AI+会计行业变革：十大技术引领财务数智化转型新图景

本刊记者　李斐然

2025年5月24日，由上海国家会计学院主办的“AI+会计行业高质量发展”主题论坛暨2025年影响中国会计行业的十大信息技术评选结果发布会在上海国家会计学院国际会议中心举行。本次论坛发布了2025年影响中国会计行业的十大信息技术，即人工智能通用大模型、会计大数据分析与处理技术、中台技术（数据中台、业务中台、财务中台）、流程自动化（RPA和IPA）、财务云、数电票、数据治理、商业智能（BI）、数据挖掘、多模态数据分析；同时提出2025年五大潜在影响技术，即生成式人工智能（AIGC）、财务多模态垂直大模型、智能体（AI Agent）、数字员工及其智能调度管理、业财税融合与数据编织。针对本次评选出的十大信息技术对会计应用场景的具体影响，本次论坛邀请相关嘉宾基于不同维度或多项信息技术所属大类的发展趋势进行综合分析，帮助会计人员理解信息技术对会计工作、会计职业等方面的影响，把握信息化时代会计变革的方向。

财务数字化转型的三大核心命题

上海财经大学原副校长孙铮表示，财务数字化转型面临三大核心命题。

一是转型路径选择——是单兵突进抑或整体规划。当前企业常因缺乏清晰转型动机而仓促启动财务数字化建设，容易陷入“战略真空”，导致效率低下。破局关键在于强化顶层设计，明确部门、业务板块的转型时序，避免碎片化行动；同时需超越技术表层，通过制度创新与流程再造推动管理重构，同步提升组织成员数字素养，并以可量化指标衡量数字化投入产出效益，警惕将数字化异化为“目的”而引发的管理“内卷”。

二是工具理性与价值理性的平衡。工具理性以功利为导向，聚焦算法优化、数据处理等效率层面的事实判断，标准客观统一；价值理性则以伦理责任为内核，关注会计政策选择（如公允价值与历史成本计量争议）、风险识别中的动机与目的，易因价值取向差异引发分歧。财务工作的特殊性在于既需借助AI等技术工具提升洞察能力，更需通过价值观（如合规性、社会责任）判断业务本质，实现“工具权衡利弊”与“价值识别对错”的人机协同。

三是要素价值与商业价值的界定。从古典经济学视角，土地、劳动、资本等传统生产要素在资产负债表中的反映方式各异（如私有制国家土地入表、劳动多费用化），而数据作为新型生产要素，其是否入表需区分“要素价值”与“商业价值”——当前A股仅1.2%上市公司将数据资产入表，多数企业因计量标准模糊、商业模式不明确而选择观望。以特斯拉为例，其通过采集行车数据构建风险评级模型，将数据资产转化为UBI保险等商业场景（2023年数据资产资本化规模达10亿美元），本质是将数据要素与“智能硬件+数据服务”的商业模式深度绑定，可见数据要素的商业转化需依托清晰的战略定位与盈利逻辑。

数电票与AI大模型双轮驱动财务数智化

浪潮集团副总裁、浪潮数字企业总经理魏代森表示，数电票与会计数据标准化的核心价值在于破解财务数智化四大难题：一是通过统一数据标准，企业可直接对接乐企平台及银行系统获取结构化数据，无需依赖OCR等第三方技术，解决数据接收难题。二是凭借电子凭证自动获取、解析、验真等功能，实现报销流程自动化，大幅减少人工操作。三是依托真实可靠的结构化会计数据链，构建从集团到基层单据、横向至业务细颗粒度的双向穿透监管体系，强化国务院国资委七大业务域风险模型的实时预警能力。四是通过“单套制”无纸化归档，推动绿色转型，全国推广后预计减少纸质凭证超千亿张、节约成本超百亿元。

