營(yíng)星星

【摘 要】 隨著人工智能在財(cái)務(wù)領(lǐng)域的廣泛使用，我國(guó)大型醫(yī)院也相繼開始嘗試將人工智能輔助系統(tǒng)應(yīng)用在財(cái)務(wù)管理體系上。為了有效探究人工智能服務(wù)醫(yī)院財(cái)務(wù)管理的實(shí)際情況，文章采用因子分析結(jié)合AHP的研究方法進(jìn)行量化研究，形成了6個(gè)準(zhǔn)則層，21個(gè)方案層指標(biāo)；通過問卷發(fā)放獲取了166份應(yīng)用感知有效問卷，同時(shí)獲得18名專家評(píng)分結(jié)果。在確認(rèn)問卷獲得較好的信效度水平并對(duì)指標(biāo)進(jìn)行AHP分析后發(fā)現(xiàn)，準(zhǔn)則層的加權(quán)得分排序依次為管理績(jī)效、業(yè)務(wù)處理效率、風(fēng)險(xiǎn)防范、動(dòng)態(tài)管理、數(shù)據(jù)分析與預(yù)測(cè)和信息一體化。同時(shí)結(jié)合方案加權(quán)結(jié)果，明確醫(yī)院財(cái)務(wù)在結(jié)合人工智能輔助應(yīng)用方面應(yīng)當(dāng)采取優(yōu)化管理績(jī)效、保障業(yè)務(wù)效率、提高風(fēng)險(xiǎn)防范意識(shí)、優(yōu)化人員結(jié)構(gòu)等措施，實(shí)現(xiàn)對(duì)人工智能輔助應(yīng)用的提升。

【關(guān)鍵詞】 人工智能； 醫(yī)院財(cái)務(wù)； 層次分析法； 管理績(jī)效

【中圖分類號(hào)】 R197.323? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2023）01-0118-08

一、引言

2021年《“十四五”優(yōu)質(zhì)高效醫(yī)療衛(wèi)生服務(wù)體系建設(shè)實(shí)施方案》（發(fā)改社會(huì)〔2021〕893號(hào)）提出，要建設(shè)公立醫(yī)院高質(zhì)量發(fā)展工程，加快數(shù)字健康基礎(chǔ)設(shè)施建設(shè)，推進(jìn)健康醫(yī)療大數(shù)據(jù)體系建設(shè)，擴(kuò)大優(yōu)質(zhì)醫(yī)療資源輻射覆蓋范圍[1]。同時(shí)需要深化醫(yī)療費(fèi)用的支付方式，以及醫(yī)保支付的相關(guān)改革[2]。這些都對(duì)傳統(tǒng)醫(yī)院財(cái)務(wù)以及管理系統(tǒng)的業(yè)務(wù)規(guī)模和業(yè)務(wù)內(nèi)容提出了更高的要求，同時(shí)對(duì)于會(huì)計(jì)核算、成本管理、物流倉(cāng)儲(chǔ)管理等，都有了與以往不同的需求[3]。

無紙化辦公以及遠(yuǎn)程協(xié)同辦公的應(yīng)用需求逐漸提升，迫使醫(yī)院財(cái)務(wù)系統(tǒng)做出改變。已有的智能化系統(tǒng)中包括多渠道的付費(fèi)方式、無紙化的報(bào)銷憑證、信息多部門共享、業(yè)務(wù)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)的融合等功能[1]。這些都為醫(yī)院財(cái)務(wù)系統(tǒng)的信息化和智能化發(fā)展提供了實(shí)踐基礎(chǔ)。因此有必要了解人工智能輔助財(cái)務(wù)管理在不同內(nèi)容和方案解決中的績(jī)效影響情況，并且針對(duì)不足之處提出對(duì)策和解決方案，以期幫助醫(yī)院在人工智能輔助系統(tǒng)的管理中提高管理績(jī)效和應(yīng)用水平。

二、人工智能與醫(yī)院財(cái)務(wù)管理的應(yīng)用結(jié)合

（一）人工智能在會(huì)計(jì)行業(yè)的應(yīng)用與發(fā)展

盡管人工智能概念在1956年就被提出，但是在會(huì)計(jì)領(lǐng)域第一次被正式提及，是美國(guó)注冊(cè)師會(huì)協(xié)會(huì)在1987年所編纂的《人工智能和專家系統(tǒng)簡(jiǎn)介》中。從此，歐美開始著力研究如何將人工智能系統(tǒng)與財(cái)務(wù)會(huì)計(jì)相結(jié)合，幫助企業(yè)解決財(cái)務(wù)分析的實(shí)際問題，并且給予企業(yè)基于財(cái)務(wù)視角的經(jīng)營(yíng)策略與規(guī)劃發(fā)展決策[2]。4G時(shí)代，結(jié)合信息爆炸的紅利，人工智能真正得到有效的應(yīng)用與發(fā)展。2016年，德勤對(duì)外稱其將與科技公司K.S.進(jìn)行合作，這一合作將全面推動(dòng)人工智能在會(huì)計(jì)、審計(jì)、稅務(wù)等方面的發(fā)展。2017年德勤的人工智能機(jī)器人第一次與大眾見面，同年5月普華永道也推出了基于人工智能的財(cái)會(huì)管理解決方案，同時(shí)其功能相比德勤所涉及的方面更多；6月安永與畢馬威均發(fā)布了自己的人工智能系統(tǒng)。因此，可以認(rèn)為2017年人工智能已經(jīng)全面進(jìn)入到財(cái)會(huì)管理領(lǐng)域[3]。隨著“四大”人工智能解決方案的相繼發(fā)布，人工智能開始全面進(jìn)入企業(yè)組織財(cái)務(wù)管理。

