隨著人工智慧的進步，財務工作者會大批失業么？該如何應對？

01-02

最近有很多關於人工智慧的報道？財務會計也是一個很容易被機器取代的領域，談談你對這一革命性變化的見解，並提供一些對職業未來的建議

對人工智慧不太了解，只能就自己的審計經驗隨便說一點，拋磚引玉吧。

十年前我還是個小實習生的時候，在項目上一個多禮拜，就幹了一個活兒，叫發銀行詢證函。幾百個銀行賬戶，要一個一個手動填到word模板里去，金額、賬號、地址，都不能錯，給senior看過幾遍，給客戶蓋過章，複印，然後一個一個手動塞進信封；收到回函以後，每一封都要手動編號、加註、核對、歸檔，然後填進excel表格。。。這是一個漫長又枯燥的過程。

來美帝工作以後發現這裡有一個叫http://confirmation.com的東西，和幾乎所有的大銀行對接。只要點點滑鼠，客戶電子授權，詢證函就發出去了，一兩天之內就得到回復，一鍵生成pdf文檔和excel表格。如果是現有客戶，不需要重新輸入銀行賬號，整個過程兩個小時完事。

當然http://confirmation.com也不算完美，稍微複雜一點的譬如借款合同條款、金融衍生工具等等，都不能直接求證，仍需人力。另外，http://confirmation.com的另一端，究竟是人為在背後填寫上傳，還是直接對接銀行系統，我也不清楚。不過，相信依然有很大提升空間。

除了發詢證函，還有很多小朋友們乾的活，若非已經，就是即將被程序性替代掉了。比如：

trial balance 到財務報表手動mapping；
從Trial balance 生成每個科目的底稿
在excel裡面做的各種分析測試，什麼賬齡分析、周轉率分析、固資折舊分析、利息費用合理性測算等等；
掌握了大數據分析以後更有針對性的抽樣可以把樣本縮小；
什麼three way match這種比眼力的事情系統掃描一下憑據分分鐘搞定

。。。

再來：

大家都好討厭的checklist，是不是和審計系統integrate以後就直接可以生成了呢？
如果底稿里的信息都有標籤，那麼是不是可以直接相互引用不用左邊右邊來回reference了呢？
一個accounting issue大家討論完得出結果以後AI直接按模板生成Memo？
一個公司的trial balance扔給AI，取幾個指標，不同方法下算重要性水平，然後大家看著做結論討論一下選一個？選好了AI馬上告訴你要審的科目，調出往年相應底稿，直接按今年數字填好；調出相應審計程序，告訴你下面要做123你去跟客戶要資料吧。順便budget也給你算了，根據往年的歷史，你看下沒問題就去跟客戶報價吧。

。。。

想想都覺得有點小激動呢。

那麼問題來了，本來干這些事情的人都該幹什麼去呢？

PCAOB說了，要好好加大內控審計的力度，你們一個個都去做深入的客戶interview去，每個control都要問個清清楚楚明明白白，documentation做詳細點，可不能只是走形式了
PCAOB還說了，這些ERP系統里出來的表格、數據，你們怎麼知道他們就是可信的了，難道管理層沒有在裡面做手腳？每個都要給我詳細驗證、追本溯源、人工核查
每一個會計政策制定都要有memo——我要的不是形式，是思考過程！辯證的思考過程！
新準則不是出台了嗎——收入確認，整個思維方式都變啦，全部重來！沒有影響也要document！租賃準則，完全不一樣了，誰去把系統設置都改了呀
非常規交易——怎麼解讀合同、應該對應哪些準則，準則沒說明白的怎麼處理？恩，這要考慮的可不光是準則，還有企業自身的需要，同行也的習慣，準則制定者背後的用意，還有監管者這些年的風向，等等太多了。甚至，在合同簽訂前，就能根據不同合同條款的會計影響做出建議，AI也許可以輔助，但做決策和溝通還是要靠人。

財務報表——話說ERP系統發展那麼多年了，也沒有哪個公司能光靠點滑鼠就能生成一份財務報表。每個年終月尾，財務人員依舊忙到要死。各種調整、核對、人工JE、披露哪些、怎麼披露。。。審計也是一樣啊，系統的部分可以靠系統，人工做的事情也要人工來審。
財務與系統的結合——講真我覺得現在很多所謂的審計team和IT審計team是分開的。IT審計做了什麼，審計team一知半解，只求IT team告訴他們系統正常沒有問題；而IT審計其實也不太清楚自己做的事情到底怎樣影響審計team。我個人覺得未來的趨勢應該是每個搞審計的都懂ERP系統，懂怎麼做系統測試、怎麼讀取背後的程序語言，不再是區分的兩個team。
更高級一點的：使用會計信息做出管理決策。

。。。

以上只是我根據猜想舉的幾個例子。當然在不久的將來，科技發展迅猛超出想像，以上這些被AI替代也不是沒有可能吧。

想起一個審計前輩跟我們講過去的故事：想當年電子化還沒有普及的時候，每個組都有成堆如山的文檔。那時候底稿主要靠手寫，大家上班背著各種文具。那時候只有撥號上網，全組只能一台電腦上網，專供合伙人用，其他人只能等著，輪流上個半小時，一天查一次郵件。今非昔比，現在的效率比以前高不知道多少倍了。只是，大家還是一樣忙，也沒少人啊反而多了。以前很多做不到的事情現在可以做了；從簡單枯燥的工作中解放出來，大家都忙著思考做更多高深複雜的事情了。

所以我的結論是，不必太過擔心這個行業的消失，但如果你的職責和能力僅限於一些機械重複的簡單任務的話，應該考慮一下如何提升自身的能力了。

更新(2017年8月):

