元年科技攜AI-SaaS平臺研究成果亮相第五屆智能財(cái)務(wù)高峰論壇

　 域名預(yù)訂/競價(jià)，好“米”不錯(cuò)過

12月10日，由上海國家會計(jì)學(xué)院、元年科技等共同主辦的第五屆智能財(cái)務(wù)高峰論壇在上海國家會計(jì)學(xué)院召開。元年科技常務(wù)副總裁郝宇曉在“智能財(cái)務(wù)生態(tài)構(gòu)建與應(yīng)用探索”分論壇中分享了由元年研究院承接的課題《通用AI-SaaS設(shè)計(jì)器及其在智能財(cái)務(wù)中的應(yīng)用平臺研究》成果。

隨著技術(shù)的不斷發(fā)展，人工智能逐漸覆蓋到企業(yè)財(cái)務(wù)管理的各個(gè)領(lǐng)域和各個(gè)方面，人工智能等創(chuàng)新技術(shù)加持下的智能財(cái)務(wù)越來越成為財(cái)務(wù)數(shù)字化轉(zhuǎn)型的主線，進(jìn)而推動企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程。

一、智能財(cái)務(wù)是當(dāng)前企業(yè)數(shù)字化轉(zhuǎn)型的突破口

信息技術(shù)和人工智能已經(jīng)深刻地改變了人類的生活和工作方式，特別是人工智能技術(shù)的飛速進(jìn)步為企業(yè)的發(fā)展帶來了巨大機(jī)遇和挑戰(zhàn)。從發(fā)展戰(zhàn)略和商業(yè)模式的顛覆，到組織架構(gòu)和管理流程的再造，再到經(jīng)營方式和組織文化的重塑，在信息技術(shù)高速發(fā)展的背景下，變革已成為企業(yè)運(yùn)營的常態(tài)。國務(wù)院國資委在《關(guān)于中央企業(yè)加快建設(shè)世界一流財(cái)務(wù)管理體系的指導(dǎo)意見》中明確指出，世界一流企業(yè)需建成與其相匹配的世界一流財(cái)務(wù)管理體系，并提出建設(shè)世界一流財(cái)務(wù)管理體系的“1455”框架。數(shù)字化轉(zhuǎn)型是建設(shè)世界一流企業(yè)的必由之路，而財(cái)務(wù)數(shù)字化是建設(shè)世界一流企業(yè)的重要起點(diǎn)和必備基礎(chǔ)，企業(yè)構(gòu)建世界一流財(cái)務(wù)管理體系應(yīng)當(dāng)以財(cái)務(wù)管理能力升級和財(cái)務(wù)數(shù)字化轉(zhuǎn)型為核心展開，如圖1。

圖1 傳統(tǒng)財(cái)務(wù)智能的轉(zhuǎn)型體系

在財(cái)務(wù)領(lǐng)域，隨著大智移云物等信息技術(shù)的出現(xiàn)和逐漸成熟，以人工智能為代表的新一代信息技術(shù)的發(fā)展給財(cái)務(wù)管理帶來了新的發(fā)展契機(jī)。按照上海國家會計(jì)學(xué)院院長劉勤教授的定義，智能財(cái)務(wù)是一種新型的財(cái)務(wù)管理模式，它基于先進(jìn)的財(cái)務(wù)管理理論、工具和方法，借助于智能機(jī)器(包括智能軟件和智能硬件)和人類財(cái)務(wù)專家共同組成的人機(jī)一體化混合智能系統(tǒng)，通過人和機(jī)器的有機(jī)合作，去完成企業(yè)復(fù)雜的財(cái)務(wù)管理活動，并在管理中不斷擴(kuò)大、延伸和逐步取代部分人類財(cái)務(wù)專家的活動。在這樣深刻變革下，傳統(tǒng)財(cái)務(wù)將面對一系列沖擊，財(cái)務(wù)管理領(lǐng)域的智能水平需要不斷拓展和提升。

