【摘 要】 在數(shù)字化浪潮中，人工智能正引領(lǐng)會(huì)計(jì)行業(yè)的變革，如何將傳統(tǒng)會(huì)計(jì)信息系統(tǒng)（AIS）與ChatGPT等自然語(yǔ)言模型相結(jié)合，構(gòu)建創(chuàng)新的智能會(huì)計(jì)系統(tǒng)，成為研究重點(diǎn)。文章基于文獻(xiàn)回顧，借鑒大語(yǔ)言模型技術(shù)特性、TCP/IP通信協(xié)議架構(gòu)及專(zhuān)家決策系統(tǒng)，提出智能會(huì)計(jì)系統(tǒng)理論模型。該模型結(jié)構(gòu)包括三層：財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)采集與鏈路層、財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)存儲(chǔ)與優(yōu)化層、財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)決策應(yīng)用層。此設(shè)計(jì)旨在提供清晰、可行的智能會(huì)計(jì)系統(tǒng)開(kāi)發(fā)技術(shù)路徑。同時(shí)以經(jīng)營(yíng)大數(shù)據(jù)分析、財(cái)務(wù)報(bào)表分析和管理駕駛艙三種應(yīng)用場(chǎng)景驗(yàn)證該技術(shù)路線的實(shí)用性，展現(xiàn)智能會(huì)計(jì)系統(tǒng)助力會(huì)計(jì)師專(zhuān)注高價(jià)值工作的潛力。文章在理論上具有一定的創(chuàng)新性，實(shí)踐中具有較大現(xiàn)實(shí)意義，預(yù)示了會(huì)計(jì)行業(yè)未來(lái)的發(fā)展方向。

【關(guān)鍵詞】 ChatGPT； 智能會(huì)計(jì)； RPA； 高級(jí)數(shù)據(jù)分析器； 插件

【中圖分類(lèi)號(hào)】 F232 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2024）18-0080-07

一、引言

人工智能（AI）的迅猛發(fā)展正在深刻影響著各個(gè)行業(yè)，會(huì)計(jì)領(lǐng)域也不例外。Vasarhelyi等[ 1 ]探討了人工智能與會(huì)計(jì)的結(jié)合，強(qiáng)調(diào)人工智能將對(duì)會(huì)計(jì)實(shí)踐方式產(chǎn)生改變。其他學(xué)者也從不同角度對(duì)這一主題進(jìn)行了深入研究，有的關(guān)注人工智能如何提升審計(jì)質(zhì)量[ 2 ]，有的探索了智能會(huì)計(jì)信息處理方法[ 3 ]，還有的利用人工智能技術(shù)預(yù)測(cè)公司財(cái)務(wù)狀況的前景[ 4 ]。這些研究進(jìn)展清楚地表明，人工智能與會(huì)計(jì)業(yè)務(wù)的融合正在成為一個(gè)深入和持續(xù)發(fā)展的過(guò)程，這一過(guò)程凸顯了人工智能在會(huì)計(jì)實(shí)踐中的重要應(yīng)用。然而，許多研究探討了人工智能如何改變會(huì)計(jì)行業(yè)，但深入探討其在會(huì)計(jì)業(yè)務(wù)實(shí)踐中的具體應(yīng)用方面仍存在局限。本研究旨在將ChatGPT融入會(huì)計(jì)信息系統(tǒng)，構(gòu)建全新的智能會(huì)計(jì)系統(tǒng)，并探討人機(jī)交互的實(shí)際應(yīng)用場(chǎng)景，這一選題對(duì)會(huì)計(jì)行業(yè)具有重要的理論和實(shí)踐意義。

從會(huì)計(jì)理論角度看，本研究填補(bǔ)了現(xiàn)有研究的空白。雖然已有大量研究探討了人工智能在會(huì)計(jì)領(lǐng)域的應(yīng)用，但就基于ChatGPT與會(huì)計(jì)系統(tǒng)實(shí)際深度融合的人機(jī)協(xié)作模型而言，現(xiàn)有研究仍然相對(duì)不足。本研究旨在深入挖掘ChatGPT技術(shù)在會(huì)計(jì)信息系統(tǒng)中的潛在應(yīng)用，探討其在智能化數(shù)據(jù)處理、異常檢測(cè)、財(cái)務(wù)或業(yè)務(wù)操作數(shù)據(jù)分析等方面的作用，為會(huì)計(jì)信息系統(tǒng)領(lǐng)域的理論研究提供新的視角和思路。

從會(huì)計(jì)實(shí)務(wù)角度看，本研究具有重要的現(xiàn)實(shí)意義。隨著會(huì)計(jì)業(yè)務(wù)的日益復(fù)雜化和信息化水平的提升，傳統(tǒng)的會(huì)計(jì)信息處理方式已顯滯后，基于ChatGPT的人機(jī)協(xié)作機(jī)制可以在保障數(shù)據(jù)準(zhǔn)確性的前提下，提升信息處理速度，并且能夠智能地適應(yīng)各類(lèi)會(huì)計(jì)業(yè)務(wù)的變化。這對(duì)提高會(huì)計(jì)信息系統(tǒng)的工作效率、降低錯(cuò)誤率以及實(shí)現(xiàn)數(shù)據(jù)管理的智能化具有重要意義。此外，本研究的實(shí)際應(yīng)用將為會(huì)計(jì)從業(yè)人員提供參考，引導(dǎo)他們更好地理解和應(yīng)用人工智能技術(shù)，以適應(yīng)行業(yè)發(fā)展的變革。

