报告 · 财道传习社
报告 · 财道传习社
其他
机器学习将成为现实！重磅调研解开财务人职场新技能使命
智慧财务020社群与知识分享
｜上方蓝字星标·置顶订阅｜
转载·商务合作请添加首财君微信：cfo_tian
昨
日
重
磅
机器学习是会计师发展的一个关键领域。需要留意到正在发展的技术突破对各自角色产生的交叉影响。
文 | ACCA
出品 | @首席财务官（ID：cfoworld）
据估计，全球90%左右的数字化数据在2016年以后产生，区别于以往的线性增长，当前新数据生成的速度正在加快并呈指数级增长，这意味着对AI的应用将会朝更广泛的行业领域进击。
人工智能取代人类的工作究竟是炒作还是现实？
数字技术将为财会行业带来哪些机遇和挑战？
机器学习在未来财务系统中的应用场景又是如何？
ACCA最新研究报告《机器学习：科学向左，科幻向右》，解开了财务人想要的答案。（首财君干货整理。如想获取完整版报告，请点击“阅读原文”下载）
【重磅RPA活动预告】：
尊敬的CFO会员，诚邀您免费出席财道传习社、施耐德电气（中国）、ACCA、UiPath组织的“走进施耐德，共研智慧财务——Be Smart：技术红利下的财务共享中心嬗变”TOPCFO名企行活动。时间：07月25日（周四）下午14:00-17:00，地点：施耐德电气北京总部大厦（二层展厅）活动特邀施耐德电气中国共享中心负责人王祎、【首席财务官】出品人田茂永、UiPath中国RPA专家陈舒，分别就技术红利赋能财务共享中心案例、智慧财务的五元方法论、财务机器人前沿应用案例，以及Smart视角下SSC如何加速变革进行交流分享。名额仅20个，编辑“SND＋姓名＋公司＋职位＋手机”直接回复微信公众号，或短信发至17611613116报名。
探索“数字新动能”，什么促成了这一局面？
时至今日，人工智能（AI）对大众观念产生着重大影响。使用数学算法来处理大型数据集的机器学习（ML）技术也正被越来越多地运用到由人工智能主导决策的商业应用程序之中。
机器学习作为人工智能的子集，通常被理解具备基于历史数据集的系统分析进行预测或决策的能力。
数据驱动型洞察力已成为驱动人工智能发展的“智慧”核心。与此同时，数据的可获得性呈现指数级增长以及前所未有的的处理数据的算力，共同推动了人工智能日益从科幻变为现实。
机器学习与财会职业
复式记账法起源于中世纪，自此成为全球商业记账的基础。随着时间推移，会计师编制账目记录业务流程以及独立审计师审阅账目记录的准确性与完整性的方式一直在不断发展演变。
机器学习等技术将怎样引发一场新的重大变革？调查显示，目前更多的人认为人工智能是“泡沫”而非现实，但在不久的将来，这种情况必将发生改变。
客观地讲，并非所有的数据都必然会引起会计师的关注。但即是从金融交易等他们更感兴趣的领域来看，出于各种原因数据量不断增加的趋势都显然与其息息相关。
如果不加以妥善管理，金融交易量的迅速增长可能会对会计师的工作产生威胁。对审计师来说，这可能与所需的样本以及样本的代表性有关，从而使他们可以跨越样本规模本身得出结论。
若想准确了解并评估的全部账务，利用现有资源，通过扩展程序并可靠地理解所处理的总体数据将面临压力——例如应对更大规模的样本量的能力。但事实上，机器学习之类的技术有望突破这一局限，通过详细审计帮助审计师实现特殊项目的探测。
厘清AI术语
不同于通用人工智能，特定用途人工智能或弱人工智能目前已经成为现实。因此，在筛选各种术语时，有必要关注这些细微差别。
人工智能领域有很多专业术语，每一术语的定义之间仍存在争议。ACCA在调查也发现，受访者对于人工智能、机器学习、自然语言处理（NLP）、数据分析法和机器人流程自动化（RPA）等术语相关理解的回复充分印证了这一点。
平均而言，对于所指出的每一个术语，约有三分之一的受访者表示要么没有听说过，要么听说过，但对它没有进一步的了解。
机器人流程自动化（RPA）被划分在了代表人工智能的圆圈之外。而在不断涌现创新的领域，机器人流程自动化与人工智能元素的结合即所谓的“智能流程自动化”（IPA）就是其形式之一。越来越多的科技公司正在探索这一领域，如阿里云。
对“人工智能”一词存在的一种批评意见是，人们经常会认为它是一项将在未来5-10年才会实现的技术，然而在接下来的5-10年内它却会保持不变。