二、智能財(cái)務(wù)的場景、機(jī)遇和挑戰(zhàn)

隨著人工智能技術(shù)的發(fā)展，智能財(cái)務(wù)由單一的費(fèi)用管理向基于全業(yè)務(wù)過程的全面管控轉(zhuǎn)變。并逐步拓展到財(cái)務(wù)管理的各職能領(lǐng)域。元年科技按照各財(cái)務(wù)職能下的具體事項(xiàng)，依據(jù)事務(wù)性的、基于規(guī)則的、標(biāo)準(zhǔn)化的、具有可擴(kuò)展性的等評價(jià)標(biāo)準(zhǔn)，為智能應(yīng)用在財(cái)務(wù)管理中找到適宜的應(yīng)用場景，如圖2和圖2續(xù)。

圖2 智能財(cái)務(wù)中AI應(yīng)用場景分析

圖2續(xù) 智能財(cái)務(wù)中AI應(yīng)用場景分析

分析認(rèn)為，智能應(yīng)用可以深入到企業(yè)財(cái)務(wù)管理的眾多環(huán)節(jié)中，同時(shí)結(jié)合不同的應(yīng)用場景，構(gòu)造不同的AI能力的組合。對數(shù)據(jù)的分析是AI理解企業(yè)業(yè)務(wù)的關(guān)鍵所在，數(shù)據(jù)分析預(yù)測、結(jié)構(gòu)化數(shù)據(jù)的提取、文檔/單據(jù)的分類意圖識別、多模態(tài)數(shù)據(jù)的對齊、結(jié)構(gòu)化知識的檢索和分析、流程自動化等智能技術(shù)，在不同的場景中的組合，形成業(yè)務(wù)側(cè)的智能化能力。

圖3 智能財(cái)務(wù)場景與AI能力對應(yīng)

但是如何在具體場景中去落實(shí)這些智能應(yīng)用，面臨著以下幾個(gè)難點(diǎn)(圖4)：

1)人工智能領(lǐng)域的智能化程度不高，主要還是使用OCR/RPA等感知智能及少量的、標(biāo)準(zhǔn)化的AI定制，認(rèn)知智能級的應(yīng)用還缺乏有生動有力的例子。

2)AI落地的難度比較高，AI的落地實(shí)施，需要企業(yè)各部門甚至外部公司的協(xié)作。研發(fā)難度大、周期長、成本高，同時(shí)結(jié)果不確定，在很大程度上限制了人工智能在財(cái)務(wù)領(lǐng)域的深度應(yīng)用。

3)財(cái)務(wù)管理領(lǐng)域的智能應(yīng)用最終需要支撐決策和分析，但AI傳統(tǒng)上是一個(gè)技術(shù)黑箱，很難看到其中各個(gè)要素之間的因果聯(lián)系。尤其是當(dāng)其展示的結(jié)果與常識相悖的時(shí)候，就會對決策形成巨大的挑戰(zhàn)。

圖4 智能財(cái)務(wù)應(yīng)用的難點(diǎn)與痛點(diǎn)

因此，在AI的加持下，智能財(cái)務(wù)的發(fā)展方向應(yīng)該是超越RPA的，朝著更多的認(rèn)知智能和決策智能的方向發(fā)展。因此，如何高效、低成本、清晰地去賦能AI場景，正是企業(yè)所關(guān)心的問題。其中一個(gè)關(guān)鍵方法就是將標(biāo)準(zhǔn)化和重復(fù)性的工作用工程進(jìn)行封裝，使得AI應(yīng)用的研發(fā)和落地快捷、高效、無門檻，企業(yè)入手智能轉(zhuǎn)型的意愿就會更強(qiáng)，手段也更加人性化。