綜上所述，本文基于OpenAI的ChatGPT及其插件和RPA技術(shù)，深入研究人工智能與會(huì)計(jì)信息系統(tǒng)的人機(jī)協(xié)同機(jī)制，并提供具體的應(yīng)用場(chǎng)景，有望為會(huì)計(jì)信息系統(tǒng)智能化轉(zhuǎn)型提供創(chuàng)新性思路和方法。

二、文獻(xiàn)綜述

AI技術(shù)的思想基礎(chǔ)始于20世紀(jì)40年代，經(jīng)歷了各種發(fā)展階段，包括60年代的反思發(fā)展期，80年代的應(yīng)用發(fā)展期，90年代至2010年的平穩(wěn)發(fā)展期，以及2011年至今的快速發(fā)展期[ 5 ]。然而，AI在會(huì)計(jì)和財(cái)務(wù)領(lǐng)域的應(yīng)用起步相對(duì)較晚，大概在2010年前后，AI和機(jī)器學(xué)習(xí)才開(kāi)始被用于財(cái)務(wù)數(shù)據(jù)分析、欺詐檢測(cè)和風(fēng)險(xiǎn)預(yù)測(cè)[ 6-8 ]。自2023年OpenAI公司發(fā)布了GPT-4以來(lái)，基于自然語(yǔ)言處理的生成式AI技術(shù)在各行業(yè)的應(yīng)用呈現(xiàn)爆炸性增長(zhǎng)。

段大為等[ 9 ]提出了“AI+IT”相結(jié)合的思想，并通過(guò)科大訊飛研發(fā)了報(bào)賬機(jī)器人和會(huì)計(jì)機(jī)器人等，從而加速了RPA在會(huì)計(jì)中應(yīng)用的步伐。隨著技術(shù)的進(jìn)步，AI在會(huì)計(jì)行業(yè)的應(yīng)用場(chǎng)景變得越來(lái)越廣泛，包括且不限于審計(jì)、財(cái)務(wù)報(bào)告、稅務(wù)規(guī)劃和風(fēng)險(xiǎn)管理。

近10年的研究顯示，AI在會(huì)計(jì)中的應(yīng)用可以提高效率、減少錯(cuò)誤、增加透明度，并有可能改變傳統(tǒng)的會(huì)計(jì)工作方式[ 10 ]。AI在會(huì)計(jì)中的應(yīng)用不僅可以提高效率和透明度，而且可能改變審計(jì)流程、提高審計(jì)效率，甚至可能幫助審計(jì)員發(fā)現(xiàn)潛在的欺詐行為[ 11 ]。然而，盡管AI在會(huì)計(jì)中的應(yīng)用帶來(lái)了許多好處，但也存在一些挑戰(zhàn)。例如，技術(shù)更新的速度可能超過(guò)業(yè)務(wù)實(shí)踐的適應(yīng)速度，以及需要對(duì)數(shù)據(jù)質(zhì)量進(jìn)行持續(xù)管理以確保其準(zhǔn)確性[ 12 ]。

這種深度融合的趨勢(shì)并非僅限于AI和會(huì)計(jì)，它反映了更廣泛的現(xiàn)象，即數(shù)字化和自動(dòng)化正在改變著全球經(jīng)濟(jì)和社會(huì)的運(yùn)行方式。在這一大背景下，AI在會(huì)計(jì)中的應(yīng)用雖然只是其中的一部分，但卻是這一變化的重要體現(xiàn)。盡管現(xiàn)有的研究為理解AI如何改變會(huì)計(jì)行業(yè)提供了有價(jià)值的見(jiàn)解，但對(duì)如何將ChatGPT融入會(huì)計(jì)信息系統(tǒng)的模型研究卻鮮有出現(xiàn)。當(dāng)前的研究主要側(cè)重于理論探討，對(duì)實(shí)際操作和應(yīng)用的研究相對(duì)較少。因此，本文考慮易于計(jì)算機(jī)程序的實(shí)現(xiàn)，參考TCP/IP計(jì)算機(jī)網(wǎng)絡(luò)通信架構(gòu)對(duì)智能會(huì)計(jì)系統(tǒng)進(jìn)行層次化處理，明確各層的功能和作用，同時(shí)借鑒專(zhuān)家決策系統(tǒng)的通用原理模型（知識(shí)庫(kù)、規(guī)則庫(kù)和多維數(shù)據(jù)庫(kù)等），并結(jié)合LLM大語(yǔ)言模型技術(shù)特點(diǎn)構(gòu)建一套創(chuàng)新的智能會(huì)計(jì)系統(tǒng)理論模型。

三、智能會(huì)計(jì)系統(tǒng)理論模型的設(shè)計(jì)