（二）人工智能對(duì)醫(yī)院財(cái)務(wù)管理實(shí)效的影響

2016年以后人工智能已經(jīng)率先在銀行等金融系統(tǒng)進(jìn)行試點(diǎn)應(yīng)用，2018年開始逐漸進(jìn)入醫(yī)院系統(tǒng)。財(cái)會(huì)人工智能對(duì)比人工處理的實(shí)際效率約為40余倍，能夠縮短70%的結(jié)賬周期。由此可以看到，人工智能可以極大地提高機(jī)械化內(nèi)容的處理效率[4]，這樣可以大幅度節(jié)省醫(yī)院財(cái)務(wù)人員的工作精力，將工作精力投入到戰(zhàn)略制定、決斷分析等高維戰(zhàn)略發(fā)展的制定與執(zhí)行、財(cái)務(wù)預(yù)算的制定與申報(bào)，以及一些非機(jī)械工作的窗口對(duì)接工作等。人工智能可以有效促進(jìn)醫(yī)院財(cái)務(wù)管理的內(nèi)容則包括了以下六個(gè)方面：

1.信息一體化與財(cái)務(wù)數(shù)據(jù)統(tǒng)合管理

現(xiàn)代大型醫(yī)院的財(cái)務(wù)數(shù)據(jù)主要包括了醫(yī)院正常開支（如工資、醫(yī)院運(yùn)營(yíng)維持費(fèi)用等）、設(shè)備購(gòu)買維修及建設(shè)的費(fèi)用以及病患的醫(yī)療費(fèi)用收入與報(bào)銷三個(gè)部分，其中人員工資與醫(yī)院運(yùn)營(yíng)維持費(fèi)用與各科室的運(yùn)轉(zhuǎn)和人員工作業(yè)務(wù)相互關(guān)聯(lián)，病患的醫(yī)療情況與醫(yī)療費(fèi)用收入和報(bào)銷相互關(guān)聯(lián)[5]。因此人工智能可以有效將這兩部分的業(yè)務(wù)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)進(jìn)行統(tǒng)合管理，通過數(shù)據(jù)分析可以形成更多有價(jià)值的數(shù)據(jù)信息，同時(shí)也方便后續(xù)的財(cái)務(wù)審查和具體個(gè)人財(cái)務(wù)的核對(duì)工作的開展。

2.提升電子信息處理效率

以往的票據(jù)開具、報(bào)銷都需要通過人工在窗口進(jìn)行，無論是面對(duì)病患的票據(jù)處理還是對(duì)于醫(yī)務(wù)人員的費(fèi)用報(bào)銷都需要消耗財(cái)務(wù)人員的大量精力，而通過電子終端設(shè)備，報(bào)銷或者需要開具憑證的病患或工作人員，可以通過人工智能系統(tǒng)結(jié)合自助方式快速辦理。人工智能財(cái)務(wù)系統(tǒng)將會(huì)根據(jù)會(huì)計(jì)準(zhǔn)則，快速高效地進(jìn)行憑證開具等業(yè)務(wù)處理，同時(shí)也可以根據(jù)醫(yī)院工作人員的報(bào)銷電子憑證給予電子報(bào)銷，通過網(wǎng)上銀行自動(dòng)進(jìn)行支付，并且最終將這些賬務(wù)匯總到云賬簿上，有效加快病患報(bào)銷流程，提高醫(yī)院工作人員的相關(guān)報(bào)銷效率[6]。

3.實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的實(shí)時(shí)管理

以往的財(cái)務(wù)數(shù)據(jù)是相對(duì)靜態(tài)的，盡管賬務(wù)登記注銷都是伴隨業(yè)務(wù)而動(dòng)態(tài)發(fā)生的，但是在對(duì)數(shù)據(jù)進(jìn)行報(bào)表整理和分析的時(shí)候往往是靜態(tài)的，一般按照季度、年度對(duì)報(bào)表進(jìn)行匯總整理。人工智能的高速數(shù)據(jù)處理以及強(qiáng)大的數(shù)據(jù)報(bào)表匯總功能對(duì)醫(yī)院財(cái)務(wù)系統(tǒng)進(jìn)行輔助后，醫(yī)院管理可以有效結(jié)合動(dòng)態(tài)數(shù)據(jù)，實(shí)時(shí)對(duì)醫(yī)院的宏觀布局進(jìn)行調(diào)整，而不再根據(jù)具體的時(shí)間節(jié)點(diǎn)進(jìn)行調(diào)整，避免了因?yàn)榭陀^限制而錯(cuò)過發(fā)展機(jī)遇或無法避免損失的情況出現(xiàn)[7]。