数电票与AI大模型的深度融合将驱动智能财务创新应用：企业需构建“复合式AI架构”，融合大模型、RPA、OCR等技术，通过企业知识治理打造垂直领域模型，基于AI原生架构升级传统软件，并以数电票提供的结构化数据链为基础强化数据治理，提升AI应用的数据质量。具体场景中，报账智能体可自动拉取数电票数据完成解析生单，人工仅需确认；多模态审核智能体结合大模型与规则引擎，实现发票合理性、支付风险等多维度交叉验证；现金流预测依托实时结构化数据实现业务维度精准建模；ChatBI模式通过自然语言交互满足领导个性化数据查询需求，实现多维穿透分析。二者结合推动财务数智化从“自动化驱动”迈向“数据与智能双轮驱动”的新阶段，为构建自感知、自决策的智能财务体系奠定基础。

多模态技术赋能会计场景：工程实践创新与企业导入策略

北京久其软件股份有限公司高级副总裁曾超表示，多模态技术在会计场景中的工程实践展现出显著的创新性与实用性：在数据采集与加工环节，通过移动端拍摄小票自动提取要素、大模型解析合同风险点、多语言票据直接采集等方式，重塑财务数据入口；智能问数场景中，针对开放式问题采用RAG预处理、语义网络构建等技术，治理后的高质量结果集可快速生成分析报告，降低数据治理门槛；监管层面可与财政部和国务院国资委等部门合作，打通非结构化与结构化数据壁垒，支撑穿透式监管。

企业引入多模态大模型需遵循科学路径与关键考量：一是技术导入策略，可采用垂直厂商开箱即用产品、整合大模型预训练能力或自研低代码平台等方式，通过MCP协议接入外部工具构建智能体生态。二是场景筛选原则，聚焦高频、高人工成本领域，如附件审核、周期性报告生成，确保投入产出比。三是配套能力建设，强化数据治理解决术语歧义与孤岛问题，采用私有化部署保障数据安全，同时推动财务人员向“场景定义者”转型。

业财一体化三层进阶与AI重塑

中兴新云服务有限公司总裁陈虎表示，业财一体化呈现三层进阶逻辑：第一层为财务会计业财一体化，以ERP系统为基础，实现业务活动自动生成会计凭证，筑牢核算、资金、税务等合规“后卫”职能，将票、账、表、钱、税等基础工作效率提升40%以上；第二层是财务管理业财一体化，通过预算、成本、绩效等管理会计工具，将财务数据转化为业务洞察，如分析区域销售成本差异，充当助力企业“进球”的“中场”角色；第三层为决策支持业财一体化，聚焦将决策场景抽象为数据模型，例如借鉴特斯拉通过行车数据建模实现风险评级与保费定价的逻辑，替代传统依赖经验直觉的决策模式，成为驱动战略落地的“前锋”。

AI技术正推动财务职能从“流程执行”向“智能参谋”深度重塑：在基础操作层面，AI通过自动识别票据要素、生成凭证等功能，使某央企智能审核人工复核量减少70%；在复杂计算领域，AI可基于上万维度标签生成个性化管理报表，满足管理层动态分析需求；在决策支持维度，AI从加减乘除的基础计算拓展至统计建模与模糊计算，渗透至作业决策（如费用报销自动合规校验）、战术决策（如市场活动投入预测）、战略决策（如行业趋势驱动业务转型）全层级。此外，通过财务数字化整合企业私域数据与公域数据，财务可实现“过去可追溯、现在可监控、未来可推演”，例如通过地理信息系统可视化分析差旅费用分布，最终转型为企业的情报中心与决策参谋，推动经营管理向科学化、数据化、智能化跃迁。

AI与智能体驱动财务管理革新

用友网络科技股份有限公司副总裁付建华表示，在财务管理领域，AI技术与智能体的结合正推动四大核心应用场景的落地与深化，覆盖从基础运营到战略决策的全链条需求。

一是知识生成与问答，构建财务领域的“智能知识库”。依托生成式AI与大模型技术，该场景实现了从通用政策解读到企业私域知识的智能化赋能。一方面，通过训练通用型财务知识问答智能体，可快速响应财税政策、会计准则等公共知识查询，例如自动解析最新增值税优惠政策或国际会计准则差异；另一方面，企业可将内部规章制度（如报销流程、预算审批规则）结构化后导入智能体，形成定制化知识问答系统。

