几百万财务人员将失业，人工智能时代，最后留下来的只能是精英

会计证取消

犹如一个春雷在2000万会计人员中炸响！

这是几百万财务人员即将失业的信号！

在这一场史上最强的就业危机中

你感觉到危机了吗？

　　本文就结合这几年的国家政策、财务发展趋势、信息技术发展等来讲一讲这一切将很快发生

一、会计证取消

　　《国务院关于取消一批职业资格许可和认定事项的决定》（国发〔2016〕68号），会计从业资格被列为建议取消的职业资格事项。这从国家级首次明确提出延续了几十年的会计体系已经落后于我国现代化、信息化社会的发展进程。

　　伴随着会计从业证取消，意味着会计证已走下历史舞台，这是一个警钟，危机已经逐步逼近还在原地踏步、固步自封的财务人。这时候2000万会计人员要做好准备，规划好日后的职业方向，顺应时代对会计行业的发展。

二、电子发票、电子会计档案等新事务的应用

　　2016年5月四大行业的营改增，随之出现了电子发票新事务，人们发现，可以直接扫码或者邮箱接收电子发票的PDF，结合网上报销系统，员工不需要贴票填单了；企业通过实施电子发票，财务人员也不需要购票和人工开票了。

　　电子会计档案法规的出台，国家承认会计档案电子化具有法律效益，不需要财务人员进行纸质凭证的人工装订，财务人员传统的工作将越来越少。

三、信息技术的快速发展

　　无纸化报销的技术发展

　　现在不少企业集成携程，去哪儿等商旅系统解决机票酒店等的预订问题；通过集成滴滴，易到等解决出行的问题；通过集成京东、天猫等解决办公用品，资产采购的问题；通过集成订餐小秘书、饿了吗等解决订餐等问题。

　　这些的应用，让报销无纸化了，员工不需要贴票填单了，企业直接和这些平台直接进行结算，财务人员审核工作都交给系统完成了，这是消灭报账的时代。

　　新型业财一体化软件、财税等系统集成发展

　　通过这些业财一体化软件和各种系统的集成，核算会计这种基础岗位全部软件的电子记账代替。

　　使用电子发票+商旅系统+无纸化报销+银企直联+BMP+发票管理系统+ERP+金税系统等各系统用接口进行对接集成，实现从费用报销->付款->凭证生成，到进项发票->应付结算->凭证生成、从销项发票->应收结算->核销清帐等业务，全过程系统自动化处理，人只是辅助操作，基础的财务核算前途堪忧，这也就知道为什么国家要取消会计证了。

四、财务转型的需求加速

　　随着近几十年国内企业的快速发展，企业规模越来越大，财务人员也越来越多，有的企业财务人员达到几百，几千人，但在这些财务人才中，大量人员是的基础核算人员，一旦这些企业加速信息化建设，实施财务转型，整个财务团队的人才结构就会不可避免转变，企业会将财务人员分为战略财务、业务财务、核算财务，战略财务和业务财务数量将超过基础核算人数，核算人员会面临大量的淘汰。

五、财务共享服务中心的快速发展

　　除了上述的一些信息技术发展和政策方面的原因，还有一个更大的趋势，会导致更多的财务人员失业或转型！那就是财务共享服务中心在国内的快速发展。

　　财务共享就是将在各分子公司当地处理的费用报销审批、开票和收款、进项发票处理、总账报表、资金支付、凭证生成、税金计算、纳税申报表的制作、纳税申报等各种人工操作性事务转到一个中心进行集中化处理。财务共享后，分子公司的财务相关操作性事务大量减少，随之而来的是大量的裁员。

　　根据现在国内的很多财务共享实施案例，企业实施共享后，有30%-70%的财务人员减少

六、财务外包的兴起

　　对小型企业，财务外包事务所的出现，通过代理记帐，一人可以做很多家企业的会计，也减少了企业对财务人员的需求。

　　对于大中型企业，除了建设财务共享后，分子公司财务人员面临失业潮，待财务共享进展到一定阶段，随之而来的是财务外包，企业将共享财务这部分操作性工作进行外包，企业只保留业务财务人员和战略财务人员和少部分共享财务人员，随之而来的是企业集团共享部门的几百人的失业潮。

