基于“RPA+AI”的高校成本控制系统构建

摘 要 随着新型技术的不断普及与深化，传统人工成本控制方式已无法有效适应高校教育现代化发展趋势。“RPA+AI”技术凭借认知自动化与决策智能化等优势，可替代工作人员执行大量低效率、重复性工作，有效推动高校成本控制自动化，降低因个体因素导致的成本增加。立足于此，文章先行分析RPA技术的演进历程，探究“RPA+AI”技术的优势分析，以及“RPA+AI”与高校成本控制的适配性；其次，立足高校成本控制系统框架，构建基于“RPA+AI”技术的高校成本控制系统；最后，以成本支出为例，演示高校成本控制系统运作流程，为实现高校成本控制现代化提供理论支撑。

关键词 “RPA+AI”；高校成本控制；系统构建；智能化运行

DOI： 10.19840/j.cnki.FA.2024.06.017

新型信息技术推动下，“人工智能”（AI）接棒“机器人流程自动化”成为赋能传统高校成本控制的新动力。在这一过程中，如何借助AI技术推动成本控制从传统人工控制向自动化控制转型，成为当前高校成本智能化转型的重要任务。就此，财政部于2022年5月出台《事业单位成本核算具体指引——高等学校（征求意见稿）》，指出要不断规范高校成本核算工作，以更好地服务高校全面实施预算绩效管理，推动高等教育高质量发展。现实而言，各大高校在实践中已逐步摸索出一套行之有效的成本管控方式、举措与制度，对本院校改革起到重要推动作用[1]。但随着社会智能化进程持续推进，高校成本控制逐渐显露出管理事项增多、成本支出增大和监管效率降低等一系列成本治理难题[2-3]。为此，建立新型高校成本控制系统已迫在眉睫。

机器人流程自动化技术（RPA）具有7×24×365实时监控、智能分类、自动统计、精准筛查等技术优势[4-5]。其既可替代工作人员完成大量重复性、规则明确的高校成本控制日常事务操作，又能通过模拟机器人交互解决高校成本控制中的难题。RPA技术虽然能够自动执行固定业务，但更侧重于固定结构化数据处理，对图像、音频、文字等非结构化数据难以有效处理，需要借助人类大脑进行手动判断。而结合AI技术中计算机视觉、自然语言处理、机器学习等功能，可进一步赋予RPA大脑思考能力，有效弥补RPA非结构化数据处理不足问题，实现RPA认知自动化[6-7]。一方面，AI技术驱动RPA机器人有助于从繁杂的信息中处理结构化与非结构化数据，提升RPA智能化水平，助力高校业务管理实现自动化。另一方面，借助自然语言处理（NLP）、算法训练、语音识别等AI技术，RPA机器人可对人类语言情感的理解能力进一步提升，使高校业务流程更具智能化，继而提升高校整体成本控制效率。可以说，“RPA+AI”技术与高校成本控制系统有机结合，既能保证高校成本控制的精准性、便捷性、时效性，亦可推动高校成本控制逐渐由“人工+管理”向“智能管理+智能服务”转变。因此，文章基于“RPA+AI”技术构建高校成本控制系统，旨在全面促进高校成本控制智能化变革，为后续研究提供经验借鉴。

一、“RPA+AI”在高校成本控制系统中的适用性分析

（一）RPA技术的演进历程

截至目前，RPA技术主要经历四个发展阶段，即RPA1.0（辅助阶段）、RPA2.0（非辅助阶段）、RPA3.0（高级流程自动化阶段）和RPA4.0（智能流程自动化阶段）[8]，具体如图1所示。在RPA1.0阶段，RPA技术主要负责辅助管理人员完成简单的工作，包括数据录入、文件打开等标准化桌面工作内容，且需要人工全程干预。在RPA2.0阶段，RPA技术主要根据管理人员提前预设规则和指令自动完成某一环节工作任务，一定程度上可解放部分人工，且过程无需人工干预。在RPA3.0阶段，RPA技术能够初步结合感知技术对外界知识进行获取，负责自动处理文档中非结构化数据，譬如发票信息和客户邮件，但该阶段无法自我学习和改进。在RPA4.0阶段，RPA技术主要与AI人工智能相结合，负责自主完成设定工作和任务，实现从执行层到决策层的自我升华。RPA与AI的结合可使业务流程更具自动化、智能化和规范化，不再局限于步骤化，并凭借学习人类思考、高度模拟人工等优势，形成具有认知决策能力的智能管理机器人。

