"
报名火爆，点击进入免费咨询。
人工智能和机器人流程自动化等技术有望将会计行业带入一个充满挑战和令人兴奋的新领域。
摘要
●让机器人完成单调、重复但必要的任务，可以提高一致性，并提供更清晰的审计线索。
●自动化这些任务还可以大大减少完成这些任务所需的时间和成本。
●自动化带来的工作转型使会计师能够从事更高价值的工作——从更大的数据集中提取有用的信息。
"
允许快速数据处理的新技术有望改变许多金融专业人士的工作，包括会计师和审计师。不要以为这就意味着失业。
当日常任务由自动化完成时，许多人将不必执行重复性的入门级任务，但他们将面临做高价值工作的挑战。
真正的价值和回报将取决于那些能够从准确的数据中获得有用信息，并在技术和业务领域之间导航的人:这是许多会计师的本性。
“尽管人工智能和自动化将冲击会计行业，但它们的综合效应将是增强会计师的作用，而不是削弱它们。”迈克尔·戴维恩说。他是墨尔本大学商业和经济学院的会计和商业信息系统教授，是一份报告的作者之一，并指出技术发展对会计行业的影响。
比如通过自动化完成的重复性任务。
使用RPA增加价值
“机器人”可以从电子邮件文件或银行对账单等来源提取相关数据，并在另一个系统中传输和整理。
这种技术被称为机器人流程自动化，不仅可以大大降低执行单调但必要的任务所需的成本和时间，还有助于提高一致性和更清晰的审计线索。
当然，它确实从那些通常负责此类活动的人那里抢走了一些工作，比如入门级和初级会计。达文教授表示，这种变化将使他们在职业生涯的早期阶段有更多的自由来承担更具挑战性和更有回报的任务。
“在这方面，机器人过程自动化实际上可以得到丰富。这意味着，与过去相比，他们可能在职业生涯的早期执行更有价值的任务，需要更多的判断。”
最终，机器人流程自动化的局限性意味着它不会浪费会计行业。
机器人非常依赖数据结构、标签和定义。语言输入的微小变化都可能导致失败。
此外，机器人并不完美。考虑到他们的工作速度和工作量，即使是一个小错误也会很快变成大问题。他们需要接受那些仍然熟悉他们所执行的任务的人的适当监督和控制。
人工智能的局限性
即使机器人不会取代会计师，其他技术发展——人工智能和复杂的数据分析——也会动摇会计行业。
这些术语指的是一组与数据模式相关的工具和技术，它们可以转换成操作。
达文教授表示，人工智能和数据分析并不是什么新鲜事，但处理能力的进步、快速增加的数据连接网络和活动的绝对速度使这些技术走出了实验室，进入了商业领域。
潜在的应用范围非常广泛。可以训练机器学习算法来区分欺诈和合法交易，从而用于欺诈检测。在零售业中，可以使用算法来识别通常一起销售的商品群。他们还可以发现信用卡上的异常交易，制定销售预测或预测客户拖欠贷款的可能性。
数据是这些功能的原始燃料，它以多种形式出现，远远超出了传统会计处理的范畴。
澳大利亚注册会计师协会会员教育执行总经理西蒙·伊索姆博士(Dr Simon Eassom)表示:“技术正以惊人而危险的速度积累全球信息，导致这些数据出现巨大增长。”
“大部分数据是非结构化的。它只是自由流动的数据，来自Word文档、pdf、网站上的HTML脚本、来自电信、来自图像。它不是存在于账簿或数据库中的数据。”
戴维恩教授的专业知识横跨会计和计算机，他说这是会计师的自然领域。“我们是原始商业数据方面的专家，”他说。
“对我来说，会计是一门计量科学，结合有说服力的沟通艺术，使得做出明智的商业决策成为可能。而是用数据讲故事。”
许多企业试图通过雇用数据科学家、软件工程师和其他技术人员来从他们积累的数据中提取价值。
达文说，虽然这些技能中有一些是有用的，但这种关注错过了问题的关键。
他说，“现在急需既懂技术又懂业务的人。”