聽曾經的同事說，項目階段性的暫停了。這也印證了我的猜測：這個階段很難出現「全能」的審計AI，最多只能自動化一部分流程。讓我們繼續拭目以待。

---------------------------------------------------------------------

評論區大家感興趣的一些問題：

1. AI 會不會做假賬？AI能不能學會人類的「變通」？

現階段的初級AI還處於嬰兒階段，很多情況下屬於你餵給它什麼，它相信什麼。因此，如果現階段我們使用大量「被認為修正」過的數據來訓練這個AI，毫無疑問，它會相信這才是正確的做法。未來的AI是什麼樣，沒有人知道。

2. 到底我們可以多快實習文中描述的半自動化？

很慢。拋開技術上的難題不說，我們遇到的最大困難是來自於審計師的敵對情緒。即使技術成熟了，到被主流業界接受和認可也還需要相當長的時間。

3. 財務人員需要學習計算機知識，或者再細說，人工智慧或者機器學習的知識嗎？

我不成熟的小看法是，掌握一些基本的軟體操作技能，遇到新的系統能很快上手，就可以了。至於專門花時間來學CS，甚至AI/ML，是不大必要的。畢竟最終留給審計師的入口不是數學模型或者代碼，而是封裝好的軟體/APP/機器，不會要求過高的理化背景。更何況AI/ML的學習要求如線代統計概率等很多基礎數學基礎，自學起來的時間成本很高。

----------------------------------------------------------------------

正文(2017年1月)

背景：

曾在某家四大（不是現在的這個）開發這個系統（使用AI來半自動化審計工作），團隊的主要成員背景是Machine Learning，NLP，和HCI方向的研究人員，還有（半）義務幫我們提供domain expertise（領域知識）的奧迪特們。因為利益相關和公司規定，只能給出大概的介紹。

我們的研發團隊對於利用機器來替代大部分財務工作者的前景是表示樂觀的，但是需要承認整個項目的推進節奏是緩慢的。我們的計劃是逐步的、有條理的、在不讓人產生太多抵觸情緒的前提下逐步的實施。機器學習，計算機視覺和自然語言理解（生成）都在我們的項目中佔有很重要的地位。比如，我們分析對話的情感波動來給出一段對話的置信度（對方是否有可能撒謊或者隱瞞了什麼），又或者用Ananomly Detection（異常檢測）來初步檢測是否某些賬目看起來有嚴重的可疑情況。

像其他答案裡面提到的那樣，德記和Kira System有了合作，K記也和IBM簽了合同進行相關的探索，澳大利亞的註冊會計師協會正在逐步探索審計自動化 -- 他們正在開發一個叫做Kairos的系統。這個系統在初期只是進行數據整合和文件管理，後期目標可能包括半自動化審計。

我們團隊為什麼要做這個項目：

1. 從審計的角度，機器的信譽，可靠性，速度和準確度遠大於人。

2. 其他的主要競爭者都在做。我們預測最晚開發出成熟系統的四大之一可能會在價格戰中落敗...接著被另外幾家瓜分。小的事務所因為缺乏研發能力和資源而愈發處於劣勢。

3. 雖然我們的AI方向研發實力遜於互聯網公司，如FLAG，但我們擁有第一手的審計數據，且會以壟斷的模式獲得更多的數據。這也是為什麼我一個純CS背景出身的人會覺得這是一件有意義的事情：畢竟數據為王的時代已經到來，參與顛覆一個行業的是很有意思的事情。

4. 得到了資深合伙人的資源支持。我們打算從公司內部發起一場小型革命:)

目前遇到的困難：

1. 雖然我們可以接觸到第一手的數據，但歷史數據大部分都是unstructured（非結構化）數據。對於主流的機器學習模型來說，非結構化數據很難處理，我們會需要大量的時間來進行數據預處理。

2. 人為的困難（抵觸）。大部分我們所接觸到的，或者溝通過的審計師們，對於我們的項目都持有懷疑的態度，從評論區中也可以看到不少質疑的論調。大家都隱隱覺得似乎這個想法並不靠譜，在有限的上班時間內，除非老闆直接指派，願意花大量時間幫助我們明確實現目標的人並不太多。

3. 很難明確定義要完成的目標是什麼。即使我們期待做出一個半自動化的審計模型，它的範圍有多大，功能該包括什麼，很多具體問題都還沒有確定，也都還在不斷的摸索當中。很大程度上取決於審計師們的反饋，也就是上面提到的第二點。

4. 技術難題。除了上面提到的數據結構化這種問題，我們還面臨很多實際問題，如語義的精確理解，對話生成等。畢竟，審計中包含了很多交流，怎麼順暢的完成人機交互，也是一個難題。

5. 模型的可解釋性。像很多人提到的，管理層和業界是否會相信我們的模型及結果，是一個很大問題。現階段的機器學習的模型解釋度普遍不高，工業界還是比較流行使用Logistic Regression或者Tree-based Models（決策樹為主的模型，包括random forests）因為決策樹或者回歸模型的可解釋性和可視化。

對於奧迪特們的啟示：

1. 抓住審計過程中機器所不能替代的部分。機器所擅長的是數據整合，語義情感分析和生成報告。但對於審計過程中和客戶的交互過程，我們還存在很大的困難...比如，如何像客戶提出對的問題，並確定他們沒有答非所問？

2. 主動成為這個變革的推動者...如果你們的公司內部也有類似的團隊在做相關的研發，可以申請成為其中的domain experts（領域專家）來提供你的專業意見，讓生成的系統更加迎合你的習慣。不可避免，作為CS從業者，我們對於審計的過程和精髓並沒有深入的理解，主要依靠公司奧迪特的反饋。這曾導致了我們做出的第一版雛形遭到了炮轟，因為沒有抓住審計工作痛點，而僅僅顯示了技術NB。

