基于ChatGPT的智能財務報告研究

程平 朱仔耘 付元承

【摘要】基于新一代生成式人工智能技術的ChatGPT， 其強大的自然語言處理能力對財務報告生成的流程與方法產生了重要影響。本文首先分析ChatGPT對傳統財務報告體系下報告生成質量、 效率、 范式的影響， 然后利用RPA、 深度學習以及語言模型等技術特征構建基于ChatGPT結合其他自動化技術的智能財務報告生成模型， 最后探討基于ChatGPT的智能財務報告生成模型可能面臨的風險及其應對措施。

【關鍵詞】人工智能；ChatGPT；財務報告；風險

【中圖分類號】F234；TP181 ? ? ?【文獻標識碼】A ? ? ?【文章編號】1004-0994（2023）16-0064-6

一、 引言

人工智能公司OpenAI推出的智能聊天機器人ChatGPT（Chat Generative Pre-trained Transformer， 直譯為“生成式預訓練語言模型”）自2022年11月面世以來， 已經在眾多領域中顯示出其卓越的語言理解、 知識推理、 文本生成能力。ChatGPT可以精準地理解用戶意圖， 真正做到多輪溝通， 并且回答內容完整、 重點清晰、 有概括、 有邏輯、 有條理。財務報告作為企業向利益相關者提供的反映其財務狀況、 經營成果和現金流量等信息的關鍵文件， 是企業透明度的重要體現， 也是投資者和其他外部利益相關者了解企業運營情況的重要途徑。然而， 在傳統財務報告體系下， 財務報告從編制到出具需要較長的時間周期， 財務信息反映不夠及時， 與瞬息萬變的經濟形勢和越來越快的發展節奏背道而馳。目前新經濟新模式強勢來臨， 財務會計報告的傳統報告形式已無法捕捉新經濟企業的價值變化和驅動因素， 無法及時且公允地反映企業的財務狀況、 經營利潤和現金流量， 企業價值與會計信息的相關性、 會計信息反映的及時性日漸惡化（劉光強和干勝道，2022）。ChatGPT利用其具有良好自然語言生成能力的大規模預訓練語言模型（簡稱“大模型”）GPT-4.0 以及訓練這一模型的鑰匙 —— 基于人工反饋的強化學習模型（RLHF）， 可以使財務報告編制成本降低、 內容更加豐富， 同時提高財務報告的時效性、 有用性、 針對性， 以滿足財務報表使用者對財務報告的各種需求， 實現財務報告生成智能化。

近些年來， 隨著云計算、 大數據、 人工智能、 機器人流程自動化（RPA）、 區塊鏈等現代信息技術的應用， 傳統財務報告體系發生了變革， 向著形式多樣化、 生成智能化、 分析多維化等方向發展。程平和陶思穎（2020）基于區塊鏈技術， 利用分布式共享賬本、 智能合約以及私有鏈等技術特征， 構建區塊鏈技術在財務報告中的智能應用模型， 以提高財務報告信息質量， 確保為企業帶來及時有效、 準確可靠的財務報告。程平等（2018）基于RPA， 從云計算數據處理、 語音識別、 自動糾錯、 財務報告模式重構、 多維度財務分析及預測等方面進行財務報告生成流程的優化與改進。徐宗本等（2014）認為， 在生產和生活方式與海量數據場景交融的背景下， 大力推動數字及智能技術發展是實現高質量和高效率發展的必然選擇。隨著ChatGPT的出現， 其在會計領域的應用引起了學界的關注。劉勤（2023）基于ChatGPT的相關技術， 闡述了ChatGPT對會計工作的深遠影響， 尤其是對會計數據處理、 報表生成與分析、 會計咨詢與教育、 風險識別和管理工作的影響， 并進一步探討了類似ChatGPT的自然語言處理模型及其底層深度學習算法在會計領域廣泛應用的可能性。程平等（2023）在闡述ChatGPT與成本管理的內涵和關系時， 分析了其在成本管理活動中的應用價值， 構建了基于ChatGPT的成本管理框架模型， 并從成本管理的數據準備、 決策精準度、 數據安全性以及組織架構調整四個方面探討了在應用該模型時的關注點。

