基于财务共享视角的人机协同研究

李闻一 汤华川

【摘 要】 随着人工智能技术的广泛运用，智能机器等在企业得到广泛运用。人机协同摒弃传统单线竞争与替代的线性思维，成为企业重要的工作场景。因此，有必要厘清人机协同的概念是什么？在财务共享服务中心有哪些工作方式和应用场景？其未来发展趋势如何？文章首先以财务共享服务中心为背景，创新性地提出人机协同概念；其次提出了人机协同场景下双向辅助和双向监督工作模式，并结合具体应用场景进行深入分析；最后从人机工作方式、人机比例配置、人机相互赋能和人机管理控制机制四个维度总结人机协同在财务共享服务中心的发展趋势，为人机协同提供理论指导和实践经验。

【关键词】 人机协同； 智能机器； 智能算法； 财务共享服务中心； 管理控制机制

【中图分类号】 C936；F279  【文献标识码】 A  【文章编号】 1004-5937（2022）23-0022-06

一、引言

近年来，随着人工智能技术（Artificial Intelligence）的不断突破以及软件算法的不断发展，AI、机器人等出现在各个领域，开始参与人们的工作与生活。人工智能技术包含机器学习、知识图谱、自然语言处理、人机交互、语音识别、计算机视觉等技术，旨在复制人类的认知能力，以最少的人为干预来模拟智能行为，完成人类目标，实现智能算法系统和智能机器的开发和应用[ 1-2 ]。继2018年习近平总书记在中央政治局第九次学习会议中提出“人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”这一论断后，2021年的“十四五”规划和2035年远景目标纲要中也提出以人工智能为代表的新一代信息技术，将成为推动我国经济高质量发展的核心驱动力之一。据统计，到2022年，包括软件、硬件和服务在内的全球人工智能市场将达到4 330亿美元（IDC，2021），并在2023年突破5 000亿美元。目前，世界各地正在使用的工业机器人已达到300万台，同比增长10%（IFR，2021）。此外，到2024年，中国RPA市场规模将达81.8亿元（RPA中国，2021）。可见，人工智能技术与实体经济深度融合，人机①协同场景已经成为现实。

人机关系已经由人机替代演进到人机协同。人机替代观点认为智能机器是人类员工的替代品[ 3 ]，其运用会产生替代效应，减少某一岗位的人类员工需求[ 4 ]。例如，在制造工厂的流水线生产过程中大规模使用机器人完成产品的生产、组装工作，将减少人类员工招聘和使用，降低人力资源成本。然而，这种观点将智能机器与人类员工简单分离，忽视了人机之间相互联系带来的价值创造。随着人们对人机关系认识的深入，人机协同场景愈发受到关注。人机协同的观点强调人机之间相互联系、相互协同的工作关系，通过其内嵌的人工智能等技术帮助企业进行资源整合，提高企业的生产效率和决策能力，推动企业成长[ 5-6 ]。智能招聘、智能客服、智能投顾等是企业人机协同的典型场景，人机之间相互协同，完成人才选拔、咨询建议等工作任务。具体来讲，企业招聘过程中运用智能招聘技术协助HR对应聘人员进行初步筛选，为企业识别优秀人才，提高HR的招聘质量和效率[ 7 ]；金融咨询等领域广泛运用智能客服以及智能投顾等方式协助证券分析师解决客户的部分投资疑惑，使证券分析师能够集中精力于更高层次的投资分析工作，并且机器人分析师提出的买入建议可能优于人类分析师[ 8 ]。此外，智能机器在审计领域也得到运用，为审计人员做出审计决策提供了帮助[ 9 ]。