3. 如果有可能的話，盡量選擇大型的會計事務所。因為只有這些事務所才有數據和財力支撐AI方向的開發。如果在不久的未來，AI驅動下的半自動化審計，哪怕只是半自動化，真的成為了商業標準，那麼在價格戰下小的會計事務所應該很快就會倒下。

我估計三年到五年的框架下，我們可以看到一個半自動化的審計模型，這可以大幅度降低審計工作的勞力。奧迪特們並不會（大規模）失業，但是一定需要成為能熟練操作半自動模型的人。說到底，只要抱著開放的心，選擇迎接新技術，成為最能接受改變那一小部分人，是永遠都不會失業的。

--------------------------------------------------------

安利一下相關的問題：

金融學如何應對人工智慧和大數據？ - 知乎用戶的回答 - 知乎

機器學習（machine learning）在經濟學領域是否有應用前景？

四大諮詢第一年應該怎麼著裝？有哪些服裝品牌可供選擇？ - 阿薩姆的回答 - 知乎

勤勤的回答：財務金融工作者會大批失業，含求職、婚配建議，勤勤是認真的（知乎已經有很多專業的回答，堆砌了很多專業術語，不接地氣，勤勤就想用人話來回答，後還有補充回答）

AI是什麼？如果你連這個都不清楚，一定要面壁思過三天再來讀這篇文章。

最近參加一個關於AI的講座，其中有一張幻燈片排列了未來20年內最有可能被AI代替的職業，勤勤忘記排在第一位的職業是什麼了？因為那個跟自己毫無相關。眼珠往下移動，突然眼皮一跳，排在第二位的居然是Accountant會計！心裡撲通一下，怎麼會這樣？難道未來我要失業了？

於是乎我在網上隨便一搜，收到一條關於四大會計事務所之一德勤宣布與Kira System合作，將人工智慧引入會計、稅務和審計等工作之中。財務處理可以由機器自動化處理非結構化的票據、合同和賬簿。真是怕什麼來什麼，這條新聞就直接打臉。勤勤已經在盤算自己失業排長龍領救濟金的場景了。

仔細想想，這絕不是危言聳聽。在美國念書的日子，勤勤深深領略到了三點：

1、 技術至上，資本讓位。縱觀人類歷史變遷，奴隸社會中的奴隸主依靠的是手中的奴隸創造財富；封建社會中的地主依靠手中的土地創造財富；人類步入當代資本主義，資本家依仗資本聚集社會財富；現如今人工智慧如火如荼，正逐步蠶食資本家對人類的掌控。君不知，美帝引領世界的動力實質是技術創新。

2、 理工男引領世界。很久以前，包括勤勤在內的理工男都有一個錯覺，以為華爾街領跑世界。看看川普上台後首選約見哪一幫子人吧：矽谷的大佬還是華爾街的銀行家？候任總統戰略眼光不比我們凡人視野低吧，所以你們也不要輕易反駁。可以說，資本主義會迅速的演變成智本主義。

3、 技術創新改變未來企業領袖。再來縱觀人類歷史，亨利福特用流水線作業顛覆了傳統作坊式管理模式，引發了一場管理革命，延續上百年。由於人工智慧的出現，當代及未來的流水線機械化作業遲早會被AI取代，人類大部分會去從事創造性極高的工作。作為新一代管理者，如何去和創造者們打交道？是去建立一套規章制度？整天發號施令？不允許有失誤？懲罰失敗？還是營造一個學習型團隊？鼓勵試驗、獎勵失敗？這是不是又一場管理革命？去年勤勤在商學院選了三門選修課，都是和數據技術息息相關，有兩門還硬噹噹需要碼代碼，量化分析企業財務表現。其中勤勤聽到最震撼人心的一句話是：「Software
is eating the world!」（軟體正在蠶食整個世界）想想看除了人沒有被軟體控制，世界上還有什麼東西沒有軟體的存在？不過當你躺在病床上，也許正被某個軟體所掌控著呢？（例如床頭呼叫護士妹妹的一個小小的智能呼叫系統）

以研發製造機器人為驕傲的軟銀孫正義正是看準了人工智慧這一趨勢，在川普鼓吹美國重返製造大國這個歷史性機遇下狠狠的為美國未來製造業豪賭了一把。其實這背後的邏輯是，美國不會再回到戰後那樣以人力為中心的製造業了，要知道美國人的時間是很「寶貴」的，為了減少企業的人工成本，讓美國製造在國際市場上有競爭優勢，必定會採用大量的智能化機器來取代簡單重複的勞工。孫正義賭的就是這個，他的觀點是在未來10年機器人代替人類。

勤勤還聽到一句話：銀行越來越像科技公司，科技公司越來越像銀行。高盛赤裸裸的「軟禁」一幫科學家幾個月，就是為了研究一個投資組合的風險模型！模型都出來了，還要咱們投資分析磚家、風控磚家幹嘛？都統統搬磚去，這些「粗笨活」交給機器去配置資產得了。

這世界太可怕了，掌握頂尖技術的黑客們居然可以引導世界的政治格局？姑且不論俄羅斯黑客入侵美國民主黨成員的電子郵件系統，左右選舉結果的真實性。想想我們以前對黑客的映像：蹩腳一點菜鳥的篡改一下網站首頁，搞個惡作劇或者宣誓下主權；厲害一點公雞的盜取QQ密碼，發點消息尾巴廣告；超級大牛們入侵銀行系統盜竊資金已經到頂了。但現在我們看到的是，黑客可以改變整個世界格局，靠的是什麼，鍵盤上動動手指，剩下的電腦你自己去干。嗚呼哀哉，整個世界格局都能被技術給改變，區區會計還在話下？

