人工智能应用场景及未来发展趋势 一 什么是人工智能人工智能是当前比较热门的科学和各国重点发展的前沿技术，但人工智能（Artificial Intell
来源：雪球App，作者：玖点半，（https://xueqiu.com/2857816313/132432573）
一.什么是人工智能
人工智能是当前比较热门的科学和各国重点发展的前沿技术，但人工智能（ArtificialIntelligence，缩写为AI）一词的出现，却是早在1956年由麦卡赛、明斯基、罗切斯特和申农等一批具有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题时提出来的，它也标志着"人工智能"的正式诞生。
人工智能是指通过计算机实现人的头脑思维所产生的效果，是对能够从环境中获取感知并执行行动的智能体的描述和构建。从狭义认知角度来讲，人工智能可分为人工智能产业（包含技术、算法、应用等多方面的价值体系）、人工智能技术（包括凡是使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能）两大类。
人工智能得到快速发展的时期，是2008年金融危机之后，美日欧等西方发达国家希望借助机器人实现再工业化。此时的工业机器人比以往任何时候都发展的更快，更加带动了人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。
而企业层面，目前在人工智能领域领先的企业，包括IBM、谷歌、微软、苹果、东芝、三星等大型科技企业，国内人工智能领先的企业，包括百度、科大讯飞，中国国家电网、阿里、腾讯以及一些新兴科技企业，如商汤科技、云从科技、码隆科技、影普科技、Yi+等。
二.国内人工智能应用领域及产值规模2.1.国内人工智能应用领域及产业规模人工智能作为科技创新产物，在促进人类社会进步、经济建设和提升人们生活水平等方面起到越来越重要的作用。国内人工智能经过多年的发展，已经在安防、金融、客服、零售、医疗健康、广告营销、教育、城市交通、制造、农业等领域实现商用及规模效应。
2018年国内人工智能技术为实体经济贡献收益规模达到251.1亿元人民币，而据艾瑞咨询预测数据，2019年人工智能将为实体经济贡献收入超570亿元，到2022年贡献收入将达到1573亿元，年复合增长率达到58.2%。
在2018年人工智能251.1亿元市场规模中，安防领域占比份额最高为53.8%，其次则是金融领域，份额占比为15.8%。
2.2.人工智能在安防领域的应用安防是为数不多的可以将人工智能成熟应用并落地的行业，为此，安防也被认为是人工智能的第一着陆场。这是因为人工智能在安防领域的快速落地，除了不需要过多的基础建设之外，也得益于全国范围内安防设备的普及以及政府部门大力发展雪亮工程、智慧城市、平安城市、智慧交通、天网工程等公共安全领域项目工程的推动。其中，2018年公共安全领域安防贡献的市场份额就超过70%。
人工智能在安防领域的应用主要是利用其视频结构化（视频数据的识别和提取技术）、生物识别技术（如指纹识别、人脸识别等）以及物证特征识别（如目前大力推广的ETC对车牌的识别等）等三大特性。其改变了过去需要通过人工取证、被动监控的安防形态，视频数据的识别和提取分析，使人力查阅监控的时间大大缩短，而生物识别又大大提升了人物识别的精准性，极大提升了公共安全治理的效率。
2018年，我国“AI+安防”软硬件市场规模达到135亿元（不含C端用户），其中视频监控占比达到88.1%，据艾瑞咨询预测2019年将达到350亿元，而到2022年，安防规模将超过700亿元，复合增长率将达到51.45%。
2.3.人工智能在金融领域的应用
人工智能在金融领域的应用仅次于安防，这要得益于移动互联网、区块链、云计算、大数据等新技术的日趋成熟，为金融行业的智能化转型升级奠定重要基础。
从技术层面，人工智能的本质上是机器通过大量的数据训练作出智能决策，人工智能能够赋予机器具有理解力的“大脑”，让机器能够解读文字、数据所包含的“语义”，通过自学的方式获得判断的规则。金融行业作为高度数据化的行业，加之业务规则和目标明晰，是人工智能、大数据处理技术和云计算等数据驱动技术的最好应用场景。以此同时，在互联网时代，金融行业的在线业务将成主流，数据量的激增，超出了人的经验范畴和处理能力，而这些却是人工智能最擅长处理的。人工智能正在对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。
2018年国内金融领域人工智能相关科技投入（包括软件和硬件设备）约为166.8亿元，较2017年增速为42.9%，到2022年人工智能相关投入将超580亿元，年复合增长率超过37%，其中银行是人工智能相关应用的主要投入方，占比超过70%。
目前，人工智能在金融业的应用，主要集中在智能支付、智能理赔、智能投顾、智能客服、智能营销、智能投研、智能风控等场景，这些场景又以银行最具有代表。
2.3.1.智能客服智能客服是人工智能在金融领域应用最广的。智能客服机器人取代了传统菜单式语音和人工客服模式，能够提供7*24小时的客服服务。智能客服在电话场景当中主要表现为机器管理和语音问答分析，智能客服可以通过深度学习文本中的对话、语音对话场景，并加以应用回复。智能客服目前在银行领域应用最广，平安银行的客服服务人工智能替代率超过80%，其服务量也提升了两至三倍，客服的人力降低了40%。