4.有效提升財(cái)務(wù)分析和預(yù)測(cè)能力

以往的財(cái)務(wù)人員對(duì)醫(yī)院財(cái)務(wù)數(shù)據(jù)的分析相對(duì)有限，很難將數(shù)據(jù)之間的關(guān)系進(jìn)行聯(lián)動(dòng)分析，或者分析相對(duì)處于表層。而醫(yī)院在結(jié)合人工智能對(duì)財(cái)務(wù)系統(tǒng)進(jìn)行輔助以后，財(cái)務(wù)人員將可以結(jié)合電子憑證、數(shù)字信息一體化進(jìn)行財(cái)務(wù)運(yùn)營(yíng)數(shù)據(jù)的統(tǒng)合分析。同時(shí)橫向與其他醫(yī)院數(shù)據(jù)進(jìn)行對(duì)比，發(fā)現(xiàn)本醫(yī)院在發(fā)展過程中對(duì)于不同科室的投入產(chǎn)出是否有不足的情況，給予發(fā)展較慢但能夠給產(chǎn)出更多的科室以資源傾斜，從而幫助其發(fā)展，進(jìn)一步提高效益，并且根據(jù)大數(shù)據(jù)分析，有效對(duì)每一天的病患人數(shù)進(jìn)行分析，可以對(duì)未來不同時(shí)間序列的病患數(shù)量進(jìn)行預(yù)測(cè)，從而合理安排工作人員，保障醫(yī)療資源的高效利用[8]。

5.抵御外部環(huán)境的金融風(fēng)險(xiǎn)

基于大數(shù)據(jù)的信息分析支持，大型醫(yī)院的財(cái)務(wù)管理將能夠有效優(yōu)化資產(chǎn)結(jié)構(gòu)，對(duì)于貸款建設(shè)的相關(guān)業(yè)務(wù)及時(shí)還款，并結(jié)合自身的發(fā)展情況制定合理的貸償方案，保證醫(yī)院的資金流處于合理水平。

6.提高組織管理績(jī)效

由于人工智能輔助系統(tǒng)能夠高效穩(wěn)定地處理大量基礎(chǔ)財(cái)務(wù)業(yè)務(wù)，因此未來醫(yī)院對(duì)于財(cái)務(wù)系統(tǒng)的人員配置將減少，結(jié)合人工智能輔助財(cái)務(wù)系統(tǒng)優(yōu)化人員結(jié)構(gòu)，進(jìn)而高效地完成財(cái)務(wù)處理任務(wù)，有效提高財(cái)務(wù)部門的績(jī)效水平，達(dá)到組織優(yōu)化目的[4]。

三、人工智能輔助財(cái)務(wù)管理的實(shí)證分析

（一）研究方法

為有效研究人工智能輔助財(cái)務(wù)管理在不同層面以及不同方面的影響系數(shù)以及實(shí)際效用，結(jié)合以上的六點(diǎn)影響構(gòu)建了一套完整的評(píng)估指標(biāo)體系，見表1。

為有效研究不同指標(biāo)對(duì)于人工智能輔助醫(yī)院財(cái)務(wù)管理表征的準(zhǔn)確性，將結(jié)合問卷法和層次分析法進(jìn)行分析。首先將利用指標(biāo)，結(jié)合前人研究提供的可測(cè)量指標(biāo)項(xiàng)，對(duì)醫(yī)院財(cái)務(wù)人員進(jìn)行問卷調(diào)研，通過基礎(chǔ)信效度檢驗(yàn)證明變量之間具有統(tǒng)計(jì)學(xué)意義的關(guān)聯(lián)性和穩(wěn)定性。其次采用專家打分的方式對(duì)各部分指標(biāo)，針對(duì)不同方面構(gòu)建出具體的目標(biāo)層、準(zhǔn)則層和方案層，通過AHP計(jì)算出各指標(biāo)的權(quán)重，同時(shí)結(jié)合問卷得分計(jì)算出加權(quán)的人工智能輔助財(cái)務(wù)管理實(shí)效評(píng)分。

（二）研究樣本

研究首先對(duì)S省10家大型公立醫(yī)院的財(cái)務(wù)人員進(jìn)行問卷調(diào)研，其中5家為三甲醫(yī)院，5家為二甲醫(yī)院。每家醫(yī)院各20份，預(yù)計(jì)發(fā)放200份問卷。實(shí)際收回184份問卷，剔除無效作答的問卷后實(shí)際回收176份有效問卷。同時(shí)，針對(duì)領(lǐng)域內(nèi)專家進(jìn)行AHP指標(biāo)評(píng)價(jià)，通過邀約獲得20名專家的評(píng)定，采用郵件或傳真的方式進(jìn)行數(shù)據(jù)收集，最終獲得18名專家的回執(zhí)。

（三）研究過程

在問卷發(fā)放過程中采用整群抽樣方法結(jié)合方便取樣原則進(jìn)行抽樣，從S省的10家大型公立醫(yī)院中，按照財(cái)務(wù)部門人數(shù)最少的一家醫(yī)院作為取樣標(biāo)準(zhǔn)，每家醫(yī)院選擇20人進(jìn)行調(diào)研，本研究采用線上取樣，為保障問卷數(shù)據(jù)的合理有效，所有參與問卷作答的個(gè)體均被告知自愿性，問卷收集過程自2022年4月27日至2022年5月18日。

