人工智能优化财务共享中心的路径

人工智能优化财务共享中心的路径

摘要:财务共享服务中心作为一种应用在跨地区规模较大的企业中的新型管理模式,近年来在国内流行起来。进入信息化革命后,人工智能方兴未艾,在很多领域中都有不同的应用,其技术的不断发展和突破也必将深刻影响到财务共享中心,推动新一轮财务组织变革。本文将从财务核算的角度探讨人工智能优化财务共享中心的可能路径。

关键词:财务共享服务中心;人工智能技术;OCR智能优化;会计引擎;智能核算

一、发展背景

(一)财务共享中心发展背景

财务共享服务起源于20世纪80年代,由美国通用、福特等大型制造企业集团提出。通过将集团企业分散在各个区域运营单元中易于标准化规范化的财务业务进行流程再造和标准化,并集中到相对独立的财务共享服务中心进行处理。在我国,近年来随着经济全球化、监管政策的趋同以及信息化的快速发展,越来越多的企业开始关注、规划和实施财务共享。作为一种新型管理模式,财务共享服务具有增强集团管控、降低财务核算、提高运营效率等优点。在早些年,财政部颁发的《企业会计信息化工作规范》中曾提道:“分公司、子公司数量多、分布广的大型企业、企业集团应当探索利用信息技术促进会计工作的集中,逐步建立财务共享服务中心。

(二)人工智能发展背景

人工智能在1956年的DARTMOUTH学会被提出,最早出现在雨果•德•加里斯的著作中。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。近年来,由于计算机技术的不断发展,人工智能作为引领未来的颠覆性、战略性技术,已经成为国际竞争的新焦点和经济发展的新引擎。2018年全国两会中,总理也在政府工作报告中表示:“发展壮大新动能。做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进‘互联网+’”。

二、人工智能优化财务共享中心的必要性和可行性分析

(一)人工智能优化财务共享中心的必要性分析

1.进一步降低企业运营成本的需要

财务共享中心将集团中各子公司、分公司原本分散的标准化、规范化的财务业务集中在一个共享中心内进行流程化处理。依赖于庞大的作业规模,独立的共享中心产生了巨大的规模效益,同时也减少了大量的底层会计作业人员的需要,达到降低运营成本,提高运营效率的目的。人工智能的应用在共享中心应用后,通过机器作业取代大规模人工作业,将原本已经流程化的作业自动化、智能化,进一步释放人力资源,提高作业质量、作业效率的同时又再一次降低了企业的运营成本。

2.纸质文档电子化的需要

建立财务共享中心组织的企业会计核算被统一在共享中心中集中核算,此时核算的前置准备工作就是记账所需原始凭证数据的录入工作。这一步骤将企业的业务数据转化为财务数据。大部分企业通过OCR(文字识别软件)提取纸质原始凭证中的信息电子化并依靠信息技术或企业自身信息系统完成对财务业务处理输入数据的采集。然而现阶段OCR的识别率及准确率不够高,无法满足会计核算对会计资料数据零差错的要求,人工智能的应用通过机器学习等技术可以大大提高OCR的识别率与准确率,最终实现纸质文档电子化这一步骤较大程度上的自动化。

3.会计核算自动化、智能化的需要

过去的会计电算化,解决了登记总账和明细账以及编制会计报表的工作,极大地提高了会计工作效率,实现了登记账簿编制报表的自动化。然而由原始凭证转换成记账凭证这一过程的自动化、智能化却难以实现,这一步骤成为会计核算完全实现自动化的最后一道鸿沟和研究重点。基于人工智能技术的智能化会计核算有朝一日可以实现这一目标。

(二)人工智能优化财务共享中心的可行性分析

1.财务共享中心可以提供大量财务数据和业务数据

机器学习是人工智能学科的一个重要分支。机器学习的实质是一个用大量数据不断训练来优化算法的过程。无论哪种具体的机器学习方法都离不开一个共同的需求———大量的数据。一个实现了业务财务融合的财务共享中心几乎包含了整个集团企业的全部经营数据,而这些内部数据成为训练机器学习的必备前提条件,为人工智能技术进入财务共享中心提供了支持。

2.财务共享中心自身的管理信息系统如ERP(企业资源计划)平台为人工智能在财务共享中心中的应用提供了便利的介入方式

在信息技术发展的过程中,绝大多数企业建立了自己的管理信息系统如ERP等。而财务共享中心也正是一个建立在ERP系统基础之上的业务、财务数据存储及信息处理中心。财务共享中心利用企业自身已有的信息平台连接了项目管理、人力资源、供应链、资产管理等各个业务系统,这样的信息系统结构为人工智能技术渗入企业、优化财务共享中心提供了便利的窗口。