2.3.2.智能投顾智能投顾，即人工智能投资顾问，其是通过人工智能的深度学习和分析能力，为客户提供个人理财产品策略咨询，包括股票配置、基金配置、债权配置、交易执行、投资损失避税等策略。智能投顾的最大特点，是弱化“人性”，在基于大数据分析、AI算法等的前提下，一旦投资者选定了某种方案，资产的进出抛售就会严格按照既定的标准实行。
智能投顾的应用，最早可追溯到2016年年底，“摩羯智投”在招商银行手机APP的上线。目前，智能投顾已成为银行、券商、保险等金融机构的标配型服务。
2.3.3.智能风控金融行业在传统风控环节中，存在信息不对称、成本高、时效性差、效率低等问题。而智能风控因为引入了人工智能科技，使得贷前审核、贷中监控和贷后管理等环节效率和准确度都得到了极大的提升，智能风控还能促进风险管理差异化。另外智能风控在信用反欺诈、骗保反欺诈、异常交易行为等方面也发挥了越来越重要的作用，为金融行业欺诈风险的分析和预警监测提供坚实的技术支持。
2.3.4.智能投研与智能投顾相比，智能投研主要面对B端企业用户，为其提供辅助投研的工具。对于金融机构来说，人工智能技术的介入，使得传统投研的各个环节发生一定的优化和革新，解放大量基础的投研信息搜集类工作，而前期信息搜集的耗时性和不全面性，也是传统投研中较为主要的缺陷。智能投研是在金融数据基础上，通过深度学习、自然语言处理等人工智能方法，对数据、事件、结论等信息进行自动化处理和分析，为金融机构提供投研支持。
2.4.人工智能在客服领域的应用前文金融领域中已经提到了智能客服的应用，当然智能客服不仅仅只限于金融行业，在其他行业也运用得越来越广。客户服务引入人工智能技术后，整体上节省了10%以上的运营成本。另外，通过对语音等非标准化数据的识别，企业能沉淀下一手数据资源，为后续精准营销、产品升级等环节做好铺垫。
据艾瑞咨询数据，2018年，国内智能客服业务规模达到27.2亿元，其中以智能客服机器人为代表的人工智能应用业务规模达到7.9亿元，预计2022年智能客服业务规模将突破160亿元，年复合增长率为56%，人工智能应用业务规模突破70亿元。
2.5.人工智能在零售领域的应用人工智能在零售领域的应用已经十分广泛，包括无人便利店、智慧供应链、客流统计、无人仓储等细分领域。人工智能通过深度学习以及计算机视觉、图像智能识别、大数据应用等技术，使得工业智能机器人可通过自主判断和行为学习，完成各种复杂的任务，包括在商品分拣、运输、出库等环节实现自动化。另外，将人工智能技术应用于客流统计工作中，其通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
2018年中国现代渠道主要零售商数字化建设投入为285.1亿元，其中人工智能投入约为9亿元，占比3.15%，据预测，到2022年其数字化建设投入将突破700亿元，人工智能投入将超过178亿元，占比超过25%，这主要得益于阿里巴巴、京东、苏宁等零售巨头的推动，以人工智能应用为代表的新零售概念处于增长的上升通道，未来两年将保持较高增速。
而以计算机视觉技术为核心的人脸识别和商品识别是主要建设方向，相关投入占整体的55%以上。另外，零售领域供应链的优化最为复杂，对人工智能算法的可用性要求最高，但更靠近零售业的核心点，未来可释放的增益价值也将最大。
三.人工智能未来发展趋势目前，人工智能的研究及应用主要集中在基础层、技术层和应用层三个方面，其中基础层以AI芯片、计算机语言、算法架构等研发为主，技术层以计算机视觉、智能语音、自然语言处理等应用算法研发为主；应用层以AI技术集成与应用开发为主。而国内人工智能企业多集中在应用层，占比高达77.7%，技术层和基础层企业占比相对较小，分别只占有17.9%和5.4%。当然，未来随着5G的建设普及以及科技进步，人工智能除了在语音识别、计算机视觉技术的继续拓展和实地运用外，在人工智能芯片、机器学习、神经网络等方面也将引来增强趋势，人工智能也将在越来越多的领域得到应用落地。
另外，人工智能与物联网的结合（即AIoT）也将更紧密，AI的介入让物联网有了连接的大脑，使得万物互联互通成为现实，未来或将颠覆现有的产业模式。经济方面，助力产业价值链延伸，目前产业很难依靠既有技术与业务模式打破产业生命周期，AIoT通过设备感知与数据分析支撑新的产品形态与服务模式落地，开拓新的市场空间，产生新的发展周期。社会发展方面，数据价值得到挖掘，实现大量线下数据线上化，实现自动高效处理。
$海康威视(SZ002415)$$上证指数(SH000001)$$沪深300(SH000300)$
什么是人工智能人工智能的应用有哪些
什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能的应用有哪些实际应用：机器视觉：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。…研究范畴…自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式…应用领域…智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂等
应用领域语音识别领域。除了大家已较为熟悉的科大讯飞输入法，一家叫作云知声的人工智能公司，最近开发了智能医疗语音录入系统，采用了国内面向医疗领域的智能“语音识别”技术，能实时准确地将语音转换成文本。这项应用不仅能避免复制粘贴操作，增加病历输入安全性，而且可以节省医生的时间。目前，一些医院已应用了这一技术。