随着智能机器等在业界的广泛运用，相关技术融入组织网络[ 10 ]，使得组织结构和工作方式发生重大变化[ 11 ]，为财务组织带来新变革，形成新的财务组织形态，推动财务工作方式、工作内容以及工作效率和质量的改变。人机协同下，财务组织网络摒弃了传统单线竞争与替代的线性思维，重塑了价值活动分离的机械模式，围绕人机之间的整体多利、有效协同和价值共生展开，并依照整体价值最优的原则，实现人机之间相互辅助[ 12-13 ]和相互监督[ 14-15 ]的良性协同。财务共享服务中心（FSSC）大量使用機器流程自动化（RPA）等智能机器，建设智能财务，实现感知智能和运算智能等场景的应用[ 16 ]，通过相互辅助和相互监督发挥人机协同效应。例如，FSSC大范围使用智能发票识别以及财务机器人等完成发票录入以及会计分录处理等基础性、重复性工作，让员工集中精力完成其他更具价值的任务[ 17 ]，同时也可以通过智能机器对财务数据进行分析和加工，从而支持财务决策者做出决策。在财务共享服务中心，人机之间不再是简单的竞争与替代关系，而是更适合用人机协同来理解未来人机关系和智能机器行为[ 18 ]。因此，有必要厘清人机协同的概念是什么，在财务共享服务中心有哪些工作方式和应用场景，其未来发展趋势如何等问题。

基于此，本文以财务共享服务中心为背景，创新性地从理论层面阐述人机协同概念，提出人辅助机器、机器辅助人、人监督机器和机器监督人四种人机协同工作方式，并结合具体应用场景对四种工作方式进行深入探讨，为企业实现人机之间相互辅助、相互监督的良性协同与互动以及应对复杂管理环境提供理论指导和实践提炼。

二、人机协同的概念及特征

（一）人机协同概念

人机协同场景下，人机之间摒弃传统单线竞争与替代的线性思维，表现出新特征。基于以上讨论，本文结合财务共享服务中心实践对人机协同的概念进行分析，具体包括以下四个方面。

首先，人机之间互为主体，通过相互赋能实现资源的有效利用，最终实现价值共创。一方面，财务共享服务中心的员工与智能机器之间没有固定的主次之分，随着业务流程的不断变化，人机之间的主次关系也在不断变化，在某一阶段以智能机器为主，而在另一阶段可能以财务员工为主。另一方面，人机之间也不是简单的替代和分工关系，两者之间更强调人机共生和互为主体的关系，通过工作中的相互联系和相互配合，最大化提高工作效率。因此，尽管两者之间存在任务分工，但并不是完全割裂的，财务员工和智能机器都是企业的重要资源，基于资源基础理论，两者之间通过深度结合，推动共同进步，实现人机共生和价值共创，从而创造企业新竞争优势。

其次，人机协同需要运用多学科理论和工具。财务共享服务中心智能机器的运用涉及管理、员工心理和信息技术等多方面因素，不是简单地搭建智能财务系统或智能机器等就能达到既定目标，而是通过智能机器嵌入算法、图像识别、深度学习等人工智能技术，完成企业部分财务管理工作。在智能机器的使用过程中，不可避免地会造成员工心理问题，比如人工智能等技术的运用会使得员工对个人隐私[ 19-20 ]、信息安全等产生忧虑，降低员工工作积极性。此外，基于信息处理理论，人与人之间的有效沟通是提升信息处理效率和员工绩效的重要因素，但是智能机器的使用使得企业信息传递形成人至人、机器至人两条路径，从而对员工绩效产生影响。因此，财务领域中的人机协同不是简单的管理问题，而是与心理学、计算机科学等多学科密切相联的。

再次，人机协同存在双向辅助和双向监督的工作模式。一方面，人机之间存在相互辅助的工作模式。智能机器可以帮助财务员工进行数据分析，完成基础性工作任务并做出财务决策，推动决策科学化。同时，由于智能机器内置算法自身存在缺陷，需要员工不断对其优化，以适应外部环境和企业目标的调整。因此，基于个人与组织匹配理论，为了同时实现个人与企业利益，个人会根据组织目标，调动隐性知识，对智能机器的工作进行干预，优化算法设计。另一方面，人机之间存在相互监督效应。大部分财务共享服务中心在员工工作中使用智能监督系统或智能业绩评价系统收集员工的接单率、业务处理准确性和及时率，进行监督反馈；同时，还需要员工对智能机器的工作进行监督，合理调配机器资源，最大效率地完成工作目标。

