ChatGPT及其相关AI技术对未来会计的影响

　　人工智能是能够和人一样进行感知、认知、决策、执行的人工程序或系统，核心特点是模拟人脑。在过去几次技术浪潮中，人工智能技术在各个专业领域都取得了很大突破。2022年11月30日美国OpenAI发布人工智能模型ChatGPT，火爆全球，上线2个月活跃用户过亿。ChatGPT历史意义并不亚于PC和互联网的诞生，是历史性、跨越性的突破。

　　ChatGPT本质是一个深度神经网络的大模型，通过对话的方式首次实现了语言智能的智慧涌现，包括海量信息的参数化全量记忆、任意任务的对话式理解、复杂逻辑的思维链推理、多角色多风格长文本生成以及即时交互修正能力。ChatGPT的训练可以模拟为培养孩子的过程。2022年之前AIGC通用人工智能相当于3岁小孩水平，目前已经超过了博士后。其中主要包括四个训练步骤：第一步预训练，进行语言训练，灌输海量知识，培养通识。第二步是在通识的基础之上有监督的微调，学习少量、高质数据。第三步奖励建模训练，由人类对模型生成的多个回答进行排名，通过损失函数提升模型对回答质量的判断力。第四步强化学习，用RM模型训练SFT使得回答的评分更高，获得可部署的最终模型。通过海量文本和代码的预训练与数万统一范式生成任务的有监督训练，让大模型各节点所代表的意义在语义层面和人类语义概念空间越来越对齐，实现了“类人”的语言理解、知识记忆和逻辑推理，并通过人工反馈强化学习保障答案符合预期。

　　ChatGPT的核心优势表现为海量算力、海量数据的精细微调以及优秀算法的加持。ChatGPT也存在不足和缺陷，一是数据偏见，ChatGPT的数据源于互联网上的大量文本，这些文本并不一定代表人类的真实观点和经验。因此，其输出往往不是全局的客观事实。可能会产生伤害用户、违反政策法规的表述。二是知识不全面不及时，例如ChatGPT没有如法律、医疗行业等行业数据的训练等，这些专业的回答错误率很高。另外ChatGPT是基于预先提供的数据，缺乏最近1-2年的知识和信息。三是黑盒算法难以解释，ChatGPT是一种深度神经网络模型，内部结构和决策过程比较复杂，用户难以理解其答案是如何产生的，也难以进行相应的调整和优化。

　　ChatGPT在财务领域中的应用，首先是战略财务、业务财务方面，ChatGPT能够根据历史财务数据和机器学习算法，建立预测模型，预测未来的财务趋势和周期变化，帮助企业制定更好的财务计划和决策。共享财务方面，ChatGPT可以根据用户提供或收集整理的数据和格式要求，自动生成各种财务报表，例如资产负债表、利润表、现金流量表等。专业财务方面，ChatGPT可以分析客户的信用记录、收入情况、债务负担等因素，评估其信用风险，并提供相应的贷款额度和利率建议。

　　ChatGPT具体的财务应用场景包括财务报告、会计核算、数据处理、智能问答助手以及生成式RPA。财务报告场景中，财务分析岗依据资产负债表、现金流量表、利润表、股东权益变动表等，编制季度、中期、年度等财务报告，通常花费数天甚至更长的时间，如使用ChatGPT可以更快的生成财务报告，来指导辅助财务分析岗，更好的优化报告内容，加快报告输出效率和质量。会计核算场景中，会计核算主要包括会计要素的确认、会计分录的编制、账户的设置、科目的使用、财务报表的编制和分析等内容。过程中面临业务数据量大，不同行业的账务处理方式不同，还需要考虑税务问题等，如使用ChatGPT进行会计核算，可减少记账错误等人为问题的发生，并提高作业效率和记账质量。数据处理场景中，在财务工作中经常面临大量数据处理的工作，耗费大量时间和人力成本，且容易出现错误和遗漏，使用ChatGPT可以帮助提高数据的处理效率，如案例基于销售订单和财务回款的数据，自动核对数据差异的工作场景。智能问答场景中，ChatGPT收集国家或行业政策、法规、知识、技术等，构建智能化知识资源库，在员工提出问题时，即可对提问进行语义分析，检索、匹配后给出解答。面对客户针对财资产品的咨询、投诉、售后等诉求，ChatGPT能够24小时不间断地提供准确且友好的反馈，无需人工干预，从而大大节省客服成本。生成式RPA场景中，新一代基于大模型的生成式RPA，构建更智能的数字员工，自动生成业务流程和RPA脚本实现端到端的智能自动化。

　　ChatGPT对未来会计有三个方面的影响：一是会计作业方式，当前会计工作的模式主要人类协作，未来会变成人机协同，每一个人都会有自己的大模型助手协同工作。二是会计信息价值变化。当下会计信息的价值是给企业经营提供准确、完整的会计数据，未来除了提供会计数据以外，还会起到财经洞察的作用，指导企业的生产经营，同时帮助企业提高运营效率。三是会计人员自身定位的影响，从现在的专业人才转变为跨界的专家。会计从业者要保持开放的心态和积极探索的热情，去拥抱和适应变化。同时加强学习大模型知识，掌握大模型工具和使用技能。高校也应该适时规划大模型课程体系，培养大模型研究复合人才。