金融智能投资领域。所谓智能投（资）顾（问），即利用计算机的算法优化理财资产配置。目前，国内进行智能投顾业务的企业已经超过20家，其面向的服务群体，就是那些并不十分富有、却有强烈资产配置需求的人群。
中国的BAT（百度、阿里、腾讯）都已涉足人工智能。2016年，“百度大脑”项目正式启动，致力于打造综合的人工智能平台；阿里巴巴推出了人工智能项目“ET”，未来将具备感知能力，并在交通、工业、健康等领域输出决策；腾讯已将人工智能的相关技术，应用于QQ、金融、微信业务板块。
而其他诸多企业都在开发人工智能的“对话机器人”（相当于“虚拟助理”），如微软的“小娜”、谷歌的“Allo”、苹果的Siri、百度的“度秘”等。
张庆龙｜智能财务的应用场景分析
（二）如何构建智能财务应用场景
王玉梅等提出了应用场景的设计流程：首先，产品设计师需要对用户现状及其需求进行分析，并加以整理，从而客观描述当前的实际情况；随后，产品设计师根据用户相关问题与需求，设计具体的解决措施和方案；最后，设计师还需要对所提供的解决方案进行验证和评估，观察使用情况，为产品的最终设计提供反馈和参考。
本文将该流程与应用场景的三类要素相结合，通过举例分析一个典型的智能财务应用场景，即利用计算机视觉辅助审核验证。在基础核算工作中，财务在进行记账工作前，会收到来自企业内部或外部的各类原始凭证。会计核算人员需要验证原始凭证是否重复、判断真伪并审核合规性。在传统的流程中需要财务人员逐个查询、人工校验，一方面费时费力、效率较低，另一方面无法保证准确性和稳定性；但是若利用计算机视觉技术，则可以把影像文件转化成结构化数据，并做出测量、判断、核对和验证，实现单据的自动化审核，从而提升效率和质量。根据这一思路，可以在充分了解财务工作流程的基础上，挖掘财务人员的业务痛点和需求，实现各类数字技术在财务领域的应用。
当前来看，人工智能应用于财务领域，进行产品研发和场景落地的核心是替代部分财务人员的工作从而提高财务人员工作效率，其成功与否的判断标准为：①智能财务产品的使用频率是否高，使用效果好不好。②在该应用场景下，智能财务产品替代财务人员价值的大小。③在应用场景下，智能财务的产品更有利于管理会计作用的发挥，以提供决策支持，发挥管理效能，体现财务价值。
（三）智能财务应用场景的研究现状
1.学者和从业者的观察与思考。学者和从业者主要从具体的财务工作场景出发，发掘智能技术应用的可能性。Hazar指出，在财务人员执行财务计划或分析工作时，人工智能算法可以帮助财务人员提高分析能力，根据历史数据建模并做出假设，从而对未来的指标做出预测。这类技术通常以软件的形式供员工使用，被称为“数字助理”。例如，数字助理可以处理员工对于账单、现金流水、会计政策和流程的查询。
经过一定的探索和实践后，学者和从业者们开始基于财务工作构建智能财务应用的不同层次。刘勤等将智能财务的应用分为财务核算全流程自动化系统、智能财务决策支持系统、企业智能财务共享服务平台以及人机智能一体化的业财融合管理平台。刘梅玲等认为，人工智能在财务领域的应用场景可以细分为感知智能、运算智能和认知智能三类应用场景。
智能财务还将对财务人员的工作岗位和工作场景产生影响。李闻一等认为，现有的财务岗位在未来将全部消失，如出纳、总账会计、固定资产会计、成本会计、税务会计乃至审计等，取而代之的是数据资产岗、信息需求岗、算法设计维护岗、人机交互岗、数据信息安全岗等新岗位，这些岗位构成了智慧财务新的工作场景。对个人而言，更多微型智能财务工具将为个人经济行为提供建议；对企业而言，智能财务工具和财务机器人也将在算法设计、维护人员设计和操作下为企业创造更大的价值。
2.行业协会、学术团体机构关于智能财务应用场景调研结果。相关机构对人工智能等数字技术在企业财务领域的应用情况进行了多维度的调查，这些研究报告所展现的智能财务应用场景更偏重具体技术的描述，以及考察企业在实际工作中已经实现的功能，从而评价智能财务目前的落地应用现状。中兴新云联合南京大学、厦门大学发布的《财务的自动化、智能化、数字化》报告中列举了OCR技术辅助财务智能审核、自然语言处理应用于智慧审计以及知识图谱助力供应商关系管理等具体应用场景，指出人工智能将从产品、流程和洞察三个方面在财务领域发挥作用。上海国家会计学院智能财务研究中心发布的《中国企业财务智能化现状调查报告》对智能财务提供的服务、财务信息系统各模块的智能化程度等要素展开调查，发现目前企业财务中智能化程度最高的是会计核算和银企互联模块，最低的是风险管理和经营决策支持模块。但同时，企业对智能化迫切程度最高的是会计核算和费用报销模块，而对风险管理和信息披露智能化的重视程度较低。美国管理会计师协会（IMA）与厦门大学等机构发布的《智能技术驱动下的财务共享模式创新与应用实践研究调查问卷分析报告》发现，受访的财务人员对电子发票、数据可视化和大数据技术较为熟悉，并得到了长期的应用。未来企业更倾向于进行机器人流程自动化、大数据、高级分析和行为分析等技术投资。
3.国内软件服务提供商构建的智能财务场景应用体系。不同的服务提供商都构建了自己的智能财务场景应用体系，可以看出这些主体所推动的建设重点与企业目前的建设需求和应用现状具有一定联系。