最后，员工与智能机器的相互协同，实现“1+1>2”的效果。智能机器在财务共享服务中心的运用，将改变员工的工作节奏，推动员工终生学习[ 21 ]，以实现知识与智能机器的高效融合[ 22 ]。在工作中，员工与智能机器之间是相互学习的过程。一方面，员工能够通过与智能机器的协同，接触大数据、信息技术等新知识，丰富自己的知识范畴；另一方面，员工对外界环境的新感知、新体验也会赋予智能机器，推动智能机器算法的优化。总之，人机协同下，人机之间相互促进，共同进步，实现部分之和大于整体的效果。

综合上述分析，基于资源基础理论、信息处理理论、个人与组织匹配理论等，本文认为人机协同是以人机互为主体，基于管理学、心理学和计算机学科等理论及方法，采用相互辅助和相互监督的人机关系，实现超越人机个体能力之和的新型工作方式。通过在财务共享服务中心构建人机协同体系，可以充分发挥人机协同优势，提高财务工作效率，改善会计信息质量，并为财务管理控制和决策支持提供帮助。

（二）人机协同的特征

1.互为主体

人机关系不是简单的分割和组合，也没有固定的主次之分，在某一阶段人处于主导地位，智能机器处于辅助地位，而在另一阶段智能机器处于主导地位，人处于辅助地位。因此，两者本身是互为主体，通过相互辅助的良性协同构建新型人机管理机制，推动价值共创。

以应付模块为例，财务共享服务中心应付模块主要分为发票扫描、账务处理、应付核查、网银审批等环节。在发票扫描、账务处理等环节，智能机器处于主导地位，员工处于辅助地位，通过智能机器对发票进行OCR识别、录入发票信息、核对信息准确性并进行三单匹配，最后完成基本会计分录处理，结束入账工作。但是在后续环节中，员工处于主导地位，智能机器处于辅助地位。账龄分析、应付核查、网银审批等工作更为复杂，需要员工根据会计准则和现实要求进行主观判断，智能机器则为员工决策和判断提供必要的数据分析和支持，辅助员工完成任务。

因此，无论是人工智能还是智能机器都是在与人类共存的工作模式下发挥作用。与传统的二元管理论不同，共生管理哲学强调系统之间各部分的相互作用和密切联系都会对其他部分产生价值，人机共生将成为未来组织的新形态，在此基础上的组织网络不在秉持传统竞争、替代的機械思维，而是转向协同赋能的共生理念。

2.整体多利

在财务共享服务中心，人机之间不再是简单的人机替代和分工关系，人、机作为独立子系统通过相互辅助和相互监督，实现人机之间的相互吸引和相互补充。财务人员和智能机器是财务工作中不可或缺的两大子系统，两者之间通过相互辅助，取长补短，形成“1+1>2”的效果，实现整体多利格局。财务共享服务中心的智能机器往往需要处理类型繁多的财务业务，同时完成信息和数据的收集工作；财务员工可以通过优化蕴含人类意志的算法桥梁以及制定规范的管理控制机制，从而合理地调配智能机器资源，最大效率地发挥其作用，高效完成各类型的财务业务。此外，智能机器的使用，也使得人类员工关注于具有创造性、决策性的工作，发挥创造、整合和运用知识的作用，提升自身能力。财务共享服务中心通过构建人机系统，实现人机协同赋能，充分发挥人和智能机器的作用，形成超越人机个体能力之和的新动能，最终实现企业整体价值最大化。