二是智能运营，重塑财务流程的“自动化引擎”。针对财务运营中占比超60%的重复性工作，智能体通过“规则引擎+大模型”的组合实现效率革命。在费用报销场景，智能体可自动抓取行程单、发票等数据完成智能填报，并通过多模态技术解析非标附件（如手写收据、图片格式合同），识别准确率达95%以上；审核环节中，智能体结合合规规则与大模型语义理解能力，自动拦截异常单据（如超标准费用、虚假发票）。此外，智能体还可自动完成结账、单据归档等流程性工作，释放共享服务中心约30%的人力投入，使其转向高价值分析岗位。

三是智能问数，激活数据价值的“决策助手”。该场景聚焦财务数据的深度挖掘与实时响应，满足中高层管理者对个性化数据洞察的需求。通过自然语言交互，智能体可快速解析查询意图，自动提取EPM系统中的多维数据，并通过生成式AI生成可视化报告，响应时效从传统报表的3天缩短至实时。进阶应用中，智能体还可结合预测算法（如时间序列模型），对现金流、收入趋势等关键指标进行预警。

四是智能风控，构建全周期的“风险防护网”。AI技术正推动内控与风险管理从事后追溯向事前预警转型。智能体通过整合历史风险数据与实时业务信息，动态监控资金异常流动、费用超支等风险点。例如，在资金管理场景，智能体可实时分析银行流水，识别异常转账或集中度风险；在合同管理中，通过大模型解析非结构化文本，自动提取违约条款并生成风险评分。未来，随着大模型对宏观经济与行业趋势的分析能力增强，智能体将进一步支持战略层面的风险模拟与预案生成。

四大场景并非孤立存在，而是通过数据与流程的联动形成协同效应：知识问答为智能运营提供规则依据，智能问数为智能风控提供数据支撑，而风控规则又可反哺知识体系的迭代。这种立体化的应用布局，不仅助力企业实现“降本增效”的短期目标，更推动财务从“流程执行者”向“战略洞察者”转型，为企业在数字化竞争中构建核心优势。

数字员工重塑财务管理模式

北京元年科技股份有限公司执行总裁李彤表示，在核心应用场景与建设实施层面，数字员工正通过场景落地与体系化构建，重塑财务管理模式。

在核心应用场景中，数字员工已展现出显著价值：在财务审核场景，其凭借对制度文件的智能解析、7×24小时实时单据审核及在线咨询能力，替代传统人工审核；在全自主分析领域，针对大模型“幻觉”与计算不稳定等问题，通过智能体框架约束、工具调用及分析框架预设，将数据报告准确率从60%提升至85%。

在建设体系与实施路径方面，企业需构建全生命周期管理机制：在目标维度，从效率、质量、成本、安全出发设定指标（如审核时效≤5分钟/单）；核心要素上，聚焦数据治理、技能管理、协同调度与安全审计，尤其强调数据结构化处理以适配大模型需求。

实施过程中，应优先选择高价值、高频场景，如费用审核、报表生成；通过“大模型+小模型+工具链”技术组合，培养“数字员工训练师”推动组织适配；同时，以场景价值、数据质量、模型能力作为成功实施的三大评判标准。最终，通过定义岗位需求、梳理业务系统、明确人机协同流程，实现数字员工从开发到应用的闭环管理，推动财务向智能驱动转型。

大模型驱动财务职能重构

金蝶软件（中国）有限公司执行副总裁赵燕锡表示，大模型技术正驱动财务管理从流程优化迈向职能重构，同时要求企业以技术、管理、文化三重变革拥抱这一趋势。

在职能重构层面，大模型推动财务从“纺车型”向“漏斗型”转型：核算层通过大模型+RPA实现发票识别、账务生成等基础工作自动化；战略层则聚焦预算预测、风险预警等价值创造，支持跨准则对比，助力管理层科学决策。典型应用场景包括：AI原生的全域差旅助手，通过多智能体协同完成申请、预订、报销全流程；AI增强的多模态智能审核，结合规则引擎与大模型解析合同风险条款；脱离传统流程的AI原生财报分析，财务部门可自主完成数据聚合与趋势预测，无需依赖IT团队。