最近的新聞，阿爾法狗AlphaGo在17年一開年就深深的咬了人類一口，還很疼！

如果這一天真的來臨，我們是坐以待斃，還是趁早做打算？選擇了財會這一行，我們不後悔。既來之著安之。俗話說光說不練假把式，勤勤給財會從業者們成家立業一站式解決方案如下：

「會計男們，要不要現在學點編程啥的？會計女們，要不要考慮嫁給可靠的程序猿們？」

好了，那學什麼？最值得推薦的就是SQL語言。SQL是Structured
Query Language 結構化查詢語言的縮寫。為什麼要推薦這個？雖然勤勤讀書的時候寫了好幾年的SQL，但不想在技術方面來勸導各位，看看美國各大公司對財務分析師的招聘任職描述吧（中國的公司感覺也快了），其中必有一條是「會SQL優先考慮」。這背後的邏輯很容易想通：現如今各大企業都被海量數據包圍，作為分析師的你就得會分析這些數據，SQL就是一個強大的工具。那我說，我會Excel就行了么，我就擅長做「表姐表哥」！差矣，表姐表哥未來輪不到你人類來幹了！

那麼找什麼樣的程序猿靠譜呢？當然優先考慮具有數學統計等理科背景的數據科學家，偏應用方向的建議考慮機器學習。把他們拿下，下半輩子的幸福基本不用再考慮考個CPA、CFA啥的了。

從組建家庭的角度來說，這也是一個很好的對沖策略，俗話說的東方不亮西方亮。組建家庭最原始的功能就是抵禦自然風險，兩口子從事不同的行業，不至於在一條船上翻吧。

也許你們看了之後會嗤之以鼻，以為勤勤在這裡賣弄文字，以顯風騷。但勤勤想要強調的是，我們作為財會專業人士，不能僅停留在賬簿先生，表姐表哥的視野上了。埋頭拉車還要抬頭看路。好好思考一下有什麼是機器在未來無法取代我們的。例如通過自由現金流的分析企業的估值水平；依靠營運資本、資本性支出來洞察企業的發展戰略等等（可以參考勤勤知乎里的系列文章），這些暫時AI無法取代人類，至少在勤勤有生之年吧。

人人都說努力很重要，但勤勤認為最重要的是方向，是視野，是高度！這世界上不缺聰明的人，也不缺勤奮的人，甚至不缺可以拼臉但偏要拼智商而且勤奮的人！我們如何保住自己的飯碗？古人其實早告訴咱們了，小學咱們都學過成語「南轅北轍」吧：一個成功的人，首先得有一定高度的視野，其次看對方向，最後就靠自己勤奮了吧？

勤勤在萬米高空，氣流顛簸之下完成了這篇回答。如老闆們覺得寫得還不錯，可以試點贊，鼓勵下勤勤。並關注勤勤的公眾號：「 勤勤的財經教室 」

-------------我是勤勤高薪聘請的分割線----------------

美東時間1月15日8AM補充

看了其他知友的回答，有不同的觀點，感覺很不錯，道理都是需要辯論才有意思。很多知友承認AI會改變整個財會行業，當會經歷很長的時間，意思就是說現在談為時過早，我們不要杞人憂天，每天該幹嘛還是幹嘛。突然勤勤想起恩格斯的那句名言：資本主義在工業革命短短几十年里走過了前面人類上百年的路程。其中一層含義是說，革命性的東西，比懶惰和恐懼塑造的人類來的要快，要猛，一不小心命就被革掉了。

為什麼這次人工智慧來得那麼猛呢？我們還是要回顧下技術發展這短短几十年的歷史。如今的技術水平可以支撐現在的人工智慧技術了。

1、計算水平大幅度提升，摩爾定律現在還沒有失效。勤勤最早接觸計算機是在上個世紀90年代末，那時候的CPU晶元是8088，計算能力真讓人捉急。現如今，讓我們的農民工兄弟口袋裡掏出一部智能手機，計算性能都遠遠超過8088。人工智慧技術需要強大的計算能力，雖然上個世紀屢次提到人工智慧，但硬體計算不到位。

2、信息革命過度到數字時代，人工智慧才能落地。如果熟悉人工智慧的其中一個領域機器學習，我們就會明白機器是怎麼來學習的。基於神經網路的深度學習系統是需要大量歷史數據進行不斷的訓練機器，就跟學生要學好數學，需要不斷的練習解數學題一樣。倒推到上個世紀，互聯網沒有，人們還生活在非數字時代，哪來的數據訓練機器。現如今，移動互聯網下，我們的任何行為都可以數字化。網上購個物數據化後，機器就知道下次怎麼做定製推薦。

3、存儲技術的擴容和成本的降低。前面談到了我們進入了數字時代，意味著人類每天生產的數據是海量的，機器需要基於這些數據不斷的來學習、進化。以前勤勤用過5英寸的軟盤，連現在的一張照片都沒法裝下，談何存儲海量的數據來發展人工智慧？以前寫個程序，還要考慮內存的大小。現如今，雲計算下的存儲技術，讓我們跳過了這些基礎性難題，直接面對人類要攻克的最前沿。

人工智慧這個概念提出得很早，也許勤勤沒誕生的時候都有了。但是，那時候從技術上根本不具備重大突破的條件，人類僅僅停留在滿腔的豪情之中。而現在，豪情未減，萬事具備，只欠東風，那就是我們可敬的科學家們了！