三、智能財(cái)務(wù)轉(zhuǎn)型需要創(chuàng)新的AI平臺

圖5 Gartner2022年頂級戰(zhàn)略技術(shù)趨勢

數(shù)字化企業(yè)數(shù)字化財(cái)務(wù)數(shù)字化轉(zhuǎn)型，催生了AI在財(cái)務(wù)管理場景中的應(yīng)用。本質(zhì)上，對數(shù)據(jù)的理解是連接業(yè)務(wù)場景到問題解決的關(guān)鍵一環(huán)，我們希望有一套人工智能的工具來解決這個(gè)問題。一方面，Gartner在2022年發(fā)布的戰(zhàn)略技術(shù)趨勢的三大主題，其中涉及AI及其工程化的技術(shù)方向占到8/11項(xiàng)(圖5)，融合了這些戰(zhàn)略技術(shù)趨勢的一站式AI中臺方案，已經(jīng)成為一種極具吸引力的方案。另一方面，《AI 中臺白皮書(2021年)》指出AI中臺是實(shí)現(xiàn)AI技術(shù)在各行業(yè)中快速研發(fā)、共享復(fù)用和部署管理的智能化底座和關(guān)鍵基礎(chǔ)設(shè)施。隨著變革的深入，AI中臺會從現(xiàn)階段的工具平臺，在長期會成為衡量企業(yè)發(fā)展?jié)摿统砷L價(jià)值的核心競爭力。

因此，AI技術(shù)的深度應(yīng)用必須基于創(chuàng)新的工具平臺，AI-SaaS平臺是AI中臺的一種新形態(tài)，中臺的復(fù)用能力是為了提高業(yè)務(wù)發(fā)展效率，在中臺基礎(chǔ)上進(jìn)行SaaS產(chǎn)品封裝，面向市場提供服務(wù)，屬于功能邊界清晰、適用場景廣泛、復(fù)用場景多的智能業(yè)務(wù)形態(tài)，能夠幫助財(cái)務(wù)人員無感建模和專業(yè)人員深度定制建模。

圖6 AI-SaaS平臺助力實(shí)現(xiàn)業(yè)務(wù)閉環(huán)

我們期望在AI-SaaS平臺中使用AI模型的方式很簡單(圖6)：模型生產(chǎn)過程就是業(yè)務(wù)人員基于業(yè)務(wù)理解，快速接入業(yè)務(wù)數(shù)據(jù)，無感知地自助式建模;模型的消費(fèi)或者應(yīng)用過程，就是基于模型的結(jié)果預(yù)測和要素歸因，對業(yè)務(wù)要素的輸入形成業(yè)務(wù)判斷和反饋。

四、元年AI-SaaS的架構(gòu)設(shè)計(jì)和關(guān)鍵能力

圖7 元年AI-SaaS平臺架構(gòu)

作為助力企業(yè)智能化轉(zhuǎn)型的新一代服務(wù)平臺，元年AI-SaaS平臺旨在提供一站式AI模型生產(chǎn)和應(yīng)用平臺。因此在整體架構(gòu)上，從數(shù)據(jù)接入到AI模型訓(xùn)練部署，我們要做到讓企業(yè)快速接入，實(shí)現(xiàn)場景的智能化應(yīng)用。

AI-SaaS通過數(shù)據(jù)層以數(shù)據(jù)倉庫的方式接入各種數(shù)據(jù)庫完成業(yè)務(wù)系統(tǒng)對接;AI應(yīng)用層，以RestAPI方式為智能財(cái)務(wù)提供各種場景化服務(wù)，包括智能業(yè)績與決策、智能交易處理、智能關(guān)賬、合并和報(bào)告、智能資本與風(fēng)險(xiǎn)和智能監(jiān)督、治理與控制;AI-SaaS的核心則包括框架層、模型層和能力層構(gòu)成的能力引擎，覆蓋了以下關(guān)鍵能力：

