表述为：两个企业之间的劳动生产率差距并非在任何产品上都相等。如果企业A生产一种产品的机会成本（可用该企业其他产品来衡量）低于企业B生产该产品的机会成本，那么企业A相对于企业B就拥有该种产品的比较优势。如果将财务工作视为企业内部的一项服务性产品，每个企业都具备提供这种产品的能力，也存在消费这种产品的内部需求。

假定企业有两个选择，一是引入RPA，二是选择将财务外包，则两项选择所带来的收益互为机会成本。我们将采用RPA方案的企业虚拟为A企业，采用财务外包方案的企业虚拟为B企业，显然，如果引入RPA的机会成本低于财务外包的机会成本，则A企业在财务服务这个产品上拥有相对于B企业的比较优势，因此应选择实施RPA方案，反之则选择实施财务外包方案。类似地，在是否选择RPA之间进行决策时，也可以根据比较优势原理判定，只不过在这种情形下比较优势和绝对优势重叠，企业只需要简单比较哪个方案更省钱即可。

而对于不同方案的收益，既可以解释为财务服务所节约的成本，也可以理解为财务人员在RPA或财务外包之后，其自身能为企业所创造的新的价值增量。从会计信息化趋势看，采用RPA之后，财务人员并没有丧失对会计信息生成的主动权，且生成的会计信息质量会显著提高。因而，在高质量会计信息生成的前提下，财务人员更有可能为企业带来管理上的高附加值，企业可能更倾向于采用RPA技术。

本文认为，除了基于比较优势来选择是否投资RPA技术之外，企业对RPA技术最主要的内在动力来自RPA对会计信息处理的高效率与低差错率，因而保证了会计信息的高可靠性，为管理决策提供更有力的支撑。

RPA极大提高了会计信息化效率

2017年5—6月，四大会计师事务所（德勤、普华永道、毕马威和安永）相继推出了财务机器人解决方案，主要用于从事以下工作：

从以上工作内容分析，财务机器人取代了大量重复性工作，在既定业务规则下，可实现7×24小时不间断作业。因而，在处理这类会计数据时，具有人工无法比拟的效率优势。以德勤的财务机器人“小勤人”为例，在处理发票开具流程时，每张发票开票平均时间从人工开具的15分钟缩短到3分钟左右，效率提高近5倍。

继四大之后，国内两大财务软件巨头金蝶和用友也相继发布了云服务财务机器人。据预测，至2020年，将有逾40%的大型企业采用RPA工具，相应地，会造成约60%的财会人员面临下岗或转岗。未来5年，预计会有更多财会人员面临财务机器人带来的挑战。

RPA显著增强了会计信息化的可靠性

会计信息化提供的相关数据是否可靠，关系到企业管理决策质量的高低。部署ERP系统后，很多财务和会计数据可实时地呈现给公司管理层。然而，ERP系统与其他系统，比如报税系统、政府有关部门的专用报表系统（如国资委财务报告报送系统等）并没有形成有效整合（一些通用型ERP系统软件在二次开发后，整合了一定的电子邮件功能），仍需要财务人员进行手工转换。在与外界的互联互通方面，通用型ERP系统尚不能全面、直接地与企业邮箱或个人邮箱有效对接，需财务人员手工操作，以获得相应数据。

而RPA则可避免大部分人工操作环节，相应减少人工失误导致的会计信息错报与可能的舞弊。同时，财务机器人一般具有自动识别数据类型和流程跟进功能，无论是单一的会计主体，还是网络化的财务共享平台，RPA都可以做到自动化数据填报，避免了烦琐的部门催收和各单位会计信息传送环节导致的失真等。

可见，通过人工将会计数据从一种格式转换成另一种格式，并重新导入到ERP系统或其他系统，其差错率相比RPA自动化处理要高得多。RPA所带来的实时传送、实时响应的会计信息化处理新模式，大大增强了会计信息化的可靠性，为会计智能化奠定了坚实基础。

RPA尚未具备相应的人工智能

尽管RPA在提高会计信息化处理效率及降低会计信息处理差错率等方面成效显著，但就目前的RPA而言，尚不具备人工智能功能。

1.RPA尚未通过图灵测试

图灵测试是指，若一个人在不接触对方的情况下，通过一种特殊的方式和对方（可能是人也可能是计算机）进行一系列问答，如果在较长时间内，该人员无法根据这些问题判断对方是人还是计算机，那么可认为这台计算机具有与人相当的智力，从而确认这台计算机具有类似于人的思维能力，即人工智能。