信息系統(tǒng)的基本原型主要由數(shù)據(jù)輸入、數(shù)據(jù)處理、數(shù)據(jù)輸出和數(shù)據(jù)反饋四個(gè)關(guān)鍵環(huán)節(jié)構(gòu)成。會(huì)計(jì)信息系統(tǒng)也遵循這一模式，只是其主要關(guān)注的是貨幣計(jì)量的數(shù)據(jù)。學(xué)界普遍接受的觀點(diǎn)是設(shè)計(jì)、開(kāi)發(fā)和實(shí)施信息系統(tǒng)需要融合技術(shù)方法（如計(jì)算機(jī)科學(xué)、運(yùn)籌學(xué)和管理科學(xué)）與行為方法[ 13 ]。李瑞雪等[ 14 ]給出了智能會(huì)計(jì)系統(tǒng)框架及邏輯關(guān)系，并將此框架描述為智能會(huì)計(jì)核算系統(tǒng)、外部數(shù)據(jù)采集系統(tǒng)、智能財(cái)務(wù)共享中心等六個(gè)組件，具有一定的理論意義，但技術(shù)實(shí)現(xiàn)的難度相當(dāng)大。本研究借鑒TCP/IP通信協(xié)議的設(shè)計(jì)思想，將智能會(huì)計(jì)系統(tǒng)分解為三層，即財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)采集與鏈路層、財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)存儲(chǔ)與優(yōu)化層和財(cái)務(wù)/經(jīng)營(yíng)決策應(yīng)用層，每層之間的數(shù)據(jù)/控制指令呈雙向流動(dòng)形態(tài)，如圖1所示。

（一）財(cái)務(wù)／經(jīng)營(yíng)數(shù)據(jù)采集與鏈路層

該層主要作用：一是從ERP等企業(yè)內(nèi)部其他系統(tǒng)采集數(shù)據(jù)，或從系統(tǒng)外部爬取互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)、競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)據(jù)、政府與稅務(wù)機(jī)構(gòu)數(shù)據(jù)、金融機(jī)構(gòu)數(shù)據(jù)和客戶(hù)交易數(shù)據(jù)（包含供應(yīng)商、合作伙伴、分銷(xiāo)商或終端客戶(hù)）；二是將智能會(huì)計(jì)系統(tǒng)的財(cái)務(wù)/經(jīng)營(yíng)風(fēng)險(xiǎn)控制指令發(fā)送至ERP等公司內(nèi)部相關(guān)系統(tǒng)，或?qū)⒖蛻?hù)交易指令發(fā)送至外部會(huì)計(jì)信息需求相關(guān)者；三是該層的數(shù)據(jù)采集方式有多種類(lèi)型，支持人工輸入、RPA機(jī)器人輸入或OCR輸入，支持從交互接口向下傳送指令并從網(wǎng)絡(luò)自動(dòng)爬取采集數(shù)據(jù)，甚至支持以多模態(tài)方式輸入數(shù)據(jù)（如PDF文檔、EXCEL文檔、WORD文檔、語(yǔ)音、圖片和視頻），采集后的數(shù)據(jù)再通過(guò)總線發(fā)送至財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)存儲(chǔ)與優(yōu)化層。

（二）財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)存儲(chǔ)與優(yōu)化層

該層既可接收來(lái)自上層的數(shù)據(jù)或控制指令，又可接收來(lái)自下層的數(shù)據(jù)或控制指令。接收到來(lái)自下層的數(shù)據(jù)后要進(jìn)行數(shù)據(jù)清洗和脫敏，并將數(shù)據(jù)拆分且分別存儲(chǔ)在不同的庫(kù)中。結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在多維數(shù)據(jù)庫(kù)中，非結(jié)構(gòu)化的財(cái)經(jīng)法規(guī)、會(huì)計(jì)準(zhǔn)則、會(huì)計(jì)制度和稅務(wù)條例等存儲(chǔ)在法規(guī)庫(kù)中，上級(jí)撥款批準(zhǔn)的預(yù)算執(zhí)行計(jì)劃存儲(chǔ)在預(yù)算庫(kù)中，系統(tǒng)內(nèi)外部獲得的知識(shí)經(jīng)驗(yàn)和規(guī)則存儲(chǔ)在知識(shí)庫(kù)中，這四個(gè)庫(kù)相互連接且可雙向傳輸數(shù)據(jù)。下面以知識(shí)庫(kù)為例解釋規(guī)則的作用。所謂規(guī)則庫(kù)是由大量IF…THE…ELSE…語(yǔ)句存儲(chǔ)的知識(shí)所組成，作為一種知識(shí)規(guī)則，其典型運(yùn)用就是根據(jù)實(shí)際情況，結(jié)合給定的一組規(guī)則命令得出結(jié)論。這個(gè)結(jié)論可能是某種靜態(tài)的結(jié)果，也可能是需要進(jìn)行的一組操作。這種規(guī)則的運(yùn)用過(guò)程稱(chēng)之為推理。例如，在知識(shí)庫(kù)中存儲(chǔ)有業(yè)務(wù)招待費(fèi)報(bào)銷(xiāo)規(guī)則、五步收入確認(rèn)法規(guī)則、憑證類(lèi)型規(guī)則、借貸記賬法規(guī)則，等等，前兩者規(guī)則示例如下。

1.業(yè)務(wù)招待費(fèi)報(bào)銷(xiāo)規(guī)則

A：IF 單次報(bào)銷(xiāo)費(fèi)用大于1 000元且NOT D

THEN 轉(zhuǎn)CEO特批。

B：IF 單次報(bào)銷(xiāo)費(fèi)用小于1 000元且D

THEN 中止報(bào)銷(xiāo)。

C：IF 單次報(bào)銷(xiāo)費(fèi)用小于1 000元且NOT D

THEN 部門(mén)經(jīng)理審批。

D：IF 單次業(yè)務(wù)招待費(fèi)用大于等于累計(jì)預(yù)算上限

THEN 中止報(bào)銷(xiāo)。

2.五步收入確認(rèn)法規(guī)則

A：IF 識(shí)別與客戶(hù)簽訂的合同（存儲(chǔ)在多維數(shù)據(jù)庫(kù)中） THEN B ELSE 轉(zhuǎn)CEO批復(fù)。