用友网络将新技术为财务带来的四大变革总结如下：第一是业务财务，基于事项库实现业财深度实时融合，将财务融入业务的每个环节，实现事前、事中的服务与管控。第二是数字财务，基于事项库大数据中心和实时的核算数据，财务人员可以进行数据挖掘、数据建模和数据分析，有效、及时地服务业务决策。第三是智能财务，通过人工智能技术提升财务作业的自动化和智能化程度，提高准确性以及效率。第四是综合财务，财务会计向管理会计、税务会计、社会会计转型，构建综合发展大会计体系，服务更多会计信息使用者。浪潮集团执行总裁王兴山将这种智能财务应用分为三个发展层次：首先是基于规则的自动化（RPA），具体表现为财务机器人的自动对账、智能报告等；其次是基于对话式用户界面（UI）的数字助理，语言交互、人机协作是重要特征；最后是基于深度学习的企业大脑，以大数据为基础的智能决策和风险内控是典型场景。金蝶软件发布的《智能财务白皮书》中提到智能财务包括七个财务业务场景，即日常差旅、税务管理、营销管理、采购流程、采购付款风控、订配货预测和供应商优选，目标是实现交易处理的自动化、管理和决策的智能化。元年科技基于财务共享的智能化升级，构建了标准化、自动化的财务共享，连接在线商城的采购共享，连接商旅平台的差旅共享、税务共享，并在此基础上利用智能化技术。
4.小结。综合上述研究观点，可以发现在智能财务应用场景研究中存在以下问题：第一，当前的实际应用主要集中在通过智能化提高效率、审核的功能上，缺乏更能发挥数据价值的应用。这既与企业当前的数字化程度和现实需求有关，还与实现更高级的人工智能应用的难度和成本有关。第二，智能财务应用场景的体系未建立，缺乏层次性。刘梅玲等认为，凡是将“大智移云物区”等新技术运用于财务工作领域，对传统财务工作进行模拟、延伸和拓展的场景，都是智能化场景设计的范畴。但正因如此，当前对于智能财务应用场景的探讨多为点状的举例，而不具备科学的应用框架；层次性不强体现在技术和应用场景的对应关系较为模糊。例如，Hazar强调人工智能对财务经营分析的作用，但仅以“数字助理”举例，实际上人工智能增强财务的分析能力不止这一个层面的一种应用。第三，当前应用场景的研究缺乏理论性总结，单纯从实践角度介绍如何应用，而较少探讨背后的技术原理。主要原因一方面是财务管理和人工智能等技术专业领域的跨度较大，另一方面是财务人员似乎认为自己只需要“会用”智能财务产品即可，无须关注其背后的原理。本文认为，技术落地固然离不开技术人员，但理解背后的基本技术原理对财务人员的思维转变、实现转型具有重要意义。考虑到未来智能财务理论的发展以及智能财务人才的培养，本文认为需要深入挖掘应用场景背后的技术原理。
二、智能财务的典型应用场景
根据上述各类有关应用的不同观点可知，智能财务的应用其实最终都指向“什么是智能”这一根本问题。因此，构建智能财务的应用场景首先需要明确的是财务到底需要哪方面的智能？要回答这个问题，需要从财务活动的内容来分析。根据财务组织架构的功能性转型，财务被划分为共享财务、业务财务和战略财务，这就对应着交易处理、管理控制和财务决策支持三个层面的财务活动。基于这一架构，智能财务强调在交易处理工作中实现更准确的计算和更高效的自动化，并形成一种基于机器学习的自适应流程，在与员工的协作过程中进行自我学习、提升表现，以提高员工的服务体验；在管理控制和决策支持活动中强调商业决策会越来越多地依赖机器学习算法来发挥数据的作用，使分析结果更加科学，甚至做出预测；同时，还可以想象更高级的认知智能、通用智能乃至强人工智能在财务领域发挥的作用，使财务的职能得到进一步延伸。基于上述思路，本文按照依次递增的智能程度以及财务工作的层级，将智能财务的应用场景分为以下四个层面。
（一）智能财务机器人
智能财务应用场景的第一个层面是智能财务机器人，主要是通过信息识别和流程自动化，处理大量重复和规则明确的操作性业务，并利用人工智能技术发展出一定程度的认知智能，实现操作性业务的自主优化，从而模拟或替代具体的财务工作流程。
1.处理大量重复和规则明确的操作性业务。《2018年中国共享财务领域调研报告》的调研结果显示，已有近半数的受调研企业在共享服务中心采用了基于RPA技术的财务机器人。其应用场景需要满足两个条件，一是大量重复，二是规则明确。
在应用场景基础上，需要根据财务工作的特征和RPA技术的原理进行提取和抽象。田高良等将基于RPA的财务机器人的功能划分为五大类，分别是数据检索与记录、图像识别与处理、平台上传与下载、数据加工与分析、信息监控与产出。王言将机器人流程自动化的各类工作环节抽象成为四个部分，分别是信息获取、信息加工、信息分析和信息决策。任何具体的自动化应用场景都是这四类工作的具象化或组合。
对于财务领域的自动化工作需要进行抽象，但只是适度的抽象，否则无法保留财务工作流程的特点以便后续优化。基于此，本文将智能财务机器人的主要应用场景细分为：①原始数据获取、导入和处理场景；②对账、审查与复核场景；③会计核算、报表及附注生成场景；④其他常规工作场景，主要包括系统内、外部平台的登录，文件下载与上传，信息通知等工作场景。
2.发挥认知智能实现操作性业务的自主优化。事实上，财务机器人是目前智能财务最为基础的应用，其细分应用场景已经得到充分的挖掘，而且仅仅运用RPA技术实现的自动化并不能称为智能。本文认为，智能财务机器人应当考虑的是如何充分利用人工智能的认知能力，使智能财务的应用从感知智能向认知智能过渡，加速RPA技术和人工智能技术的融合，实现对于流程最优解的自动迭代以及更细致的数据采集。这正是与传统财务机器人应用的最大区别。