（二）“RPA+AI”技术的优势分析

RPA机器人只需要人员维持正常维护，即可实现7×24×365小时不间断工作，但是处理效率和质量相对不足。而以AI技术为核心支持的RPA机器人被赋予认知自动化能力，不仅可以处理包括文件上传与下载、内容填写、批量数据抓取等简单重复性工作，还能完成身份智能审核、票据自动处理、合同信息抽取等复杂管理工作[9]。一方面，RPA机器人利用AI技术中的感知和认知智能技术，可拥有认知决策能力，进而执行更复杂、链条更长的业务场景，打破固定规则局限性，提升业务处理稳定性和效率性。另一方面，RPA机器人通过AI技术中的自然语言学习（NLP）、光学字符识别（OCR）、机器学习（ML）等AI技术，可拓展软件机器人工作范围，进一步释放自动化的潜力与价值。具体而言，RPA机器人最初仅能遵循设定好的固定规则处理标准化、固定重复、可自动化的业务流程和文件档案，无法灵活应用于不同场景需求[10]。加之，数据库通常只有20%的结构化数据可以被直接使用，剩余80%均为非结构化数据需要依靠人工手动完成利用[11]，这会对相关人员工作效率造成一定阻滞。AI技术具备一定“头脑能力”，借助其自然语言处理技术（NPC）可将图片、音频、语音、文字等非结构化文本转化为结构数据，继而将其输送到具备“手脚能力”的RPA系统进行操作，用以处理剩余80%数据信息。另外，AI技术中的智能化功能封装到RPA连接器中可解决较多实际业务场景，譬如发票验真、订单管理、合同识别等标准型文档，促使各业务流程不断完善与规范。

（三）“RPA+AI”与高校成本控制的适配性分析

“RPA+AI”技术通过运行智能识别、人工智能语义分析等功能，可以最大限度优化高校成本控制系统，提升成本决策质效，实现降本增效，从而规避人工决策主观性失误、降低财务数据错报、成本信息交互滞后现象，为“RPA+AI”的高校成本控制系统提供技术支持。

1. 以“语言识别+屏幕抓取技术”提高成本信息采集效率

高校相关成本信息获取通常采用直接拷贝、数据转出等方式，极易造成数据丢失和外漏[12]。这一过程一旦数据发生故障，后续工作便难以有序推进。“语言识别+屏幕抓取技术”是一种用于获取屏幕上UI元素、将语音转换为文本命令的技术，包括对象句柄元素、网页标签、OCR识别以及人机交互等技术，可对接其他应用程序，为工作人员提供多种数据获取方法，助力高校实现智慧化、高效化数据采集。详细而言，其一，“语言识别+屏幕抓取技术”通过句柄元素能够标识不同对象，如图标、文字、按钮、输出设备、控件或文件等元素，并直接进行元素抓取，提高高校成本信息采集效率。而高校成本信息多为非结构化和结构化财务数据，以及图片、视频等数据，能够有效契合“语言识别+屏幕抓取技术”，实现高效率信息采集。其二，“语言识别+屏幕抓取技术”可从图像、音频中扫描和识别文字信息，精准检测某一关键词和关键话术，并对其进行处理，最终将结果共享至其他环节。有研究证实，基于OCR识别技术的财务数据能够实现99%精准识别，提升财务数据获取质量的同时，助力各层级财务数据实时共享。并且，“语言识别+屏幕抓取技术”可对桌面窗口预先保存对象进行查询、比对，提升高校成本信息采集效率。而高校一直以来都具有较强的信息化管理系统，更容易实现系统升级与优化，且具有形式统一、运行稳定等特征[13]，可以有效契合“语言识别+屏幕抓取技术”固定式读取和分析要求，显著提高成本信息采集效率。