七、人工智能在财务管理的应用

　　随着人工智能在国内的快速发展， 财务人工智能可以实现财务规划与预测、财务决策 、财务预算、财务控制和财务分析。 财务人工智能主要用来代替财务管理专家作复杂财务管理过程描述、诊断、分析、 验证，作为结合技术、理念和财务管理环境而作出最终决策的依据。财务人工智能把复杂财务问题分解成一些比较容易的子问题，再通过搜索和问题归结实现求解。

　　财务人工智能可嵌入财务规划与预测子系统、财务决策子系统、财务预 算子系统、财务控制子系统和财务分析子系统。 通过系统的整合，使财务人工智能的功能发挥得淋漓尽致，财务预测更准确，财务决策更科学，财务预算将更贴近实际，财务控制更到位，财务分析更透彻，财务管理更全面，即时全面管理轻松在握。

　　如果说前面几点影响的是基础核算人员，那财务人工智能的发展影响的是业务财务和战略财务人员。

人工智能时代，最后留下来的只能是精英

　　凯文·凯利认为，人工智能是下一个20年里颠覆人类社会的技术，其力量堪比电与互联网；英特尔CEO科再奇也认为，人工智能将成为人类历史新的转折点。

　　前段时间，亚马逊即将开业的线下生鲜实体店Amazon Go，在朋友圈里刷了屏。《马云刘强东最害怕的事情发生了！这家公司刚刚推出黑科技！即将颠覆零售业！》

　　李开复更断言，"十年后，全世界50%的工作，都会被人工智能所取代。"《李开复：未来非常血腥，90%的人会失业，5个行业能赚大钱》

　　但现在的问题是，面对人工智能的突飞猛进，从经济到产业，从政策到法律，从社会到伦理，我们真的已经做好准备了吗？

1

　　人工智能的发展，与人类社会对它的预期，其实已经偏离。

　　到底什么是人工智能？

　　关于这个问题，有太多的定义、阐述与理解，很难找到通行的准确定义。

　　从广义来讲，能够执行自动程序的计算机、手机等所有机械与设备，都应该纳入人工智能的范围，从手机、电脑、银行、汽车到我们生活中的几乎每一个环节，都已经有或多或少的人工智能发挥作用。

　　但在普通人眼中，或许"终结者"那样拥有自己思想甚至情感的机器人，才是人工智能的典型代表。

　　而业界更普遍的观点，是把人工智能分为三种：弱人工智能、强人工智能，以及超人工智能。

　　其中，弱人工智能是所有不能真正地自主推理和解决问题的智能，它的智能更多体现在"智能的行动"，这也是当前几乎所有人工智能的现实水平。

　　而强人工智能，将具有智能思考能力，在某些领域的智能表现，接近甚至达到人类水平；超人工智能则将有可能形成对人类的智能碾压。

　　这两者，也正是人工智能产业努力的方向。

　　过去，即使每天花10个小时在自己的手机上，使用着各种信息时代的便利，我们依然认为，"真正的人工智能"还停留在科幻电影与遥远的未来。

　　但现在，各种黑科技的井喷，正在告诉我们，从弱人工智能到强人工智能之间，或许并没有一道森严的壁垒。在一些领域，人工智能将达到，甚至已经悄然越过那条看不见的分界线。

　　更重要的是，要对我们的产业、经济乃至社会组织形成颠覆式的影响，其实远远不需要真正的强人工智能。

　　即使，我们离想象中的人工智能仍有距离，但它对人类社会产生的冲击，已经全面开始。

2

　　2015年3月，谷歌人工智能AlphaGo以4比1战绩，击败韩国围棋选手李世石，是刺激全球进入人工智能竞速狂潮的标志事件。

　　人工智能概念由来已久，但最近几年，这个产业才迎来井喷式的大繁荣。这段时间的发展速度与成就取得，远超过去几十年的累积。

　　这一轮的人工智能大发展，始于2006年，Hinton等人提出的深度学习概念。

　　在此之前，开发者们更希望直接编写出一套足够智能的程序，但无论如何天才的开发者，编写出的程度都与外界的期望天差地别。

　　而深度学习则放弃了这个不切实际的想法，不再是程序员直接完成所有的代码，而是放手让人工智能自己演化成长。

　　通俗来讲，它通过对人和动物大脑的仿生，将计算代码模拟为简单的、相互连接的神经元，并通过修改单元之间的连接，来不断进行经验积累，让它形成自己的逻辑推理，自我完善发展。

