应用生成式人工智能建构智能财务体系研究

【摘 要】 随着生成式人工智能技术的普及和广泛应用，各行各业都面临着巨大的机遇和挑战。财务管理是受到生成式人工智能影响较大的行业之一，生成式人工智能的应用正在颠覆和创新企业财务管理的原理、组织、方式和技术。通过将生成式人工智能分为应用层级、平台层级、模型层级和基础设施层级四个相互关联的层级，从而创造出全新的内容。企业财务人员迎来了应用生成式人工智能技术的新机遇，可以将生成式人工智能技术应用到整个财务管理工作中。建构智能财务体系的实现路径主要有建构挖掘数据的智能财务共享系统、利用数据的智能司库管理系统、数据驱动的智能财务决策系统、数据精准的智能财务风控系统和垂直型财务管理大模型系统。

【关键词】 生成式人工智能； 智能财务； 财务管理； 司库管理

【中图分类号】 TP18；F234.4 【文献标识码】 A 【文章编号】 1004-5937（2024）24-0026-05

目前，生成式人工智能（Generative artificial intelligence）正改变和影响着人类社会的生产方式和生活方式，在企业应用中的需求日益增强。生成式人工智能是运用繁多的算法、多模型和复杂的规则，通过学习大规模数据集，以创造真实的、全新的、有用的符合原创内容的人工智能技术，是新一代人工智能。生成式人工智能全面超越了传统人工智能的模拟能力、数据处理能力和分析能力，可以生成文本、图片、声音、视频和代码等内容。可以预见，生成式人工智能在财务管理行业中的应用不是一道选择题，而是一道必答题，将会席卷财务管理各个层级、各个角落。因此，财务人员应有一个清晰的认识，研究和实践生成式人工智能在财务管理领域中的应用，建构智能财务体系是财务管理未来发展的必然趋势[1]。

一、生成式人工智能及其运用原理

生成式人工智能是一种能够模拟人类的创造性思维，基于深度学习技术，通过学习大规模数据集生成全新的、与原始数据相似但又不完全相同的语言文本、图像、音频等内容。这种新型人工智能技术通过现有的海量数据的深度学习，了解和掌握数据中的分布模式和内在规律，并生成真实的、全新的、有用的数据，正在改变和提升传统人工智能的数据处理能力。生成式人工智能在文本创作、图像生成、语音合成等多个领域取得了显著的进展，正是这种能力提升的体现。事实上，生成式人工已经实现了一个历史性的跨越，从纯粹的理论研究转变为具有广泛的实践价值的最新技术。生成式人工智能应用范围很广泛，已经从商业行销、社会管理等发展到金融、财务管理等行业的广泛应用，并引发革命性变化。为了更全面系统了解生成式人工智能的应用，可以通过分析该技术的价值链，将其分为四个相互关联的应用层级、平台层级、模型层级和基础设施层级，这些层级共同作用从而创造出全新的内容。生成式人工智能的应用系统中每一个层级在整个过程中都发挥着独特的作用，从而增强了生成人工智能的强大数据处理、模拟和创新能力。

（一）生成式人工智能的应用层级

生成式人工智能的应用层级是通过算法，允许动态创建内容来简化人类与人工智能的交互。这些算法提供自动化或者定制的B2B（企业对企业）和B2C（企业对消费者）应用程序和服务，而用户应用程序和服务不需要访问底层基础模型。这些应用程序的开发，可以由基础模型的所有者（如OpenAI和ChatGPT）和包含生成式AI模型的第三方软件公司（如MiniMax）来承担。生成式人工智能的应用层级涵盖了广泛的应用程序，从创建逼真的游戏环境到为电子商务网站生成逼真的产品图像，再到自然语言处理领域的文本生成。

生成人工智能的应用层级由通用应用程序、特定领域应用程序和集成应用程序所组成。通用应用程序是指应用各种软件，以各种形式生成全新内容，包括文本、图像、视频、音频、软件代码和设计。特定领域的应用程序是指为满足特定行业（如金融、财务管理、教育、审计）的特定需要而量身定制的软件解决方案。集成应用程序是指由现有应用软件以集成方式融合而成，这些集成应用程序融入了生成式人工智能以增强其应用程序的功能。