2. 以“自然语言处理+认知技术”实现成本管理决策可信化

当前高校内部管理系统多使用传统内控评价体系，参与人员多为非专业管理人员，使得作出的管理决策存在信任问题。这一现状下，仅依赖传统人工方式难以精准采集、核算繁杂且多元化的高校成本管理数据，一定程度上会影响高校管理决策真实性和可靠性。基于“自然语言处理+认知技术”，高校管理人员能够对海量成本数据进行7×24×365自动化操作，显著提升财务工作效率的同时，避免人为操作错误导致的数据不一致，提升高校成本管理决策可信化。而高校各类教务管理、财务管理和学生信息管理等窗口均是以统一管理形式运行，具有形式统一、运行稳定、数据庞杂等特征[14]，可以有效契合“自然语言处理+认知技术”固定式读取和自动化操作等要求，切实保障成本信息真实性，从而实现高校成本管理决策可信化处理。同时，“自然语言处理+认知技术”依托语音识别、智能问答、光学字符识别等技术，能够对非结构化数据、半结构化数据进行预处理，提高相关信息准确性和有效性，保证高校数据可信。此外，高校涉及成本较多，可能存在口径不一致、数据类型多样等特点。而“RPA+AI”依托“自然语言处理+认知技术”可对“采集—分析—处理—传输”这一业务流程进行自动化处理，确保高校数据真实性和完整性[12]，提高其成本管理决策可信化。而高校依托超强的学习能力和技术环境，能够打造适应“RPA+AI”的应用场景，并实现落地使用和实现二者高度适配。

二、基于“RPA+AI”的高校成本控制系统构建

（一）整体框架

基于“RPA+AI”技术的高校成本控制系统框架如图2所示。

“RPA+AI”技术下的高校成本控制系统主要划分为智能数据挖掘层、智能成本预测层、智能数据交互层、智能信息反馈层和智能风险防控层五个层级。其中，智能数据挖掘层主要作用是对高校财务数据进行收集、筛选和修正，为高校管理者进一步作出决策提供扎实、可靠的数据支撑。智能成本预测层主要为高校涉及成本的决策活动进行预估和测算，从而提升成本决策准确性和有效性，实现各项成本费用运用合理性。智能数据交互层是支撑高校成本控制系统运作的关键环节，主要负责不同财务数据之间的交互和对接，实现各业务流程的高效衔接，以此提升管理人员工作效率。智能信息反馈层是对高校内部和外部信息进行汇总、反馈、处理等事项，同时进一步为智能风险防控层构建打下良好基础，实现高校成本控制系统运行的稳定性和可靠性。智能风险防控层主要为保护高校成本信息和财务数据，防止数据被恶意泄露，助推高校成本控制系统安全运作。可以看出，各个层级之间相互衔接，缺一不可，更体现出“RPA+AI”技术下高校成本控制系统扩展延伸的动态过程。

（二）系统运行架构

“RPA+AI”高校成本控制系统构建的重要前提是建立包括数据筛选、成本识别、信息归纳等内容的智能化运行架构和现代化成本控制体系，以达到降本增效目的。依据上述内容设计预测、评估、安全部署等不同流程，最终构建出适合高校成本控制的智能化系统，促使高校成本控制流程更加标准化、规范化。

1. 智能数据挖掘层

“智能数据挖掘层”主要借助“RPA+AI”技术收集高校财务相关数据，完成数据分类、标注、过滤、筛选等流程，为高校成本控制提供扎实的数据支撑。一是收集信息。高校借助“RPA+AI”技术将内部决策成本信息、供应商信息以及政府政策、市场和法律等发布在互联网上的相关信息自动存储在本地数据库，为成本管理提供依据。二是筛选数据。基于“RPA+AI”的高校成本控制系统可通过识别技术对相关数据进行深度分析和提取，以筛选能够满足高校成本决策需要的数据，存储至数据仓库。三是分析数据。根据制度标准对数据加以提炼与整理，保证数据有效性和准确性，如其他院校业务数据分析、投资模型分析、管理系统分析等内容。四是建立案例模型。基于“RPA+AI”的高校成本控制系统能够收集不同高校运营中的成本管理案例，将这些案例整合、提取为契合自身发展的案例模型，并进一步完善和修正，形成具有个性化的案例模型，使高校成本控制决策活动更具针对性。五是传输数据。将整理过后的数据信息传输提交至智能成本预测层、智能数据交互层和智能信息反馈层，满足高校成本控制需要，使制定的成本决策更具科学性、合理性。