B：IF 合同中有單項(xiàng)履約義務(wù) THEN C ELSE F。

C：IF 識(shí)別單項(xiàng)交易價(jià)格 THEN D ELSE 中止確認(rèn)收入。

D：IF 分?jǐn)偨灰卓們r(jià)格至各單項(xiàng)履約義務(wù) THEN E。

E：IF 識(shí)別已履約單項(xiàng)義務(wù)時(shí)點(diǎn) THEN 確認(rèn)單項(xiàng)收入。

F：IF 合同中無(wú)單項(xiàng)履約義務(wù) THEN 確認(rèn)總交易價(jià)格且確認(rèn)收入。

由上述兩個(gè)規(guī)則可見(jiàn)，每條規(guī)則都是由條件表達(dá)式而決定的一系列結(jié)果所組成，一條規(guī)則可能需與其他規(guī)則共同作用得出結(jié)果。如規(guī)則A（單次報(bào)銷(xiāo)費(fèi)用大于1 000元）在執(zhí)行時(shí)需結(jié)合規(guī)則NOT D（不超過(guò)累計(jì)預(yù)算上限）得出需由CEO特批的結(jié)果。這種規(guī)則設(shè)計(jì)的優(yōu)點(diǎn)在于強(qiáng)化了機(jī)構(gòu)的預(yù)算管理，當(dāng)業(yè)務(wù)招待費(fèi)報(bào)銷(xiāo)超過(guò)上限時(shí)中止報(bào)銷(xiāo)流程，除非特殊情況下管理層修改預(yù)算后方可繼續(xù)報(bào)銷(xiāo)流程。與業(yè)務(wù)招待規(guī)則不同，在五步收入確認(rèn)法規(guī)則中運(yùn)用了IF…THE…ELSE…語(yǔ)法規(guī)則。對(duì)規(guī)則A，當(dāng)確認(rèn)收入時(shí)，在多維數(shù)據(jù)庫(kù)中找到與客戶(hù)簽訂的合同執(zhí)行規(guī)則B，否則轉(zhuǎn)由CEO來(lái)決定是否需補(bǔ)簽合同。

（三）財(cái)務(wù)/經(jīng)營(yíng)決策應(yīng)用層

該層可劃分為兩層：人機(jī)交互接口層和財(cái)務(wù)/經(jīng)營(yíng)決策應(yīng)用層。為簡(jiǎn)化本系統(tǒng)模型，這里合并為一個(gè)層次，即將人機(jī)交互接口和應(yīng)用層合并為財(cái)務(wù)/經(jīng)營(yíng)決策應(yīng)用層。LLM通過(guò)人機(jī)交互接口以自然語(yǔ)言發(fā)出指令，再調(diào)用規(guī)則引擎向下發(fā)送數(shù)據(jù)請(qǐng)求至知識(shí)庫(kù)或多維數(shù)據(jù)庫(kù)或預(yù)算庫(kù)或法規(guī)庫(kù)，然后將結(jié)果輸出于人機(jī)交互接口界面。如果由計(jì)算機(jī)程序來(lái)處理推理過(guò)程，那么這個(gè)程序就稱(chēng)之為推理引擎或規(guī)則引擎。推理引擎根據(jù)知識(shí)表示的不同所采取的控制策略也不同。在自然語(yǔ)言處理（NLP）領(lǐng)域，僅依賴(lài)現(xiàn)代神經(jīng)網(wǎng)絡(luò)很難從所告知或已知的信息中進(jìn)行推理，但Chowdhery等[ 15 ]認(rèn)為擴(kuò)大語(yǔ)言模型（LLMs）的規(guī)模已經(jīng)被證明可以賦予一系列推理能力。以收入確認(rèn)五步法為例，如圖2所示，人類(lèi)可借助LLM（如ChatGPT）并基于提示策略縮小人類(lèi)與機(jī)器智能之間的差距[ 16 ]。

四、智能會(huì)計(jì)與LLM相結(jié)合的應(yīng)用研究

閆保琴[ 17 ]認(rèn)為ChatGPT發(fā)揮的自然語(yǔ)言文本功能，在智能會(huì)計(jì)領(lǐng)域中的應(yīng)用場(chǎng)景可概括為自動(dòng)化業(yè)務(wù)服務(wù)、自動(dòng)化數(shù)據(jù)分析、自動(dòng)化財(cái)務(wù)流程、輔助財(cái)務(wù)人員招聘、智能財(cái)務(wù)預(yù)警提醒和跨國(guó)公司財(cái)務(wù)助理。本研究認(rèn)為大語(yǔ)言模型在財(cái)務(wù)會(huì)計(jì)和企業(yè)經(jīng)營(yíng)領(lǐng)域的應(yīng)用正在日益深化，限于篇幅，本文給出以下三個(gè)應(yīng)用場(chǎng)景。

（一）經(jīng)營(yíng)大數(shù)據(jù)分析應(yīng)用場(chǎng)景

一是用戶(hù)通過(guò)ChatGPT高級(jí)數(shù)據(jù)分析接口，發(fā)出爬取（或在人機(jī)互動(dòng)對(duì)話框中直接上傳已準(zhǔn)備好的數(shù)據(jù)集）某寶2014年11月18日至12月18日消費(fèi)者行為數(shù)據(jù)集，且將文件命名為用戶(hù)行為.CSV，并給出可能的數(shù)據(jù)集總體描述。該數(shù)據(jù)集包含6個(gè)字段，分別為used_id、item_id、behavior_id（包含4種不同的用戶(hù)行為狀態(tài)值：點(diǎn)擊、收藏、加購(gòu)物車(chē)和支付）、item_category、date、hour，共12 256 906行記錄。