（四）研究結(jié)果

1.人口學(xué)分析

對(duì)問卷的人口信息進(jìn)行分析可以看到，醫(yī)院財(cái)務(wù)人員性別中，女性人數(shù)為120人，占比為68.18%，男性僅有56人，占比為31.82%；年齡分布中30歲以下的人數(shù)為57人，占比為32.39%，30—45歲人數(shù)為71人占比為40.34%，46歲及以上人數(shù)為48人，占比為27.27%；在學(xué)歷分布上大專及以下的人數(shù)為58人，占比為32.95%，本科群體為76人，占比為43.18%，碩士及以上人數(shù)為42人，占比為23.87%；工齡分布中，3年以內(nèi)的人數(shù)為30人，占比為17.05%，3—5年的人數(shù)為45人，占比為25.56%，6—10年的人數(shù)為46人，占比為26.14%，10年以上的人數(shù)為55人，占比為31.25%；在職級(jí)分布中，一般員工人數(shù)為118人，占比為67.0%，副科級(jí)人數(shù)為44人，占比為25.0%，正科級(jí)及以上人數(shù)為14人，占比為8.0%。

2.信度分析

信度檢驗(yàn)的目的是證明題目得到數(shù)據(jù)的真實(shí)性，即依靠測(cè)量問卷得到的值是否為真。通常而言信度的檢驗(yàn)方法有內(nèi)部一致性信度、分半信度、重測(cè)信度等。而最常采用的是內(nèi)部一致性信度，也稱為Cronbach'sα系數(shù)信度，該值表達(dá)了同一因子內(nèi)題目的關(guān)聯(lián)程度或者說是同質(zhì)程度，當(dāng)同一個(gè)因子內(nèi)題目的同質(zhì)性越高說明維度所測(cè)量出的心理特質(zhì)的得分水平越接近真值。通常這個(gè)標(biāo)準(zhǔn)的基礎(chǔ)水平為0.7，也就是說內(nèi)部一致性信度的水平為大于0.7則可以認(rèn)為維度可信，當(dāng)這個(gè)值大于0.9則證明維度的信度極好。同時(shí)研究還得到了校正的項(xiàng)總計(jì)相關(guān)，該值大于0.5則說明題目和維度的相關(guān)程度較高，若低于0.5則應(yīng)當(dāng)剔除，而項(xiàng)已刪除的Cronbach'sα系數(shù)如果大于維度的信度值，則說明刪除該項(xiàng)題目可有助于提高信度，那么題目應(yīng)當(dāng)被剔除以提高信度水平。

從表2的分析結(jié)果可以看到，信息一體化的信度結(jié)果為0.905，業(yè)務(wù)處理效率的信度為0.893，動(dòng)態(tài)管理的信度為0.915，數(shù)據(jù)分析與預(yù)測(cè)的信度為0.792，風(fēng)險(xiǎn)防范的信度為0.960，管理績(jī)效的信度為0.867，均大于0.7，說明各部分指標(biāo)的信度結(jié)果較好，且可以看到CITC（校正的項(xiàng)總體相關(guān)性）均大于0.5，項(xiàng)已刪除的信度也均小于6個(gè)維度的信度水平。

3.效度分析

效度分析的目的在于明確變量的測(cè)量結(jié)構(gòu)是否穩(wěn)定，設(shè)定屬于同一內(nèi)涵下的題目是否能夠通過數(shù)據(jù)分析有效地被劃歸為同一因子。通常采用主成分分析法進(jìn)行檢驗(yàn)，主成分分析的方法大致分為兩種，一種是斜交檢驗(yàn)，一種是正交檢驗(yàn)，本研究采用正交檢驗(yàn)法進(jìn)行分析，設(shè)定模型檢驗(yàn)方法為最大方差法。通過主成分分析法可以得到KMO及巴特利檢驗(yàn)，通過KMO值是否大于0.7證明整體變量是否相關(guān)關(guān)系明顯大于偏相關(guān)關(guān)系，如果得到的結(jié)果大于0.7則證明參與分析的指標(biāo)或題目之間的相關(guān)性明顯較高，說明問卷適合進(jìn)行后續(xù)的因子分析，同時(shí)巴特利檢驗(yàn)結(jié)果顯著以證明變量題目有可能被抽取出因子，體現(xiàn)出關(guān)系緊密的因子狀態(tài)。

對(duì)本次設(shè)定題項(xiàng)進(jìn)行主成分分析后首先得到的是KMO和巴特利球形檢驗(yàn)結(jié)果，其中取樣足夠度的Kaiser-Meyer-Olkin度量值為0.829，該值已經(jīng)明顯大于0.7，即可以證明檢驗(yàn)中的題目之間存在較強(qiáng)的相關(guān)關(guān)系，其相關(guān)性水平明顯大于偏相關(guān)水平，因此題目適合進(jìn)行因子抽取。同時(shí)可以看到通過巴特利檢驗(yàn)求得近似卡方值為2 347.930，通過題目數(shù)求得自由度df=210，得到巴特利檢驗(yàn)顯著性p＜0.001，說明問卷適合進(jìn)行后續(xù)因子分析。

根據(jù)解釋的總方差可以得到，通過最大方差法進(jìn)行檢驗(yàn)，對(duì)21個(gè)題目采用正交旋轉(zhuǎn)后求得特征值大于1的成分包括了6個(gè)，這6個(gè)成分通過旋轉(zhuǎn)后得到旋轉(zhuǎn)后的方差解釋率以及累積解釋率可以看到：6個(gè)因子的累積解釋率為79.431%，該值代表了整體21個(gè)題目能夠被6個(gè)成分有效抽取的信息量占比情況。該值大于60%證明題目能夠在較高水平被維度抽取。