多種建模方式：覆蓋開箱即用組件到無代碼建模，再到定制化代碼建模的多種建模方式，滿足企業(yè)不同層次智能場景需求(圖8)。

圖8 AI-SaaS平臺多種建模方式

核心能力封裝為AutoML：用戶只需關(guān)注業(yè)務(wù)輸入和反饋，從業(yè)務(wù)建模到業(yè)務(wù)反饋快速完成業(yè)務(wù)閉環(huán)(圖9)。

圖9 AutoML助力實(shí)現(xiàn)業(yè)務(wù)閉環(huán)

業(yè)務(wù)因子的解釋性：AI-SaaS采用Shapley模型評估團(tuán)隊(duì)協(xié)作成員/業(yè)務(wù)因子的邊際貢獻(xiàn),為使用者提供決策的依據(jù)(圖10)。

圖10 團(tuán)隊(duì)成員或因子的Shapley貢獻(xiàn)

(圖片來源：https://clearcode.cc/blog/game-theory-attribution/)

五、AI-SaaS在智能財(cái)務(wù)的應(yīng)用案例

在企業(yè)內(nèi)部財(cái)務(wù)管理的相關(guān)場景中，我們把大場景分成了業(yè)績和決策，交易處理關(guān)賬與報(bào)告資本與風(fēng)險(xiǎn)，以及合規(guī)、風(fēng)控和公司治理若干個(gè)模塊等等，每個(gè)模塊下再分解成為更小的場景。把不同智能工具結(jié)合在一起，就可以看到能力和場景之間或者技術(shù)和場景之間是有一定的關(guān)聯(lián)性和匹配度的。

圖11 智能財(cái)務(wù)的需求場景

我們針對智能財(cái)務(wù)場景做了一些通用建模場景的智能化探索和實(shí)踐，實(shí)現(xiàn)企業(yè)中多個(gè)業(yè)務(wù)場景的自動化和智能化。下面我們舉兩個(gè)典型的財(cái)務(wù)場景的案例來說明，如何利用AI-SaaS建模來解決管理決策和業(yè)務(wù)操作兩種基本需求，實(shí)際上利用場景的組合可以做更多的擴(kuò)展，來支撐實(shí)際業(yè)務(wù)中的復(fù)雜財(cái)務(wù)場景。

投資集團(tuán)債務(wù)風(fēng)險(xiǎn)管理：無代碼向?qū)Ы７绞?/strong>

對于從事傳統(tǒng)公用事業(yè)的大型企業(yè)集團(tuán)而言，其涵蓋的行業(yè)面廣，具有資產(chǎn)重、投資回報(bào)率低、回報(bào)周期長的特點(diǎn)。面對該類型企業(yè)，假設(shè)其經(jīng)營效率不變，則集團(tuán)收入規(guī)模的增長和資產(chǎn)規(guī)模的增長會形成較為固定的比例關(guān)系。再假設(shè)其外部權(quán)益籌資不足，僅靠自身留存來補(bǔ)充權(quán)益資本時(shí)，集團(tuán)收入的增加，必然需要靠大量的舉債來進(jìn)行拉動。

因此，巨幅增長的債務(wù)一直是該類集團(tuán)的管理痛點(diǎn)。在擴(kuò)大公司規(guī)模的同時(shí)，要時(shí)刻關(guān)注債務(wù)風(fēng)險(xiǎn)能否得到有效管控，防范各板塊實(shí)體子公司出現(xiàn)經(jīng)營風(fēng)險(xiǎn)，滿足各級國資委的風(fēng)險(xiǎn)監(jiān)管要求。這對企業(yè)管理者提出了非常嚴(yán)峻的挑戰(zhàn)。