綜觀現有文獻， 這些研究對現代信息技術在財務報告生成領域的應用從技術基礎、 應用前景、 流程優化等方面進行了全方位、 多維度的有效探索， 但在智能化應用方面的研究相對較少。ChatGPT作為一種生成式人工智能技術， 現有研究主要聚焦在其對會計的宏觀影響層面。有鑒于此， 本文在分析ChatGPT對財務報告生成的影響的基礎上， 構建基于ChatGPT的智能財務報告模型和流程框架， 然后對ChatGPT在財務報告生成中可能存在的風險進行分析， 并提出應對措施， 從而完善企業智能財務報告生態體系， 提高財務報告編制工作的效率和質量， 使人工智能幫助管理者更快地做出恰當的決策， 實現企業管理數智化。

二、 ChatGPT對財務報告生成的影響

當前， 財務報告生成活動存在的不及時、 不準確、 周期長的問題已經成為制約新經濟模式健康發展的桎梏， 傳統財務會計報告體系面臨著轉型的新挑戰， 同時也產生了許多亟待解決的新需求和新問題（田高良等，2022）。在數字化時代， 財務報告生成工作中需要運用的數據采集、 數據填列、 數據分析、 報告編制等人類智力活動正逐步被知識圖譜、 專家系統、 機器學習、 生成式人工智能、 RPA等現代化技術所滲透， ChatGPT的應用會進一步推動傳統會計工作向智能化方向發展。下面從傳統財務報告體系下的會計信息質量、 財務報告生成效率、 財務報告范式三個方面來分析ChatGPT對傳統財務報告生成帶來的影響。

（一）ChatGPT影響傳統財務報告體系下的會計信息質量

在傳統的財務報告生成體系下， 財會人員往往會在企業過去一個會計期間內產生的記賬憑證、 總賬、 各類明細賬以及計算表單中采集數據， 并對所采集的數據進行清洗和計算， 最終填入財務報表。這個過程基本依靠財會人員進行處理， 在數據采集、 指標計算以及會計處理方法選擇等方面都存在大量主觀因素， 這往往會影響企業財務報表的信息質量， 進而影響財務報告的準確性和可靠性。然而， ChatGPT作為不帶有任何感情色彩的中立機器人， 能夠嚴格按照財會人員輸入的會計準則的規則指令， 形成相應的計算機代碼進行數據采集、 清洗、 計算等工作， 使數據處理工作中的主觀性降低。因此， ChatGPT可以客觀、 公正、 合規地參與到企業財務報告生成的工作中， 輔助財會人員編制財務報告， 降低人為操作中的主觀性， 提高財務報告的會計信息質量。

另外， 會計信息質量也會受到財務報告數據源的影響。財務報告的數據基本來自企業內部的歷史數據， 其反映的是過去發生的經濟業務活動， 但是在經濟形勢瞬息萬變的今天， 僅僅依靠歷史數據并不能完整地反映企業的經濟情況， 一個活躍、 即時的數據源更能提高企業會計信息的質量。ChatGPT可以通過API接口連接企業ERP系統、 OA系統或者利用網絡爬蟲技術自動從各種公開數據源中收集財務數據， 并將其轉換為結構化數據格式， 為財會人員提供更準確和全面的數據源， 這對于解決企業各個系統異構帶來的“數據孤島”問題， 從而提高財務報告所提供的會計信息質量有著重要意義。

