财务领域应用智能技术的挑战与应对
企业
科技
2023-09-05 07:00
北京
![]()
![]()
前段时间转发了一个公众号文章，《财务领域不需要多牛的智能技术》。结合这个号历史文章看，这个文章标题有点博眼球的感觉，内容里边，还是有一部分说的有道理的。转发时有个朋友留言，如果把文章结尾最后一句话“技术在财务领域的落地应用，任重而道远”作为标题，可能更好一些。有点感触，于是有了这篇文字。
我们换个角度，从财务领域应用智能技术可能会遇到哪些挑战来分析，找一些应对措施，这个表述更准确一些。首先有个定义，我们说的是智能技术，常见的信息系统不在我们讨论范围内。智能技术例如OCR、机器学习、RPA、NLP、大模型等。常见的信息系统例如核算系统、费控系统、资金系统等。我们首先从企业外部因素和内部因素两个维度分析有哪些挑战。外部因素
挑战一：新技术应用案例少，落地效果不好评判
我们从2011年筹建财务共享，开始密集接触信息化系统和一些智能技术，那个时候偶尔聊起来的还是大数据。云服务的使用还是在2012、2013年跟中铁建交流，他们的共享平台是搭在电信云。跟铁建的朋友聊起来的时候说，只要新技术能解决我们的问题，有价值，哪怕有一些风险我们愿意尝试。当然电信云也是国企，算一家人。2015年开始接触OCR，也尝试用过。识别准确率很低，不能定位识别错误的字段，需要人工把所有识别结果校验一遍，比较鸡肋。然后是2016年开始，RPA在财务领域疯狂了几年，后边的机器学习、NLP、大模型，虽然我们也在做一些，但包括我们在内的所有厂商，落地的案例数量和标杆客户跟核算系统、费控系统根本没法比。案例少，技术落地效果的说服力就不够。我们经常遇到这样的情况，企业说你们方案挺好、产品挺好，但是我周围没人用，我是不是第一个吃螃蟹的人。从营销角度看，任何新产品都会经历早期市场到大众市场的阶段。早期市场愿意承担风险尝鲜者很少，大众市场巨多。大众市场是一定要看到大量成熟案例，甚至本行业大量成熟案例，甚至周围已经有很多熟人在用，经过大量案例评价价值后，再把产品掰开揉碎搞清楚，才有可能采购。前几年的时候，很多人说OCR能做到100%识别准确率，RPA机器人能“机”一切场景，AI提供几十种算法模型。但是在实际落地时，OCR除了识别准确率指标之外，我们还要关注是否有置信值、可识别的票据范围、可识别的字段范围、是否调用了抵账库、识别时效。RPA是流程自动化技术，对于数据结构化还需要OCR，对于规则判断类还需要规则引擎或者算法模型，对于多变的流程RPA的维护成本很高。AI只有几十个模型还不行，需要我们既懂业务又懂技术才能知道哪个模型能解决哪个业务场景；除了匹配模型外，还需要这个业务场景有足够的历史数据给模型训练，除了数据之外，还需要足够的硬件。在落地时才发现，智能技术落地，根本没有宣传的那么简单，那么高效。最近这7-8年，技术迭代速度比想象的要快。从RPA到AI，再到最近的大模型。技术迭代影响从RPA这种某个流程，到AI的某个场景，到大模型的某个领域，迭代速度和影响范围有时候让人感觉到害怕。尤其是大模型的出现，超出了太多认知并且未来无法预估。除了纯技术进步之外，找到更合适的技术解决某个业务场景的问题也在发生变化。例如在机器学习领域，早期业务数据少，所以只能用到某个算法来训练模型，会导致模型训练的效率和效果只能凑合用。但随着数据越来越多，硬件越来越便宜，用其他算法训练的模型效率和效果更好，我们就需要在迭代和不迭代中做出选择。OCR感受更直接。2016年前后，OCR还是用纯光学识别技术来做，那个时候跟一些早期技术朋友聊，专票需要10万张训练才能到90%的准确率，而且没有置信。现在加算法进去，几百张票样，1-2周时间能到90%，还有置信。我们目前也在研究OCR+大模型，希望能够在通用文本识别领域里有所突破。技术的快速迭代，让人期待用更好的技术、更低的成本解决更多的问题，也是能理解。内部因素
挑战一：对智能技术预期高，现实与理想有差距
可能是因为技术厂商的过渡宣传，也可能是在我们第一印象里智能技术一定就是很牛，也可能我们从其他领域了解人家智能技术应用的很好，所以会先入为主的认为这些智能技术在财务领域应用的效果会很好，能解决我们很大很多问题。但是当落地时候才发现，为何OCR技术只能识别这些票据，其他识别不了；为何识别准确率一会儿99%一会儿90%；为何财务智能审核还需要众包人工补录介入；为何大数据分析要让我提出需求。我们在实操中确实碰到过这种情况，我们数据结构化方案是OCR+众包人工补录，有企业说你们太不智能了，还需要人工。也有企业说我们公司是科技属性，产品里不能接受人工介入。当然，还有智能技术的两个特性，也超出我们的常规理解。一个是绝对准确、一个是黑箱。目前常见的智能技术都是历史数据训练，所以无法做到100%的准确；这个特点就与我们常见信息系统能够做到100%准确界面显示、100%审批流程相矛盾（除非系统BUG）。所以很多人会高呼，你都这么智能了为何识别准确率做不到100%，你都这么牛的技术了为何智能记账无法到达100%？