二是要求它先根據(jù)behavior_id（值1表示點(diǎn)擊，值2表示收藏，值3表示加購(gòu)物車(chē)，值4表示支付）的4個(gè)不同值分組，然后對(duì)用戶(hù)Used_ID進(jìn)行計(jì)數(shù)求和，并分別輸出behavior_id=1、2、3、4時(shí)的計(jì)數(shù)結(jié)果，且以變量a、b、c和d表示，再計(jì)算b/a、c/b、d/c轉(zhuǎn)化率（這3個(gè)值分別稱(chēng)為點(diǎn)擊—收藏轉(zhuǎn)化率、收藏—加購(gòu)物車(chē)轉(zhuǎn)化率和加購(gòu)物車(chē)—支付轉(zhuǎn)化率），最后畫(huà)出轉(zhuǎn)化率的漏斗圖，如圖3。

（二）財(cái)務(wù)報(bào)表分析應(yīng)用場(chǎng)景

由于2019年我國(guó)會(huì)計(jì)準(zhǔn)則發(fā)生了一些變化，將資產(chǎn)減值損失一分為二，其中與債權(quán)減值有關(guān)的損失（壞賬損失）命名為信用減值損失，并從資產(chǎn)減值損失中分離，成為營(yíng)業(yè)利潤(rùn)的減少因素，余下資產(chǎn)減值損失維持不變。為使對(duì)公司的利潤(rùn)分析口徑一致，故選取某公司2019—2022年利潤(rùn)表為分析對(duì)象。

首先，建議會(huì)計(jì)師在人機(jī)交互界面發(fā)出“分析本公司2019—2022年合并利潤(rùn)表”的提示詞，系統(tǒng)自動(dòng)從多維數(shù)據(jù)庫(kù)中調(diào)出4個(gè)數(shù)據(jù)集，或者在GTP-4高級(jí)數(shù)據(jù)分析器直接上傳經(jīng)數(shù)據(jù)清洗和數(shù)據(jù)脫敏后的4個(gè)利潤(rùn)表。

其次，會(huì)計(jì)師可編寫(xiě)如下類(lèi)似且較為復(fù)雜的提示詞。

“請(qǐng)分析本公司2019年度至2022年度的核心利潤(rùn)，計(jì)算公式為核心利潤(rùn)=營(yíng)業(yè)收入-營(yíng)業(yè)成本-稅金及附加-銷(xiāo)售費(fèi)用-管理費(fèi)用-研發(fā)費(fèi)用-利息費(fèi)用，再輸出每年核心利潤(rùn)率（核心利潤(rùn)率=核心利潤(rùn)／營(yíng)業(yè)收入* 100%）的4年折線圖（如圖4所示）。根據(jù)你的知識(shí)和能力給出盡可能的分析和洞察?！?/p>

GPT根據(jù)它的知識(shí)和洞察力，輸出如下分析結(jié)果。

1.增長(zhǎng)趨勢(shì)分析

從2019年的5.49%增長(zhǎng)到2022年的30.22%，顯示出公司盈利能力的顯著提升，可能是由于公司實(shí)施了有效的成本控制策略，或者營(yíng)業(yè)收入增長(zhǎng)遠(yuǎn)超成本增長(zhǎng)；2020年至2022年間，核心利潤(rùn)率持續(xù)上升，顯示出公司的盈利能力和市場(chǎng)競(jìng)爭(zhēng)力都在不斷增強(qiáng)。

2.業(yè)務(wù)策略和市場(chǎng)環(huán)境

這種增長(zhǎng)可能與公司的業(yè)務(wù)擴(kuò)展、產(chǎn)品創(chuàng)新、市場(chǎng)策略調(diào)整或成本控制措施等因素相關(guān)。市場(chǎng)環(huán)境的變化，如需求增加、競(jìng)爭(zhēng)格局變化或宏觀經(jīng)濟(jì)條件的改善，可能對(duì)核心利潤(rùn)率的增長(zhǎng)產(chǎn)生影響。

3.未來(lái)展望

雖然過(guò)去幾年的趨勢(shì)表明了強(qiáng)勁的增長(zhǎng)，但公司需要繼續(xù)關(guān)注市場(chǎng)變化、運(yùn)營(yíng)效率和成本管理，以保持這種增長(zhǎng)趨勢(shì)。分析任何潛在的風(fēng)險(xiǎn)因素，如市場(chǎng)飽和、成本上升或宏觀經(jīng)濟(jì)不確定性，也是確保未來(lái)盈利能力的重要措施。

總體而言，公司在過(guò)去幾年顯示出良好的盈利能力和增長(zhǎng)勢(shì)頭。然而，為了保持這一趨勢(shì)，公司需要繼續(xù)關(guān)注內(nèi)部管理和市場(chǎng)變化，同時(shí)做好風(fēng)險(xiǎn)管理。

上述分析結(jié)果并未施加額外提示詞，由GPT-4高級(jí)數(shù)據(jù)分析器完全按照自己的知識(shí)儲(chǔ)備和能力生成。當(dāng)然會(huì)計(jì)師也可以進(jìn)一步發(fā)出其他提示詞，一步步地追問(wèn)，讓它完成更多的數(shù)據(jù)分析任務(wù)。顯然，這種自然語(yǔ)言的人機(jī)交互分析方式極大地提高了財(cái)務(wù)人員的工作效率。