（二）ChatGPT影響傳統財務報告體系下的財務報告生成效率

財務報告生成效率主要受到數據收集和整理的效率、 報告撰寫和審核的流程、 人員配備和技能水平、 技術工具使用等多方面因素的影響。在傳統財務報告體系下， 數據的收集和整理主要依靠財會人員在企業財務系統中導出憑證、 錄入數據、 設置公式、 組合計算， 報告的撰寫和審核工作依靠人工進行， 財務報告生成項目的工作量大， 人員素質和技能水平也參差不齊。伴隨著ChatGPT的出現， 其卓越的生成代碼、 撰寫文本、 語言翻譯能力成為解決以“人”為主導的財務報告生成效率低下難題的題中之義。

ChatGPT能夠根據提問者的需求， 提供針對具體場景的代碼， 這是它顯著區別于以往智能聊天機器人的重要功能， 其生成的代碼包括但不限于Excel中的VBA代碼、 Python代碼。 “一鍵”生成代碼的能力使其能夠從眾多優秀的數據分析師中脫穎而出， 以勝任財務報表的數據采集與分析工作。ChatGPT除了在數據處理上具備生成代碼的能力， 還能在文本處理上以其卓越的文義理解和語言表達能力， 在企業財務報告生成工作中輸出邏輯嚴謹、 語言連貫的財務情況說明， 完全可以稱得上是一名企業的“數字員工”。并且， ChatGPT在工作時可以保持“全神貫注”的狀態， 在軟硬件設施完好的情況下可以做到連續無間斷的高效率工作， 不像人類一樣會受到情緒、 環境等因素的干擾。因此， ChatGPT在財務報告編制工作中可以起到降本增效、 優化流程的作用。

（三）ChatGPT影響傳統財務報告體系下的財務報告范式

劉峰和葛家澍（2012）認為， 財務報告在事后客觀真實地反映報告主體基本財務信息的基礎上， 可以根據使用者的不同需求， 對基本財務報表信息進行再加工， 它們可以背離歷史成本， 采用諸如市場價格甚至預計價格等非歷史成本計量屬性。在傳統的財務報告體系下， 企業財務報告作為會計信息的載體是有其固定模式的， 財務報告使用者往往需要自己進行再加工處理， 才能獲取自己所需的財務信息， 并且財務報告本身也并非簡單易懂， 做到真正理解還需要具備一定的財務知識基礎。然而， 在經濟迅速發展、 風險與機遇并存的時代， 財務報告使用者往往更加關注自己感興趣的財務信息， 更需要符合自己實際需求的財務報告， 以應對“波詭云譎”的市場經濟， 更加迅速地做出恰當的決策。因此， 面向不同財務報告使用者的“第四張報表” —— 企業管理會計報表， 更能獲得使用者的青睞。

ChatGPT可以利用其基于深度學習的自然語言生成能力、 預訓練而成的財務領域知識儲備、 強大的自適應性和靈活性， 生成準確、 全面、 “按需定制”且易于理解的財務報告模板， 這將會影響傳統財務報告體系下的財務報告范式。

從技術實現層面來講， ChatGPT具有可訓練性， 其能夠使回答結果更加精準地符合財會人員的預期?；赗LHF的訓練方法， 可以使ChatGPT產生的無效、 失真或有偏差輸出最小化。RLHF可以讓模型在大規模無監督訓練的基礎上， 通過人類反饋來進一步調優， 從而提高模型的性能和魯棒性， 實現高適應性、 持續性的財務報告生成工作。另外， ChatGPT還采用了一種“黑科技” —— Self-Fine-Tuning（SFT）技術， 其可以讓ChatGPT在不依靠人類反饋的情況下， 根據當前的任務和數據集進行自主學習和調整。隨著OpenAI開放API接口， 各企業可以消除ChatGPT與ERP系統之間的“數字鴻溝”， 實現財務報告精準生成。當ChatGPT連接企業的ERP系統后， 其可以獲取企業的全部特征， 如所在行業、 經營范圍、 規章制度、 所處供應鏈位置、 競爭情況， 以獲得更為精準的反饋?？梢灶A見的是， ChatGPT在財務報告生成工作中的應用會豐富財務報告反映的內容， 這將使傳統財務報告體系下的財務報告范式受到影響。