同時(shí)以主成分為提取方法，以具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法為旋轉(zhuǎn)法，可以得到旋轉(zhuǎn)在6次迭代后收斂的旋轉(zhuǎn)成分矩陣。通過主成分分析得到整體研究問卷中21個(gè)題目可以被抽取出獨(dú)立的6個(gè)因子后，可以得到題目均按照預(yù)期歸屬進(jìn)行分類，所以題目的因子載荷均大于0.5，且不存在跨因子載荷的情況，因此題目具備較好的結(jié)構(gòu)效度。

4.AHP分析

通過信效度已經(jīng)對(duì)指標(biāo)進(jìn)行了基礎(chǔ)的質(zhì)量檢驗(yàn)，隨后采用層次分析法來確定不同指標(biāo)實(shí)際反映人工智能輔助財(cái)務(wù)系統(tǒng)績(jī)效的權(quán)重水平。層次分析法是將與研究目的有關(guān)的要素，按照目標(biāo)層、準(zhǔn)則層和方案層進(jìn)行分解，根據(jù)專家對(duì)于同級(jí)指標(biāo)之間的對(duì)比關(guān)系進(jìn)行打分，按照1■3■5■7■9等比例判斷指標(biāo)之間的重要程度，進(jìn)行量化計(jì)算，從而確定不同指標(biāo)的權(quán)重水平，在計(jì)算完后，需要對(duì)各層數(shù)據(jù)進(jìn)行一致性檢驗(yàn)，當(dāng)一致性檢驗(yàn)小于標(biāo)準(zhǔn)水平時(shí)，可以認(rèn)為這一結(jié)果適用于普遍研究中。其中人工智能輔助醫(yī)院財(cái)務(wù)管理實(shí)效為目標(biāo)層，信息一體化等6個(gè)維度為準(zhǔn)則層，21個(gè)指標(biāo)為方案層。

AHP權(quán)重計(jì)算方式如下：

根據(jù)專家打分構(gòu)建矩陣R（R=Cij），i，j=1，…，n，根據(jù)對(duì)應(yīng)賦值情況計(jì)算出指標(biāo)在矩陣中的特征向量Wi，見式1：

其中，Wi是指標(biāo)通過判斷矩陣計(jì)算出的特征向量，n為矩陣R的階，即一個(gè)矩陣中所包含的指標(biāo)數(shù)，Cij為實(shí)際的構(gòu)造矩陣，隨后進(jìn)行一致性檢驗(yàn)，見式2：

根據(jù)特征向量Wi和以及所計(jì)算出的權(quán)重W，計(jì)算最大特征值λmax，見式3：

進(jìn)一步計(jì)算判斷矩陣的一致性，結(jié)果見式4：

通過一致性檢驗(yàn)得到CR值，若CR值小于0.1則說明根據(jù)專家進(jìn)行的對(duì)比判斷結(jié)果保持了一致性原則，否則需要對(duì)原有的判斷結(jié)果進(jìn)行適當(dāng)?shù)男拚?/p>

通過對(duì)18名專家的打分進(jìn)行計(jì)算后得到基于AHP的指標(biāo)權(quán)重和一致性檢驗(yàn)結(jié)果（如表3）。

從表3可以看到，在準(zhǔn)則層結(jié)果中，管理績(jī)效提升的權(quán)重水平最高，為0.312，其次是業(yè)務(wù)處理效率的（權(quán)重為0.229），排在第三的是風(fēng)險(xiǎn)防范（權(quán)重為0.175），之后分別是動(dòng)態(tài)管理、數(shù)據(jù)分析與預(yù)測(cè)、信息一體化。將準(zhǔn)則層權(quán)重與方案層指標(biāo)權(quán)重相乘，隨后與實(shí)際得到的得分進(jìn)行相乘可以得到具體的加權(quán)得分。

5.加權(quán)得分計(jì)算

其中復(fù)合權(quán)重為準(zhǔn)則層權(quán)重與方案層權(quán)重的乘積，準(zhǔn)則層加權(quán)得分為準(zhǔn)則層權(quán)重與準(zhǔn)則層得分的乘積，方案層加權(quán)得分為復(fù)合權(quán)重與方案層指標(biāo)的實(shí)際得分乘積。從具體結(jié)果（表4）可以看到，準(zhǔn)則層的加權(quán)得分由高到低依次為管理績(jī)效、業(yè)務(wù)處理效率、風(fēng)險(xiǎn)防范、動(dòng)態(tài)管理、數(shù)據(jù)分析與預(yù)測(cè)、信息一體化。在方案層加權(quán)得分中可以看到，其中得分由高到低依次為績(jī)效提升（F1）、管理績(jī)效提升（F2）、員工薪資報(bào)銷處理效率（B3）、超支項(xiàng)目提示（E2）、醫(yī)藥器械管理效率（B2）。由此可以看到醫(yī)院財(cái)務(wù)人員對(duì)于人工智能輔助財(cái)務(wù)系統(tǒng)的應(yīng)用感知最為明顯的是以上五條內(nèi)容，而感知得分較低的則分別是其他信息一體化（A4）、異常數(shù)據(jù)警示（C2）、特殊事件管理等內(nèi)容（C3）。