2. 智能成本预测层

“智能成本预测层”主要运用“RPA+AI”技术对高校未来成本水平及变化趋势作出预测和分析，并在此基础上采取一定措施，为后期实现成本决策精准性和持续性提供安全保障。第一步，修正数据。“RPA+AI”智能管理机器人通过对数据挖掘层形成的规则数据实施分析和提取，可为管理系统提供可靠的数据。系统可依据所发送指令自动检索相应内容，譬如模型、方式，进一步对其嵌入学习算法实施再分析和整理运用，形成新的知识、方法和模型。随后，将这些新内容回传至“RPA+AI”技术，通过管理系统对成本作出识别。第二步，成本识别。基于“RPA+AI”的高校成本控制系统通过识别功能，对回传信息、业务、模型等内容的真实性进行预测和识别，并给出相应修改建议，降低高校运行成本。第三步，实现智能预测。高校财务人员将不同财务数据以及各种凭证上传系统，该系统可对其自动作出分析与判断，并给出相应成本评估建议，以更好节约运行成本。同时，在预测相关成本基础上，根据系统内部模型，预估成本风险和业务风险，判断未来发展可持续性，并提出风险防范和应对建议。第四步，预警提醒。“RPA+AI”智能管理机器人在经过训练之后，可自主学习人工操作流程，确定成本红线，为后期成本预测奠定基础。当存在一定的操作风险时，“RPA+AI”智能管理机器人可提示高校工作人员并予以修正意见。

3. 智能数据交互层

“智能数据交互层”主要对高校成本管理制度、实施要求、具体流程等信息进行传递，最终形成文档，为后期信息反馈和控制进一步奠定基础，具体如图3所示。第一步，发布信息。高校管理人员借助“RPA+AI”智能管理机器人能够自动完成信息编辑，并发送至财务端口审核，待高校财务人员审核后确保文件信息无误。第二步，收集反馈信息。“RPA+AI”智能管理机器人可收集线上各项业务建议和反馈信息。而后高校财务相关人员结合现实必要性建议，对流程制度进行适度的调整与修订，为成本控制奠定制度支撑。第三步，筛选与归纳信息。在对数据进行收集之后，基于“RPA+AI”的高校成本控制系统可借助自动分析技术，对各类财务信息加以分析、整理、筛选、提取，并总结出现的相关问题，进而将最终信息传送到下一层级，以便为后期管理者决策提供可靠信息来源。高校管理者将成本决策目标发送至人机交互系统完成识别、转化，之后由“RPA+AI”智能管理机器人结合相关数据、系统进行分析。随后，将分析决策结果再次提交至人机交互系统，生成决策报告，供管理者参考与选择。

4. 智能信息反馈层

“智能信息反馈层”主要反映高校成本控制系统用于汇总、反馈和接收信息，记录并处理人员信息以及供应商的信用情况，探寻可能存在的成本管理风险部分，学习总结风险防范经验，并反馈至高校管理人员的一个过程。首先，信息输出。“RPA+ AI”智能管理机器人将收集后的数据信息分类，并梳理业务处理结果和反馈意见，自动生成财务凭证。其次，预算分析。“RPA+AI”智能管理机器人依据自主学习能力自动完成预算表的制作，将存在的问题反馈至管理人员。“RPA+AI”智能管理机器人可对本年度成本控制作出分析，而后结合高校运营情况，对下一年度的成本预算方案实施制定，判断预算方案是否有效，进一步提出调整建议。最后，信用分析。“RPA+AI”智能管理机器人可从信用层面对涉及人员作出分析，为相关层级中的权重设计提供保障。例如，部分高校教师在申请报销后，系统会从不同方面对报销申请进行成本审核计算，从而消除潜在的成本风险。