三、 基于ChatGPT的智能財務報告模型構建與應用

（一）模型構建

ChatGPT作為生成式預訓練語言模型， 能夠通過收集網絡上的大量數據， 并采用深度學習的算法從中學習和理解人類語言交流中所使用的領域知識和語法規則， 進而生成符合人類習慣的對話結果， 其具有可塑性高、 語言理解能力強、 生成文本效率高、 持續學習等特點。財務報告編制工作需要收集與分析大量數據并形成文字報告， 其具有文字內容多、 重復性高、 數據量大、 具有一定的模板格式等特點。ChatGPT與財務報告編制工作具有極大的相關性， ?兩者交互融合， 將對財務報告編制效率、 內容豐富度、 信息準確度等方面產生實質性影響。

基于ChatGPT的智能財務報告模型的構建是企業開展智能財務報告工作的指引， 它通過抽象和簡化復雜的問題， 幫助研究者和使用者厘清問題本質、 預測和優化結果以及提高工作效率， 其模型按流程步驟包括明確財務報告需求、 采集財務報告數據、 智能財務報告編制、 審核修正財務報告和對外報送財務報告， 如圖1所示。

基于ChatGPT的智能財務報告框架模型是根據具體的財務報告編制流程和目標來設計的， 分為以下五個步驟： 首先， 確定財務報告編制需求， 包括本次財務報告涉及內容、 人員、 模板和整體的目標； 其次， 根據需求進行自動化數據采集、 數據預處理和數據存儲； 再次， 利用經過處理的數據和模板編制財務報告； 接著， 根據報告編制結果的反饋， 對ChatGPT模型進行調整； 最后， 利用ChatGPT和RPA等技術將編制完善的財務報告進行自動化對外報送。

（二）模型應用

在智能財務報告的生成流程中， 需要經歷五個明確的步驟， 包括財務報告需求的明確、 財務報告數據的采集、 智能財務報告的編制、 財務報告的審核修正以及對外報送。為了提高財務報告編制的效率和準確性， 本文構建了以ChatGPT為核心技術， 輔以RPA+AI、 SQL和HBase等技術的智能財務報告模型。以下為該模型的具體應用流程。

1. 明確財務報告需求。明確財務報告需求是智能財務報告流程的開始， 也是指導后續流程的行動指南?；贑hatGPT的智能財務報告生成工作的編制需求分為四個方面： 數據采集處理、 自動生成需求內容、 人工調整和日志記錄。

首先， 需要收集歷史數據， 利用歷史數據對ChatGPT進行模型訓練， 經營管理者可以運用訓練好的ChatGPT模型輔助進行明確財務報告需求的工作， 以對話的方式與ChatGPT進行交互， 實現“個人頭腦風暴”， 拓寬管理者的思路； 其次， 經營管理者利用ChatGPT可以快速生成初級需求模板， 通過多次對話調整內容， 使得需求趨于完善； 再次， 對于無法通過ChatGPT生成的內容， 需要進行人工處理， 人工對存在錯誤或需要修正的內容進行調整完善， 完成需求編制工作； 最后， 將調整內容記錄下來， 以便后續對ChatGPT模型進行調整優化。

2. 采集財務報告數據。采集財務報告數據是智能財務報告的數據基礎工作， 數據的質量直接決定了財務報告的質量、 準確度和編制效率， 同時對ChatGPT的模型算法效果產生影響?；贑hatGPT的智能財務報告數據采集主要分為三個步驟： 原始數據采集、 數據預處理和數據存儲。