3.有效协同

在财务共享服务中心，财务员工与智能机器能够相互协调，协同一致地完成企业当前财务目标，实现有效协同。一方面，人机之间各自履责，完成任务分工。智能机器完成发票信息录入、会计分录处理、资料下载等基础性重复性工作任务，财务员工则主要完成财务审核、分析决策等综合性业务。另一方面，人机之间进行工作分工的同时又能实现相互衔接，最大限度提高工作效率。智能机器与财务员工不是相互独立，而是通过合理的管理控制机制，实现工作任务的有效衔接，从而最大效率地完成工作任务。例如，财务共享服务中心通过智能机器在非工作时间完成数据资料下载工作，并向员工发送提醒邮件，当员工上班之后，可以立即使用已经下载完成的数据开展下一步工作。智能机器与财务员工在相互分工中保持相互衔接，实现有效协同，形成有机整体，最终实现部分之和大于整体的效果。

三、人机协同下的四种工作方式及典型应用场景

基于人机协同定义以及人机之间存在的相互辅助和相互监督关系，本文总结了人机协同四种工作方式：机器辅助人、人辅助機器、机器监督人和人监督机器。

（一）机器辅助人

机器辅助人工作方式下，智能机器除了完成重复性、机械性、标准化操作任务外，还需要辅助员工进行决策和知识管理。一方面，随着大数据、区块链等信息技术在财务领域的广泛运用，企业财务人员不再局限于完成简单的账务处理工作，如果仅仅只是完成一些重复性、机械性工作，会造成企业资源的浪费，降低企业运营效率，因此需要智能机器协助员工完成这一类操作任务，让财务人员能够解放双手，从事其他具有创造性价值的工作。另一方面，由于智能机器集成了大数据、人工智能的数字技术，其对信息数据具有天然的敏感性，因此企业可以通过机器算法对数据信息进行收集和分析，从而为人类决策提供分析支持[ 23 ]，并做出风险预警，推动人类决策的科学化[ 24 ]。

机器辅助人的工作方式广泛存在于财务共享服务中心，比如企业的智能发票管理系统，包括OCR自动识别和自动验真程序等。随着企业的集团化和规模化发展，财务共享服务中心往往要服务于几十甚至上百家供应商或客户，大量发票信息的录入和管理需要企业投入人力和资金成本，而OCR等自动化技术的运用能最大效率地完成这些重复性工作，减少人力资源消耗，降低企业资源成本。OCR智能发票识别是一种运用扫描仪等电子设备通过字符识别方法将发票信息翻译成计算机文字并自动上传的智能系统。与人工操作相比，OCR可以批量完成发票信息的识别，有效实现发票信息的快速处理，提高工作效率，并减少人力资源配备。此外，通过自动验真程序实现快速辨别发票信息真伪，并将结果返回，进行分类输出。可汇总所有返回结果为“校验有误”的发票信息，并提醒该环节员工进行手工处理。总的来说，智能发票管理系统通过相应的智能机器辅助员工完成一些简单、重复的工作任务，节约员工时间成本，分摊员工业务压力，使得财务人员能够更多地从事更具价值的工作。同时，根据相应的后台数据，财务人员也能看到发票信息错误率最高的供应商，并提醒其做出修正，从而提高整个业务流程的效率和准确性。

（二）人辅助机器

人辅助机器工作方式下，人类员工通过对机器算法优化设计以及对机器工作的知识补充完成辅助工作。一方面，智能机器以算法、人工智能技术作为底层架构，尽管能够对人类行为进行深度模拟，但其底层设计是人类在某一时点的主观意志体现，赋予了人类的价值观和思维判断观念，而人的知识水平和知识信息储备会随着时间的推移不断增长，需要人类设计者根据环境和需求变化对算法进行优化设计，以适应企业业务发展。此外，企业面临的经营环境是多变的，税收政策、交易方式、汇率等经常发生变动，智能机器的底层算法系统等需要辅以人类智慧对机器算法设计进行不断优化和改善以适应环境的变化。另一方面，人类的思维、情感和意识对决策的正确性和业务处理适宜性具有重要意义，而智能机器本身具有机械性，难以像人类一样调动诸如思维、情感等“隐性知识”参与工作，因此需要人类辅以独特经验积累和认知理解完成机器优化升级。