三、会计核算视角下人工智能优化财务共享中心路径探讨

(一)优化OCR技术

1.要实现财务共享中心的智能化首先要解决的还是会计核算的前置准备工作———数据采集即原始凭证数字化的问题。将纸质凭证上的数据电子化、数据化主要有三种方式:①人工转换;②通过一些软件识别如OCR技术;③利用机器学习,通过大量的训练直接临摹。第三种方法虽是直接利用机器学习,但由于存在较多技术问题,近年来发展缓慢。2.在推行营改增之前,原始凭证由于种类繁多,结构化差异较大,大多数企业提取发票信息的工作只能通过财务共享中心作业人员逐张审视,人工转换。随着营改增的全面推行,发票种类向增值税专用发票和普通发票统一,依赖OCR技术提取纸质文档信息得以在原始凭证数字化这一领域成为最为可行的一种模式。一直以来OCR识别率不足的问题阻碍着这一技术进入发票信息采集的实践工作,尽管营改增后发票种类简化降低了其识别难度,提高了识别率,但仍然不足以满足财务数据准确性、零差错的需要。3.人工智能技术的应用为这一技术瓶颈的突破提供了可行的手段。无论是基于深度的卷积神经网络、对OCR的文本区域检测、字符切分与识别这些问题上进行研究,并结合卷积神经网络对问题进行尝试应用还是基于机器学习,通过对大量带有特征值和结果标签的票据影像进行监督学习优化算法都可以最大限度地提高OCR的识别率和准确率。当通过人工智能技术的优化,OCR准确率达到可以接受的范围时,辅以外包或众包就可以取代较高人力成本的人工转换,做到以尽可能小的成本代价实现原始票据的数字化工作。

(二)实现编制记账凭证的自动化、智能化

1.在信息技术的推动下,会计核算领域实现了会计电算化,它实现了数据处理的自动化,使传统的手工会计信息系统发展演变为电算化会计信息系统。解决了登记总账和明细账以及编制会计报表的工作,极大地提高了会计的工作效率。因此编制记账凭证的自动化、智能化成为会计核算智能化的主要研究方向。人工智能技术的应用或许会在不久的将来实现这最后一步。2.编制记账凭证的过程实质是一种会计职业判断。会计职业判断就是会计人员在会计法规、企业会计准则、国家统一会计制度和相关法律法规约束的范围内,根据企业理财环境和经营特点,利用自己的专业知识和职业经验,对会计事项处理和财务会计报告编制应采取的原则、方法、程序等方面进行判断与选择的过程,即对企业应采用什么样的会计政策进行判断与选择。3.会计引擎是一种按照核算规则将业务系统信息,转换成复式会计分录的模块,引擎的核算规则就是人为制定的由原始凭证向记账凭证转换的规则依据。核算规则反映了记账人员为满足管理层战略要求和其他财务数据使用者的信息需求而做出的会计职业判断。会计引擎分散在各种专业化财务和业务产品中,被广泛应用在各个行业。4.某种意义上,如今许多企业建立高度集成的ERP系统也能理解为一种会计引擎,其已经可以实现编制记账凭证的“自动化”。ERP系统下,业务部门发生的业务通过自动转账模块“自动”生成会计凭证并传递到总账系统。然而类似ERP的会计引擎仅通过各种核算规则模板,来实现凭证自动生成的会计记账方式具有很大的局限性。5.人工智能技术的支持使实现会计引擎的智能化成为可能。核算规则可以适当借助机器学习技术进行完善与优化,初始设计规则时很大程度依赖于会计人员根据以往实际经验进行的职业判断。人为的判断总会出现处理方法与实际效果不尽相同的状况,而机器学习通过对标签化的业务信息的输入和训练学习后,能够更加高效地提炼转换规则,在遇到需要处理的经济业务时使用更加符合会计信息预计要求的核算规则,同时提升会计引擎在面对新问题时的处理能力。在应用人工智能技术对会计引擎进行优化的过程中先辅之以人工作业,随着规则的不断完善,高度自动化、智能化的会计作业终将实现。这一目标的实现将会取代共享中心中的几乎全部会计核算岗位,在企业立场上降低了基础核算人员的人工成本,同时解放了会计人员的双手,使得会计更多地发挥核算、监督两大基础职能以外的其他职能,会计人员可以用更多的精力、时间直接深入业务过程或是参与管理。了解企业生产技术、工艺等方面的基本知识,制定企业的投资决策、全面预算,实施内部控制等。在保证财务共享中心实现核算自动化的同时为所服务的企业创造更多的支持管理、强化控制。

四、结语

本文结合现阶段财务共享中心发展状况和人工智能技术相关知识,从财务核算角度探讨了关于优化财务共享服务中心的两条路径:①运用人工智能技术优化OCR技术,提高OCR识别率与准确率,解决在全面推行电子发票前原始凭证数字化的问题;②应用人工智能技术实现会计核算的全自动化与智能化,大幅降低共享中心基础核算人工成本,提高核算效率与质量。综合以上两条可行路径,智能增强后的财务共享中心将彻底实现业财融合,作业高度自动化的同时在管理决策方面为企业提供更多的附加价值。

参考文献:

[1]王文莲,张丽霞.会计核算智能化的突破[J].会计之友(中旬刊),2009(2):37-38.

[2]翁崇凌.当会计核算遇上人工智能……[N].中国会计报,2017-03-24(007).

[3]李丛丛.信息技术环境下会计核算智能化探讨[J].中国集体经济,2010(6):146-147.

[4]汪一文.深度卷积神经网络在OCR问题中的应用研究[D].成都:电子科技大学,2018.

[5]成瑗.采购业务核算的智能化信息处理研究[D].天津:天津商业大学,2010.

[6]刘彬,石亮亮.银行科技系统会计引擎作用浅析[J].中国金融电脑,2017(9):57-63.

作者:鞠申根 曹雨婷 单位:南京审计大学