首先， 利用RPA+AI、 ChatGPT、 HBase和SQL等技術采集原始數據， 完成結構化和非結構化數據的采集， 保障數據的完整性， 需要采集的數據主要包括企業內部數據、 歷史數據和公開數據； 然后， 利用RPA+AI和ChatGPT對數據進行預處理， 包括數據清洗、 標注和格式化等操作， 通過數據預處理工作可以提高數據質量， 以便進行財務報告編制和對ChatGPT進行模型訓練； 最后， 對于已經標準化的數據， 需要進行統一存儲和調用， 將其中的結構化數據放入MySQL， 非結構化數據放入HBase， 需要進行云共享的數據放入數據中臺， 在進行財務報告編制和ChatGPT模型訓練時可直接從這些數據庫中調用相應的數據。

3. 智能財務報告編制。智能財務報告編制是智能財務報告流程的核心步驟， 基于ChatGPT的智能財務報告編制工作包括四個步驟： 數據審核、 指標計算、 模板調整和信息填列。

首先， 數據庫中的數據可能存在錯誤， 使用前需要對其進行審核， 這一步驟主要以人工審核為主， 可利用RPA和ChatGPT輔助進行審核工作， 提高審核效率。審核內容主要包括： 數據與憑證是否一致， 數據與賬表是否存在沖突， 實物記錄與數據是否一致。其次， 利用RPA、 ChatGPT和OLAP等技術進行指標計算， 對于指標值存在異常的數據， 需要對數據進行復核， 確認無誤之后進行下一步工作。再次， 由于具體的業務情況不同， 可能需要對模板內容和格式等內容進行調整， 這一步驟主要由人工來完成， 并對調整內容進行記錄， 以便后續對ChatGPT模型進行調整。最后， 將計算好的指標和內容填入準備好的模板中， 利用RPA計算進行自動化填列， 以提高工作的效率和準確度。

4. 審核修正財務報告。完成智能財務報告編制工作之后， 需要對報告進行審核， ChatGPT輔助財務報告生成可能存在模型誤差， 需要檢查報告的合規性， 審核內容包括數據準確性、 邏輯合理性、 內部控制、 格式和其他事項。審核這一步驟主要是由人工進行的， 對于標準化的審核項目， 也可以使用RPA+AI構建自動化流程進行審核， 以提高工作效率。同時， ChatGPT龐大的數據庫和高效的文本生成能力， 可以輔助財務報告審核人員高效地審核報告內容的準確性和邏輯的連貫性， 提高財務報告的專業性和質量。

對于財務報告審核過程中發現的問題， 需要反饋給ChatGPT模型進行調整優化， 反饋調整這一步驟包括誤差反饋、 報告修正和模型調整。首先， 需要匯總審核中反饋的問題， 將其分為可避免誤差和不可避免誤差； 然后， 對這些誤差和錯誤進行人工修正； 最后， 需要對模型進行調整優化， 將可調整誤差分解為具體的調整措施， 利用強化學習模型（PPO）對回報模型進行調整。同時， 微調模型（SFT）可以讓ChatGPT在不使用人類反饋的情況下進行自主學習和調整， 以及模型優化。正是由于ChatGPT的可調整性和自主學習性， 才使得其能夠在財務報告工作中不斷優化模型， 快速適應不同企業、 不同行業的財務報告工作。

5. 對外報送財務報告。對外報送財務報告是基于ChatGPT的智能財務報告生成工作的最后一步， 為了實現這一目標， 需要實施以下三個步驟： 報告形式轉換、 語言轉換和定時發送。