近期市場上經(jīng)?？吹降禺a(chǎn)公司頻頻爆雷，部分地方投資集團(tuán)的債期債券不能到期兌付等等。但是傳統(tǒng)的經(jīng)驗(yàn)數(shù)據(jù)都是個(gè)案，利用數(shù)據(jù)信息來做決策一定要看數(shù)據(jù)是否具有統(tǒng)計(jì)學(xué)意義。所以為了更科學(xué)更客觀的進(jìn)行風(fēng)險(xiǎn)評估，我們基于發(fā)債企業(yè)的公開數(shù)據(jù)構(gòu)建了風(fēng)險(xiǎn)評估的AI模型，數(shù)據(jù)中沒有違約的1461家，已經(jīng)出現(xiàn)違約的129家，把債務(wù)風(fēng)險(xiǎn)篩出來10個(gè)關(guān)鍵指標(biāo)，比如說資產(chǎn)負(fù)債率、流動比率、帶息負(fù)債等等，當(dāng)然也包括前端的經(jīng)營數(shù)據(jù)營業(yè)流等等，同時(shí)具有企業(yè)性質(zhì)、行業(yè)、財(cái)務(wù)狀態(tài)等相關(guān)的變量。下面的演示視頻可以看出，業(yè)務(wù)人員只需要5分鐘就可以把這個(gè)模型建好，建好之后我們就可以跑出一個(gè)結(jié)果。

圖12 向?qū)Ы７绞街恍?分鐘完成建模

從上面的視頻可以看出，AI模型展現(xiàn)了幾個(gè)結(jié)果：1)不同因素對債務(wù)風(fēng)險(xiǎn)的影響程度，以及整體的可解釋性的闡述，因子的邊際貢獻(xiàn)有多大;2)模擬預(yù)測可以預(yù)測單個(gè)公司的債務(wù)風(fēng)險(xiǎn)，從而提前做出判斷或者干預(yù)，化解重大債務(wù)風(fēng)險(xiǎn);3)建模過程無需通過IT人員參與，業(yè)務(wù)人員可以方便地得到模型輸出的業(yè)務(wù)解釋(圖12)。這樣，在清晰的業(yè)務(wù)邏輯下，可以更新數(shù)據(jù)持續(xù)更新AI模型，形成長效的管理判斷，傳達(dá)決策輸出到下屬公司和管理者，再根據(jù)債務(wù)風(fēng)險(xiǎn)采取優(yōu)化策略(圖13)。

圖13 利用AI模型進(jìn)行風(fēng)險(xiǎn)管理

應(yīng)收賬款認(rèn)領(lǐng)：組件建模方式

圖14 AI-SaaS中的組件建模流程

應(yīng)收賬款認(rèn)領(lǐng)，是一個(gè)典型的財(cái)務(wù)運(yùn)營場景。在企業(yè)實(shí)務(wù)中，客戶在對企業(yè)的回款備注中可能存在內(nèi)容的缺失(圖14)。例如，公司全稱為“元年科技股份有限公司”，但客戶回款時(shí)，可能僅備注“元年”、“元年科技”、“元年公司”等字樣。因此無法通過簡單規(guī)則完成自動認(rèn)領(lǐng)，需要嵌入大量人工認(rèn)領(lǐng)的操作。但在AI中臺中，通過對客戶名稱、金額、日期等幾個(gè)特征的建模，在10分鐘之內(nèi)就可以完成組件建模到業(yè)務(wù)系統(tǒng)調(diào)用的流程，實(shí)現(xiàn)對收款流水自動分解認(rèn)領(lǐng)。

圖15 財(cái)務(wù)系統(tǒng)中應(yīng)收賬款的智能匹配

AI的模型具有模糊識別的能力，可以方便地在系統(tǒng)中實(shí)現(xiàn)差異性臺賬的認(rèn)領(lǐng)(圖15)，這就解決了傳統(tǒng)RPA必須是固定路徑、明確結(jié)果的強(qiáng)制要求。

圖16 多種平臺的自動化應(yīng)收認(rèn)領(lǐng)