在财务共享服务中心，人辅助机器的工作方式主要体现为基于知识分享下的机器算法优化。尽管智能机器能够帮助员工完成很多标准化、重复性工作，但其面临的经济环境以及企业有关政策经常发生变化，而算法本身并不能自动适应这些变化，需要员工予以优化。以会计分录的账务处理为例，财务共享服务中心广泛运用智能机器进行基本的会计账务处理，通过读取已录入的发票信息，将其与预先设定好的会计科目代码进行匹配，完成基本的会计分录处理。一般情况下，整个业务流程无需人工介入，能帮助员工减少大量操作时间，使其将精力用在更有意义的业务上。但是，企业面临的经济环境、会计政策等会经常发生变化，会计科目增减、汇率变动、税收政策调整等也常出现，需要员工对会计账务处理系统算法进行不断的修改和优化。此外，员工在日常工作中也经常发现现有流程的不合理之处，会通过知识分享提出自己的建议和看法，推动智能机器算法的优化升级。

（三）机器监督人

机器监督人工作方式下，机器主要是对员工工作情况进行监督反馈，并提供必要的绩效评价。当前，很多企业已经运用了与之相关的监督软件，如AI监督软件Enaible，通过收集员工工作数据，利用算法软件对工作数据进行分析，实现对员工的工作业绩评价。首先，员工个体绩效评价是企业提高经营效率和企业绩效的重要环节，因此需要对员工工作进行监督管理，了解员工工作状态，实现效率改进。其次，大部分财务共享服务中心使用智能监督系统或智能业绩评价系统收集员工的接单率、业务处理准确性和及时率等信息，与传统的HR人员对员工进行绩效考核相比，运用智能机器等人工智能技术对员工进行监督管理更具有客观性，不容易受到考核人员主观意志的干扰，更具有公平性。最后，智能机器对员工的监督具有机械性，缺乏人性化机制，且出于信息安全、个人隐私保护的考虑，人类对智能机器表现出“算法厌恶”和不信任情绪，可能会降低员工工作满意度和工作效率[ 9 ]，这需要企业在两者之间保持平衡。

财务共享服务中心大多采用了与Enaible类似的智能员工绩效评价系统，利用大数据、深度学习等技术，对员工工作数据进行分析，实现对员工工作情况的监督管理。智能机器算法系统根据员工的工作岗位和过去工作情况向员工派单，需要员工在规定时间内完成。通常情况下，员工在完成发票录入、应付账款审核以及网银支付等业务时，智能员工绩效评价系统会通过后台数据记录员工的业务处理时长、处理准确率和及时率等信息，并定期通过邮件向主管以及员工个人进行反馈，生成个性化业绩报告，充当监督人的角色。通过工单和工时统计，企业可以清楚地知道员工当前的工作状态和工作效率，分析员工的工作能力，在促使员工调整工作方式和提高工作效率的同时，提高管理者绩效评价的有效性并改善管理者的管理方式。值得注意的是，在实践过程中，财务员工往往会对智能绩效反馈产生抵触心理，不愿意被机器实时监督。

（四）人监督机器

人监督机器工作方式下，需要人对机器工作情况进行实时跟进，对机器工作绩效进行监督。一方面，智能机器作为一种人工智能应用，以算法为驱动，本身也会受到诸如算法设计缺陷、机器故障等诸多因素的影响，从而造成工作失误、资源浪费的情况。因此，在实际工作中，员工需要对智能机器性能、执行任务等情况进行实时监督，了解智能机器运作状态，从而提高智能机器工作效率，保证业务的正常进行。特别的，在智能机器集群场景下，通过财务人员对机器集群资源的调配，实现各个智能机器之间相互配合，最大化地发挥各种资源优势，提高工作效率。另一方面，财务共享服务中心作为集团企业的一部分，其财务工作受到企业目标的影响，当企业目标发生变化时，需要财务人员对智能机器的工作方式、资源配置等进行调整，监督其朝着企业目标方向发展。