　　这就像人的成长，刚出生时只有最基础的本能，只有经过慢慢长大，不断学习，才能在不同的领域绽放光彩。成长环境的不同，学习方向的不同，都会影响未来的前进方向与成就高度。

　　这个概念的另一个通俗叫法，是"机器学习"。这个词显然更直接，它的目的就是要让机器学习，自己进化。

　　比如，科学家们有过这样的实验：他们制造了一个机械海星，只为它输入了控制自身部件的简短代码，以及让它"学会自己走路"的目标，但它通过深度学习，只用了很短时间，就从只能在原地蠕动，到学会了流畅地行走，甚至当科学家截去一部分"肢体"，它依然能顽强地继续前进。

　　这并非科学幻想，而是2015年初就已完成的真实实验。

　　而现在，这种人工智能的深度学习，正在无数个不同的领域展开实验，不断累积通往下一次进化的经验与数据。

　　就像本文开始列举的那些黑科技，都是有人工智能和深度学习参与的应用实例。

3

　　深度学习的原理并不复杂，但为何直到近年方才盛行？

　　关键原因在于，海量数据的模型训练，是深度学习的核心过程，人工智能赖以提升智能水平。

　　因此，它的发展需要三个核心推动力，缺一不可。

　　一、海量的数据。

　　如果以网络游戏来比喻，数据就是人工智能赖以升级的经验包。如果没有足够多的数据，深度学习将无从谈起。

　　因此，人工智能进展最快的领域，比如棋牌比赛、金融、语言与图像识别等，都是拥有海量数据样本的业务。

　　过去20年来，正是信息通信技术（尤其是互联网）的发展，积累了庞大的数据，并产生了大量的数据处理需求，从而为人工智能爆发奠定基础。

　　一个第三方的估测数据是，过去三十年来，全世界的数据量，一直以大约每两年10倍的速度激增。

　　而随着我们进入大数据时代，每个人、每件设备的每个行为，都将纳入大数据的信息图谱，我们产生的数据量还将持续增长。

　　在这方面，英特尔全球副总裁兼中国区总裁杨旭有一组数字，可以作为参考：

　　二、强大的计算力。

　　只有超强的计算力，才能处理无比庞大的海量学习数据。

　　得益于摩尔定律的驱动，硬件的计算能力一直在持续增长。如今，一部智能手机的计算性能，都已经远超几十年前的超级电脑。

　　此外，专门针对深度学习的集成电路产品，近年来更发展迅猛。

　　比如英伟达（Nvidia）业绩的突飞猛进，就是因为人们发现，曾经用于增强电脑显示能力的图形处理器（GPU），比传统的中央处理器（CPU）更适合用于深度学习，这让GPU巨头英伟达成功转型，从一家并不引人注目的显卡制造商，摇身变为人工智能行业的领潮者。

　　而高通、英特尔等在PC和移动互联网时代的芯片领袖，在过去10多个月中，也已经在这个方向上发起全力冲刺。

　　比如英特尔，已经连续收购了Indisys、Saffron、Itseez、Movidius、Nervana等公司，从自然语言处理、认知计算、计算机视觉模式识别等不同领域，提升自家的人工智能实力。

　　2016年12月2日，英特尔更首次对外公布其人工智能的整体战略和路线图，未来将通过机器学习和推理系统两条路径，搭建从硬件平台、到软件与数据库（开发工具、开放框架、数据库、开发者培训）在内的一整套解决方案，最终"重新定义AI"。

　　英特尔称，将打造一系列适应深度神经网络的特殊处理器，并全面提升自身产品在深度学习领域的性能。比如至强Xeon处理器的最新版本Skylake，性能将提高18倍；最新版本的至强融核处理器Knights Mill的深度学习性能，将是上一代产品的四倍，培训时间可以减少31倍；其Lake Crest的深度学习性能，也将在2020年达到目前市面GPU芯片的100倍。