5. 智能风险防控层

“智能风险防控层”主要借助AI识别技术使RPA管理机器人在高校成本控制系统中安全运作，确保高校智能管理数据的安全性，以防恶意人员泄露核心数据。一方面，安全部署。“RPA+AI”技术主要部署在云环境中，利用人机协同系统将入站和出站端口设定密码限制，对端口动态与静态场景实时监控。就动态场景而言，将正在传输过程中高校核心财务数据进行双重加密。就静态场景而言，对数据库中的高校成本数据实施加密，保护核心数据。加之，“RPA+AI”智能管理机器人可自动挖掘数据、实施7×24×365不间断监管、不定时更新高校成本数据，及时防控成本风险。另一方面，预警推送。“RPA+AI”智能管理机器人能够自动借助OCR功能将识别到的风险自动推送预警，通知高校管理人员及时解决财务风险。可见，智能风险防控层能够有效将“RPA+AI”技术和数据中心两者统一，起到风险防护作用，从而提升高校成本控制系统的运行效率。

三、基于“RPA+AI”的高校成本控制系统运作流程演示

基于未引入“RPA+AI”技术的高校成本控制业务流程，具体执行步骤如下：第一，费用支出审核。高校管理者应基于相关制度对各个环节或项目产生的费用开展严格审查。第二，明晰支出对象。高校财务人员需进一步明晰各部成本产生的项目，并按照确定后的成本项目和对象开设成本明细账，并做成账单予以记录。第三，合理配置支出费用。高校财务人员需要对支出的成本费用开展计算、分配和总结，并按照相关费用支出类型计入成本明细账，编制成本支出分配表，将每个费用归类划分为基础成本、上缴费用以及补助费用等账户。第四，核对全部支出费用。高校相关财务人员需要针对明细账目和分配表进行核对与汇总，核算出高校所需成本事项数量以及具体成本数值。该步骤计算和核对过程极为耗费人力成本与物力成本，不仅核对效率和质量均较为低下，而且难以保障最终核对成本信息的精准性。

基于“RPA+AI”的高校成本控制具体运行流程如图4所示。首先，“RPA+AI”智能管理机器人将已记账的成本信息自动生成清单，并选取相应部门、消费项目、时间以及供应商实施对账查验，进而触发自动对账功能实施成本核算。其次，“RPA+ AI”智能管理机器人自动对产生的费用支出类型、项目以及对象进行核实，核对订单号、时间、金额等内容是否一致，若一致则表示成本得到控制，随后根据确定的内容开设成本明细账。再次，“RPA+ AI”智能管理机器人将根据开设好的明细账编制分配表，并对其进行汇总和核算，得出最终成本，以便高校管理者进行成本核实与目标决策。最后，成本决策达到指定状态时，由于相关财务分录的编制规则已被高校管理人员提前手动设定并录入“RPA+AI”智能平台中，所以在数据传输到总账环节时，会根据提前预设规则自动形成记账分录、生成凭证，并进行备份处理。随后通过智能风险防控层设置双重加密，确保高校智能管理数据的安全性。在整个高校成本控制系统运作流程中，“RPA+ AI”智能管理机器人自动化运转可以显著降低因人工决策、核算、分析等过程耗费的时间成本和人力成本，有效提高高校各环节的工作效率，实现精准化、安全化运行。