在财务共享服务中心，人监督机器的工作方式主要体现在对智能机器的监督和管理。以财务共享服务中心的实时看板管理为例，智能机器的运营维护人员通过实时看板可以看到公司各类型智能机器的运营状态，包括任务执行时长、完成率、报错率和闲置状况等数据，并根据相关数据对各种智能机器资源进行合理调配，有效满足多种业务场景的自动化需求，让财务共享服务中心的业务执行效率、业务流程改进、业务流程重塑、数据安全和监管等维度得到大幅度提升。同时，维护人员也可以通过看板数据发现智能机器在运营中出现较多的问题，并采取针对性的优化措施，确保工作的正常开展。

四、人机协同在财务共享服务中心的未来发展趋势

（一）人机协同将会改变财务共享服务中心未来工作方式

人机协同场景在财务共享服务中心应用的不断深入，将会改变人机未来的工作方式。随着人们对人机协同的理解愈发深入，人机不信任等问题将得到缓解，人机工作方式将由原来的人机替代与分工转变为专业分工与有效协同，财务员工与智能机器之间不再有固定的主次之分。此外，人机之间密切联系，构成有机整体，并在工作中相互赋能，共同完成财务处理和决策等工作，以实现企业价值创造为共同目标，充分发挥人机协同的作用。

（二）人机协同下人机比例配置更加优化

合理的人机配置方案是人机协同优化的重要内容，通过合理的人机配比，充分发挥人机各自优势，完成企业目标，降低企业成本。随着人机关系融合的不断深入，企业对人机关系认识更加深化，人机配置比例将进一步优化。财务共享服务中心根据自身实际情况，可以选择采用人类占比高、机器占比高和人机占比相同的人机配置结构，还可以根据业务量的大小调整财务共享服务中心的人机规模大小。在此基础上，财务组织结构乃至企业整体组织结构都需要适时调整，朝着提高人机之间工作协同性、降低人机不信任感的大方向发展，力求实现人机协同价值最优，提高工作效率。

（三）人机协同下人机相互赋能

人机协同下，人机将实现相互赋能。一方面，财务共享服务中心的智能机器能够完成大部分基础性、重复性财务工作并为后续财务人员的财务分析与决策工作提供数据分析支持，而财务员工更多从事于综合性财务事务。同时，智能机器的应用也使得财务人员传统的知识结构难以应对智能机器的全方位挑战，在掌握基本的财务知识基础上，还需要对自然语言处理和深度学习等有所了解，推动财务人员核心技能的重构。另一方面，财务员工在工作中将自身的“隐性知识”赋予智能机器，并思考智能机器的底层算法设计、应用场景是否需要进行优化和改进。总的来说，人机协同场景下，人机相互赋能协同工作，在提高效率的同时实现共同进步。

（四）人机协同下管理控制机制受到挑战

人机协同应用过程中，人机关系的变化使得传统管理机制受到挑战。传统管理控制机制通过计划、组织、控制、激励和领导这五项基本活动协调企业目标与员工行为，实现企业人力、物力及财力等资源的有效配置。但在人机协同下，智能机器成为企业的新型资源，参与企业的计划、组织、控制、激励和领导五项基本活动。因此，企业管理控制机制需要将智能机器纳入管理范围，在强调工作效率和工作质量的同时，还需要明确人机之间的任务分配以及相互协同机制。

【参考文献】

［1］ MCCCORDUCK P，MINSKY M，SELFRIDGE O G，et al.History of artificial intelligence［C］.In IJCAI，1977.

