JS公司应用AI驱动会计数字化转型的潜在风险与应对措施

陈羽舒　张炜楷　程沛霖

一、JS公司应用AI驱动会计数字化转型中存在的潜在风险

JS公司运用AI重塑企业会计和财务管理工作，推动了效率的提升和管理模式的革新，但新技术和新模式带来的风险也在实践中不断暴露。基于此，JS公司从AI自身的特征和机制出发，逐一识别潜在风险。

（一）系统稳定性风险

一是系统故障风险。JS公司在引入AI技术后，曾频繁面临过因软件故障导致的业务稳定性问题。一旦遭遇技术故障，例如大模型服务中断、服务器崩溃、网络故障、算法存在重大缺陷等状况，可能导致会计信息数据处理链条中断，严重影响公司的日常财务管理效率和报表披露的时效性。二是系统更新迭代不及时风险。AI驱动的自动化与智能化会计信息系统在提高数据处理速度、准确性和决策支持效率方面具有显著优势，但AI模型的有效性和准确性高度依赖于训练数据的质量以及算法的及时更新。随着业务环境的不断演化和会计准则的修订，若公司未能对已部署的AI系统进行同步升级和校准，可能导致现有模型在处理新出现的会计事项时产生滞后甚至失效情况，使得会计信息处理的一致性和准确性降低，进而影响财务报表的质量与合规性。

（二）数据安全风险

在采用AI技术进行大量财务数据采集、存储和传输的过程中，一旦安全防护措施不到位，公司将面临重大的信息安全威胁。数据安全不仅包括技术层面，也覆盖了深层次的数据伦理和合规层面，如个人隐私保护、数据依法跨境传输等。JS公司在收集、存储、处理以及跨境传输会计数据时，难以确保数据主体的知情权、访问权、更正权和被遗忘权得到充分尊重与保障，同时存在内部人员未经有效授权和监管非法获取并滥用会计数据的风险，可能因此引发法律纠纷和声誉危机。

（三）会计信息可靠性风险

在AI技术介入会计信息链、辅助公司管理层进行判断和预测过程中，由于AI模型不可解释，其内在逻辑及决策路径具有不透明性，存在“黑箱”问题。当AI算法通过训练后自动完成复杂的会计分析与预测任务时，由于其计算结果是基于深度学习、神经网络等复杂算法得到的，往往缺乏直观且易于理解的可解释性。无论是财报审计师还是监管机构在会计信息审核过程中都难以验证AI作出特定结论的原因与依据，大大增加了工作难度。同时，基于大语言模型构建的AI系统依赖于高质量的数据输入，若数据源存在不准确、不完整或过时问题，可能导致错误的会计处理。AI在整合不同来源、格式各异的数据时，如果没有有效的数据治理策略，不能确保数据一致性，将会导致数据冲突、重复等问题，使得会计信息可靠性降低。

（四）责任模糊化风险

引入AI技术后，JS公司会计责任链条变得模糊。大语言模型在自动处理会计信息时涉及多个角色，包括开发模型并设定初始参数的开发者、维护模型全生命周期的运维人员、使用AI工具进行决策的使用者。当AI出现错误导致会计信息失真时，责任追溯和责任判定变得复杂，是开发者、运维者还是使用者承担责任的判断规则和逻辑都不清晰，可能导致法律责任的规避或转移。另外，过于依赖AI自动化还会弱化会计人员的职业判断和道德约束力，如果AI系统无法准确识别复杂的会计事项或被恶意利用，也就意味着违背职业道德的行为不易被发现。

二、风险应对措施

（一）建立与AI技术相适配的组织架构和企业文化

一方面，JS公司构建起更加灵活、高效的敏捷型组织结构，以快速响应市场变化和技术迭代，确保AI技术能够融入会计信息链的各个环节，各部门之间能够高效协同，迅速响应AI应用所带来的数据处理、决策支持及风险管理等方面的挑战。另一方面，公司全力推动以数据和创新驱动的企业文化，倡导利用数据和AI技术作为推动业务决策和创新的核心动力。培养员工熟练掌握数据分析工具，并通过激励机制激发全员参与数据分析的热情，形成一种主动学习新技术、利用AI优化会计信息链的良好氛围，确保会计信息链的准确性和完整性。

