2024年智能财务联盟报告-会计专业与机器智能的融合（英文版）-ACCA

作者：小编发布时间：2024-11-09 11:57:58

　　1. 技术家族及应用：AI包含机器学习、计算机视觉、自然语言处理和生成式AI等技术。机器学习可预测客户发票支付情况；计算机视觉能自动提取文档数据、辅助欺诈检测；自然语言处理可分析财务文件、协助报告生成；生成式AI能创建财务报告、辅助审计流程等，但各技术有独特应用与风险。

　　持续演进：生成式AI尚在发展，能力边界不断扩展，当前存在“幻觉”等局限性，需谨慎使用。

　　合理应用：使用时需明确用途，确保数据输入可控、输出合规，考虑其优缺点，避免用于关键决策而产生负面影响。

　　1. 应用广泛但不均衡：数据显示，AI在会计领域应用广泛，如数据分析与报告、财务规划和发票处理等，但不同规模企业应用程度差异大，大公司在数据分析报告方面应用较多，小公司多关注办公效率提升。

　　2. 追求多方面成果：企业期望通过AI提高产品服务质量、提升效率、增强决策能力、降低成本，同时注重员工技能提升与组织能力拓展。

　　3. 投资持续增长：大型企业对AI投资力度大，且多数企业预计未来投资增加，应用重点从基础自动化向高级分析、风险管理等战略应用转变。

　　1. 战略规划重要性凸显：多数组织认识到AI战略和数据战略的重要性，数据战略相对成熟，部分企业正积极制定AI战略。

　　2. 基础要素构建关键：包括评估数据需求、确保数据质量、建立治理结构，同时要培养员工技能、鼓励创新协作，以应对AI实施挑战。

　　3. 财务角色至关重要：财务部门在塑造AI和数据战略中起关键作用，需确保数据驱动决策、保障数据完整性，促进跨部门协作与知识共享。

　　1. 面临诸多挑战：选择合适AI解决方案、集成现有系统、保障数据隐私安全、建立有效治理监督机制等是主要挑战，不同规模企业面临问题有所不同。

　　2. 风险意识待提升：组织虽意识到AI风险，但风险管理策略和文化尚不成熟，需关注AI偏见、数据隐私安全、员工技能不足、对AI过度依赖等风险。

　　AI在会计领域的应用前景广阔，企业投资意愿强烈，将在复杂任务中发挥更大作用。但同时要确保符合伦理标准，保持专业判断和人类洞察力，实现人与AI的协同发展。

九游会（中国）J9-官方网站