四、結(jié)論及提升策略

（一）結(jié)論

根據(jù)加權(quán)得分結(jié)果（見表4）可以看到，在準(zhǔn)則層上得分最高的為管理績(jī)效，而信息一體化得分最低。事實(shí)上，這一階段所能夠應(yīng)用到財(cái)務(wù)會(huì)計(jì)領(lǐng)域的人工智能，也只能根據(jù)數(shù)據(jù)進(jìn)行基礎(chǔ)的任務(wù)。其主要的功能仍需要技術(shù)人員預(yù)先設(shè)定好，所以人工智能最容易解決的是機(jī)械性的工作。由于引入了人工智能輔助財(cái)務(wù)系統(tǒng)后，可以大量節(jié)省基礎(chǔ)員工的工作時(shí)間，從而極大程度地提高單位員工的產(chǎn)出，同時(shí)由于大量基礎(chǔ)業(yè)務(wù)的自動(dòng)處理，避免了人工在核對(duì)、清算等環(huán)節(jié)的錯(cuò)誤，因此也可以大幅度提高管理的實(shí)際績(jī)效水平。相對(duì)而言在管理績(jī)效中，資金使用效率并未被財(cái)務(wù)人員較好地感知到，可能是因?yàn)樵陂L(zhǎng)久的清算與銀行轉(zhuǎn)賬業(yè)務(wù)對(duì)接過程中，大部分的時(shí)間安排并未因人工智能的參與而改變，不少的工作仍需要人員與銀行進(jìn)行對(duì)接，由此盡管工作效率提升了，但是資金可能因?yàn)楸婚e置在醫(yī)院賬戶而無法快速流動(dòng)。

排在第二位的是業(yè)務(wù)處理效率。人工智能在醫(yī)院的掛號(hào)、票據(jù)繳費(fèi)、電子發(fā)票存留等業(yè)務(wù)上已經(jīng)較為完善了，同時(shí)醫(yī)藥器械管理和員工薪資報(bào)銷處理也屬于人工智能最早完善的領(lǐng)域，因此這部分得分較高，而對(duì)公業(yè)務(wù)數(shù)額大，為了避免不可控且不可逆的操作發(fā)生，這一部分的工作大部分仍然由人工進(jìn)行完成，從現(xiàn)實(shí)情況可以看到，并不是因?yàn)閷?duì)公系統(tǒng)無法完成任務(wù)，而更多是出于合理化管理的考慮這部分業(yè)務(wù)仍然由人工進(jìn)行。

排在第三位的是風(fēng)險(xiǎn)防范，超支項(xiàng)目提示對(duì)于以往的財(cái)務(wù)體系是一個(gè)巨大的革新。在大部分業(yè)務(wù)開支實(shí)行預(yù)算制以后，科研經(jīng)費(fèi)、基礎(chǔ)建設(shè)、人員外出報(bào)銷等費(fèi)用都有了明確的預(yù)算額度，按年、按月進(jìn)行劃分。相比較前兩個(gè)因素，人工智能在應(yīng)對(duì)風(fēng)險(xiǎn)防范的作用方面被財(cái)務(wù)人員的感知效果就稍顯遜色。主要的原因可能是因?yàn)榇笮歪t(yī)院的現(xiàn)金流比較充沛，同時(shí)貨物和器材在未發(fā)生較大社會(huì)風(fēng)險(xiǎn)的前提下都有足夠的儲(chǔ)備，因此盡管這些指標(biāo)被專家認(rèn)為相對(duì)重要，但實(shí)際的加權(quán)結(jié)果也僅為0.543。盡管大型醫(yī)院的儲(chǔ)備可能充足，但這一功能對(duì)醫(yī)院財(cái)務(wù)部門的工作思想起到了轉(zhuǎn)變作用，以往大型醫(yī)院的財(cái)務(wù)對(duì)于風(fēng)險(xiǎn)的防范意識(shí)較為薄弱，在結(jié)合了人工智能的輔助后，財(cái)會(huì)系統(tǒng)將更加合理地保障醫(yī)院的正常運(yùn)作，避免因?yàn)轫?xiàng)目超支、現(xiàn)金流緊張等問題而迫使動(dòng)用其他資金渠道緩解醫(yī)院經(jīng)營(yíng)壓力。

數(shù)據(jù)分析與預(yù)測(cè)以及動(dòng)態(tài)管理的加權(quán)得分分別為0.327和0.389，處于中下水平，首先是醫(yī)院管理層對(duì)于動(dòng)態(tài)數(shù)據(jù)的需求并不高，除了例行的關(guān)于財(cái)務(wù)營(yíng)收的匯報(bào)工作外，醫(yī)院高層管理并不會(huì)關(guān)注實(shí)時(shí)的財(cái)務(wù)情況，因此即便人工智能已經(jīng)具備隨時(shí)便捷地展現(xiàn)實(shí)時(shí)財(cái)務(wù)數(shù)據(jù)的功能，但對(duì)于財(cái)務(wù)部門需求較低；其次是數(shù)據(jù)分析與預(yù)測(cè)，行業(yè)銷量預(yù)測(cè)對(duì)于服務(wù)商而言是非常重要的數(shù)據(jù)功能，能夠幫助企業(yè)或組織根據(jù)預(yù)計(jì)的銷量或訪客人數(shù)進(jìn)行業(yè)務(wù)人員的安排，但醫(yī)院的醫(yī)生具有特殊性，首先不少病患與醫(yī)生之間存在預(yù)約行為，即某一日的門診可能是之前三到五天安排好的，因此即便有預(yù)測(cè)功能也很難因?yàn)槿藬?shù)較少而縮減當(dāng)日的上班醫(yī)生數(shù)量，其次不少醫(yī)生在學(xué)?；蛘畽C(jī)構(gòu)兼有其他職務(wù)，能夠參與醫(yī)院治療的工作時(shí)間有限，這一部分醫(yī)生的上班時(shí)間也是被提前安排好的，很難調(diào)整，所以可以看到，醫(yī)院在動(dòng)態(tài)數(shù)據(jù)的管理上需求較低，而在數(shù)據(jù)分析與預(yù)測(cè)的功能上具有客觀的制約因素。