在企业实施路径层面，需以技术融合、管理变革、文化转型为核心：技术策略采用“复合式AI”，以规则引擎确保精确性（如税务计算），大模型优化交互体验（如自然语言问数）；管理变革遵循“AIGO模型”，从场景诊断（如共享中心重复劳动评估）、顶层设计（AI战略路线图）到试点验证（知识问答场景起步）；文化转型强调“AI认知升级”，通过举办创新大赛、设置AI培训体系，引导员工从“工具使用者”转向“场景定义者”，并建立跨部门协同机制以推动AI应用场景的持续探索，同时建立试错机制（如允许智能客服初期准确率不足50%），逐步优化至85%以上。最终，企业需在数据治理（如语义网络构建）、组织适配（增设算法工程师岗位）、人机协同（异常交易人工介入规则）等维度形成闭环，实现从“人+AI辅助”到“AI主导+人监督”的转型，在降低运营成本的同时，释放财务人员从事高价值战略支持，推动企业管理向智能化、科学化跃迁。

数据技术驱动业财税深度融合

上海机场集团财务部总经理、财务共享中心主任刘薇表示，在业财税融合的落地实践中，数据技术成为突破异构系统壁垒、深化融合深度的核心驱动力。上海机场集团以整体数据治理为基石，构建起“建体系、搭平台、落场景”的数据技术应用框架。

一是全集团数据治理，打破数据孤岛。集团启动覆盖生产、经营、财务的全链条数据治理。通过统一核心数据标准（如财务与业务系统的成本、收入数据维度），搭建松耦合数据中台架构，解决制造业常见的紧耦合系统问题，实现财务数据从“局部管控”向“全域流通”的跨越。

二是数据技术平台。引入大数据计算引擎、实时分析平台等前沿技术，构建“智能数据治理平台”，形成“数据采集清洗分析应用”闭环。该平台支撑近百个业财一体化流程，如在成本管控中，以项目为主线串联预算、工程、财务系统，实时监控概算执行偏差超5%时自动预警；在资产领域，打通实物管理与财务系统，实现资产全生命周期数据自动同步。此外，平台承载客户画像、航线收入分析等场景，例如通过融合旅客吞吐量、航司资源占用数据，构建多维客户画像，辅助定价策略优化，提升高价值客户收入贡献。

三是垂类大模型与数字孪生。上海机场“机场大脑”通过异构算力运营与时空数据平台，将飞机靠桥方案推演从“日级”压缩至“分钟级”。同时，数字孪生技术与财务深度融合，未来可模拟不同航线增减、资源配置策略的财务影响（如预测新增国际航线的3年收益曲线），使财务从“事后分析”转向“事前推演”。

四是业财税融合场景：（1）生产与财务联动，实时生产数据（如飞机起降时刻、旅客流量）与财务系统对接，动态调整资源成本分摊规则，使变动成本核算精度提升至98%。（2）智能风控前置，在项目管理中，通过数据技术实时抓取工程进度、合同履约等数据，自动识别超概算风险。（3）决策支持升级，基于全域数据的智能问数系统，可实时回答“Q3国际航班收入下降是否与机位资源分配相关”等复杂问题，分析周期从5天缩短至实时响应，助力管理层快速调整经营策略。

总之，数据技术的落地并非单一技术应用，而是“治理理念+技术架构+场景创新”的系统工程。唯有通过数据治理打破“数据烟囱”，以技术平台沉淀算力与算法，才能让业财税融合从“流程线上化”迈向“智能决策化”，最终实现财务对企业战略的“数字孪生”支撑。