（二）生成式人工智能的平台层级

生成式人工智能的平台层级是通过托管服务提供对大型语言模型的访问。这个平台层级简化了通用预训练基础模型的微调和定制过程。尽管目前领先的GPT-4，可以使用其经过训练的锁定数据集立即回答大多数问题，但通过微调，可以显著提升这些大型语言模型在特定内容领域的服务能力。微调涉及解锁现有大型语言模型的神经网络，使用新数据进行额外的训练。通过微调可以使用户将其专有或特定的数据无缝集成到这些模型中去，以用于定制应用。

建设生成式人工智能的平台层级的目的是简化大型语言模型的使用，降低用户使用的相关成本。这个平台层级解决了用户需要独立从零开始开发这些大型语言模型的难题，从而为用户节约了巨额资金投入和数年开发的时间。与此同时，用户可以通过支付月度订阅费用或租用基础设施即服务（IaaS）实现大型语言模型的使用。而且，用户还可以访问诸如隐私性、安全性和各种平台工具等有价值的功能，所有这一切都可以一种简化的方式使用大型语言模型。

（三）生成式人工智能的模型层级

生成式人工智能的模型层级汇集了概率模型和变换模型的主要内容。概率模型是一种可以根据数据的概率分布生成新数据的模型，它可以捕捉数据的多样性和不确定性。变换模型是一种可以根据数据的变换规则生成新数据的模型，它可以捕捉数据的结构和语义。

概率模型的代表有变分自编码器（VAEs）和生成对抗网络（GANs）等。生成对抗网络由一个负责生成新数据的生成器和另一个负责判断数据真实性的判别器两个相互竞争的神经网络组成。变分自编码器是一种可以将数据编码为一个潜在的随机变量的模型，然后根据这个随机变量解码出新的数据。典型的变换模型主要有自回归模型（ARs）和变换器（Transformers）。自回归模型是一种可以根据数据的前后关系生成新数据的模型，它可以捕捉数据的顺序和依赖。变换器是一种可以根据数据的全局关系生成新数据的模型，它可以捕捉数据的上下文和语义。

（四）生成式人工智能的基础设施层级

生成式人工智能的基础设施层级是包含大规模基础模型及其半导体、网络、存储、数据库和云服务的关键资源，所有这些资源在生成式人工智能模型的初始训练和持续的微调、定制和推理中都发挥着至关重要的作用。

生成式人工智能的基础设施层级主要通过训练阶段和推断阶段发挥作用。训练阶段：这是实施学习的阶段，通常在云数据中心的加速计算集群中进行。在这个阶段，大型语言模型从给定的数据集中学习，并结合参数和令牌进行训练。参数是模型调整以表示训练数据中潜在模式的内部变量，令牌是模型处理的文本的个体部分，如单词或子词。推断阶段：这是实际使用经过训练的生成式人工智能模型生成响应用户的文本、图像、视频、音频、软件代码的过程。经过训练的生成式人工智能模型需要超强的计算能力，并且应部署在靠近最终用户的地方（边缘计算），以保障实时交互、最小化响应时延。

二、应用生成式人工智能建构智能财务体系

生成式人工智能与传统的人工智能相比，是一个实现了人与机的“请求—回应”互动方式，并且是一个自我完善、自我更新、自我演进的复杂系统。可以说，随着生成式人工智能在财务管理领域的深入应用，其将成为一种全新的财务管理技术和手段，有助于建构智能财务管理体系，并使人机共生成为财务管理工作的新常态。因此，生成式人工智能正在直接、间接地影响和改变着财务管理领域的各个方面和环节。所谓智能财务体系，是指覆盖财务管理工作全流程的生成式人工智能应用[2]。企业财务人员应深入了解和熟练掌握生成式人工智能及其在财务管理领域中的应用，规则严密、逻辑性强、流程复杂的财务管理基础性工作将由生成式人工智能去完成，而财务人员可以更好地集中精力从事支撑财务战略、支持经营决策、防控财务风险等工作，用高效、高质量的财务管理促进企业高质量发展。

（一）建构挖掘数据的智能财务共享系统

企业的财务共享系统是依托现代数字技术，以财务与业务深度融合为基础，以创造价值、强化管控能力、降低运营成本或提升流程效率为目的，提供财务管理专业服务的管理模式。企业财务管理工作的数字化，就是建构智能财务共享系统，推动集中管理财务工作，促进降本增效，及时提供预测和战略决策数据[3]。

随着生成式人工智能技术在财务共享系统中的广泛应用和不断发展，财务管理部门归集了包括财务数据、业务数据及外部数据在内的大数据资源，为业务与财务管理转型提供了大量有价值的数据，基于数据的智能财务共享系统，将会逐渐改变财务人员对于数据的认识、理解和应用。