黑箱理论是说，用AI训练出来的模型，判断出的结果人工校验是对的，但是具体模型里的判断规则是什么，没人知道，技术人员也不知道。类似我们用智能记账模型做出科目判断，科目都是对的，但是为什么给出这个科目，没人能讲出来。智能技术因其特性需要大量数据跑模型构建规则，且需要得到相对明确的业务结果，这就导致目前的智能技术应用，大部分都在基础、日常的财务工作中，而非经营分析、成本预测等管理决策类工作。比如OCR用在发票验真认证、智能审核用在单据审核记账、RPA用在对账导数发邮件。直接点儿说，目前的智能技术解决的是基层财务人员的痛点，在微观层面。但智能技术应用的决策人日常更多是管理决策类工作，在这个领域智能技术应用场景少，所以在宏观层面的企业决策人会觉得智能技术也就那样，只是解决基础性问题。当然可能还有另外一个原因，基础性、日常的财务工作在各行业里通用性比较强，技术厂商的研发投入能够在多行业里应用收回成本。但是管理决策类工作行业差异本身就比较大，而且即使在行业内不同管理者也有不同的管理需求，就会导致产品研发不标准，前期投入收回成本的市场比较小或者不确定，就会导致技术厂商不愿意在这个领域过多投入，投入少，场景自然就会少，效果也不会太好。拿云服务和数据应用举例看智能技术与传统信息化观念的冲突。云服务，或者SaaS模式，是把技术、系统、数据、信息部署在技术提供商的服务器上。这完全颠覆了传统信息系统落地的模式——私有化。原来是买系统，现在改为租，不是自己的就很不踏实。原来的计算资源服务器是买回来放自己家里，数据、信息在自己家的设备上跑。现在是云计算云存储，把数据、信息给到厂商，在厂商的平台上跑数据和信息，很不踏实。虽然有各种协议，虽然大概率云计算厂商的安全性比一个企业自己搞肯定要高，但是依然不踏实。数据应用也是一样，原来跑规则，数据在自己家里。现在模型训练，需要把数据给到厂商，很不踏实。现在的大模型就很典型，如果要用大模型的能力，你必须用云服务。私有化即使厂商支持，但私有化的运维成本巨大，一个企业负担的投产比肯定不合适。即使一个企业愿意花钱买，但一个企业的数据量也无法PK厂商的数据量，那么自然你模型进化的效率一定会大大低于厂商的效率，意义在哪里？所以，我们经常在技术使用价值和传统观念中为难。这个观念既包括财务我们自己的，也包括IT的，也包括大环境影响。如何应对
结合挑战的外部因素和内部因素，应对方法我们从技术提供方和技术使用方两个维度分析，去呼应挑战。
技术是什么就是什么，能解决什么就说能解决什么，有什么效果就说效果是什么。夸大效果，售前天花乱坠，交付乱七八糟，坑了客户，也毁了厂商，毁了技术。2014、2015年左右，有部分企业因为共享建设失败，极度看不上财务共享，认为共享模式是舶来品不适合中国企业。其根本原因就是因为咨询和技术提供方因为自己的利益导致交付出现问题，从而让企业有错误的认知。我知道市场分析中有劣币驱逐良币、囚徒困境的说法，但我依然相信，实事求是、脚踏实地才是长久之计。纯技术投入不落地到场景没有意义，技术跑分再高，拿再多的奖项，解决不了业务问题也没有意义。少一些营销费用，产品投入、交付投入解决业务问题才是最好的营销。市场规律如此，新技术需要等到更多的场景，更多的案例，等大众市场的接受。企业决策也是如此，尤其是大型企业决策流程本身就长，谁着急都没用。动作做到位，踏实等结果。1、逐步放开意识，新事物本身就有新事物的玩法，接受这个现实。从人工操作到系统执行是一个过程，从马车到汽车也是一个过程。这个过程肯定是不可逆，我们是选择快速适应以便于在未来有一席之地，还是等着被改变、被那些已经有一席之地的人淘汰，其实很好选择。可以有个过程，可以一步一步来，但要去尝试。2、认真仔细的去研究技术，自己琢磨如何与业务结合。对技术的了解一方面防止被忽悠，一方面正确了解技术的逻辑后，才能踏实的去尝试。很多时候有顾虑是因为不了解、信息不够。当我们真正了解一个事物之后，选择或者不选择，就可以不用看别人是否做过，就可以不用看是否有案例。3、无论是微观还是宏观，无论技术是否迭代，在当下能解决问题，考虑技术迭代的前提下能算出投产，那就开干。决策人关注宏观可以理解，但是微观层面能产生价值的事，那就是有意义的事，汇报，汇报，汇报。讲清楚价值，我相信理智的决策人是认可的。如果不认可，我建议可以换个领导。总体看，智能技术在财务领域的应用，会随着企业管理成熟度的增长而逐步加快，这个成熟度包括技术提供方和技术使用方。关于技术刚需的说法，我既认可也不认可。认可在于确实因为类似政策的改变会突然加速某一个业务场景智能化的需求。但归根结底，它肯定是一个企业管理需求。不认可的原因，是作为技术提供方，我们还是要回归业务本质、回归商业本质：能否解决业务问题，能否既解决业务问题还能赚到钱。比如财务智能审核的两大核心价值，降本增效和强化财务合规，这肯定是财务管理的本质。有可能因为某个监管政策放大合规价值从而带来短期的采购量，但长期来看，我依然期待企业财务管理者的自我意识。![]()
![]()
点“阅读原文”，咨询智能财务审核解决方案～
