12月10日，由上海国家会计学院、元年科技等共同主办的第五届智能财务高峰论坛在上海国家会计学院召开。元年科技常务副总裁郝宇晓在“智能财务生态构建与应用探索”分论坛中分享了由元年研究院承接的课题《通用AI-SaaS设计器及其在智能财务中的应用平台研究》成果。
随着技术的不断发展，人工智能逐渐覆盖到企业财务管理的各个领域和各个方面，人工智能等创新技术加持下的智能财务越来越成为财务数字化转型的主线，进而推动企业数字化转型进程。
一、智能财务是当前企业数字化转型的突破口
信息技术和人工智能已经深刻地改变了人类的生活和工作方式，特别是人工智能技术的飞速进步为企业的发展带来了巨大机遇和挑战。从发展战略和商业模式的颠覆，到组织架构和管理流程的再造，再到经营方式和组织文化的重塑，在信息技术高速发展的背景下，变革已成为企业运营的常态。国务院国资委在《关于中央企业加快建设世界一流财务管理体系的指导意见》中明确指出，世界一流企业需建成与其相匹配的世界一流财务管理体系，并提出建设世界一流财务管理体系的“1455”框架。数字化转型是建设世界一流企业的必由之路，而财务数字化是建设世界一流企业的重要起点和必备基础，企业构建世界一流财务管理体系应当以财务管理能力升级和财务数字化转型为核心展开，如图1。
图1 传统财务智能的转型体系
在财务领域，随着大智移云物等信息技术的出现和逐渐成熟，以人工智能为代表的新一代信息技术的发展给财务管理带来了新的发展契机。按照上海国家会计学院院长刘勤教授的定义，智能财务是一种新型的财务管理模式，它基于先进的财务管理理论、工具和方法，借助于智能机器（包括智能软件和智能硬件）和人类财务专家共同组成的人机一体化混合智能系统，通过人和机器的有机合作，去完成企业复杂的财务管理活动，并在管理中不断扩大、延伸和逐步取代部分人类财务专家的活动。在这样深刻变革下，传统财务将面对一系列冲击，财务管理领域的智能水平需要不断拓展和提升。
二、智能财务的场景、机遇和挑战
随着人工智能技术的发展，智能财务由单一的费用管理向基于全业务过程的全面管控转变。并逐步拓展到财务管理的各职能领域。元年科技按照各财务职能下的具体事项，依据事务性的、基于规则的、标准化的、具有可扩展性的等评价标准，为智能应用在财务管理中找到适宜的应用场景，如图2和图2续。
图2 智能财务中AI应用场景分析
图2续 智能财务中AI应用场景分析
分析认为，智能应用可以深入到企业财务管理的众多环节中，同时结合不同的应用场景，构造不同的AI能力的组合。对数据的分析是AI理解企业业务的关键所在，数据分析预测、结构化数据的提取、文档/单据的分类意图识别、多模态数据的对齐、结构化知识的检索和分析、流程自动化等智能技术，在不同的场景中的组合，形成业务侧的智能化能力。
图3 智能财务场景与AI能力对应
但是如何在具体场景中去落实这些智能应用，面临着以下几个难点（图4）：
1）人工智能领域的智能化程度不高，主要还是使用OCR/RPA等感知智能及少量的、标准化的AI定制，认知智能级的应用还缺乏有生动有力的例子。
2）AI落地的难度比较高，AI的落地实施，需要企业各部门甚至外部公司的协作。研发难度大、周期长、成本高，同时结果不确定，在很大程度上限制了人工智能在财务领域的深度应用。
3）财务管理领域的智能应用最终需要支撑决策和分析，但AI传统上是一个技术黑箱，很难看到其中各个要素之间的因果联系。尤其是当其展示的结果与常识相悖的时候，就会对决策形成巨大的挑战。
图4 智能财务应用的难点与痛点
因此，在AI的加持下，智能财务的发展方向应该是超越RPA的，朝着更多的认知智能和决策智能的方向发展。因此，如何高效、低成本、清晰地去赋能AI场景，正是企业所关心的问题。其中一个关键方法就是将标准化和重复性的工作用工程进行封装，使得AI应用的研发和落地快捷、高效、无门槛，企业入手智能转型的意愿就会更强，手段也更加人性化。
三、智能财务转型需要创新的AI平台
图5 Gartner2022年顶级战略技术趋势