越来越多的机器学习技术已被深深植入各种应用程序和网站中。从外部来看，这种人工智能软件的嵌入提高了整体运行效率——虽不是根本性的变革，也却大大节约了成本。
能充分说明人工智能已“常态化”的一个例子是光学字符识别（OCR），在这方面，人工智能推动的跨越式进步已消除了对规则模板的依赖。
机器学习的核心是用来描述和（或）预测数据集特征的数学模型——算法。
由于舞弊者不断通过创建新的技术来“欺骗系统”，因此需要不断开发新领域来测试相关性，帮助识别潜在的舞弊行为，机器学习非常适合应对这类挑战。
此外，自然语言处理也是人工智能、机器学习和深度学习等技术许多发展中的核心要素，这在数字助理的涌现、以及聊天机器人的广泛商业应用中也最为明显。
机器学习的应用
机器学习有各种各样的广泛应用。调查发现，有大约五分之二的受访者在积极参与探索机器学习的应用。
对不同领域基于机器学习的决策表达了不同程度的满意度，这些领域包括分类（53%）、测量（47%）、审计测试（43%）和舞弊检测（41%）。然而，在医疗数据或个人财务等某些更广泛的应用领域，受访者的满意度却较低。
有人会质疑由于依赖管理层提供的算法，机器学习的应用会影响外部审计师的独立性。显然，在机器学习成为财会工作主流的过程中必须对上述这些及更广泛的问题进行充分考量。
选择需要采用机器学习的出发点必须具备两项条件：商业合理性以及基于机器学习的方法能够最有效地解决该问题。
①智能记账
在记账方面，机器学习系统已充分投入使用多个年头，特别是在中小型企业。
大型会计师事务所都已纷纷投资机器学习以探索在审计与合规等领域对机器学习的各种应用可能。同时，随着时间的推移，支持机器学习所带来的好处的公开数据很可能会不断增加。
②提高舞弊检测能力
机器学习还可以帮助进行风险评估，具体是指根据实证数据和专业判断，评估舞弊、不准确性、虚假陈述等问题的可能性。
在风险评估中，可采用监督式机器学习算法来帮助识别特定风险的类型或特点，以保障更严格的风险审查；同时还有助于加强针对重点领域的审计。
比如，CAPS模型引人注目的特征之一，就是不仅提高了舞弊检测的成功率，还可提高项目本身的投资回报率。
③理解税务的复杂性
机器学习也逐步应用于税务工作中，可能显著改善其税务工作量和成本。
在税务领域的应用不仅仅局限于预测模型。自然语言处理和机器学习能够帮助提高税务查询系统的效率。人工智能聊天机器人和语音引擎可以自我训练，随着时间的推移逐步变得更加高效。
④有效的非财务报告
将非财务信息纳入企业报告，不仅有助外部利益相关者更全面地了解公司绩效，还可以确保为内部决策收集更高质量的信息，从而改进风险管理，乃至提高企业的长期附加价值。
但即便如此，企业在战略和风险管理方面采用的方法仍可能不完整且已然过时。非财务信息往往在组织内部呈孤立状态。
手工进行的数据分析、昂贵的咨询费用、以及统计上不具代表性的调查，可能会使重要性分析面临挑战并使企业承受本可以预见到的风险。
⑤机器学习应用程序将在财务领域占据一席之地
从某种意义上说，所有应用程序的必要组成部分是一个应用场景——通过机器学习分析数据获取可行性洞见。做出由价值驱动的业务决策是一个永恒的话题，技术的应用始终与之息息相关。
例如，现金流管理应用程序（如现金流预测应用程序“Fluidly”）可帮助管理人员更加动态地掌握现金流状况，预测未来走势，并据此做出相应业务调整。此举不仅能带来商业价值，而且可在竞争激烈的市场中推动企业的竞争优势。
⑥在更广泛技术背景下应用机器学习
机器学习（以及更广泛的人工智能）很可能对财会行业产生重大影响。但重要的是，不应忘记许多处于不同的发展阶段的其他技术可以作为机器学习功能的补充，发挥重要作用。
随着这些数据的不断倍增，分散的传统数据集可能无法完成其任务。而如果分布式账簿足够成熟，也可能被证明非常有价值。
目前，通过机器学习应用程序获取洞见的能力存在两个显著的局限：训练集的大小和范围以及其中数据记录的质量。
伦理道德考量
道德行为是社会中每个人在其个人和职业交往中所必需具备的一项素质。但对财会行业来说，这一素养已被深深嵌入到专业会计师的定义中。
而在企业内部，道德行为则是要求财务职能提供建设性挑战，确保业务决策建立在合理的道德原则基础之上。建立信任往往需要数年时间，但毁掉信任只需一瞬间。显然，道德行为本身是不可妥协的要求。
①处理偏见