（二）适应AI监管政策变化，建立合规审查机制

JS公司持续关注国家乃至全球范围内监管部门对人工智能应用的政策变化，根据法规环境的变化动态适时调整企业的会计风险管理策略。通过对政策和制度的动态追踪、深入理解，公司建立起更为负责任和可持续的人工智能运用路径，确保会计数字化系统中的AI应用符合最新的法律要求，规避潜在的法律和信息安全风险。公司严格遵循相关法律法规和安全标准，通过强化数据加密、访问控制、行为审计等多重安全机制，确保在运用AI时能够切实保障敏感财务数据的安全性和隐私性。同时，公司建立了严格的合规审查机制，将最新法规标准融入AI系统的开发、实施和监控全过程，通过强化内部审计职能，配合外部监管合作，从而有效规避因不合规使用AI所带来的潜在风险，保障会计数字化系统的安全、准确与合法性。另外，公司增设人工核查环节，保证对外提供或接收的会计信息符合行业公认的数据格式和质量标准，规避因数据不一致导致的决策失误和商业纠纷。

（三）完善数据治理体系

高质量的数据是会计信息链的生命线。JS公司构建起完善的数据生命周期管理体系和全面的数据质量管理机制，推动数据采集、清洗、存储、共享、使用、销毁等业务规范化，确保进入AI系统的业财数据具备高可信度和一致性，降低因数据质量问题带来的潜在风险。公司采用前沿的加密算法和技术，以确保数据在传输和存储过程中的安全性。同时，建立严格的用户身份验证机制和多层次的访问权限管理体系，防止未经授权的数据访问。公司高度关注数据一致性和可信度，采用元数据管理和数据血缘追踪技术，以确保数据在整个流转过程中的可追溯性和准确性。

为提高会计信息的可靠性，公司进一步强化数据源验证、加密保护与完整性检测，通过对算法训练过程的透明度审查、输出结果的偏差检测等，实施针对AI模型运行效果的独立审计和持续监控，以最大程度降低AI算法被操纵的风险，确保会计信息链的真实性和可靠性不受损害。

（四）建立AI算法评估机制，提高技术保障

财会业务稳定性风险防范层面，JS公司建立AI算法定期评估与优化机制。对于应用于会计数字化系统的AI算法，定期进行性能评估与优化，通过持续监控算法输出结果的准确性、公平性及稳定性，及时发现并修复潜在的技术缺陷，确保其在处理财务数据、执行分析任务及生成决策建议时达到预期效果。算法评估机制下，公司能够确保AI模型随业务发展和会计规范的变化而迅速响应并调整，从而有效规避因技术迭代更新滞后所造成的会计信息处理质量下滑的风险，确保任何情况下都能及时、准确地完成会计信息处理和报告工作。同时，公司建立了针对数字化系统故障的应急预案和技术保障体系，制定和执行业务连续性计划，包括灾难恢复计划、冗余备份策略、紧急响应程序等，定期进行业务连续性和灾难恢复演练，以确保在面临潜在威胁时能够迅速恢复正常会计核算业务。

（五）建立掌握AI技术的复合型财会人才队伍

针对引入AI技术后产生的责任模糊化风险，JS公司着手构建复合型人才培养体系，通过设立专门针对AI技能的培训项目，整合会计学与信息技术两大领域的核心内容，使财会人员对自身职责有明确的认知，强化财会人员综合素养。

一是在现有员工培训方面，公司与高校或研究机构建立紧密的合作关系，搭建实习实训平台或联合实验室，让财会人员在模拟真实业务场景中接触并操作基于AI的会计信息系统，加深对AI技术如何重塑会计信息链的理解。公司完善持续职业发展与认证体系，定期举办前沿技术研讨会，邀请行业专家进行专题讲座以及提供“AI+会计”相关的线上或线下培训课程，让员工及时了解和掌握最新的AI技术在会计领域的应用成果和实践案例。二是在人才引进方面，公司吸引更多具有跨学科背景的专业人才加入，建立了一支既懂会计又掌握先进AI技术的核心团队，满足会计数字化转型中的技术落地需求。

（作者单位：上海外国语大学　东南大学　上海大学）

责任编辑　姜雪

主要参考文献

［1］刘梅玲，黄虎，佟成生，等．智能财务的基本框架与建设思路研究[J]．会计研究，2020，（3）：179-192．

［2］谭韵，张松林．Chat GPT在会计领域的应用前景、挑战及对策[J]．财会研究，2023，（4）：48-52．

［3］钞天虎，孙红亮．数字化赋能会计发展的技术路径和政策建议[J]．财务与会计，2023，（16）：77-81．

［4］孙红亮，徐扬，王舰．会计智能体构建的基本框架与应用[J]．财务与会计，2023，（12）：49-51．