1.掌握财务共享系统中的数据规律。对于财务共享系统中大量无规律的数据，生成式人工智能可以通过深度学习，发现业务与财务数据中的内在结构和相互影响，掌握业务与财务数据的规律。掌握数据的规律可以使财务人员更好地深入理解业务与财务数据的发展现状、趋势和风险，提高利用业务与财务数据的效率和质量，更好地将大量数据应用到企业生产经营过程中去，发挥降低成本、增加效益、减少损失等作用。

2.生成财务共享系统中的模拟数据。通过深度学习财务共享系统中海量的业务与财务数据，生成式人工智能可以根据业务与财务数据的结构和规律，生成大量真实的、全新的、有用的符合原创内容的模拟数据，财务人员充分利用模拟数据，解决财务数据不完整等问题。有时，财务人员提供给管理层预测和决策所需数据时，需要获取大量高质量的数据，但成本很高且非常困难，而生成式人工智能可以根据已有的业务与财务数据，生成与真实数据相似的业务与财务模拟数据，提高管理层预测和决策所需数据的完整性、及时性和科学性。

3.揭示财务共享系统中的数据特征。通过对现有财务共享系统中杂乱、海量的财务与业务数据的深度学习，生成式人工智能可以自动揭示出财务与业务数据中的一般规律和隐含特征。财务人员可以利用财务与业务数据中的一般规律和隐含特征，更好地理解财务与业务数据的本质特征，进而为管理层提供更准确、更全面、更系统的财务与业务数据分析和预测数据。

（二）建构利用数据的智能司库管理系统

“司库”原指掌管国家财富的金库和国库，现指企业管理的资金资源库，包括企业的全部资金管理、金融服务、运营管理和风险监控业务。与传统财务管理系统相比，智能司库管理系统通过利用巨量财务与业务数据，及时识别企业资金管理中的问题并采取措施化解风险，发挥其降低资金成本、防范资金风险、提高资金管理绩效的作用。生成式人工智能以数据为驱动力，而智能司库管理系统依赖于利用海量数据[4]。因此，利用生成式人工智能赋能智能司库管理系统建构是最佳的选择。

企业智能司库管理系统建构应强化生成式人工智能应用的顶层设计，利用数据实施在线运行和实时监控，通过生成式人工智能技术手段将银行账户管理、集中资金管理、统筹融资、对外投资、资金计划、资金结算、风险管控纳入智能司库管理体系，真正实现资金资源“看得见，管得到，调得动，用得好，防得住”。以前，司库管理的最大难题是大量缺乏相关数据，不能做到在线运行和实时监控，难以及时、准确做出决策。生成式人工智能能生成真实的、全新的、有用的符合原创内容的数据，可以解决司库管理过程中大量数据缺失的难题。

1.生成式人工智能可以生成全新数据。司库管理中存在大量的半结构化数据和非结构化数据，如视频、音频、环境等数据，难以实行综合利用。而生成式人工智能具有强大的数据处理能力和灵活性，能够将半结构化数据和非结构化数据处理成为结构化数据，对现有数据进行进一步分类或者推导，并生成包括视频、音频、图像、文本等全新的数据。这种生成的全新数据，有利于司库管理人员完善资金内控体系，建立健全资金风险监测预警机制。

2.生成式人工智能可以实施数据推理和决策。之前司库管理人员只能根据现有数据进行分析和决策，在面对司库管理中的新情况、新问题时可能束手无策，而生成式人工智能系统则可以通过对现有数据的进一步挖掘、分析和推理，在多方案中找到更切合要求的解决方案。因此，在司库管理领域中，生成式人工智能具有广泛的应用场景，如基于多语言、多币种、多政策、国际资金清算系统（SWIFT）等多种选择时，企业司库管理可以挖掘境外全量资金资源，提升全球资金资源统筹配置能力，优化资金资源配置结构，促使资金资源发挥最大价值。

3.生成式人工智能可以挖掘总结出数据规律。企业智能司库管理系统可以通过接口实时获取万得、彭博、路透等市场数据，从业务系统动态获取汇率及利率敞口数据，但是这些数据按何种原理进行编制、揭示什么问题，司库管理人员难以知晓。但是，司库管理人员可以利用生成式人工智能算法，从现有数据中了解、掌握数据形成的原理和结构，挖掘总结出生成这些数据的规律。这种挖掘总结数据的规律，使得司库管理人员在利用生成式人工智能处理复杂数据时具有更强大的能力和创新性。