為規(guī)避上傳財(cái)務(wù)數(shù)據(jù)至云端服務(wù)器可能造成公司財(cái)務(wù)信息泄密的風(fēng)險(xiǎn)，本研究強(qiáng)烈建議系統(tǒng)開(kāi)發(fā)機(jī)構(gòu)在開(kāi)發(fā)新一代智能會(huì)計(jì)系統(tǒng)時(shí)，應(yīng)盡可能部署與GPT-4高級(jí)數(shù)據(jù)分析器功能相當(dāng)?shù)拈_(kāi)源LLM項(xiàng)目（Open Interpreter）或其他項(xiàng)目，以替代ChatGPT的絕大部分功能。此外，若在現(xiàn)實(shí)的財(cái)務(wù)會(huì)計(jì)數(shù)據(jù)分析中，不得不調(diào)用外部LLM，比如使用ChatGPT，或微軟新發(fā)布的Copilot，或谷歌Gemini等類(lèi)似的大語(yǔ)言模型時(shí)，強(qiáng)烈建議會(huì)計(jì)師在上傳數(shù)據(jù)集時(shí)必須嚴(yán)格遵守公司信息安全管理制度，對(duì)數(shù)據(jù)進(jìn)行脫敏處理，以確保財(cái)務(wù)信息安全。

（三）管理駕駛艙應(yīng)用場(chǎng)景

為實(shí)現(xiàn)在多學(xué)科綜合仿真平臺(tái)實(shí)習(xí)的眾多學(xué)生團(tuán)隊(duì)的考評(píng)，本研究團(tuán)隊(duì)從仿真平臺(tái)后端SQL數(shù)據(jù)庫(kù)提取所有仿真公司的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)數(shù)據(jù)，獨(dú)立開(kāi)發(fā)了一套數(shù)據(jù)查詢(xún)代碼，形成企業(yè)管理駕駛艙的數(shù)據(jù)來(lái)源，主要工作有兩種。

1.代碼開(kāi)發(fā)和數(shù)據(jù)建模

筆者在2022年暑期，耗時(shí)40天編寫(xiě)了100個(gè)指標(biāo)的SQL代碼，并導(dǎo)入近三年25家企業(yè)仿真賬套，制作了30多個(gè)數(shù)據(jù)處理RPA，旨在跑出每個(gè)指標(biāo)儀表盤(pán)的參考閾值，同時(shí)設(shè)計(jì)了四個(gè)層級(jí)的可視化表盤(pán)，創(chuàng)建了從后端SQL數(shù)據(jù)庫(kù)提取的數(shù)據(jù)集為父表，以非財(cái)務(wù)指標(biāo)數(shù)據(jù)集為子表的一對(duì)多關(guān)系數(shù)據(jù)模型。該管理駕駛艙建設(shè)的工作流程如圖5所示。

2.指標(biāo)可視化

該管理駕駛艙引入平衡計(jì)分卡設(shè)計(jì)思想，將企業(yè)戰(zhàn)略目標(biāo)分解為四個(gè)層級(jí)：第一層綜合預(yù)警評(píng)價(jià)層（綜合層），該層的可視化效果如圖6所示；第二層戰(zhàn)略決策層（一級(jí)指標(biāo)）；第三層戰(zhàn)術(shù)運(yùn)營(yíng)層（二級(jí)指標(biāo)）；第四層管理執(zhí)行層指標(biāo)（三級(jí)指標(biāo)）。從而構(gòu)建了“一綜三級(jí)”的指標(biāo)體系。

五、未來(lái)可能的挑戰(zhàn)

本文設(shè)計(jì)了一個(gè)融合LLM大語(yǔ)言模型于會(huì)計(jì)信息的人機(jī)交互模型，使得會(huì)計(jì)業(yè)務(wù)處理實(shí)現(xiàn)自動(dòng)化和高效化，但在實(shí)施過(guò)程中的挑戰(zhàn)以及未來(lái)的研究方向還需要深入討論。

（一）數(shù)據(jù)的完整性和一致性問(wèn)題

雖然ChatGPT諸多插件在數(shù)據(jù)獲取階段能起到作用，但數(shù)據(jù)的一致性和完整性問(wèn)題仍需注意。企業(yè)ERP系統(tǒng)間可能存在數(shù)據(jù)不一致性問(wèn)題，且歷史數(shù)據(jù)的完整性也可能會(huì)受到系統(tǒng)遷移、升級(jí)等因素的影響。未來(lái)的研究需要更詳細(xì)地探討并解決這些問(wèn)題，以保證數(shù)據(jù)的完整性和一致性。初步方向是通過(guò)部署可以在本地運(yùn)行的大語(yǔ)言模型解決這一問(wèn)題。

（二）隱私和數(shù)據(jù)保護(hù)問(wèn)題

隨著越來(lái)越多的數(shù)據(jù)被用于此系統(tǒng)，如何保護(hù)這些數(shù)據(jù)的隱私和安全成為重要的議題。雖然在圖1所示的理論模型中財(cái)務(wù)/經(jīng)營(yíng)數(shù)據(jù)采集與鏈路層加入了數(shù)據(jù)清洗和數(shù)據(jù)脫敏處理可以保護(hù)數(shù)據(jù)的安全，但如何在法律法規(guī)的框架內(nèi)同時(shí)保證數(shù)據(jù)的使用效率和安全，未來(lái)仍然需要深入研究。