目前，财务共享服务中心的自动化业务处理当中还存在诸多不足，比较突出的表现是财务机器人基本不具备方案最优求解能力。它只是将既定的工作流程进行不断重复，以维持一定的效率与差错率。此时的财务机器人是不具备学习能力的，如果业务标准和流程发生改变，只能依靠人工软件升级使之匹配和适应，极端情况下可能需要重构业务逻辑、重写代码。当然，此处涉及会计和监管合规方面的专业知识，以确保技术能够以受控与合规的方式被部署，应用的工作仍需要人类干预。人工智能技术在财务机器人中的应用也更多地强调使其会“看”（如信息自动识别）、会“听”（如语音交互的感知智能）。
本文认为，智能财务机器人主要可以在以下三个方面实现改进：一是质量，通过标准化、持续统一地执行业务规则，帮助识别和应对常见的管控问题，在时效性和准确性方面有大幅改善。二是效率，自动化流程在处理速度、处理容量上得到改善，并进行自我优化。例如通过增强学习算法提高票据识别的精确度。三是深度，利用人工智能引擎在同等的期限与限制条件内，提供过往难以实现的数据基础，最终向业务财务、战略财务和监管机构提供有价值的数据信息。
（二）智能财务助理
智能财务应用场景的第二个层面是通过多模态交互、人机协同实现的基于对话式用户界面的智能财务助理。多模态交互的概念是指人和机器通过视频、图像、语音、文本等多种形式进行交互；对话式用户界面是指在移动终端如手机上的聊天交互界面。本文认为基于移动终端的智能财务助理，是实现人机交互的一种较为可行的选择。
智能财务助理的应用范围包括财务人员与业务人员有往来的财务工作，以及业务财务人员的工作。这类应用场景的特点是财务需要深入到业务过程当中，为上述人员提供服务。但是，传统财务人员的服务意识较为薄弱，一方面是因为财务的管控和监督职能成为重点；另一方面是数字化程度较低，使得财务没有能力采集详细数据，提供基于数据的服务。
因此，借鉴互联网产品设计和人工智能下的人机协同理念，智能财务要提升客户体验有以下三个要点：一是推广移动互联网应用。财务已经开始利用移动应用（如移动审批）来提高工作效率，下一步应该继续扩大功能范围，并考虑通过用户界面设计优化等措施提高用户体验。二是多模态人机交互。当前财务系统与财务人员的交互方式多为鼠标交互、电子表格等，因此智能财务需要利用多模态的交互方式，优化人与机器的交互体验。三是智能财务接入数据中台。借助其数据基础为提供快速敏捷的数据服务创造可能。
综上，基于该应用场景可以延伸出智能业务处理、智能报表辅助和智能问答咨询三类细分应用场景：
1.智能业务处理。智能业务处理是指对传统的财务工作流程进行重新设计，并利用移动互联网、人工智能认知技术等，根据财务和业务人员的需要随时随地地提供财务服务，帮助完成一般事务性工作并在一定程度上提供洞察和预测。智能业务处理的功能主要表现在以下两个方面：
（1）设定智能化的流程定义和权限定义，并通过移动应用实现业务自助处理。由三个步骤组成：首先，智能业务处理可以提供工作流、业务流的自定义功能，根据业务的需要灵活定义相关流程或流程组合；然后，根据组织权限、数据权限和参数权限等多维度的定义方式，实现审批流的自定义；最后，利用移动互联网应用的手段，使员工可以随时随地地获取财务服务，例如移动报销、移动授权审批、移动商旅采购、移动身份认证等。根据这一路径，智能财务助理最典型的应用就是对报销业务的优化。目前，许多软件公司均已推出智能报销流程，员工可以通过手机提交申请，上传附件，企业根据设置好的规则引擎进行自动审批乃至自动打款，并完成各类凭证的自动生成，极大地提高了员工填单的便捷性和审核的时效性，从而缩短报销周期。进一步延伸，财务在纳税申报、合同处理、采购销售等业务处理中均可根据上述原则实现移动、自动处理，不断提高工作效率和员工体验。
（2）在自助处理的基础上进一步通过优化交互、提供洞察的方式提高用户体验。移动应用本身就是优化体验的一种方式，但同时也是不断优化的新起点。例如，有学者提出可以基于语音指令实现会计核算，训练人工智能将语言转为结构化信息，完成各类会计要素和凭证要素的填写和计算。金蝶软件开发的智能差旅服务可以让员工用语音发起出差申请并自动审批，还可以通过对员工出行习惯数据的分析推荐最佳出行方案，进一步优化员工体验。
需要指出的是，在上述应用中，优化员工体验是一种主观感受，选择智能业务处理应用的标准是为了提高业务效率，不能舍本逐末，仅是追求新奇的形式而忽略了智能业务处理的根本是对财务业务流程的再造。
2.智能报表助理。财务转型后的业务财务需要更加以客户为中心，善于为业务问题提供解决方案，而且这种转变强调的是基于数据驱动的管理转型，也就是及时、充分地利用数据制定决策方案。由于不同经营单位情况和目标不同，需要短时间内提供定制化、个性化的管理会计报告。然而，大型企业应用系统众多，底层数据难以完全打通，数据报表难以横跨多个数据源。同时，定制化的管理会计报告复杂度高、工作量大、耗时长，无法满足数据驱动的转型要求。其结果正如Menezesde等的研究指出，在许多财务组织中，财务计划与分析沦为数据收集、整理和格式处理，其本应具有的价值被忽视。因此，管理决策人员更希望通过快速、个性化的方式完成自助的报表分析工作，基于人机交互的智能报表助理就应运而生。
在智能报表助理应用下，用户可以通过移动端的文字搜索、聊天输入或语音问答形式，向系统提出数据和报表需求。系统在后端数据治理的基础上，与前端语音交互、自然语言处理（NLP）和知识图谱技术相结合，从而提供个性化的数据服务。智能报表助理的功能特点体现在人机智能交互和自助定制化分析两个方面：一是人机智能交互使得人类能够以更方便的形式提出请求，人工智能也以人类更容易理解的方式（如可视化）回应请求。二是普华永道指出企业财务将向场景式和定制化财务转型。在智能报表助理的自助定制化分析下，可以实现研发、制造和销售等场景的专门分析，使每位业务财务人员得到“千人千面”的数据助手，从而实现更具针对性的自动推荐数据功能。该应用场景不仅可以降低定制化报表的获取难度，支撑用户日常数据分析工作，挖掘数据的潜在价值，更能通过友好的交互体验培养员工数据驱动的工作思维。