而现有RPA的主要设计目的是基于一定的规则处理大量重复性工作，这些工作基于设定好的指令自动进行。对于已经完成设定的场景，财务机器人可以实现高效率工作，一旦脱离这些场景，财务机器人就无法高效工作，甚至无法工作，而人对于场景变化的识别与适应能力则非常灵活，可以快速应对工作场景的变化。例如，基于计算机系统日期的邮件抽取工作，在某些情况下，计算机系统日期可能错误地显示为2000年1月1日，而实际日期为2019年1月1日，但RPA仍会按照预先设定的工作流程，抽取2000年1月1日的邮件。但如果由人工来完成这项工作，则可以正确判断出计算机系统日期与实际日期的不一致，并根据任务实际需求查找和抽取所需邮件，从而顺利完成任务。

由于现有RPA无法通过图灵测试，因此认为财务机器人并不具备人工智能，其本质仍是一种自动化替代人类手工的工具，通过预先设定的流程处理某些重复性工作，实现提高效率、降低差错的目的。

2.RPA不能自动迭代最优化求解

人工智能的基础是算法，算法具有通过自动迭代求解最优化的作用。人工智能可以概括为以人类智能活动范式为参考，具有一定智能行为的人工系统。而类似人类智能的系统应当具备的一个基本特点就是学习，并通过学习不断改进其行为，以获得其认知和能力范围内的最优解。

显然，当前的财务机器人不具备方案最优求解能力，同样的工作重复上千次、上万次，效率与差错率基本保持稳定不变。而对于人类而言，可通过大脑主动学习，在不断的重复劳动中归纳和总结，渐进式地学习与改进既有方案和工作模式，工作效率渐进提升、差错率渐进下降，形成学习曲线。学习曲线的实质是一种动态的生产函数，反映因工人熟练程度的提高而减少工作时间，使单位生产成本逐渐下降的过程。财务机器人在单一的工作任务流程中，有关的程序经过多次优化后形成了较高效率，但随着场景的变异和平台网络复杂程度的提高，原有程序不一定能适应新的工作场景，如果RPA不具备学习曲线功能，那么只能靠人为软件升级来匹配和适应，极端情况下可能要重构业务逻辑、重写代码，企业将面临新的投入。从这个意义上说，RPA难以被称为具有人工智能的机器人。

在RPA高效率、低差错地处理会计信息的前提下，如何高质量地分析和处理会计信息是题中应有之义。如前所述，人工智能具有自动迭代求解最优化方案的特征。因此，人工智能引入会计信息化的意义在于，使得会计实体、外部利益相关方得以运用人工智能技术不断优化会计信息的生成、传送和列报，并提供高质量的会计信息与解决方案。

会计信息化不仅要实现提供低延迟、低差错率的会计数据，更要具备深度解析相关会计数据的能力。高质量的会计数据分析可以为企业高质量的管理决策和企业之外的利益方高质量的行为决策提供坚强保障。通常，高质量会计数据的主要特征包括以下几点。

会计数据生成的高可验证性

对会计数据而言，所谓高可验证性，是指在一个会计信息化系统中所生成的会计数据是可逆推的，从而达到可验证的目的，并且这种逆推与验证过程具备高可靠性。这里的逆推是指由财务报表的列报可以反推至会计凭证和原始凭证。由于会计数据是一种典型的结构化数据，是基于确定的会计准则生成的，因此不存在统计规律上的随机生成特点，可逆推与可验证性在理论上没有障碍。

实际生成会计数据时，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为、原始单据在不同的会计场景中可能有不同的会计处理方式，这种处理通常称为原则导向下的会计方法差异化处理。以企业拥有的房地产资产为例，如果自用，则按固定资产记账；如果出租或为增值目的而持有，则属性确定为投资性房地产，并做相应的会计处理。可以发现，从财务报表的列报逆推至原始交易数据时，难以做到一一对应的还原，而存在多种可能的选择。我们认为，与自然界的物理规律不同，会计信息化流程所生成的会计数据具有明显的“人为干预和选择”特征，即便会计准则给定了比较明确的会计数据生成规则，但仍难以达到高可验证性。