（三）用戶(hù)接受度問(wèn)題

無(wú)論技術(shù)如何發(fā)展，用戶(hù)的接受度始終是技術(shù)推廣的關(guān)鍵之一。雖然本研究的調(diào)查結(jié)果顯示大多數(shù)用戶(hù)（例如抽樣調(diào)查會(huì)計(jì)學(xué)院2022—2023學(xué)年第二學(xué)期參加實(shí)訓(xùn)的部分學(xué)生）對(duì)使用ChatGPT于財(cái)務(wù)數(shù)據(jù)分析持積極態(tài)度，但還存在少數(shù)學(xué)生對(duì)此持保留態(tài)度（如延時(shí)問(wèn)題、訪問(wèn)ChatGPT難的問(wèn)題和較高的訂閱使用費(fèi)問(wèn)題）。如何提高用戶(hù)的接受度，使更多的用戶(hù)愿意接納新型會(huì)計(jì)系統(tǒng)，是未來(lái)需要解決的問(wèn)題。

（四）擴(kuò)展性問(wèn)題

當(dāng)前此系統(tǒng)主要處理的是會(huì)計(jì)業(yè)務(wù)，未來(lái)可以考慮將其擴(kuò)展到更多的專(zhuān)業(yè)領(lǐng)域，如審計(jì)、稅務(wù)、金融和電商領(lǐng)域等。如何在滿(mǎn)足這些領(lǐng)域特殊需求的同時(shí)保持系統(tǒng)的靈活性和可擴(kuò)展性，也是未來(lái)的研究方向。此外，本研究認(rèn)為除了在本文第三部分提出的智能會(huì)計(jì)系統(tǒng)理論模型外，還可進(jìn)一步考慮引入其他不同插件，如Notable（實(shí)現(xiàn)數(shù)據(jù)連接和提?。?、AskYourPDF（閱讀和分析PDF格式文件內(nèi)容）和Show_Me（生成可視化圖表）等插件，以提高會(huì)計(jì)信息系統(tǒng)的綜合分析能力。

下面選擇三家不同類(lèi)型公司，制造業(yè)公司、金融服務(wù)公司和初創(chuàng)型SaaS（Software as a Service）公司進(jìn)行對(duì)比研究。

（1）制造業(yè)公司。該公司主要處理的數(shù)據(jù)包括原材料采購(gòu)數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、銷(xiāo)售數(shù)據(jù)、人工費(fèi)用數(shù)據(jù)等。首先運(yùn)用ChatGPT中的“Notable”插件，它支持?jǐn)?shù)據(jù)的連接操作，從企業(yè)資源規(guī)劃（ERP）數(shù)據(jù)庫(kù)中提取原材料采購(gòu)記錄。其次，將從ERP系統(tǒng)中提取的數(shù)據(jù)集導(dǎo)入ChatGPT會(huì)話中或?qū)?shù)據(jù)集的鏈接貼入“AskYourPDF”插件中，則AI可根據(jù)原材料價(jià)格和供應(yīng)商信用狀況，預(yù)測(cè)原材料供應(yīng)會(huì)出現(xiàn)什么樣的問(wèn)題。最后，以人機(jī)互動(dòng)方式組合運(yùn)用“ChatGPT會(huì)話+AskYourPDF插件+Show_Me”生成可視化財(cái)務(wù)報(bào)告。

（2）服務(wù)業(yè)公司（金融公司）。運(yùn)用ChatGPT中的“Notable”插件提取貸款數(shù)據(jù)集。同理，仍然以人機(jī)協(xié)同方式組合運(yùn)用“ChatGPT+AskYourPDF+Show_Me”生成可視化財(cái)務(wù)報(bào)告。

（3）初創(chuàng)型SaaS公司。提取某段時(shí)期新增的訂閱用戶(hù)數(shù)據(jù)，再組合運(yùn)用“ChatGPT+AskYourPDF+Show_Me”進(jìn)行續(xù)訂預(yù)測(cè)和生成財(cái)務(wù)報(bào)告。

未來(lái)可以通過(guò)研究多個(gè)不同案例構(gòu)建知識(shí)庫(kù)，探討如何利用插件高效無(wú)誤地采集不同數(shù)據(jù)集，并探討如何更好地組合運(yùn)用多個(gè)插件進(jìn)行財(cái)務(wù)數(shù)據(jù)可視化和財(cái)務(wù)數(shù)據(jù)預(yù)測(cè)，從而深度驗(yàn)證智能會(huì)計(jì)系統(tǒng)在不同行業(yè)和不同業(yè)務(wù)類(lèi)型中應(yīng)用的普適性，以彰顯AI技術(shù)在會(huì)計(jì)和財(cái)務(wù)管理中應(yīng)用的巨大潛力。

六、結(jié)論

本研究設(shè)計(jì)的智能會(huì)計(jì)系統(tǒng)理論模型是一個(gè)整合了財(cái)務(wù)/經(jīng)營(yíng)大數(shù)據(jù)采集、財(cái)務(wù)/經(jīng)營(yíng)大數(shù)據(jù)存儲(chǔ)與優(yōu)化處理和財(cái)務(wù)/經(jīng)營(yíng)大數(shù)據(jù)決策分析的人機(jī)交互系統(tǒng)。該系統(tǒng)運(yùn)用人工智能技術(shù)，基于自然語(yǔ)言處理和機(jī)器學(xué)習(xí)來(lái)處理會(huì)計(jì)業(yè)務(wù)，如五步法確認(rèn)收入、業(yè)務(wù)招待報(bào)銷(xiāo)與預(yù)算控制相結(jié)合的規(guī)則生成財(cái)務(wù)分析與決策報(bào)告和可視化儀表盤(pán)，直觀地展示了LLM大語(yǔ)言模型與會(huì)計(jì)信息系統(tǒng)相融合的巨大應(yīng)用潛力。