3.智能问答咨询。智能问答咨询应用场景更侧重于智能财务的运营管理方面，主要包括两大功能模块，分别是智能化的日常咨询处理和基于知识管理的员工培训。这类智能助理可以在认知技术的帮助下，通过对员工行为数据的采集和机器学习，不断契合员工需求，提供更具针对性的服务。
（1）智能化的日常咨询处理。对于问答咨询这类具有一定操作标准、业务量繁多，但同时又需要与人沟通的活动中，可以在人工处理之前设置人工智能。财务可以参考销售领域已经广泛利用的前台人工智能应用，在自动处理常规问题的基础上通过与客户的互动改善用户体验，记录每个用户的主要业务和偏好，甚至实现提前预测处理，以此提升智能财务运营的满意度。事实上，这类具有“客户服务意识”的智能问答咨询应用，很可能成为财务实现智能化转型、落实服务职能的关键。
（2）基于知识管理的员工培训。知识管理同样是财务共享服务中心运营管理的重要内容。本文认为，要真正实现员工赋能，必须发挥人工智能在认知智能方面的能力，实现针对每个员工个体的个性化知识管理，使得对员工培育提升也可以做到“千人千面”。Ehrenhal等举了一个利用智能问答进行知识管理的例子。某企业在学习平台上设置了聊天机器人，财务人员可以通过询问来确定所需学习的课程，也可以在学习遇到问题时向机器人提问。由于人机交互的数据都被平台记录和跟踪，企业可以快速预测财务人员需要查询的课程、推荐额外的课程、避免员工选择不匹配的课程等。这一应用所带来的结果就是该企业的合规问题得到了明显改善，并实现为每位员工提供针对性的培训计划。
总的来说，智能业务助理的各类应用场景实现了“财务进入业务前端、提供深入价值链的业务支持”的目标。它将财务更好地与企业的信息循环、管理循环和业务循环相融合，可以控制和反馈业务循环是否遵循管理循环提出的规则和要求，并为管理循环提供及时的、与决策相关的报告。而实现这一目标的前提就是利用智能财务机器人实现的基本业务自动化和数据采集自动化。
（三）智能管理会计应用
智能财务应用场景的第三个层面是智能管理会计应用，主要是通过增强或模拟财务人员的分析、决策能力，形成对财务专家脑力的辅助，实现决策支持等管理会计职能。
涂杨举指出，企业环境的剧变要求企业将焦点转移到运营、风险控制和制定战略决策上。智能财务在这一层面的目标是扩大人工智能在管理会计领域的应用范围，对经营分析、预算管理、成本管理、资金管理和风险控制等管理会计领域进行全面赋能。因此，智能管理会计应用中也将围绕这些领域展开细分应用场景：
1.经营分析与决策支持场景。决策理论学派的代表人物Simon和March认为决策贯彻于管理的全过程，管理即是决策。对于财务管理而言，通过经营分析做出决策，成为财务战略管理层决策者的重要职能。认知科学和计算机的发展使人们意识到了机器对于克服人类处理及储存信息方面的认知局限，管理者可以通过大量数据和高速计算提高决策质量。在机器的帮助下，人的决策可能并不完全依赖于数据，但至少决策者的直觉和认知现在是由数据和分析提供信息的。各类管理支持系统，如决策支持系统、商业智能就是其中的代表。
但是，即使当前许多大型企业已经实际运用了商业智能技术来辅助决策，企业的经营分析仍然普遍面临一些问题。一方面，数据报送耗时、数据采集与分析分离、数据准确性差和质量不佳等问题，是财务数据管理问题在经营分析应用中的再次体现，使得企业难以快速地发现市场变化、优化资源配置，仍然依赖于经验进行决策；另一方面，管理层所使用的决策支持的功能缺乏高效、扁平、可视化的设计，无法满足符合企业需求的分析维度、方法和展现形式。
智能财务在智能管理会计应用中，对于经营分析和决策支持场景的财务工作，可以实现以下几个方面的功能：一是为管理层提供动态、实时的经营信息；二是为管理层及经营者提供经营分析的模型和工具；三是在此基础上为企业战略提供财务评价。该场景是智能财务的核心，是对其他管理会计领域信息化建设的思路统领，同时也是建设智慧企业的核心。
2.预测与全面预算管理场景。全面预算管理作为集业务、资金、财务、信息等为一体的综合性预算体系，对于企业进行战略管理、资源配置、协调各部门的关系等方面都具有重要的作用。但目前，企业在实施全面预算管理的过程中存在以下问题，特别是在数字化的环境下，这些缺陷尤为突出：一方面，预算系统需要将多种数据作为输入来源，如利润目标、费用数据、相关业务数据等。但企业财务数据管理存在的问题不可避免地影响到预算信息传递的速度和效率，难以提供高质量的预算信息。另一方面，由于难以对市场进行预测，企业在编制预算的过程中往往把目标定得过高或过低。预算编制与现实的偏离往往影响了预算管理的实施效果。而预算编制的科学性和准确性较差使得所编制的预算成为一种摆设，由此形成了“重编制、轻执行”的问题。
笔者曾指出，人工智能是一种预测技术，机器学习可以利用算法从样本数据中寻找规律。这一特征使智能财务在全面预算管理中挖掘出了重要的应用场景，就是将数据预测与全面预算管理相结合，最大限度地提高预算的科学性。智能财务预测与全面预算管理可以通过数据挖掘、回归分析、机器学习等手段，对业务、收入、费用、减值和资本情况进行科学预测，优化预算编制过程。同时搭建起预算控制和分析的智能化平台，以监控预测的执行状况，形成基于数据预测并实时调整的预算管理体系。