数字化企业数字化财务数字化转型，催生了AI在财务管理场景中的应用。本质上，对数据的理解是连接业务场景到问题解决的关键一环，我们希望有一套人工智能的工具来解决这个问题。一方面，Gartner在2022年发布的战略技术趋势的三大主题，其中涉及AI及其工程化的技术方向占到8/11项（图5），融合了这些战略技术趋势的一站式AI中台方案，已经成为一种极具吸引力的方案。另一方面，《AI 中台白皮书（2021年）》指出AI中台是实现AI技术在各行业中快速研发、共享复用和部署管理的智能化底座和关键基础设施。随着变革的深入，AI中台会从现阶段的工具平台，在长期会成为衡量企业发展潜力和成长价值的核心竞争力。
因此，AI技术的深度应用必须基于创新的工具平台，AI-SaaS平台是AI中台的一种新形态，中台的复用能力是为了提高业务发展效率，在中台基础上进行SaaS产品封装，面向市场提供服务，属于功能边界清晰、适用场景广泛、复用场景多的智能业务形态，能够帮助财务人员无感建模和专业人员深度定制建模。
图6 AI-SaaS平台助力实现业务闭环
我们期望在AI-SaaS平台中使用AI模型的方式很简单（图6）：模型生产过程就是业务人员基于业务理解，快速接入业务数据，无感知地自助式建模；模型的消费或者应用过程，就是基于模型的结果预测和要素归因，对业务要素的输入形成业务判断和反馈。
四、元年AI-SaaS的架构设计和关键能力
图7 元年AI-SaaS平台架构
作为助力企业智能化转型的新一代服务平台，元年AI-SaaS平台旨在提供一站式AI模型生产和应用平台。因此在整体架构上，从数据接入到AI模型训练部署，我们要做到让企业快速接入，实现场景的智能化应用。
AI-SaaS通过数据层以数据仓库的方式接入各种数据库完成业务系统对接；AI应用层，以RestAPI方式为智能财务提供各种场景化服务，包括智能业绩与决策、智能交易处理、智能关账、合并和报告、智能资本与风险和智能监督、治理与控制；AI-SaaS的核心则包括框架层、模型层和能力层构成的能力引擎，覆盖了以下关键能力：
多种建模方式：覆盖开箱即用组件到无代码建模，再到定制化代码建模的多种建模方式，满足企业不同层次智能场景需求（图8）。
图8 AI-SaaS平台多种建模方式
核心能力封装为AutoML：用户只需关注业务输入和反馈，从业务建模到业务反馈快速完成业务闭环（图9）。
图9 AutoML助力实现业务闭环
业务因子的解释性：AI-SaaS采用Shapley模型评估团队协作成员/业务因子的边际贡献,为使用者提供决策的依据（图10）。
图10 团队成员或因子的Shapley贡献
（图片来源：https://clearcode.cc/blog/game-theory-attribution/）
五、AI-SaaS在智能财务的应用案例
在企业内部财务管理的相关场景中，我们把大场景分成了业绩和决策，交易处理关账与报告资本与风险，以及合规、风控和公司治理若干个模块等等，每个模块下再分解成为更小的场景。把不同智能工具结合在一起，就可以看到能力和场景之间或者技术和场景之间是有一定的关联性和匹配度的。
图11 智能财务的需求场景
我们针对智能财务场景做了一些通用建模场景的智能化探索和实践，实现企业中多个业务场景的自动化和智能化。下面我们举两个典型的财务场景的案例来说明，如何利用AI-SaaS建模来解决管理决策和业务操作两种基本需求，实际上利用场景的组合可以做更多的扩展，来支撑实际业务中的复杂财务场景。
投资集团债务风险管理：无代码向导建模方式
对于从事传统公用事业的大型企业集团而言，其涵盖的行业面广，具有资产重、投资回报率低、回报周期长的特点。面对该类型企业，假设其经营效率不变，则集团收入规模的增长和资产规模的增长会形成较为固定的比例关系。再假设其外部权益筹资不足，仅靠自身留存来补充权益资本时，集团收入的增加，必然需要靠大量的举债来进行拉动。
因此，巨幅增长的债务一直是该类集团的管理痛点。在扩大公司规模的同时，要时刻关注债务风险能否得到有效管控，防范各板块实体子公司出现经营风险，满足各级国资委的风险监管要求。这对企业管理者提出了非常严峻的挑战。
近期市场上经常看到地产公司频频爆雷，部分地方投资集团的债期债券不能到期兑付等等。但是传统的经验数据都是个案，利用数据信息来做决策一定要看数据是否具有统计学意义。所以为了更科学更客观的进行风险评估，我们基于发债企业的公开数据构建了风险评估的AI模型，数据中没有违约的1461家，已经出现违约的129家，把债务风险筛出来10个关键指标，比如说资产负债率、流动比率、带息负债等等，当然也包括前端的经营数据营业流等等，同时具有企业性质、行业、财务状态等相关的变量。下面的演示视频可以看出，业务人员只需要5分钟就可以把这个模型建好，建好之后我们就可以跑出一个结果。