基于“RPA+AI”技术构建的高校成本控制系统具有成本核算、智能决策、人机交互、自动认知等优势，可以降低人工成本和运行成本，规模化解决高校成本控制问题。在具体场景环境中，就业务流程管理而言，“RPA+AI”成本预测层可促使高校管理者从后期决策提前至成本处理环节，降低因事后审核、批注、修订和汇总的时间成本，以此提升各业务流程处理效率和质量。在成本预测层将业务逐渐标准化后，高校成本控制系统整体业务会被分割成为标准的业务节点，使端到端的接口不断增加，进而影响各层级业务流程运行速度和标准。就绩效管理而言，随着高校成本控制涉及内容逐渐扩大、业务场景不断累加、成本信息愈加繁杂，“RPA+AI”技术能够从系统中自动搜索前端数据，并按照高校管理人员设定规则和业务需要进行筛选，随后生成成本控制报表。这可促使高校财务数据准确反映业务实质和成本考核因素，降低由于人为操作而导致的成本风险。基于“RPA+AI”技术的计算机视觉技术实时记录高校管理人员工作行为，且通过计算机视觉识别和测量等技术，对相关人员绩效进行量化与控制，剖析其中的问题和相关性，找寻存在的“拥堵环节”。随后借助“RPA+ AI”自然语言处理和机器学习技术自动给出解决方案并执行，进而促进高校成本得到有效控制。由此可知，“RPA+AI”的嵌入不仅实现了高校成本核算、业务流程处理，管理决策等事项自动化，而且充分解放了财务、管理、决策人员的生产力，有效控制了高校成本，为高校向智能化时代转型提供了保障。

四、结论

基于“RPA+AI”技术的高校成本控制系统以透明、共享为构建原则，可为高校成本管理带来积极影响，提供更加全面、精准的成本控制方案。成本控制系统作为高校成本监管体系的核心环节，其认知智能化建设是进一步强化高校成本控制、完善预算管理的核心推动力与智能化转型的应有之义。“RPA+AI”作为新时期拥有决策功能的智能机器人流程自动化技术，对优化高校成本控制、规则创新、模式变革等智能化建设具有重要推动作用。在此背景下，本文将“RPA+AI”技术作为主要技术引擎，建设高校成本控制信息化运行系统，使传统单一的成本控制系统逐渐向智慧成本控制维度推进。在此基础上，实现高校成本管理人员提升工作质效、缓解工作压力、促进风险监管水平等目标，进一步优化高校成本控制系统建设路径。 AFA

参考文献

[1] 赵懿清，许江波，卿小权.高校《成本管理会计》课程思政的探索与实践[J].财务与会计，2022，（23）：14-17.

[2] 王李.强化高校教育成本预算管理的思考[J].财务与会计，2022（16）：67.

[3] 易雪辉，张凯，刘毅.高校教育成本核算项目的设置研究[J].会计之友，2022（11）：138-144.

[4] 程平，聂琦.基于RPA的主营业务成本实质性程序审计机器人研究[J].财会月刊，2021（19）：104-110.

[5] 徐晓莉，孔可静.基于RPA技术的政府会计管理体系构建研究[J].中国注册会计师，2022（4）：86-91.

[6] 王姝.基于“RPA+AI”的企业成本决策系统研究[D].重庆：重庆理工大学，2021.

[7] 刘泽中.“RPA+AI”模式下对智能财务的应用分析[J].现代商业，2021（4）：177-180.

[8] 张媛.基于RPA技术的财务机器人业务数据自动化分类系统[J].自动化与仪器仪表，2022（1）：168-171.

[9] 梁美仪.基于“AI+RPA”双技术架构的审计逻辑路径及框架构建[J].商业会计，2022（1）：29-33.

[10] 程平，熊俊宇.基于RPA+AI的智能费用报销机器人设计与应用[J].财务与会计，2023（10）：52-55.

[11] 高宁，刘洋.数字研发系统中结构化与非结构化数据的融合及实现[J].计算机应用，2017，37（S2）：241-243.

[12] 唐薇，朱志良.T高校基于RPA的科研经费管理流程优化研究与应用[J].财务与会计，2022（3）：39-41.

[13] 胡素英，郑赟赟.浙江大学基于业务驱动的高校科研经费信息化管理实践[J].财务与会计，2022，（3）：32-35+38.

[14] 陈晨，应晨希.基于支持向量机的高校学生信息分类管理系统[J].现代电子技术，2021，44（16）：95-99.

（编辑：赵晴）