　　三、先进的算法。

　　对人工智能来说，算法程序就像是生物体内的DNA，它决定了深度学习的能力与效率。

　　一般来说，执行具有特定功能的程序段被称为原语，而直到现在，深度学习包含的原语依然很少，大概只有20个左右。其中，矩阵乘积和卷积计算是最主流的两个。

　　虽然数学和计算机技术的发展，是深度学习算法发展的基础，但如何针对不同的领域，找到"合适"的知识模型，开发出效率更强，准确度更高的算法，也是人工智能演进发展的关键。

　　伴随人工智能的热度急剧升温，越来越多的公司正在投身这一领域，而它们绝大多数，都着眼于进入门槛更低，更适合初创企业发展的算法与应用环节。

　　一个来自乌镇智库的相关数据是，目前全球平均每10.9个小时，就有一家人工智能企业诞生。

4

　　总的来说，正是数据量的增长，催生了人工智能。

　　放眼历史，每一次生产力的变革，都引发了社会、经济和产业结构的深刻转型。与工业革命和电气革命相比，信息革命最大的变革，就是带来了人类社会信息数据的爆炸式增长。

　　如果说，流水线消灭了大部分的作坊式工业生产，那么，数据的洪流，就将消灭大部分的传统生产和服务组织方式。

　　信息化打破了物理的限制，让全球变平，从而让每一个产品、每一种业务的规模，都能从微量变成海量。

　　一个例子是，现在，仅仅腾讯一家公司，每天就要处理超过300亿条即时通讯消息。通过它的服务器，用户发送文字消息、图片、语音、视频，甚至玩游戏、听音乐、约车、在线付款乃至使用各种服务。

　　而据滴滴公布的数据，滴滴每天规划的路径超过90亿次，处理的数据超过30TB的数据——相当于30万部电影。依托这些数据和人工智能，它对15分钟后的需求预测，准确率已经超过85%。

　　这样的产品和服务，不是任何单纯的人力工作能直接搞定，它必须通过智能化的程序来协助处理，甚至主导完成。

　　同样的情况，正在我们的各个行业、各个领域、各个环节反复出现。每一家公司从原料采购、员工管理、产品生产、物流配送、售后服务，都越来越多地通过智能化、网络化的手段来进行组织，并将这一切流程，通过大数据的行为分析，来加以归纳、总结和优化。

5

　　人工智能发展变化的另一个标志，是吃瓜群众思考的问题。

　　过去，大多都人更担心，未来会不会有邪恶的机器人毁灭人类。而现在，越来越多的人开始担心，人工智能会不会消灭掉自己的工作。

　　最重要的是，这个问题的答案，越来越悲观。

　　就像李开复在WISE大会上的结论，当AlphaGo每天自我对弈100万盘棋；Tesla每天从100万辆车的实际行驶中吸收经验，普通人将如何与它们竞争？

　　在越来越多的领域，人工智能正在快速超越人类。

　　比如，人工智能已经可以在1秒钟内，对比全世界所有机场摄像头视频，以及所有通缉犯的人脸，保安能做到吗？

　　显然不可能。

　　这也意味着，大批的翻译、记者、收银员、助理、保安、司机、交易员、客服……都可能在不远的未来，失去自己原来的工作。

　　当然，这个替代不会剧烈地出现。我们会看到的现实情况，将是某些行业和某些工作，用人的需求越来越少，在组织或产业链中的地位越来越轻，产品的销售越来越难，工资越来越低……

　　这个周期，可能是10年，可能是5年，也可能更短。

　　你或许会把自己的遭遇，归结为全球的经济危机，归结为人民币贬值和通货膨胀，归咎于公司老板经营不善跟小姨子跑路，或是其他的原因，但在你看不到的地方，你处身的行业，会正如大地坍塌，最终只剩下熔岩中的廖廖孤岛。