很多時候，我們拒絕新事物的到來，是因為內心的恐懼和不願意失去既得的利益，而造就了 take it for granted 的偽經驗主義。

我覺得會，之前在某中字頭公司工作，公司上了Sap系統後，財務部的工作量少了很多。最近公司在推行減員增效，一個區域的幾家公司通過SAP系統管理只需要一個財務部了。

____________________

我怎麼覺得經濟法和稅法是標準的量化模型？？？？

看看這些，你們在在對抗機器大軍比特洪流的戰線上並不孤獨

現在說AI取代腦力勞動還為時過早，你不能看見蒸汽機就開始預言人類會上火星，這中間還有一個過程，而這個過程足夠長，會讓老會計干到退休，中會計自然轉型，小會計慢慢拋棄本專業，就像蒸汽機出來以後，過了幾百年，人類才徹底淘汰了畜力運輸。騎馬養馬的人都餓死了嗎？並沒有，年老的光榮退休，中年的轉行去了馬場，小年輕們早就學會了開車。這時間是足夠的。

也許你會擔心，現在世界發展太快，不會給你足夠的時間轉行，那我只能說，你應該是想躺在一項技能上吃一輩子的那種人。那說明你對現今社會根本沒有認識。就連學下棋這個人類已經玩了上千年的簡單遊戲，每個時期的技法、棋風、流派，都還不一樣，需要學習，更何況是一個才沒幾百年的行業-會計。所以，你幹什麼才會不需要學習，不需要緊跟時代呢？並不存在這樣的行業。

況且，行業淘汰的速度是比以前快了，但是你學習新知識也比以前方便了呀？你要的學習方向，學習方法，學習材料，甚至你學習動力不足時需要的雞湯，哪個不是唾手可得呢？你跟剛發明蒸汽機的時候的人比，學東西簡直方便到天上了。

最後，還是希望你調整心態。行業的消亡是人類歷史裡再正常不過的東西了，沒有什麼好大驚小怪的。如果你恰巧是一個行業最後的繼承者，其實我覺得還挺牛逼的。也許過了50年，你作為某企業顧問，在公司年底結算又遇大規模斷電的時候，指導手下那些只會用軟體的小年輕，用了失傳30年的手工對賬法，連夜完成了財務結算。這簡直堪比美國大片好嗎？

人類為什麼總是要擔心這些事情呢，生產力的解放跟新型崗位的出現幾乎總是在一起的，而且對人類的知識的要求只會越來越低(相對於人類的最高水平而言，不是絕對值)。之前跟@Hush (傻逼手機網頁不談自動補全)聊過這個問題，我們都傾向於認為，其實中層幹部才是第一個被消滅的。因為決策系統比生產系統自動化要相對底層本得多，一定會在幾百年後被首先實現。底層勞動人民暫時還不需要擔心這個(逃

包裝和速食食品那麼多，大家看見廚師失業了嗎？

更何況，會計更多的是個性服務，不是填飽肚子那麼簡單。

一，

隨著生活條件的進步，人們反而更加熱衷下館子，廚師生意反而更好。

會計也一樣，隨著人們經濟活動的增加，對核算的要求也會增加，而且各種經濟活動，都是個性的，財務軟體無法做到。

最後財務軟體，反而會成為財務工作者的有力助手。

二，

財務工作的兩大作用，給老闆看和給客戶（銀行稅務等）看，需要很多的」微調」（假帳，哈哈），這些還都需要人工（心腹）來進行。稅局可以讓你的電腦輕易開口，心腹則不然。

三，

各種軟體進入財務工作，帶來的是更高的工作效率，勞動效率，一定程度，可能會造成會計人員需求降低，但這是社會進步，如果社會進步到那種程度，干別的什麼都可以謀生，何必會計一棵樹上弔死。

四，

涉及到利益的問題，從來都不是考慮效率優先。財權事權人權，這都是利益的重點，別說一般會計，這個位置老闆不放個心腹，自己都會心裡打鼓。

五，

很多人工的工作，預期內軟體無法替代，存取款，單證結算，審核，跑銀行稅務，憑證整理等。

六，

會計也會自己「進化」，今後的會計會更多的參與到財務管理和稅收籌劃，避稅等方面，為老闆提供綜合服務，這是社會進步的要求，也要求執業者不斷學習，現在社會變革這麼快，吃老本，很快就會被淘汰。

綜上，有挑戰，有機遇。

今後，就算社會技術進步到不需要核算會計，吃飯也不是問題。

想比擔心這個，還是給自己充充電更實在。

節選一段自己公眾號的內容回復這個問題：每次看到有人問這類問題，我都想說您還沒有理解財稅工作的真諦。熟悉我的朋友知道我曾經寫過一本很渣的書，是關於對財稅工作入門的，當時我寫這本書的時候我一直希望自己能夠給大家講一些心法，而不是技法（這個詞吳伯凡老師經常用，心法與技法），結果發現心法是不能用文字寫下來的，最後成書還僅僅是一些技法的堆砌。

好像離題千里，但其實我想說的這是一個問題，技法看起來很實用，能夠一招制勝，但如果想在一個行業里走的更遠，走的更穩，心法才是關鍵。你喜歡的推崇的那些技法看似很乾，看似很實際，但卻不能解決你遇到的所有問題。如果真的有什麼技法可以一招鮮吃遍天的話，那被人工智慧替代的時代就不遠了。

會計電算化已經導致很多老會計失業了，這都是很早以前的事了。該淘汰的都淘汰了，現在最簡單的記賬複核不會記分錄，不會結轉做報表，會按照業務規則在系統指定地方，輸入指定要素就行了。甚至於很多業務都是業務系統直接對接財務系統自動進行賬務處理。對於固定資產採購選了類型，驗收確認到貨，系統自動入賬，每期還能按類別對應年限攤銷。會計人員維護系統參數設置就夠了。