“技术人员通常不懂业务，业务人员对技术了解不够。这就是为什么你很容易误入歧途。”
这就是“精通技术”的会计师派上用场的地方:他们熟悉技术，足以批判性地评估和解释数据，他们有专业知识，知道这对企业意味着什么，以及它应该采取什么方向。
达文说，人工智能和数据分析非常擅长建模数据和识别关系。“但解释这些关系的意义及其对商业活动的影响——这是他们做不到的。”
伊森说，这是会计行业的未来，但他承认，这对许多业内人士来说将是一个挑战。
他说，会计师对技术的态度是矛盾的，因为它会扰乱他们的业务，同时也会创造机会。
如果他们想保持相关性，他们就无法回避数据技术的挑战。
伊森说，目前存在一种“专业知识的拓宽和流失”。
机器人和自动化的出现意味着会计师将不再需要同样深度的专业技术知识。与此同时，他们将需要云计算、人工智能、预测分析、大数据和数据分析方面的技能。
达文表示，这并不意味着会计师需要成为软件工程师或数据科学家，但他们确实需要知道数据中潜在的陷阱，以及人工智能和数据分析在操纵和报告数据方面的优势和劣势。
数据来自多个来源，其中许多缺乏正式的控制和保证标准，如博客上的评论或商店中的手机探测器。
此外，数据被用于原本不打算使用的目的，例如计算关于疫苗接种的推文，以评估公共卫生运动的有效性。
人工智能和数据分析工具也有根深蒂固的偏见。程序员用的收入定义可能和企业用的有很大不同。
会计师还必须警惕法律和道德问题，包括在二级市场交易数据的企业的声誉风险。
达文教授表示，如果会计师想继续扮演商业顾问和战略家的角色，了解数据工具的工作原理至关重要。
历史上，会计师使用发票、收据和其他财务信息来描述和解释企业与周围世界的互动。
“从这个意义上说，会计的角色没有改变，”戴维恩教授说。“他们仍然希望确保他们获得的所有数据都是正确的——这个东西真的存在吗”“这对我们到底意味着什么”
伊森说，关键是会计师需要能够评估数据的质量和准确性，并根据这些数据采取行动。
他说:“他们必须能够识别什么创造价值，同时清楚并非所有数据都像其他数据一样好。”
他们会越来越快地这样做。速度和连通性意味着每年在年度报告中提交一次评估的日子已经一去不复返了。
“我们越来越多地看到决策过程的加速，”伊森说
“这不再是等到年底和年报才给出一个组织健康状况的想法。将通过每小时和每天的实时数据来监控组织的运行状况。”
Eassom博士表示，反应时间的减少意味着会计师必须更具前瞻性，预测未来的商业环境，预测决策对企业账目的影响。
这反过来要求彻底反思会计师的培训和认证方法。
伊森说，“我们必须让会计教育更加灵活敏捷，在微观层面让学习者更容易接受，让他们在整个职业生涯中持续学习。”
最终，按照戴维恩教授的说法，企业会重视和依赖那些受机器人和数据技术影响最小的会计实务——在解读数据和制定未来发展方向方面的判断和专业技能。
当然，能够监督和利用这些技术将是未来会计技能的关键部分。
就像电脑和电子表格一样，是会计人员使用的工具，而不是代替他们工作的工具。
会计中另一个经常被引用的技术是区块链。它提供了一个安全且不可更改的数字数据记录，可用于支持智能合同等交易，其中的条款可以自动验证、执行和实施。基于区块链的系统也可以支持连续报告和审计安排。
然而，除了一些特定的应用，如智能合同，戴维恩教授表示，这项技术对会计行业的意义有限。虽然区块链提供了数据的安全性和完整性，但它对数据的有效性、准确性和适当性无能为力。
戴维恩教授说，“它所做的只是给你一个清晰的审计线索。信息一旦进入系统，就很难被操纵。”
正如区块链评论员丹尼·布拉德伯里精辟地指出的那样:“被编码进区块链的谎言仍然是谎言。”它们只是不可改变的谎言”。
原文:intheblack
文章原由鸿景研究院翻译。如需转载，请联系授权。