图12 向导建模方式只需5分钟完成建模
从上面的视频可以看出，AI模型展现了几个结果：1）不同因素对债务风险的影响程度，以及整体的可解释性的阐述，因子的边际贡献有多大；2）模拟预测可以预测单个公司的债务风险，从而提前做出判断或者干预，化解重大债务风险；3）建模过程无需通过IT人员参与，业务人员可以方便地得到模型输出的业务解释（图12）。这样，在清晰的业务逻辑下，可以更新数据持续更新AI模型，形成长效的管理判断，传达决策输出到下属公司和管理者，再根据债务风险采取优化策略（图13）。
图13 利用AI模型进行风险管理
应收账款认领：组件建模方式
图14 AI-SaaS中的组件建模流程
应收账款认领，是一个典型的财务运营场景。在企业实务中，客户在对企业的回款备注中可能存在内容的缺失（图14）。例如，公司全称为“元年科技股份有限公司”，但客户回款时，可能仅备注“元年”、“元年科技”、“元年公司”等字样。因此无法通过简单规则完成自动认领，需要嵌入大量人工认领的操作。但在AI中台中，通过对客户名称、金额、日期等几个特征的建模，在10分钟之内就可以完成组件建模到业务系统调用的流程，实现对收款流水自动分解认领。
图15 财务系统中应收账款的智能匹配
AI的模型具有模糊识别的能力，可以方便地在系统中实现差异性台账的认领（图15），这就解决了传统RPA必须是固定路径、明确结果的强制要求。
图16 多种平台的自动化应收认领
应收认领模型在不同的平台上都可以实现自动化，包括电商平台、银行承兑、网银电汇和现金等。核心就是规则加AI认领的模式（图16），会形成一个人工智能的封装好的应用，极大提高工作效率。一家大型企业一个月的台账数量可能达到3000单，手工匹配一笔台账平均花费2-3分钟，规则加AI的方式只需要30秒-1分钟，可以提高65-70%的效率，每月可节省150小时人工，实现显著的降本提效。
六 总结和展望
通过上面的案例，AI中台对于具体的业务应用场景可以形成有效的支持，为了解决业务人员不懂技术的困扰，满足业务部门的需求，我们通过将AI能力的产生和应用封装成了方便快捷的AI-SaaS平台，一方面实现了通过技术攻关实现了平台的落地，一方面在智能财务领域进行了实践，获得了一些经验：1）可以极大的提高我们的开发效率；2）在多种业务场景上实现模型复用，比如债务模型对所有的大型国有企业集团，包括对所有的国资委都可以使用；3）非侵入对接的设计对企业现有的系统没有影响；4）模型既可以做历史归因，也能预测未来，在管理场景中形成双向反馈的业务结果。
图17 AI-SaaS平台三个维度的展望
经过一些财务实践，我们认为AI-SaaS形式的赋能对业务系统都非常有前景，未来AI-SaaS平台会从技术维度、行业维度和财务领域维度上，做持续迭代和深度扩展（图17），方便企业用AI-SaaS的能力来补足自己的智能财务能力。在企业数字化转型和财务数字化转型大课题背景下，人工智能会开花结果、深度应用，适应企业内部的不同的管理场景，无论是从领域的扩展，行业的增加，还是技术的迭代，我们都希望将AI-SaaS平台打造成企业转型的利器。
【参考文献】
1、AI 中台白皮书（2021年）
2、刘勤，常叶青，刘梅玲，吕洪雁．大智移云时代的会计信息化变革—第十三届全国会计信息化学术年会主要观点综述．会计研究，2014（12）：89-91
3、韩向东．智能财务“未来”已来．新理财，2017（12）：52
4、刘勤，杨寅. 智能财务的体系架构、实现路径和应用趋势探讨, 管理会计研究
5、可解释AI发展报告2022——打开算法黑箱的理念与实践，腾讯研究院、腾讯天衍实验室、腾讯优图实验室、腾讯AILab，2022
6、Shapley, L. S. A value for n-person games. Contrib. [J]. Theor. Games 2, 307–317 (1953).
7、Shapley贡献的解释Game Theory Attribution: The Model You've Probably Never Heard Of - Clearcode Blog