至於人工智慧，想多了，還早呢，人工智慧實現了，不需要的又何止會計。

會淘汰大量低端財務崗位的財務人員，但要駕馭系統，對系統進行設計執行維護，仍然需要中高端財務人員協同。

隨著新技術的不斷湧現和一一應用，作為知識經濟的代表，白領工作者也開始擔憂自己的職業會被取代，就像機器的出現取代了手工勞動者那樣。

計算機領域的技術革新，尤其是人工智慧的迅速發展，讓不少職場人士開始為未來憂心忡忡，擔心人工智慧會取代自己。

對此，科技、商業及大數據研究者、《Data Strategy》一書的作者 Bernard Marr 認為，會計從業人員不必對此過於憂慮，人工智慧不會完全取代會計師或者會計員。相反，得益於人工智慧技術，財會人員的工作相比以往會更有效率，因為很多重複性的工作任務會交由機器完成。

的確，人工智慧技術會為會計行業帶來變革，但是這些變革並不會完全消除社會對人類會計人員的需求，只是會改變會計人員的工作方式。

人工智慧會催生會計行業的創新

目前一些公司已經在財會行業採用人工智慧技術，具體來說是人工智慧領域的機器學習技術，是指機器能使用演算法分析數據，預測結果，並從成敗中學習，總結得失。隨著計算機逐漸滲透入財會工作的方方面面，會逐漸代替人類完成那些技術含量很低和重複性工作，這能為會計師節省更多的時間，從而利用自己的專業知識解讀數據，為企業或客戶提供專業的建議。

受益於雲服務，會計軟體公司取消了桌面支持，會計公司被迫適應雲時代的工作方式。同樣，會計部門和會計公司也不得不採用機器學習技術維持競爭力，因為機器能實時大批量處理數據並作出見解，有助於企業迅速作出決策，提高執行的效率。

人工智慧可以從事會計行業中的哪些工作？

會計人員不會被公司裁減，相反會有新同事出現——機器，這種人機協作的模式會讓會計人員的工作更快速有效。當前，會計工作中涉及到人類感情和思維決策的工作尚無法被機器取代，但機器卻能通過學習，完成那些極端耗時和重複性高的工作任務。

以下為人工智慧可能從事的會計工作:

審計報銷費用：機器能夠學習公司的報銷規定，讀取收據，審計報銷的費用和事項，鑒別出可疑之處，並交由人類批准。人工智慧可以完成這項任務的大部分工作。
整理付款發票：目前，客戶提交的付款證明可能包含多種發票，或者很多發票和會計系統並不匹配，會計人員若不想麻煩客戶，需要花費大量時間整理髮票才能正確地支付款項。但是，人工智慧可以分析發票，將付款數目和正確的發票相匹配，整理出缺失的付款證明，無需人力介入。
風險評估：機器學習可以分析公司以往所有項目的數據，和計劃開展的項目進行比較，幫助企業更便捷地對項目進行風險評估。在相同規模的工作量和時間段內，這種如此複雜的評估工作很難由人力完成。
分析計算：會計部門經常會被問到一些相似的問題比如「我們這款產品去年第三季度的收入是多少？」存入數據後，機器就可以學習數據，迅速回答出此類問題。
會出現類似Siri的人工智慧會計助手：比如，目前就有一款叫做 Pegg 的 APP，可以和聊天應用相連，能夠創建發票，回應諸如收益預測、費用賬戶狀態等問題。像這樣的人工智慧會計助手很可能會給會計行業帶來衝擊，使一些工作變得像聊天一樣簡單。
自動分類發票：會計軟體提供商 Xero 正在部署一款機器學習自動系統，能夠逐漸學習如何為發票分類，目前這項工作依然是由會計人員手動完成。
銀行對賬單自動化：人工智慧可以通過學習，實現處理銀行對賬單工作的完全自動化。

AI 時代的會計人員如何準備

美國最大的會計事務所之一國富浩華（Crowe Horwath）首席戰略創新官 Derek Bang 認為，不光是「四大」，所有的企業，包括小企業在內，不管是通過和科技公司合作還是建立自己的技術部門，都要考慮如何將人工智慧技術應用在會計領域。

美國頂尖商學院之一、巴布森學院長期研究 AI 商業應用的 Tom Davenport 教授也認為，雖然聲稱 AI 將大規模取代人類會計的報道有點過分誇張，但是有志於長期從事財會工作的會計人員還是需要做好學習應用新技術的準備。

「四大」之一、德勤會計事務所首席創新官 Jon Raphael 建議，要應對即將到來的 AI 浪潮，註冊會計師應當學習將 AI 用於工作中的 IT 技能，以參加研討會、參加業餘課程等方式。在 AI 逐漸應用到會計行業的時代，只有快速適應和學習利用新技術才能讓會計人員在競爭中保持優勢。

會計行業的未來是人機協作

小公司沒有大公司那樣有足夠的資源可以開發和調試自己的 AI 產品，但業內專家預計 AI 技術在未來幾年會更為廣泛的應用，最終會成為行業標準。

Tom Davenport 教授將此比作互聯網時代的到來。當互聯網剛開始公開應用時，只有極少數的大公司有財力去使用互聯網後者開發企業區域網。然而，這一切迅速發生改變，在今天幾乎沒有哪家企業會和互聯網沒有關係。而AI也會如此，未來會像今天的互聯網一樣普及。