这可以说是讨论最为频繁的道德挑战来源，其根源在于可能需要对机器学习算法（无论是监督式学习还是非监督式学习）进行恰当解读，才能避免将相关性误认为因果关系。
对会计师来说，客观性基本原则可能会因偏向问题而受到影响。会计师必须考虑，自己是否会仅因为得到机器学习算法的支持，就偏向于赞同假设结果有效。
②数据的战略视角
数据是推动机器学习应用唯一最重要且不可协商的要求。数据战略并非是所有机器学习应用模式的直接组成部分，而是开始采用机器学习之前所须具备的一项必要条件。
专业胜任能力和应有的关注至关重要，要认识到潜在的数据泄露违规行为。专业会计师需要了解日益增加的数据风险、监管要求、以及违反这些规定带来的经济影响。
③分配问责
就核心而言，机器学习应用程序属于决策工具的范畴。而此类活动的核心涉及一则重要问题：谁应为所做决策的后果负责，是专业会计师还是算法？
明确并一致地处理该问题将是未来几年的关键重点，否则我们将面临风险。符合伦理道德的健全机器学习解决方案应遵循一项重要原则：这些解决方案的设计不应改变社会、文化和法律所确立的责任模式。
如果缺乏必要的知识和技能来评估正在发生的事情，会计师或许会发现，自己以“默认”方式同意了企业的某些行为，从而导致职业道德受损。
虽然“黑箱”在某些情况下可能会成为问题，但它应该不会阻碍专业会计师参与、学习和不断质疑眼前的新事物。
即使满足胜任能力要求，专业会计师也可能在诚信这一基本原则上面临妥协风险。这是因为，道德行为要求在所有的职业和商业关系中都做到坦率诚实。
④“泡沫”背后
毫无疑问，使用机器学习能带来切实好处，但不切实际的期望以及销售这种技术的既得利益者，可能会曲解技术带来的收益，从而导致实际风险。
过去十年里，在财报和投资者电话会议上（earnings calls），“人工智能”一词的提及频率是“大数据”的近四倍。
为了争取获得这一能力，企业需要评估（五花八门的）人工智能/机器学习市场上可用应用程序的质量；企业不应因为害怕落后就在未适当评估的情况下盲目推动投资决策。
关于人工智能的信息不对称、以及由此产生的利用虚假承诺欺骗公众（包括付费客户）的可能性，可能导致更多的舞弊现象。
⑤服务公共利益
在公共利益和公共价值方面，技术可能引发更广泛、更普遍的问题。其结果是，专业会计师、特别是在商业环境中工作的专业会计师，可能发现自己受到不同方向力量的牵制。
由于它涉及机器学习造成意外后果的影响，而无论这些后果是否直接与所采用的技术相关，它们都可能会损害无辜相关者的利益。
为了维护公共利益，需要避免将仅满足合规最低要求作为基本原则。
对专业会计师来说，IESBA确立的基本原则为面对道德问题提供了指南。这些原则必须根据当前情况进行解读，这对于应对新技术和未曾出现的新情境至关重要。
机器学习环境中的技能
专业会计师需要充分认识机器学习对其所在组织的影响。机器学习的利用可能会影响其追踪和干预企业的价值创造方式，因此需要调整风险与控制机制，抑或进行充分考量道德影响。
调查显示，受访者在需要复杂判断和解读的领域对允许算法发挥主导作用持有一定程度的顾虑。根据所需的决策类型，只有十分之一到三分之一的受访者认为，可以由机器算法发挥主导作用或完全依赖机器算法来做判断。
显然，技术是影响财会行业未来发展方向的重要因素。但技术只是一项推动因素，人和流程等更广泛的因素也将发挥作用。
数字商（DQ）是一系列“职商”中的一种，这些职商相互关联，共同为构建数字时代中“面向未来”的专业会计师。
随着人工智能及其组成部分不断发展演变，专业会计师需要保持高度参与，虽然专业会计师无须深入探究人工智能背后的技术细节。
因此，所有财务专业人士都应当持续了解人工智能的发展演变，并留意发展中的各项能力如何与自身角色相重叠。
ACCA认为，机器学习在财务领域的广泛应用，将与企业的未来发展密不可分。财务系统本身属于企业发展的基本保障，而机器学习将可以成为企业的发展注入全新的价值。
从当下已投入使用的应用程序所带来的成效来看，机器学习在财务领域的应用不仅能带来商业价值，而且可在激烈的市场竞争中大幅度提升企业的竞争优势。
版权及免责声明：本文系【首席财务官】原创出品，如需转载，请留言获取授权！本公众号内图片素材来源于网络，任何文章观点，皆为学习交流所用，非投资建议。如有疏漏、错误欢迎批评指正。
© 首席财务官·财道传习社出品
案例访谈 | O2O社群 | CFO公开课 | 商业连接
转载·商务合作请加微信：cfo_tian