12月10日，由上海國家會計學院、元年科技等共同主辦的第五屆智能財務高峰論壇在上海國家會計學院召開。元年科技常務副總裁郝宇曉在“智能財務生態構建與應用探索”分論壇中分享了由元年研究院承接的課題《通用AI-SaaS設計器及其在智能財務中的應用平臺研究》成果。

隨著技術的不斷發展，人工智能逐漸覆蓋到企業財務管理的各個領域和各個方面，人工智能等創新技術加持下的智能財務越來越成為財務數字化轉型的主線，進而推動企業數字化轉型進程。

一、智能財務是當前企業數字化轉型的突破口

信息技術和人工智能已經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的飛速進步為企業的發展帶來了巨大機遇和挑戰。從發展戰略和商業模式的顛覆，到組織架構和管理流程的再造，再到經營方式和組織文化的重塑，在信息技術高速發展的背景下，變革已成為企業運營的常態。國務院國資委在《關于中央企業加快建設世界一流財務管理體系的指導意見》中明確指出，世界一流企業需建成與其相匹配的世界一流財務管理體系，并提出建設世界一流財務管理體系的“1455”框架。數字化轉型是建設世界一流企業的必由之路，而財務數字化是建設世界一流企業的重要起點和必備基礎，企業構建世界一流財務管理體系應當以財務管理能力升級和財務數字化轉型為核心展開，如圖1。

圖1 傳統財務智能的轉型體系

在財務領域，隨著大智移云物等信息技術的出現和逐漸成熟，以人工智能為代表的新一代信息技術的發展給財務管理帶來了新的發展契機。按照上海國家會計學院院長劉勤教授的定義，智能財務是一種新型的財務管理模式，它基于先進的財務管理理論、工具和方法，借助于智能機器（包括智能軟件和智能硬件）和人類財務專家共同組成的人機一體化混合智能系統，通過人和機器的有機合作，去完成企業復雜的財務管理活動，并在管理中不斷擴大、延伸和逐步取代部分人類財務專家的活動。在這樣深刻變革下，傳統財務將面對一系列沖擊，財務管理領域的智能水平需要不斷拓展和提升。

二、智能財務的場景、機遇和挑戰

隨著人工智能技術的發展，智能財務由單一的費用管理向基于全業務過程的全面管控轉變。并逐步拓展到財務管理的各職能領域。元年科技按照各財務職能下的具體事項，依據事務性的、基于規則的、標準化的、具有可擴展性的等評價標準，為智能應用在財務管理中找到適宜的應用場景，如圖2和圖2續。

圖2 智能財務中AI應用場景分析

圖2續 智能財務中AI應用場景分析

分析認為，智能應用可以深入到企業財務管理的眾多環節中，同時結合不同的應用場景，構造不同的AI能力的組合。對數據的分析是AI理解企業業務的關鍵所在，數據分析預測、結構化數據的提取、文檔/單據的分類意圖識別、多模態數據的對齊、結構化知識的檢索和分析、流程自動化等智能技術，在不同的場景中的組合，形成業務側的智能化能力。

圖3 智能財務場景與AI能力對應

但是如何在具體場景中去落實這些智能應用，面臨著以下幾個難點（圖4）：

1）人工智能領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、標準化的AI定制，認知智能級的應用還缺乏有生動有力的例子。

2）AI落地的難度比較高，AI的落地實施，需要企業各部門甚至外部公司的協作。研發難度大、周期長、成本高，同時結果不確定，在很大程度上限制了人工智能在財務領域的深度應用。

3）財務管理領域的智能應用最終需要支撐決策和分析，但AI傳統上是一個技術黑箱，很難看到其中各個要素之間的因果聯系。尤其是當其展示的結果與常識相悖的時候，就會對決策形成巨大的挑戰。

圖4 智能財務應用的難點與痛點

因此，在AI的加持下，智能財務的發展方向應該是超越RPA的，朝著更多的認知智能和決策智能的方向發展。因此，如何高效、低成本、清晰地去賦能AI場景，正是企業所關心的問題。其中一個關鍵方法就是將標準化和重復性的工作用工程進行封裝，使得AI應用的研發和落地快捷、高效、無門檻，企業入手智能轉型的意愿就會更強，手段也更加人性化。