［2］ HAENLEIN M，KAPLAN A.A brief history of artificial intelligence：on the past，present，and future of artificial intelligence［J］.California Management Review，2019，61（4）：5-14.

［3］ ACEMOGLU D，RESTREPO P.Artificial intelligence，automation and work［R］.NBER Working Paper，2018.

［4］ AUTOR D H.Why are there still so many jobs？The history and future of workplace automation［J］.The Journal of Economic Perspectives，2015，29（3）：3-30.

［5］ MAKRIDAKIS S.The forthcoming Artificial Intelligence （AI）revolution：its impact on society and firms［J］.Futures，2017，90（6）：46-60.

［6］ 賀丹. 人工智能对劳动就业的影响［J］.上海交通大学学报（哲学社会科学版），2020，28（4）：23-26.

［7］ 杨真，陈建安.招聘面试人工智能系统的框架与模块研究［J］.江苏大学学报（社会科学版），2017，19（6）：73-80，92.

［8］ COLEMAN B，MERKLEY K，PACELLI J.Human versus machine：a comparison of robo-analyst and traditional research analyst investment recommendations［J］.The Accounting Review，2022，97（5）：221-244.

［9］ COMMERFORD B P，DENNIS S A，JOE J R，et al.Man versus machine：complex estimates and auditor reliance on artificial intelligence［J］.Journal of Accounting Research，2021，60（1）：171-201.

［10］ MURRAY A，RHYMER J，SIRMON D G.Humans and technology：forms of conjoined agency in organizations［J］.Academy of Management Review，2021，46（3）：552-571.

［11］ 李忆，喻靓茹，邱东.人与人工智能协作模式综述［J］.情报杂志，2020，39（10）：137-143.

［12］ MOURAD S，TEWFIK A.Machine assisted human decision making［C］.IEEE，2018.

［13］ ROCCETTI M，DELNEVO G，CASINI L，et al.A cautionary tale for machine learning design：why we still need human-assisted big data analysis［J］.Mobile Networks and Applications，2020，25（3）：1075-1083.

［14］ AZIZ A A，STARKEY A.Predicting supervise machine learning performances for sentiment analysis using contextual-based approaches［J］.IEEE Access，2019（8）：17722-17733.

［15］ TONG S，JIA N，LUO X，et al.The janus face of artificial intelligence feedback：deployment versus disclosure effects on employee performance［J］.Strategic Management Journal，2021，42（9）：1600-1631.

［16］ 刘梅玲，黄虎，佟成生，等.智能财务的基本框架与建设思路研究［J］.会计研究，2020（3）：179-192.

［17］ 李闻一，刘姣，卢文.财务共享服务中心建设的回顾、趋势与建议［J］.会计之友，2020（9）：14-20.

［18］ RAHWAN I，CEBRIAN M，OBRADOVICH N，et al，Machine behaviour［J］.Nature，2019，568（25）：477- 486.

［19］ ACQUISTI A，BRANDIMARTE L，LOEWENSTEIN G.Privacy and human behavior in the age of information［J］.Science，2015，347（30）：509-514.

［20］ GREWAL D，GUHA A，SATORNINO CB，et al.Artificial intelligence：the light and the darkness［J］.Journal of Business Research，2021，136：229-236.

［21］ 徐鹏，徐向艺.人工智能时代企业管理变革的逻辑与分析框架［J］.管理世界，2020（1）：122-129.

［22］ XIANG J，CHEN S，CHENG L，et al.Social construction of work rhythm for digital transformation［C］.IEEE，2021.

［23］ 田倩飛，张志强.人工智能2.0时代的知识分析变革研究［J］.图书与情报，2018（2）：33-42.

［24］ EDWARDS J S，DUAN Y，ROBINS P C.An analysis of expert systems for business decision making at different levels and in different roles［J］.European Journal of Information Systems，2000，9（1）：36-46.