会计数据的高因果性

本文所指的高因果性（与本文所指因果关系概念密切联系的两个会计术语是配比原则和权责发生制，二者在一定程度上体现了会计数据生成的因果链，但本文所指的因果关系的适用范围高于配比原则与权责发生制）主要指会计数据的生成与企业经营活动之间的因果关系明显。以销售为例，如果本期销售合同增加，那么同一会计期间的采购也会相应增加；如果本期销售合同减少，那么同一会计期间的采购也应相应减少。

基于经济学的理性人假设，一个企业如果不存在订单，那么它就没有必要投入经济资源，以避免有限的资金过早耗尽，导致经营不可持续。因此，销售合同增加，引起采购增加，随之销售收入增加也会引致销售成本增加，这是一对明显的因果组合。与会计学配比原则的概念有所不同，配比原则仅指会计数据的生成，比如销售收入与销售成本的配比，而对于销售合同与采购合同的变化则没有涉及。单从会计上看，只要销售收入与销售成本相配比，会计数据的生成就符合要求。然而，如果销售合同增加并没有伴之相应的采购活动的增加，那么销售收入与销售成本的配比很可能存在人为操纵因素，比如虚构销售或预提销售成本等。

另外，企业外其他利益相关方，比如税务部门，如果发布新的税务法规、征税管理规定等，相应会计数据的生成一定会根据变化后的税务环境相应变化。很多企业为便捷起见，以实际纳税金额作为当期税负。以所得税为例，假定税务部门调整了应纳税计算规则，企业往往不在年末时做所得税调整，而是等到次年汇算清缴时再一并调整，将多计或少计的税负列入次年的财务报告中。单从会计数据的因果关系来看，其生成与列报均没有足够的合乎因果性的解释。

总之，高质量会计数据的生成必须与企业经营行为，甚至是企业外其他利益相关方的行为相对应，形成可靠的因果链。

会计数据的高相关性

当会计数据的生成无法或难以通过因果解释时，可退而求其次，转而关注会计数据的相关性。相关性检验是计量经济学中一个十分具有价值的检验，通过计算两组数据的相关系数来判断其相关性。所谓相关分析，是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。例如，人的身高和体重、空气中的相对湿度与降雨量等。显然，身高高的人体重会偏高，但体重偏高的原因却不一定是因为身高高，这两个随机变量不存在因果关系。

会计信息化流程所生成的会计数据虽然是结构化的，但其所记录的经营活动很多是随机的。例如，一家以出租公寓为主业的公司，经调查发现，面积大的公寓经常由白领等中产承租。因而，体现在财务报告中，租金收入来源结构分析报告建议应针对白领开展重点营销。然而，实际上的因果关系可能是，该公司面积大的公寓能够获得更多阳光，而充足的阳光很可能是白领愿意租住的真实原因。在这种情形下，相关会计数据分析难以挖掘真正的因果链，但我们可通过相关分析锁定企业的目标客户，并设法增加大面积公寓的供应量。

人工智能（人工智能的成功往往离不开大数据和云计算，这已成为业内共识，本文在讨论人工智能在会计中的各种应用场景时，均假定建立在云计算与大数据平台上，如财务共享平台）具有处理异常和学习的功能，能够不断改进以获得在已知条件下的最优的结果。因而，我们可尝试从以下两个途径引入人工智能，从而提升会计信息处理与数据分析的质量。

会计信息一致性检验

借助人工智能可建立会计信息化流程验证系统，该系统在一定程度上类似于专家系统。该系统通过对会计准则和会计政策进行解析，自动对会计数据进行逆推，如果发现异常，将自动记录、比对并报告异常，视问题的严重性（由财务人员事先预设）确定是否向会计信息化流程管理人员报告。具体实施流程如下：

通过上述流程的反复实施，最终使每一个财务列报信息都能达到有效的可验证性。

针对会计信息的因果与相关分析

在因果分析与相关分析领域，人工智能拥有大量的算法和工具。对于因果分析而言，可以采用贝叶斯分析框架（人工智能有很多因果分析方法，本文仅以贝叶斯分析作为分析方法举例）。贝叶斯公式如下：