三、智能財務轉型需要創新的AI平臺

圖5 Gartner2022年頂級戰略技術趨勢

數字化企業數字化財務數字化轉型，催生了AI在財務管理場景中的應用。本質上，對數據的理解是連接業務場景到問題解決的關鍵一環，我們希望有一套人工智能的工具來解決這個問題。一方面，Gartner在2022年發布的戰略技術趨勢的三大主題，其中涉及AI及其工程化的技術方向占到8/11項（圖5），融合了這些戰略技術趨勢的一站式AI中臺方案，已經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中臺是實現AI技術在各行業中快速研發、共享復用和部署管理的智能化底座和關鍵基礎設施。隨著變革的深入，AI中臺會從現階段的工具平臺，在長期會成為衡量企業發展潛力和成長價值的核心競爭力。

因此，AI技術的深度應用必須基于創新的工具平臺，AI-SaaS平臺是AI中臺的一種新形態，中臺的復用能力是為了提高業務發展效率，在中臺基礎上進行SaaS產品封裝，面向市場提供服務，屬于功能邊界清晰、適用場景廣泛、復用場景多的智能業務形態，能夠幫助財務人員無感建模和專業人員深度定制建模。

圖6 AI-SaaS平臺助力實現業務閉環

我們期望在AI-SaaS平臺中使用AI模型的方式很簡單（圖6）：模型生產過程就是業務人員基于業務理解，快速接入業務數據，無感知地自助式建模；模型的消費或者應用過程，就是基于模型的結果預測和要素歸因，對業務要素的輸入形成業務判斷和反饋。

四、元年AI-SaaS的架構設計和關鍵能力

圖7 元年AI-SaaS平臺架構

作為助力企業智能化轉型的新一代服務平臺，元年AI-SaaS平臺旨在提供一站式AI模型生產和應用平臺。因此在整體架構上，從數據接入到AI模型訓練部署，我們要做到讓企業快速接入，實現場景的智能化應用。

AI-SaaS通過數據層以數據倉庫的方式接入各種數據庫完成業務系統對接；AI應用層，以RestAPI方式為智能財務提供各種場景化服務，包括智能業績與決策、智能交易處理、智能關賬、合并和報告、智能資本與風險和智能監督、治理與控制；AI-SaaS的核心則包括框架層、模型層和能力層構成的能力引擎，覆蓋了以下關鍵能力：

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：用戶只需關注業務輸入和反饋，從業務建模到業務反饋快速完成業務閉環（圖9）。

圖9 AutoML助力實現業務閉環

業務因子的解釋性：AI-SaaS采用Shapley模型評估團隊協作成員/業務因子的邊際貢獻,為使用者提供決策的依據（圖10）。

圖10 團隊成員或因子的Shapley貢獻

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

五、AI-SaaS在智能財務的應用案例

在企業內部財務管理的相關場景中，我們把大場景分成了業績和決策，交易處理關賬與報告資本與風險，以及合規、風控和公司治理若干個模塊等等，每個模塊下再分解成為更小的場景。把不同智能工具結合在一起，就可以看到能力和場景之間或者技術和場景之間是有一定的關聯性和匹配度的。

圖11 智能財務的需求場景

我們針對智能財務場景做了一些通用建模場景的智能化探索和實踐，實現企業中多個業務場景的自動化和智能化。下面我們舉兩個典型的財務場景的案例來說明，如何利用AI-SaaS建模來解決管理決策和業務操作兩種基本需求，實際上利用場景的組合可以做更多的擴展，來支撐實際業務中的復雜財務場景。

投資集團債務風險管理：無代碼向導建模方式

對于從事傳統公用事業的大型企業集團而言，其涵蓋的行業面廣，具有資產重、投資回報率低、回報周期長的特點。面對該類型企業，假設其經營效率不變，則集團收入規模的增長和資產規模的增長會形成較為固定的比例關系。再假設其外部權益籌資不足，僅靠自身留存來補充權益資本時，集團收入的增加，必然需要靠大量的舉債來進行拉動。

因此，巨幅增長的債務一直是該類集團的管理痛點。在擴大公司規模的同時，要時刻關注債務風險能否得到有效管控，防范各板塊實體子公司出現經營風險，滿足各級國資委的風險監管要求。這對企業管理者提出了非常嚴峻的挑戰。