得分最低準(zhǔn)則層指標(biāo)是信息一體化。由于財(cái)務(wù)系統(tǒng)人員的知識(shí)結(jié)構(gòu)較為單一，大型醫(yī)院可能有財(cái)務(wù)人員年齡結(jié)構(gòu)老化等情況的存在，數(shù)據(jù)信息的一體化展現(xiàn)對(duì)于他們而言重要程度較低，同時(shí)即便存在人工智能輔助，不少醫(yī)院仍然在使用紙質(zhì)憑證進(jìn)行報(bào)銷，同時(shí)不少醫(yī)院出現(xiàn)了將電子報(bào)銷憑證進(jìn)行打印使用的情況，因此可以發(fā)現(xiàn)信息一體化對(duì)于醫(yī)院而言作用較小，傳統(tǒng)的財(cái)務(wù)會(huì)計(jì)工作仍然喜歡將工作內(nèi)容進(jìn)行分割，以單一的視角對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行分析，而較少對(duì)數(shù)據(jù)進(jìn)行統(tǒng)合分析，同時(shí)由于數(shù)據(jù)的屬性較多，數(shù)據(jù)量較大，現(xiàn)有的財(cái)務(wù)人員的知識(shí)儲(chǔ)備也難以具備對(duì)一體化數(shù)據(jù)進(jìn)行分析的能力。

（二）提升策略

1.持續(xù)優(yōu)化管理績(jī)效

隨著人工智能對(duì)醫(yī)院財(cái)務(wù)系統(tǒng)的輔助，財(cái)務(wù)人員原本的編制將變得充裕，因此有必要對(duì)多余的人員進(jìn)行崗位調(diào)動(dòng)，一方面可以有效淘汰知識(shí)結(jié)構(gòu)陳舊的員工，另一方面可以給其他科室以人員補(bǔ)充，從而提高財(cái)務(wù)部門的工作績(jī)效以及醫(yī)院整體的工作績(jī)效?，F(xiàn)代化的人工智能輔助財(cái)務(wù)，將會(huì)有效改進(jìn)財(cái)務(wù)系統(tǒng)的數(shù)據(jù)處理以及分析，這些原本是由人來完成的工作被計(jì)算機(jī)代替后，人的工作重點(diǎn)將集中在工作問題的解決以及宏觀發(fā)展戰(zhàn)略的制定。醫(yī)院對(duì)于財(cái)務(wù)數(shù)據(jù)的利用與其他行業(yè)相比較為落后，因此有必要持續(xù)地對(duì)管理方式進(jìn)行改進(jìn)，進(jìn)而幫助財(cái)務(wù)以及其他部門優(yōu)化管理績(jī)效[9]。

2.保障基礎(chǔ)業(yè)務(wù)的辦理效率，同時(shí)提高非基礎(chǔ)業(yè)務(wù)的人工智能處理覆蓋率

傳統(tǒng)的基礎(chǔ)業(yè)務(wù)是當(dāng)下人工智能處理較為成熟的業(yè)務(wù)范疇，主要包括醫(yī)藥器械管理業(yè)務(wù)和員工薪資報(bào)銷業(yè)務(wù)等，這部分業(yè)務(wù)的內(nèi)容相對(duì)固定。面對(duì)病患業(yè)務(wù)雖然具有較強(qiáng)的同質(zhì)性[10]，但是由于其業(yè)務(wù)處理的復(fù)雜性，現(xiàn)在還在以人工進(jìn)行處理，因此有必要通過不斷升級(jí)人工智能對(duì)于異質(zhì)性情景的處理能力，從而加快病患業(yè)務(wù)的處理。同時(shí)在對(duì)公業(yè)務(wù)中，盡管業(yè)務(wù)的難度不大，但是潛在風(fēng)險(xiǎn)所造成的損失可能巨大，因此這部分業(yè)務(wù)仍然處于人工處理階段，后續(xù)有必要通過計(jì)算機(jī)做預(yù)處理，隨后由人工進(jìn)行快速審批復(fù)核的流程，形成計(jì)算機(jī)與人合作的工作方式，進(jìn)一步提高人工智能在財(cái)務(wù)管理系統(tǒng)的覆蓋率。

3.提高風(fēng)險(xiǎn)防范意識(shí)，準(zhǔn)備完善預(yù)案

傳統(tǒng)大型醫(yī)院由于長(zhǎng)期具備較為充沛的資金流，因此缺乏對(duì)資金風(fēng)險(xiǎn)的應(yīng)對(duì)方案和預(yù)案設(shè)置，隨著疫情的持續(xù)，醫(yī)院的非個(gè)人業(yè)務(wù)規(guī)模占比增加，有可能會(huì)出現(xiàn)資金流緊張的情況，因此醫(yī)院財(cái)務(wù)系統(tǒng)有必要做出合理的應(yīng)對(duì)方案。如果出現(xiàn)資金流短缺，那么隨之而來的可能是藥品出現(xiàn)低庫(kù)存的情況，從而影響醫(yī)院的正常社會(huì)職能。為了應(yīng)對(duì)這些可能存在的風(fēng)險(xiǎn)，醫(yī)院的財(cái)務(wù)人員有必要對(duì)這些功能進(jìn)行學(xué)習(xí)，同時(shí)對(duì)系統(tǒng)設(shè)置合理的預(yù)警條件。