國富浩華首席創新官 Derek Bang 稱：「未來會計人員會存在，只是他們必須知道如何同機器協同工作。」

對了，官微 @景略集智正在抽獎送出《Python機器學習實戰指南》，有興趣的同學可以戳這裡參加一下。

拓展閱讀：

在無人駕駛方面，人類和AI的這場比賽你認為到底是誰贏了呢？

以彼之道，還施彼身——使用機器學習來揪出作弊的玩家

人工智慧揭秘，帶你了解AI的前世今生

微信公眾號：jizhi-im

商務合作： @軍師

投稿轉載：kexiyang@jizhi.im

集智QQ群：557373801

AI的出現主要會替代掉輕中度腦力工作者吧，目前在金融財務等領域混個人模狗樣的那群人是最危險的，但他們也不會失業，就是轉換成本高（可能很大程度體現為機會長本），以後要保住人模狗樣的職業層級會比較艱難。

我就是這種人，大家共勉。

看了好多評論，點贊最多的應該是四大的會計師吧，很牛哦，作為一個非執業CPA也來回答一下這個問題吧，看大家的回答都陷入了AI裡面，而且簡單的理解為智能機器人代替人工，不得不說這種理解真的不對，還是先表達個人觀點：會計職業在未來不會消失，但是會被人工智慧極簡化，審計職業卻會消失，而且在10-20年之內。原因就是區塊鏈技術在未來5-10年的成熟，然後又有5-10年的應用場景開發，到時候不需要社會中心信用了，而變成了社會群體分散式信用和分散式賬本，整個社會信用體系被重塑，這一技術被應用進企業財務管理後，假賬這種東西根本就不存在了，也就不需要驗證，互聯網會根據企業在貿易過程中的交易數據自動進行上億次的計算比對，從而證實其真實性和價值，那麼這個時候所謂的審計反推、價值評估可以由互聯網自動驗證，而且它無法被篡改，因為篡改的成本非常大，可以記錄1000年，跟人比怎麼樣呢？會計師、審計師可能會收受賄賂，可能出現判斷誤差等等。所以AI不見得就是一個跟你一模一樣坐在那裡操作財務系統的一個機器人，它會是一種互聯網技術理念，一種計算機演算法，一種智能合約，而且幾乎沒有成本，用人得開工資，用機器人還得給他充電，用互聯網呢？

從2012年開始，四大會計師事務所就開始在成都等受歡迎的二線城市陸續開設了共享數據中心，一方面彰顯自己的創新能力，一方面宣稱可以減少初級審計員的工作量。共享中心到底做了什麼呢？除了從其他辦公室調動了合伙人，經理，招的人是成都本地35-40歲左右有一定財務和計算機基礎的員工，幫助做以下幾件事情： 1、把去年的審計底稿和審計報告roll forward成本年的，把去年的「本年數」貼到本年的「去年數」，把本年數一欄清空；2、把本年的明細賬和主表的勾稽關係檢查一下。就做這些工作，需要我們項目組提前2周預約，按內部價結算。

試過幾次之後，效果不是很好，因為這種機械的工作完全就可以由pay更便宜的忙季實習生完成，而且實習生就跟著項目組走，有問題可以隨時溝通，也不用提前2周預約，另外實習生還可以幫著抽憑證，盤點。總之，建成了共享中心之後，除了形式上有點新花樣，實質並沒有在很大程度上減輕審計員的工作量，而且加班費倒是剋扣的越來越厲害了。（有時候上面又非要求給共享中心派活兒，再給人家結算。）項目組預算都是有數的，只能從加班費上開刀了。

這次都嚷嚷著引入人工智慧，至今只看了短短的動畫宣傳片，人工智慧在審計上到底怎麼幫忙幹活的也沒給展示，不知道是不是就是一個更高級版本的ERP再整個漂漂亮亮的包裝。P.S. 就是想吐槽一下，校招給應屆生畫大餅的時候跟他們說：你可以在這裡成就未來，走上一條專業致富路。另一邊，又緊鑼密鼓的琢磨著怎麼趕緊引入能降低人工成本的機器人，真是資本家中的戰鬥機啊。。

先別解決那些深層問題，先用機器視覺技術解決一下錄入問題，就足夠斷很多出納、資金專員的財路了。

首先亮明觀點：扯淡，AI絕對無法替代絕大部分財務崗位，最多只能替代一小部分非核心崗位。

先大概說下，等有空再詳細補充。

現代化的商業行為帶來的是越來越細化的行業分工，現在的財務崗位，已經細化到大部分財務健全的大中型企業的基層會計設置了這些崗位：總賬會計，應收會計，應付會計，稅務會計，費用會計，收入會計，倉庫會計，成本會計，預算會計，出納等等，部分，或全部，一個崗位可能一個人，也可能多個人，當然也可能一個人兼多個崗。

那麼AI能替代哪部份崗位？

首先，與收款付款有關的肯定替代不了，我不相信會有那麼一天所有的人都會嚴格按照合同收款付款，收入和費用更是必須加入人工判斷是否合理是否都與企業實際情況一致。

與預算有關的也許能替代一部分，但更大的可能是無法替代，因為……預算這個人為因素太強了

出納就不說了，沒有企業會把出納交給電腦去做的，再牛逼的電腦也不可能。

倉庫本身包含實地盤點和保管的職責……AI不太可能可以完全勝任

一通數下來……基層會計崗位其實幾乎沒有能完全替代的……

當然你要說這些工作AI足夠發達以後隨便是個人就能做，不需要會計專業知識的話……那其實現在也一樣，老闆他小姨子肯定能做出納，哪怕她只上過小學。

關鍵是，這些崗位需要的人員，不會因為AI而發生根本性的變化。

影響最大的，可能是財務數據分析，或者審計這些與錢關係不大的崗位吧

然而這些崗位……並不屬於傳統財務崗位啊，是商業現代化以後發展出來的新崗位啊，隨著技術發展被擠壓不是很正常的嗎……

一家之言，肯定不嚴謹。

歡迎討論，不接受攻擊，謝謝

傳統的財務專業或許也無法在波科技浪潮中隱身於世外桃源。我們的初步研究已經發現，財務人員有可能被人工智慧所替代。那麼，問題在於，像你我這樣的財務人員準備好迎接人工智慧時代的到來了嗎？