这是一个最基本的贝叶斯公式，重点关注两个概念，P为后验概率，P表示先验概率，分母是一个关于事件A的全概率划分，即事件A发生的概率。根据公式可知，如果给定最开始事件B的概率（即先验），那么当新的证据A出现后，B发生的概率（此时变成后验概率）会有怎样的改变？例如，会计信息化流程生成相应数据后，根据过往经验和数据，在每年年末当货币资金高于100万元时，该企业贷款户银行利率下调的概率为60%；而实际上银行利率已经下调，那么我们需判断当年的货币资金高于100万元的概率有多大。如果概率很高，比如接近90%，那么可以判定企业货币资金年末金额大于100万元的主要原因可能是其贷款银行的利率下调，从而资金成本下降，导致企业愿意使用贷款资金来扩大生产。

除以上情况外，还有很多人工智能算法能够进行类似的因果分析与相关分析，比如人们熟知的深度学习模型。因此，在提升会计信息处理与分析质量领域，人工智能大有可为。

会计智能化的基础是会计信息化，因此，会计信息化与会计智能化必将高度协同、深度融合，最终将极大地改变会计行业本身。在会计信息化阶段，重点关注的是会计信息的生成，如何核算、如何高效率地完成规定流程，同时有效降低差错，其目标是为企业及外部利益方提供真实的财务信息，以供决策之用；而在智能化阶段，重点关注的是如何高质量地分析会计信息数据，其目标是为企业创造更多价值，这些价值主要体现在以下两个方面。

业财联动模式提升会计职业地位

RPA与人工智能在会计领域的大规模部署，为会计界深度参与企业管理和提升自身管理能力带来了新机遇。公司业务发展与财务信息生成两条线的界限趋于模糊，泛会计化工作岗位将大量涌现，比如数据抽取岗位、会计领域编程、财务机器人运营官等。这些岗位一方面从事会计信息的生成与维护，因而属于会计范畴；另一方面，其深度嵌入企业价值分工之中，成为企业管理的核心环节。典型的应用有财务共享平台，极大程度地扩张了会计在企业管理中的话语权，增强了决策能力，明显增强了会计在企业中的作用和地位。

智能化的预测、风险规避与机会捕捉

以往进行财务预测与风险规避时，更多是依靠会计人员自身的经验和职业素养，一旦会计人员离职，企业此方面的风险管理能力就会受到影响，严重的甚至会导致企业决策失败，造成重大经济损失。人工智能通过不断迭代和优化，将历年数据深度加工，并形成若干专家知识库。当外界环境发生变化时，可快速、有效地提出若干方案，再结合财务会计人员自身的经验和职业素养，以此在总体上有效应对风险、捕捉市场机遇，即便发生会计人员离职，专家知识库也不会因此失效，并且随着时间的递延，会计智能化程度会越来越高。由此，会计智能化可以稳定、持续地为企业增加价值创造。

会计的发展沿着手工做账、电算化、信息化，最终发展至智能化，总体上是从属于工业4.0大潮流背景下的行业发展，其发展速度之快，发展目标之宏大，可以堪称会计行业百年未有之大变局。人工智能的大规模应用将深刻改变企业的运作模式，会计信息的生成、传送与列报及分析等，将体现出高效率、高可信、高智能化的特点。会计信息化将与会计智能化深度融合，并最终升级为会计智能化信息平台。

但也必须指出，人工智能在会计信息化中的应用，或多或少在某种程度上干预了人为行动，使人的行为受到了除人类智慧之外另一种全新的人工智能的深刻影响。因此，人类需要学会如何驾驭人工智能。由此可能带来的问题包括：RPA及人工智能直接造成了会计初级岗位的大量减少，导致会计行业面临职业焦虑；更进一步，RPA与人工智能削弱了人类行为的学习效率，人通过自身感知会计基础知识所获得完整职业经验的机会将大大减少。随着人工智能的日渐成熟，会计行业本身也可能面临危机，会计从业人员必须未雨绸缪，从专注于会计信息的生成向企业价值的创造转变。


 

特别声明：

文章来源：财务管理研究

作者： 文峰 

原文链接：https://mp.weixin.qq.com/s/kcAU8Dn5qpkGke-xpReskw

RPA中国推荐阅读，转载此文是出于传递更多信息之目的。如有来源标注错误或侵权，请联系更正或删除，谢谢。