（三）建构数据驱动的智能财务决策系统

企业传统的财务决策系统提供的数据严重滞后且不精准，决策方案缺乏科学性，难以被管理层采纳和实施。而企业智能财务决策系统能借助生成式人工智能，及时处理海量数据，为管理层提供精准的数据、科学的决策方案和建议，帮助管理层更好地理解和解释财务数据，以利于做出更科学的决策。

在企业的智能财务决策领域，生成式人工智能通过深度学习模型学习和掌握数据的结构、分布，了解和掌握市场趋势数据和历史财务数据，并生成真实的、全新的可用于财务决策的大量数据，用于支持资金筹措、对外投资等财务决策。与依靠经验的传统财务决策系统相比，生成式人工智能是基于生成对抗网络（GAN）和变分自编码器（VAE），通过对抗性学习和概率编码解码生成高质量数据，能及时、精准描述复杂的经济环境和金融市场，并实时反映和揭示财务数据的变化趋势，能提供更精准的数据、更科学的决策支持。

1.生成式人工智能可以实行数据驱动的决策支持。企业智能财务决策系统应用生成式人工智能，结合语音识别、人脸识别等智能技术，可以扩大数据收集的深度和广度。与此同时，智能财务决策系统可以集成数量更大的数据，如移动互联网数据、物联网数据、行业网络数据等，以实现更及时、精准的数据分析和业务决策。生成式人工智能帮助智能财务决策系统快速处理多层次、海量结构复杂的数据，并发现数据中隐藏的结构和规律，以提供更多、及时、精准、科学的财务决策方案，帮助企业管理层选择和实施高质量的财务决策方案。

2.生成式人工智能可以提供个性化的财务建议。生成式人工智能可以通过大量业务和财务数据，深入了解企业的预期目标、财务指标、风险管控能力等，为企业提供个性化的财务规划和财务建议。这种量身定做的财务规划和财务建议能够更好地满足企业的特定需求，提高财务决策的针对性和有效性。如生成式人工智能可以根据企业的投资意向和风险管理能力，提供定制化的投资和风险管理建议；通过分析企业投资的历史业绩数据和现行市场相关数据，可以为企业提供更及时、精准的投资方向建议和风险管理指导。

3.生成式人工智能可以规范智能化的决策流程。生成式人工智能可以自动生成决策流程，规范决策过程，提高决策效率。生成式人工智能能够自动收集、挖掘和分析大量数据，得出更精准的企业财务走势和风险点，发现其中的潜在风险，及时建立风险管理的动态模型，识别和管控潜在的风险因素，并为企业管理层提供相关的对策建议和措施，并通过利用历史数据和趋势数据进行智能决策，帮助管理层做出更科学的决策，以应对环境和市场的变化。

（四）建构数据精准的智能财务风控系统

以往的财务风险管理，是在定期进行的风险框架评估基础上进行的，而智能财务风险管理实行的是动态监控，持续参与整个产品生命周期的财务风险管理。财务风险管理仅仅关注关键财务风险指标是不够的，还必须了解这些指标与业务的关系及其动态变化。传统的财务风险管控需要花费大量的人力和时间，而生成式人工智能可以自动完成这一过程，并且结果更加准确[5]。如生成式人工智能可以通过分析巨量数据，精准预测应收账款的回收和违约概率，可以帮助企业财务人员更准确地评估回款人的信用等级，减少风险。

企业财务人员可以利用基于生成式人工智能的算法主动扫描大量财务数据，实时分析交易并立即发现问题，精准辨识出传统财务风险管理可能遗漏的潜在风险，提前发现并及时处理财务风险，从而保障企业权益免受损失。同时，生成式人工智能强大的监控功能可以实现对财务交易的实时监控，对客户、交易、金额异常的情况及时进行预警。因此，企业财务人员借助生成式智能，实行数据精准的智能化动态监控，发现风险征兆，实时风险预警，从而提高其风险预防和应对能力。生成式人工智能可以模拟人类的创造性思维，生成全新的、真实的、有用的数据，这些数据有利于智能财务风控系统建构。

1.生成式人工智能可以弥补数据短缺难题。在企业财务风险管控过程中，经常需要大量的高质量数据，但是有时会遇到相关数据无法取得、数据量短缺、数据质量不高等难题，因而难以及时预警和及时采取控制措施，致使财务风险管控及时性差、质效不高。而生成式人工智能可以根据已有的海量财务数据，通过模拟和推断，生成全新的、真实的数据，从而解决数据的不足难题，提高数据的精准性，以便于及时预警和采取有效措施。