　　正如许多传统的手艺，至今仍然在少数地方硕果仅存一样，由于经济的差异与行业密集度的差异，这种变化也会是一个逐渐扩散的过程，越是经济与信息化落后的地区、越是需要在复杂环境下完成的工作，这种扩散越慢，越晚。

　　甚至绝大多数被替代的行业，仍会长期存续，只不过，原来这个行业能容纳100万人，未来只能容纳100人，留下来的，要么是难以被取代的头部精英，要么是在最落后的区域与环节。

　　中间阶层将成为最早感受到变革阵痛的人群。

6

　　2016年6月，《经济学人》曾花了巨大的篇幅，来讨论人工智能未来对包括工作在内的，社会的各种冲击。

　　其中一个观点是，从历史来看，每一次科技进步最终创造的就业，都超过所消灭的就业，即使我们需要经历短时间内的动荡与阵痛，长期创造的新就业也将弥补这一且，甚至绰绰有余。

　　但这个观点或许过于乐观。

　　人工智能对人类工作的冲击，与过去的每一次技术变革都不同。

　　一、无论是取代的领域范围、规模，还是取代的速度，人工智能引发的变革都将更加迅猛。它将深入渗透社会生活中的几乎所有领域。

　　二、人工智能的发展，将成为驱动其他各种技术变革加速发展的催化剂，并相互协同形成连锁反应，最终如同彼得·戴曼迪斯在《富足》一书中所说，人类即将有望达到满足地球上所有人生存基本需求的生产能力。

　　三、过去的变革无论带来怎样的生产力提升，都需要大量的人来操作管理。而人工智能只需要极少量的人，甚至可以在无人管理的情况下自已完成工作。

　　替代你工作的，不再是机器+其他的人，而是只有机器人。

　　所以，这一次变革，将成为一个拐点。

　　在此之前，大部分人类的工作，都是服务于生产和提高生产力；而以此之后，这些工作将更多地由少数人与人工智能来共同完成。

　　大部分人类的工作，将转向为他人提供服务——还得去掉一些被人工智能取代的简单服务，转向创造性的工作，以及那些短时间内人工智能难以取代的领域。

　　从这个意义上来讲，中国将成为其受益者。因为如果没有这场变革，全世界的经济与产业都将如同30年前从西方向中国的大迁移一样，跟随着人力成本的变化，从中国向印度、印尼等更新兴市场转移。

　　而现在，形势将发生微妙的转移。

　　在此过程中，很多的上一代人将成为牺牲者，因为他们多年累积的经验与技能，都将丧失根基。而社会化分工与流水线的改造，已经让他们的知识与能力，长期聚焦于一个极小的范围，一旦跳出圈子，他们将很难具有竞争力。

　　而对年轻一代人来说，最值得担心的问题是，你学习的知识与工作技能，人工智能比可以你学得快100倍、1000倍，你的创新创造也很有可能被人工智能快速模仿。

　　在新的时代，我们可能不用担心温饱，因为人工智能带来的生产力极大提高，可以让更多国家快速向福利型社会转型。

　　但正如马斯洛的需求层次理论，每个人除了生存的需求，还需要寻托归属感，获得尊重，并实现自我价值的成长。如何为规模越来越大的失业群体找到新的就业方向，重新为他们创建自我价值实现的通道，而不是转变为社会的不安定因素，这将是所有政府必须深入考虑的重要问题。

　　而这，还仅仅是开始。

　　可以预见，当人工智能与机器人、与脑机互联、与基因科学等领域的科技突破结合到一起，我们将面对的，将会是一个全新的时代。

点“阅读原文”看：

今年上岗证的改革，低学历者不能再从事会计工作了吗？

财税地盘开通了系列QQ群及微信群。

（在对话窗口中回复"QQ群"或在点菜单"更多—QQ交流群“）。

现在公众号有置顶功能了，点开“财税地盘”公众号，点右上角人像按钮，然后点“置顶公众号”键，就可以将我们置顶了。这样，您就可以第一时间发现我们。

本文来源于FSSC共享服务中心，版权归作者所有，感谢作者的辛苦付出，若涉及版权请告知我们，我们会在第一时间处理。我们对文中观点保持中立，仅供参考、交流之目的！