雖然人工智能可以成為會(huì)計(jì)師的強(qiáng)大工具和數(shù)據(jù)分析助手，節(jié)省工作時(shí)間并簡(jiǎn)化過(guò)去繁瑣和耗時(shí)的數(shù)據(jù)分析任務(wù)，但有兩件事是人工智能永遠(yuǎn)無(wú)法取代的——人類(lèi)的洞察力和客戶(hù)關(guān)系。所以，會(huì)計(jì)師大可不必杞人憂(yōu)天。這里再次強(qiáng)調(diào)：當(dāng)會(huì)計(jì)師在利用AI作財(cái)務(wù)/經(jīng)營(yíng)大數(shù)據(jù)分析時(shí)，即使基于OpenAI Key方式在調(diào)用GPT-4高級(jí)數(shù)據(jù)分析器時(shí)，上傳數(shù)據(jù)集前也必須進(jìn)行數(shù)據(jù)脫敏處理，如將重要的金額數(shù)據(jù)按某種比例增縮（對(duì)實(shí)際金額的擴(kuò)縮處理）或代碼化（如銀行賬號(hào)、公司名、往來(lái)客戶(hù)名、員工名、產(chǎn)品品名規(guī)格等）。本研究也認(rèn)識(shí)到，要將ChatGPT成功引入財(cái)務(wù)會(huì)計(jì)領(lǐng)域，還需要克服一些挑戰(zhàn)，如數(shù)據(jù)質(zhì)量、算法的透明度和可解釋性，以及相關(guān)的道德和法規(guī)問(wèn)題，未來(lái)的研究工作可以在本研究的基礎(chǔ)上進(jìn)一步拓展，也期待相關(guān)技術(shù)公司開(kāi)發(fā)出更高度自動(dòng)化、更智能化，且更具針對(duì)性的開(kāi)源插件，為開(kāi)發(fā)者嵌入智能會(huì)計(jì)系統(tǒng)提供便利。

【參考文獻(xiàn)】

［1］ VASARHELYI M A，KOGAN A，TUTTLE B M.Big data in accounting：an overview［J］.Accounting Horizons，2015，29（2）：281-396.

［2］ ARORA A，BRINKLEY J，NICOLAOU A I.Will artificial intelligence be a boon or bane to audit quality？［J］.Journal of Information Systems，2021，35（1）：33-54.

［3］ FISHER C W，KINGMA B R.Criticality of data quality as exemplified in two disasters［J］.Information & Management，2001，39（2）：109-116.

［4］ BROWN T B，MANN B，RYDER N，et al.Language models are few-shot learners［EB/OL］.arXiv Preprint arXiv：2005.

［5］ 譚鐵牛.人工智能的歷史、現(xiàn)狀和未來(lái)［J］.求是， 2019（3）：18-23.

［6］ RAVI K，RAVI V.A survey on opinion mining and sentiment analysis：tasks，approaches and applications［J］.Knowledge-Based Systems，2015，89：14-46.

［7］ KIRKOS E，SPATHIS C，MANOLOPOULOS Y.Data mining techniques for the detection of fraudulent financial statements［J］.Expert Systems With Applications，2007，32（4）：995-1003.

［8］ SUN J，LI H，HUANG Q H，et al.Predicting financial distress and corporate failure：a review from the state-of-the-art definitions，modeling，sampling，and featuring approaches［J］.Knowledge-Based Systems，2014，57：41-56.

［9］ 段大為，王宏星，錢(qián)金平，等.AI+IT：科大訊飛智能財(cái)務(wù)的探索與思考［J］.中國(guó)管理會(huì)計(jì)，2020（1）：51-62.

［10］ GUO K，LIANG X.The development and application of artificial intelligence in the field of accounting［J］.Financial Research，2016，38（8）：129-142.

［11］ BROWN-LIBURD H，ISSA H，LOMBARDI D.Behavioral implications of big data's impact on audit judgment and decision making and future research directions［J］.Accounting Horizons，2015，29（2）：451-468.

［12］ DECHOW P，GE W，LARSON C，et al.Predicting material accounting misstatements［J］.Contemporary Accounting Research，2011，28（1）：17-82.

［13］ 肯尼斯 C. 勞頓，簡(jiǎn)P.勞頓.管理信息系統(tǒng)［M］.黃麗華，俞東慧，譯.北京：機(jī)械工業(yè)出版社，2020.

［14］ 李瑞雪，王愛(ài)國(guó)，任博宇，等.ChatGPT及其核心技術(shù)在智能會(huì)計(jì)中的應(yīng)用［J］.會(huì)計(jì)之友，2023 （12）：32-36.

［15］ CHOWDHERY A.et al.Palm：scaling language modeling with pathways［EB/OL］.Retrieved from arXiv：2204.02311，2022.

［16］ LIU J. et al.Rainier：reinforced knowledge introspector for commonsense question answering［EB/OL］.arXiv.DOI：10.48550/arXiv.2210.03078，2022.

［17］ 閆保琴.ChatGPT爆火與會(huì)計(jì)未來(lái)的思考［J］.會(huì)計(jì)之友，2023（14）：155-159.