3.多层次精益成本管理场景。对于智能财务而言，如何发掘与成本管理相关的应用场景对于企业数字化转型具有重要意义。数字技术成为财务部门发展的良机，但同时诸如精益管理（Lean）等方法仍然适用。其中精益成本管理成为一类重要应用。精益成本管理不仅强调降低成本与费用，更是从目标制定、产品设计、销售等各个环节寻求总体效益的最优化，实现全过程、多层次的成本管理。大量且细致的成本数据分析背后同样需要人工智能技术的支持，特别是与机器学习相关的数据挖掘技术。Amani等对数字挖掘技术在成本管理应用中的几个层面进行了综述，分别是设备层、流程层、施工层、产品层和项目层。其中，在设备层可以用数据挖掘来评估设备制造成本，从而提高设备检查和维修的精确度，追踪设备更新成本；在流程层数据挖掘技术用来在成本核算中确定成本驱动因素，并有助于制定转移定价的决策；在施工层通过创建神经网络系统，实现快速并足够精确的成本评估；在产品层挖掘出的数据可用于预测产品单元的成本、评估产品生命周期成本；在项目层数据挖掘可以协助建立成本评估体系，包括有形产品和无形产品，如软件和应用等。
因此，基于全过程、多层次的原则，财务可以在数据挖掘技术下实现对成本的精益管理，本文认为这是智能财务在管理会计成本管理领域的重要应用场景。
4.基于司库的资金管理场景。笔者曾在《财务转型大趋势：基于财务共享与司库的认知》一书中指出，财务转型中一条不可忽视的主线是基于资金视角展开的，并将企业的资金管理职能升级为司库职能，融入企业对金融资源的管控能力。毕马威研究发现，面对信息技术不断发展的大环境和企业经营模式的变化，传统的司库将走出“大出纳”和“融资”的职能范围，需要借助财务工具、金融服务以及信息技术，进行更有效和更规范的资金管理。本文认为，智能财务可以借鉴金融科技中的相关应用，挖掘自身在资金管理领域的应用场景。
在金融科技领域典型的人工智能应用是智能投资顾问（简称“智能投顾”）。智能投顾运用算法和投资组合优化理论模型，为用户提供投资决策信息参考，同时还可以根据金融市场的波动形成预判，对资产组合及配置提供改进建议。参考这一思路，企业财务在资金管理中的资金计划、资金调度、资金监控、资金风险管理等职能同样可以在连接社会大数据的基础上，将人工智能技术和相应的管理理论相结合，实现司库管理系统的升级。例如，在司库的公司理财职能当中，财务人员可以根据重要经济指标，运用神经网络模型为公司制定投资方案，以追求长期的稳健回报，这也将使得财务人员开始关注外部金融资源，借助人工智能提高投融资、运营管理能力，从管理决策导向走向战略支持导向。
5.智能反舞弊与风险控制场景。反舞弊和财务风险控制也可以从金融科技应用中取得借鉴。传统反舞弊和风险控制业务主要靠人来搜集、处理数据，并进行财务反应和行动，这种模式面临诸多痛点。从数据角度看，进行舞弊判断和风险识别所需收集的数据量巨大，财务人员难以整合多种渠道的信息，从而出现疏漏，无法进行关联信息查询和扩展；从成本效益角度看，该模式下的监督管理效率不高，但监管调查的投入面临逐年递增的情况，难以实现持续的优化提升。
在金融领域，智能风控应用已经颇为成熟。例如，蚂蚁小贷利用计算机后台自动整合贷款人各个方面的数据，快速运算并进行筛选、建模和打分，并自动审批房贷，从而实现其坏账率显著低于传统银行。因此，智能财务同样可以借助监督式学习算法、知识图谱等技术，把人类具有的直觉推理加以形式化或机器模拟，大量处理会计信息、供应商管理审查信息、应收账款账龄信息等，对财务风险甚至是非财务风险形成一定的预判能力，使财务部门由提供事后的财务数据，向事前的风险管控和事中的规范管理转变，正如蚂蚁小贷借此实现无人信贷。德勤也指出，机器学习还将解读财务人员对于风险的反应模式，从而在没有回馈或干预的情况下自主采取行动，根据持续的信息流快速反应进而降低风险，使财务在不需要人的干预下就可以自主驱动智能工具，实现控制风险的目的。
（四）智慧企业大脑
智能财务应用场景的第四个层面是智慧企业大脑，主要是探索发挥通用人工智能乃至强人工智能在企业决策当中的应用，使智能财务融入智慧企业的建设中。这一应用场景总的来说仍然是发挥人工智能在某一专门领域的作用，即专用人工智能。同时，在更高级的应用上更多的是基于“人+机器”的合作模式。有学者指出，目前最复杂的目标设定等工作仍是由人类完成，而在未来，计算机也可以很好地制定宏大的意图和目标。而具备设定目标能力的人工智能则可以认为已经具有一定程度的自我意识，可以自主学习新的工作场景，执行各类不同的、没有预先设定程序的分析任务，整体呈现出通用人工智能或强人工智能的特点。本文认为，智能财务同样具备运用通用人工智能乃至强人工智能的潜力，主要实现方式是融入智慧企业的建设过程当中，成为“智慧企业大脑”，这是智能财务最高级的应用场景。
智慧企业是企业数字化转型后的一种形态，其核心是为了发挥数据的作用。具体而言，专业职能部门要通过数据的挖掘和专业知识的沉淀，形成各类独特的能力；管理层则通过大数据和算法，修正经验判断的偏差，为决策者在预测规划、绩效判断、风险管控等不确定领域提供更多的科学依据。在这一转型目标中，智能财务将成为智慧企业中的关键能力，它的重要性体现在：智能财务强调数据驱动，并发挥算法和算力的作用。智慧企业在运营和管理上追求的是标准化和数字化。例如决策的标准化和数字化，采购、招标和定价的标准化和系统化。智能财务可以在大量全样本数据的基础上，对需求和有限资源之间的配置进行无限模拟，做出更加完整、客观的预测，辅助甚至代替企业管理人员做出决策。