應(yīng)收認(rèn)領(lǐng)模型在不同的平臺上都可以實(shí)現(xiàn)自動化，包括電商平臺、銀行承兌、網(wǎng)銀電匯和現(xiàn)金等。核心就是規(guī)則加AI認(rèn)領(lǐng)的模式(圖16)，會形成一個(gè)人工智能的封裝好的應(yīng)用，極大提高工作效率。一家大型企業(yè)一個(gè)月的臺賬數(shù)量可能達(dá)到3000單，手工匹配一筆臺賬平均花費(fèi)2-3分鐘，規(guī)則加AI的方式只需要30秒-1分鐘，可以提高65-70%的效率，每月可節(jié)省150小時(shí)人工，實(shí)現(xiàn)顯著的降本提效。

六 總結(jié)和展望

通過上面的案例，AI中臺對于具體的業(yè)務(wù)應(yīng)用場景可以形成有效的支持，為了解決業(yè)務(wù)人員不懂技術(shù)的困擾，滿足業(yè)務(wù)部門的需求，我們通過將AI能力的產(chǎn)生和應(yīng)用封裝成了方便快捷的AI-SaaS平臺，一方面實(shí)現(xiàn)了通過技術(shù)攻關(guān)實(shí)現(xiàn)了平臺的落地，一方面在智能財(cái)務(wù)領(lǐng)域進(jìn)行了實(shí)踐，獲得了一些經(jīng)驗(yàn)：1)可以極大的提高我們的開發(fā)效率;2)在多種業(yè)務(wù)場景上實(shí)現(xiàn)模型復(fù)用，比如債務(wù)模型對所有的大型國有企業(yè)集團(tuán)，包括對所有的國資委都可以使用;3)非侵入對接的設(shè)計(jì)對企業(yè)現(xiàn)有的系統(tǒng)沒有影響;4)模型既可以做歷史歸因，也能預(yù)測未來，在管理場景中形成雙向反饋的業(yè)務(wù)結(jié)果。

圖17 AI-SaaS平臺三個(gè)維度的展望

經(jīng)過一些財(cái)務(wù)實(shí)踐，我們認(rèn)為AI-SaaS形式的賦能對業(yè)務(wù)系統(tǒng)都非常有前景，未來AI-SaaS平臺會從技術(shù)維度、行業(yè)維度和財(cái)務(wù)領(lǐng)域維度上，做持續(xù)迭代和深度擴(kuò)展(圖17)，方便企業(yè)用AI-SaaS的能力來補(bǔ)足自己的智能財(cái)務(wù)能力。在企業(yè)數(shù)字化轉(zhuǎn)型和財(cái)務(wù)數(shù)字化轉(zhuǎn)型大課題背景下，人工智能會開花結(jié)果、深度應(yīng)用，適應(yīng)企業(yè)內(nèi)部的不同的管理場景，無論是從領(lǐng)域的擴(kuò)展，行業(yè)的增加，還是技術(shù)的迭代，我們都希望將AI-SaaS平臺打造成企業(yè)轉(zhuǎn)型的利器。

【參考文獻(xiàn)】

1、AI 中臺白皮書(2021年)

2、劉勤，常葉青，劉梅玲，呂洪雁.大智移云時(shí)代的會計(jì)信息化變革—第十三屆全國會計(jì)信息化學(xué)術(shù)年會主要觀點(diǎn)綜述.會計(jì)研究，2014(12)：89-91

3、韓向東.智能財(cái)務(wù)“未來”已來.新理財(cái)，2017(12)：52

4、劉勤，楊寅. 智能財(cái)務(wù)的體系架構(gòu)、實(shí)現(xiàn)路徑和應(yīng)用趨勢探討, 管理會計(jì)研究

5、可解釋AI發(fā)展報(bào)告2022——打開算法黑箱的理念與實(shí)踐，騰訊研究院、騰訊天衍實(shí)驗(yàn)室、騰訊優(yōu)圖實(shí)驗(yàn)室、騰訊AILab，2022

6、Shapley, L. S. A value for n-person games. Contrib. [J]. Theor. Games 2, 307–317 (1953).

7、Shapley貢獻(xiàn)的解釋Game Theory Attribution: The Model You've Probably Never Heard Of - Clearcode Blog

申請創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！