4.優(yōu)化醫(yī)院財(cái)務(wù)人員結(jié)構(gòu)

隨著人工智能進(jìn)入醫(yī)院財(cái)務(wù)系統(tǒng)，已有的人員結(jié)構(gòu)難以有效地與現(xiàn)在運(yùn)行的財(cái)務(wù)系統(tǒng)相匹配。從人口結(jié)構(gòu)可以看到大專及以下的人員比例大于碩士及以上的群體，說明人員的學(xué)歷層次較低，同時(shí)有接近30%的樣本年齡已經(jīng)大于45歲，較難適應(yīng)人工智能輔助的財(cái)務(wù)系統(tǒng)，因此醫(yī)院應(yīng)當(dāng)結(jié)合自身財(cái)務(wù)發(fā)展，引入更多年輕的高學(xué)歷人才（包括統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)等相關(guān)人才），從而使人工智能輔助系統(tǒng)在實(shí)際應(yīng)用中發(fā)揮更大的作用[11]。

5.提高主觀能動(dòng)性

傳統(tǒng)的財(cái)務(wù)業(yè)務(wù)辦理工作量相對(duì)巨大，但工作流程簡(jiǎn)單也容易學(xué)習(xí)，而人工智能輔助的財(cái)務(wù)系統(tǒng)雖然效率高，但是因?yàn)樾枰獙W(xué)習(xí)新知識(shí)，從而更加容易被財(cái)務(wù)人員排斥。然而人工智能輔助財(cái)務(wù)系統(tǒng)是大勢(shì)所趨，醫(yī)院高層領(lǐng)導(dǎo)以及中層領(lǐng)導(dǎo)應(yīng)當(dāng)形成共識(shí)，大力推進(jìn)人工智能在生產(chǎn)管理、財(cái)務(wù)管理以及人力管理等方面的應(yīng)用。同時(shí)提高相關(guān)從業(yè)人員的主觀能動(dòng)性去學(xué)習(xí)相應(yīng)的知識(shí)，以幫助醫(yī)院更好地應(yīng)用人工智能系統(tǒng)，對(duì)財(cái)務(wù)工作起到推動(dòng)作用。

【參考文獻(xiàn)】

［1］ 國(guó)家發(fā)改委，等.“十四五”優(yōu)質(zhì)高效醫(yī)療衛(wèi)生服務(wù)體系建設(shè)實(shí)施方案［A］.發(fā)改社會(huì)〔2021〕893號(hào)，2021.

［2］ 鄺鵬蝶，劉晶，朱詠梅.基于信息化平臺(tái)的醫(yī)院科研經(jīng)費(fèi)管理新模式探討［J］.中華醫(yī)學(xué)科研管理雜志，2022，35（2）：147-151.

［3］ 吳強(qiáng)，羅曉霞，李恒，等.構(gòu)建醫(yī)院財(cái)務(wù)管理信息化建設(shè)路徑探索［J］.中國(guó)衛(wèi)生經(jīng)濟(jì)，2021，40（5）：80-83.

［4］ AJAM S O，GHASEMIZAD A，GHOLTASH A.Staff perspective and hospital finance experts on how to manage the costs of the hospital：a qualitative study［J］.Tabriz University of Medical Sciences，2020，11（2）：159-171.

［5］ JOHNSON B G，F(xiàn) PHILLIPS，CHASE L G.An intelligent tutoring system for the accounting cycle：enhancing textbook homework with artificial intelligence［J］.Journal of Accounting Education，2009，27（1）：30-39.

［6］ CHI D J，SHEN Z D.Using hybrid artificial intelligence and machine learning technologies for sustainability in going-concern prediction［J］.Sustainability，2022，14（3）：1-18.

［7］ 劉波，郭靖，張曉瑋，等.人工智能時(shí)代下公立醫(yī)院財(cái)務(wù)綜合服務(wù)平臺(tái)的構(gòu)建與創(chuàng)新［J］.財(cái)政監(jiān)督，2019（17）：93-98.

［8］ 吳卉.財(cái)務(wù)智能化背景下醫(yī)院會(huì)計(jì)信息化建設(shè)問題分析［J］.財(cái)經(jīng)界，2020（6）：153-154.

［9］ 艾學(xué)瑛.基于人工智能技術(shù)的醫(yī)用財(cái)務(wù)自動(dòng)管理系統(tǒng)［J］.信息技術(shù)，2019，43（11）：173-176.

［10］ 武婷婷，陳蕾，方佳偉，等.人工智能技術(shù)在醫(yī)院患者服務(wù)場(chǎng)景中的應(yīng)用［J］.中國(guó)數(shù)字醫(yī)學(xué)，2018，13（12）：17-19.

［11］ 葉然，羅治民，田志偉，等.卓越績(jī)效模式下醫(yī)院財(cái)務(wù)管理體系構(gòu)建［J］.中國(guó)醫(yī)院，2018，22（6）：11-13.