例如，我们可以想象人工智能帮助财务在企业战略分析和选择方面所发挥的作用。战略分析和选择作为最高管理层的职能，将人类管理者训练成能够判断趋势并能凭直觉得出独特战略的“市场控制者”，需要积累数年乃至数十年的经验，而目前的算法在数小时内就可以探索出数千种可行的策略，并进行逐一模拟和判断。想象企业在掌握了大量市场数据、用户数据以及各种渠道所获取的竞争者数据的时候，是否也可以对竞争的结果做出无限模拟？此时企业之间的竞争是否已经演变为对数据的抢夺？这将对企业的战略选择方式带来巨大变化。智慧企业大脑在识别新模式、发现并模拟新策略的速度和能力上超过了任何经验丰富的人类分析师和管理者。目前，我们已经看到久其软件在通信行业基于管理者行为分析的KPI矩阵推荐算法，这种基于“数据要素—管理岗位—指标相关性”的算法弥补了传统决策管理自上而下的规划环节场景的缺失，把管理指标变成类似“今日头条”一样千人千面的数据“新闻门户”，为更灵活的阿米巴会计报告和财务数据服务创新提供了可供参考的实践路径。
总的来说，以上智能财务应用场景使财务实现了消除冗余流程、通过自动化解放相关人才、随时随地根据财务和业务人员的需要提供信息、增强业务决策支持、改善用户互动和服务质量、实现管理会计的信息化和智能化的综合目标，同时为在企业管理和运营当中实现通用人工智能乃至强人工智能提供了可能。
参考文献
［1］ICAEW.Artificialintelligenceandthefutureofaccountancy［R］．ICAEW，2018：7~8．
［2］王玉梅，胡伟峰，汤进等．产品交互设计中场景理论研究［J］．包装工程，2017（6）：76~80．
［3］HülyaBoydasHazar．Artificialintelligenceapplicationinaccountingandauditing［R］．Research＆ReviewsinSocial，HumanandAdministrativeSciences，2019：251~263．
［4］刘勤，杨寅．智能财务的体系架构、实现路径和应用趋势探讨［J］．管理会计研究，2018（1）：84~90+96．
［5］刘梅玲，黄虎，佟成生等．智能财务的基本框架与建设思路研究［J］．会计研究，2020（3）：179~192．
［6］李闻一，李栗，曹菁等．论智慧财务的概念框架和未来应用场景［J］．财会月刊，2018（5）：40~43．
［7］中兴新云．财务的自动化、智能化、数字化［R］．中兴新云财务云，2020：16~24．
［8］智能财务研究中心．中国企业财务智能化现状调查报告［R］．上海国家会计学院，2020：30~35．
［9］郭晓梅．智能技术驱动下的财务共享模式创新与应用实践研究调查问卷分析报告［R］．IMA等，2020：36．
［10］用友网络．企业数字化：目标、路径与实践［M］．北京：中信出版社，2019：452~579．
［11］王兴山．数字化转型中的企业进化［M］．北京：电子工业出版社，2019：1~230．
［12］金蝶软件．智能财务白皮书［R］．金蝶软件（中国）有限公司大企业事业部，2020：16．
［13］贾小强，郝宇晓，卢闯．财务共享的智能化升级：业财税一体化的深度融合［M］．北京：人民邮电出版社，2020：91~105．
［14］田高良，陈虎，郭奕等．基于RPA技术的财务机器人应用研究［J］．财会月刊，2019（18）：10~14．
［15］王言．RPA：流程自动化引领数字劳动力革命［M］．北京：机械工业出版社，2020：1~200．
［16］TonyMenezesde等．认知型企业：财务部门的良机［R］．IBM商业价值研究院，2018：11~25．
［17］普华永道．智慧财务驱动企业变革与转型［R］．普华永道，2019：5．
［18］StevenEhrenhalt等．德勤首席财务官指引——认知技术［R］．德勤，2018：14．
［19］田高良，陈虎，孙彦丛等．“大智移云物”背景下的财务转型研究［J］．财会月刊，2019（20）：3~7．
［20］涂扬举．智慧企业概论［M］．北京：科学出版社，2019：1~50．
［21］阿黛尔·斯威特伍德．智慧营销：营销部门数字化转型指南［M］．北京：机械工业出版社，2019：1~200．
［22］毕马威．未来之道，携手共赢［R］．毕马威咨询，2020：1~50．
［23］刘雪贞．我国企业全面预算管理存在的问题与对策研究［J］．山东财经大学学报，2017（3）：84~91．
［24］FarzanehA.Amani，AdamM.Fadlalla．Dataminingapplicationsinaccounting：Areviewoftheliteratureandorganizingframework［J］．InternationalJournalofAccountingInformationSystems，2017（24）：42~58．
［25］张庆龙等．财务转型大趋势：基于财务共享与司库的认知［M］．北京：电子工业出版社，2018：91~99．
［26］徐忠等．金融科技：发展趋势与监管［M］．北京：中国金融出版社，2017：86~159．
［27］德勤．智能财务反舞弊监控系统［R］．德勤，2020：1．
［28］曾鸣．智能商业［M］．北京：中信出版社，2018：115~128．
［29］阮闯．企业大脑——人工智能时代的全数字化转型［M］．北京：经济管理出版社，2017：78~109．返回搜狐，查看更多