近期市場上經常看到地產公司頻頻爆雷，部分地方投資集團的債期債券不能到期兌付等等。但是傳統的經驗數據都是個案，利用數據信息來做決策一定要看數據是否具有統計學意義。所以為了更科學更客觀的進行風險評估，我們基于發債企業的公開數據構建了風險評估的AI模型，數據中沒有違約的1461家，已經出現違約的129家，把債務風險篩出來10個關鍵指標，比如說資產負債率、流動比率、帶息負債等等，當然也包括前端的經營數據營業流等等，同時具有企業性質、行業、財務狀態等相關的變量。下面的演示視頻可以看出，業務人員只需要5分鐘就可以把這個模型建好，建好之后我們就可以跑出一個結果。

圖12 向導建模方式只需5分鐘完成建模

從上面的視頻可以看出，AI模型展現了幾個結果：1）不同因素對債務風險的影響程度，以及整體的可解釋性的闡述，因子的邊際貢獻有多大；2）模擬預測可以預測單個公司的債務風險，從而提前做出判斷或者干預，化解重大債務風險；3）建模過程無需通過IT人員參與，業務人員可以方便地得到模型輸出的業務解釋（圖12）。這樣，在清晰的業務邏輯下，可以更新數據持續更新AI模型，形成長效的管理判斷，傳達決策輸出到下屬公司和管理者，再根據債務風險采取優化策略（圖13）。

圖13 利用AI模型進行風險管理

應收賬款認領：組件建模方式

圖14 AI-SaaS中的組件建模流程

應收賬款認領，是一個典型的財務運營場景。在企業實務中，客戶在對企業的回款備注中可能存在內容的缺失（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，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則完成自動認領，需要嵌入大量人工認領的操作。但在AI中臺中，通過對客戶名稱、金額、日期等幾個特征的建模，在10分鐘之內就可以完成組件建模到業務系統調用的流程，實現對收款流水自動分解認領。

圖15 財務系統中應收賬款的智能匹配

AI的模型具有模糊識別的能力，可以方便地在系統中實現差異性臺賬的認領（圖15），這就解決了傳統RPA必須是固定路徑、明確結果的強制要求。

圖16 多種平臺的自動化應收認領

應收認領模型在不同的平臺上都可以實現自動化，包括電商平臺、銀行承兌、網銀電匯和現金等。核心就是規則加AI認領的模式（圖16），會形成一個人工智能的封裝好的應用，極大提高工作效率。一家大型企業一個月的臺賬數量可能達到3000單，手工匹配一筆臺賬平均花費2-3分鐘，規則加AI的方式只需要30秒-1分鐘，可以提高65-70%的效率，每月可節省150小時人工，實現顯著的降本提效。

六 總結和展望

通過上面的案例，AI中臺對于具體的業務應用場景可以形成有效的支持，為了解決業務人員不懂技術的困擾，滿足業務部門的需求，我們通過將AI能力的產生和應用封裝成了方便快捷的AI-SaaS平臺，一方面實現了通過技術攻關實現了平臺的落地，一方面在智能財務領域進行了實踐，獲得了一些經驗：1）可以極大的提高我們的開發效率；2）在多種業務場景上實現模型復用，比如債務模型對所有的大型國有企業集團，包括對所有的國資委都可以使用；3）非侵入對接的設計對企業現有的系統沒有影響；4）模型既可以做歷史歸因，也能預測未來，在管理場景中形成雙向反饋的業務結果。

圖17 AI-SaaS平臺三個維度的展望

經過一些財務實踐，我們認為AI-SaaS形式的賦能對業務系統都非常有前景，未來AI-SaaS平臺會從技術維度、行業維度和財務領域維度上，做持續迭代和深度擴展（圖17），方便企業用AI-SaaS的能力來補足自己的智能財務能力。在企業數字化轉型和財務數字化轉型大課題背景下，人工智能會開花結果、深度應用，適應企業內部的不同的管理場景，無論是從領域的擴展，行業的增加，還是技術的迭代，我們都希望將AI-SaaS平臺打造成企業轉型的利器。

【參考文獻】

1、AI 中臺白皮書（2021年）

2、劉勤，常葉青，劉梅玲，呂洪雁．大智移云時代的會計信息化變革—第十三屆全國會計信息化學術年會主要觀點綜述．會計研究，2014（12）：89-91

3、韓向東．智能財務“未來”已來．新理財，2017（12）：52

4、劉勤，楊寅. 智能財務的體系架構、實現路徑和應用趨勢探討, 管理會計研究

5、可解釋AI發展報告2022——打開算法黑箱的理念與實踐，騰訊研究院、騰訊天衍實驗室、騰訊優圖實驗室、騰訊AILab，2022

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

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