為何人工智慧適用於財務？

1. 大量的數據

數據量越大，人工智慧的優勢就越明顯。對於AlphaGo來說，千百場圍棋對弈的歷史記錄就是大數據的來源。人工智慧讀取數據的速度媲美「光速」，人類窮盡一生也無法企及。

對於自動駕駛車輛和智能網聯汽車來說，周圍的其他車輛、基礎設施和行人傳遞的數據時刻在變。如此龐大的數據量級，若沒有人工智慧的介入，人類駕駛員也許永遠也無法從中獲益，實現更安全的交通環境。

作為企業的關鍵支持部門，財務每天都會收集公司交易信息，包括PO/SO交易的生成、變更或取消、產品交付而產生的收貨／結算，以及後續的債務認定／收入確認。

換句話說，公司的每一筆交易都會在財務層面留下記錄。日積月累，財務部門存留了大量的業務數據，然而，礙於人類能力的制約，其中僅有有限的數據被財務人員作為記賬和決策的依據。

2. 基於多變數的可描述規則

圍棋受棋法規則的約束。同樣的，開車需要駕照，取得駕照前必須先熟知交通法規。財務也是一樣，無論財務準則（GAAP）是以規則為本的還是原則為本的。

無需太多的人為判斷的三單匹配，或是需要更多人為判斷的模糊原則（收入確認或資產減值等）都可以清楚地在過去的交易中展現或反應出來。人工智慧可以從過往不同的交易變數和場景記錄中迅速地學習，並且以穩定的、系統化的模式來執行這些操作步驟。

3. 重複性質的工作性質

圍棋遊戲是棋手重複地輪替攻擊或防守，以最有效的方式爭得儘可能多的領地。同樣的，駕駛者也是根據外部環境重複地加速、制動或轉動方向盤來操作車輛。

對於財務來說，情況也是類似的——會計每天都會通過一系列既定的步驟來重複執行資產或是債務確認。

----------------------------------------------------------

2015-2016年期間，我們已經在多個財務流程（AP, AR和GL 層面）和某些特定的子流程上測試了人工智慧技術。試點項目取得了驚人的成果，也讓我們得出了一個結論——人工智慧可以在速度、質量和成本等多個方面超越人類會計師。

----------------------------------------------------------

人工智慧如何執行財務流程？

將ERP、財務系統或其他業務系統記錄的數據和歷史交易記錄導入智能數據平台。智能數據平台可以實時清理數據，並且從歷史交易的數據模式中學習。

更為關鍵的是，基於交易歷史，智能數據平台可以搜索強有力的直接證據，以及／或收集較弱的間接證據來作為記賬依據。在短短的幾天甚至幾小時中，智能數據平台就能擁有人類會計師日積月累的業務知識和公司特性，並確保這些知識和經驗將不受時間限制的長期留在企業中。

人工智慧相較於人類確實擁有強大的優勢，但同樣也存在不可忽視的弱點。作為一名財務人員，我們必須首先接受人工智慧的優勢，然後充分了解它的缺點，從而最終在業務價值鏈中創造人工智慧所無法替代的價值。

也許人工智慧在短期內會引發人類社會的一些不安，但這股科技的浪潮必將以工業革命之勢席捲全球。

一些財務人員沉浸在做（假）賬的技能里，他們為普通公司客戶做賬，為上市企業客戶做賬(安然事件)，為破落國家客戶做賬(希臘入歐)，他們覺得自己假賬能力精妙絕倫，搞得稅務部門束手無策，股市震蕩不安，歐洲快要破裂，自己真是NB，他們說人工智慧只能做真賬，代替不了自己這做賬技能。。。

我完全不做道德判斷，誰沒無奈之處啊。但我問一句:假如某監管部門拿著做真賬的人工智慧給他們這些客戶來一下，怎麼辦？他們做的賬會不會露餡？

未來只有人工智慧參與，做出的縝密假賬，才能頂得住監管部門人工智慧的審核。

作為一個與會計行業無關的公務員我談談看法。

1，這事情發生過。我聽過不止一個老大學生說過，他(她)90年代實習來到某國營百貨商場，在電腦上編了一套進銷存軟體，3個人就能幹20個財務人員的活兒。

國營商場的領導怎麼應對的？好可怕啊，這玩意兒好，但不能用，我們的人都要丟工作了！

然後國營商場都倒閉了。

2，上世紀末，各個大點兒的買得起電腦的單位，所有的會計不論新老，都在拿著書學習Excel，visual FoxPro，Access。。。這就是壓力啊

3，大量會計沒在這波技術進步里失業，原因是經濟增長創造了海量的新公司，就業崗位和經濟數據需要會計去填充。那個年代美國經濟增長率達到3%，中國更不用說。

你覺得今天中國還能保持高增長還是新常態？

erp出現時說會計會失業，結果只是提高了工作效率，企業越來越多，會計供不應求。

現在炒AI，又說會計要失業。

學會計的不是大家想的那麼簡單。

單從本人出校門，會計制度，會計準則改過數次。

不斷地繼續教育才能跟得上。

更不要說稅法變更。

即使這些基礎都能用AI解決，

還需要會計人員維護AI 吧？

賬務處理只是基礎

會計的其他職能:管理會計、合同編審、稅務規劃、商業模型、預算分析、企業規劃呢？

如果都能AI了，不光會計，人類也基本下崗了。