2.生成式人工智能可以提高数据分析精度。在企业财务风险管控过程中，经常会存在相关财务数据的杂乱无章、噪声、偏差等问题，导致财务数据分析及时性差、精准度不高的情况，最终会导致财务风控效果不理想。而生成式人工智能技术可以通过对面广量大的数据的深度学习，理解数据的分布规律和内含特性，自动去除杂乱、噪声和偏差的数据，从而提高数据分析的精准性，有助于促进财务人员对数据的深度理解，更好地利用精准的数据进行有效的财务风控。

3.生成式人工智能可以提高数据分析效率。在企业财务风险管控过程中，采集、存储、清洗、挖掘、分析各种业务和财务数据，都需要耗费大量的成本、时间和人力资源。当今企业所拥有的数据量大、复杂程度高，财务人员面临的现实挑战就是从广泛采集的数据中，清洗、挖掘、分析出相关的结论，供管理层决策时使用。而生成式人工智能可以自动获取各类数据，并及时生成需要的相关数据，降低企业数据的采集、加工和处理成本，提高数据分析的质量和效率。

（五）建构垂直型财务管理大模型系统

随着生成式人工智能的广泛使用，生成式人工智能大模型也就应运而生，在推动生成式人工智能广泛应用、提升生成式人工智能应用深度等方面发挥了越来越重要的作用。生成式人工智能大模型，是指在预训练和训练过程中应用了海量的数据和计算资源，具有非常强大的人机对话和数据处理能力的深度学习模型。目前，生成式人工智能大模型主要包括通用型大模型和垂直型大模型。通用型大模型（General-purpose Large Models）是指用来处理多种任务和数据类型的大型人工智能模型，通常在大量文本、图像、声音等多模态数据上进行训练，以便能够理解和生成多种格式的内容。通用型大模型的核心特点是灵活性和广泛适用性，可以应用于多个不同的领域和应用场景。垂直型大模型（Vertical Large Models）是指针对特定行业或领域定制的大型人工智能模型。与通用型大模型相比，垂直型大模型更加专注于特定的任务和数据集，在特定领域内能够提供更加精确和专业的结果。

随着企业生产经营的快速发展与市场竞争瞬息变化，企业管理层迫切需要实时掌握企业经营状况与财务数据变化，从而快速优化经营决策。但是，传统的财务管理系统高度依赖人工处理统计，不但效率低下，且容易产生偏差，无法满足企业管理层的需要。目前，企业发展新质生产力，越来越需要财务数据的支持，这个支持不是传统的流程支持，而是在不同场景、不同领域的大模型驱动的财务支持，要有一个随时随地都能发挥作用的财务人工智能助手。因此，企业迫切需要建构垂直型财务管理大模型系统。企业财务管理应有自己的垂直型大模型，这是一种基于生成式人工智能技术的财务管理系统，应该由企业根据其自身需求来研制，财务人员在工作中进行财务工作管控时，可以直接使用垂直型财务管理大模型，以提高财务管理工作的及时性和精准度。未来，垂直型财务管理大模型将成为企业财务管理的重要基础设施，为财务管理工作高质量、智能化发展奠定坚实的基础。

垂直型财务管理大模型扩展了财务管理的边界，重构了业财数据的基础。垂直型财务管理大模型服务于企业利益相关者，业财边界模糊，财务数据广泛化，业务即财务，财务即业务，业务数据与财务数据深度融合在一起，能够帮助企业进行实时业务与财务智能管控，并做出更科学的决策。一方面，垂直型财务管理大模型可以持续深入到企业业务前端的价值链与全场景，成为“更懂企业”的财务管理大模型；另一方面，垂直型财务管理大模型还可以提升训练效率与优化成本，集成更丰富的开发工具与算法，通过大模型精调、大模型评估优化、大模型推理和插件服务等，持续满足企业财务管理数智化转型过程的新需求。

【参考文献】

［1］ 秦荣生.人工智能与智能会计应用研究［J］.会计之友，2020（18）：11-15．

［2］ 秦荣生.数字化转型与智能会计建设［J］.财务与会计，2021（11）：6-9．

［3］ 秦荣生.数字化时代注册会计师发展之路［N］.中国会计报，2020-09-18（003）．

［4］ 秦荣生.生成式人工智能与智能审计研究［J］.审计观察，2023（3）：1-5．

［5］ 秦荣生.数据导向审计体系构建：风险模型、方法体系与实现路径［J］.审计研究，2023（5）：3-10.