首先， 報告形式轉換包括將財務報告轉換為不同的形式， 如文本、 語言或視頻。通過利用自然語言處理（NLP）、 語音合成技術（TTS）和圖像技術， 可以實現財務報告形式的靈活轉化， 從而使報告能夠適應不同的傳播媒介和讀者需求。其次， 對于跨國公司， 需要對財務報告進行語言轉換。ChatGPT的語言模型可以快速而準確地將財務報告從一種語言翻譯為另一種語言， 這項功能極大地簡化了多語種財務報告的處理過程， 并提高了準確性和效率。最后， 定時發送是確保財務報告按時傳遞給相關方的重要一環。通過結合RPA和AI技術， 可以搭建一個自動化的工作流程， 設定特定的發送時點， 讓系統自動定時發送報告郵件， 確保報告按計劃進行發送， 這種自動化的流程大大提高了報告發送的效率和準確性?？梢?， 綜合利用ChatGPT和RPA等人工智能技術， 可以使對外報送財務報告的工作效率和質量得到顯著提升。在這些技術的應用下， 財務報告轉換、 翻譯和發送等任務更加智能化、 高效化， 整個報告報送過程更加順暢。

四、 基于ChatGPT的智能財務報告風險及應對措施

ChatGPT給財務報告生成工作帶來了效率與質量的提升、 管理成本的降低等積極影響， 但是新技術背后暗藏的風險與漏洞更有可能致使項目中斷或徹底破產。鑒于此， 基于ChatGPT的智能財務報告風險分析顯得尤為必要。經研究， 本文認為基于ChatGPT的智能財務報告可能存在以下風險：

（一）數據質量與會計信息可靠性的問題

財務報告的價值取決于其會計信息質量， 而會計信息的可靠性影響著會計信息質量?；贑hatGPT的智能財務報告生成模型的算法需要訓練數據集來學習財務報告的語言和結構特征， 數據集的質量影響著大模型算法的準確度， 并最終作用于財務報告提供的會計信息的質量上。如果訓練數據集存在偏差， 如某些財務報告類型、 某些行業或者某些時間段的數據比例較低， 那么生成的財務報告可能會忽略這些特征， 導致一定的誤差。

雖然ChatGPT是一種強大的自然語言生成模型， 但是它仍然存在某些局限性。例如， 它可能難以理解某些財務概念的復雜性， 導致生成的報告缺乏準確性和完整性。訓練數據集中也會存在數據的標注錯誤， 其會影響模型的性能和質量， 從而導致生成的財務報告存在不準確的問題。此外， 由于人會參與到數據的訓練過程中， 使得標注數據可能存在主觀性， 這也可能影響模型的性能。例如， 不同的人對于某個財務概念的理解不同， 可能導致模型的學習出現偏差。預訓練數據集的更新速度不夠快則可能導致生成的報告不再符合最新的規則和政策。由于ChatGPT的學習過程基于歷史數據， 如果歷史數據存在誤差， 可能會導致ChatGPT在生成財務報告時積累誤差， 從而影響財務報告的準確性。

對于基于ChatGPT的智能財務報告生成中存在的數據質量問題， 企業可以通過定期清洗歷史數據中的錯誤和不合規數據的方式， 避免誤差過度積累， 同時對生成的財務報告進行數據校驗， 確保財務報告的準確性和可靠性。另外， 企業需要對訓練的數據集保持實時更新， 確保算法生成的報告能夠盡量符合最新的規則和政策。

（二）數據安全和技術安全的問題

數據作為一種新型的生產要素， 是企業管理數字化、 網絡化、 智能化的基礎。隨著科學技術的發展， 在數據發揮越來越大的作用的今天， 由數據泄露引發的企業倒閉、 破產事件時有發生， 因此企業越來越重視數據的保護工作。ChatGPT在參與財務報告編制的過程中需要訪問大量財務數據、 商業數據、 客戶信息， 如果這些數據未得到充分保護， 可能會導致敏感信息泄露。尤其是在我國國有經濟占主體地位的情況下， 國有企業龐大的數據量關乎國民隱私、 國家安全， 必須對這些數據進行妥善的保護和管理， 以防止其被不法人員或機構竊取或濫用（董木欣和徐玉德，2022）。具體而言， 對于數據隱私泄露風險， 企業可以加強數據保護工作， 通過加密敏感數據、 控制數據訪問權限、 加強安全審計、 應用區塊鏈加密技術等手段， 提高數據的保護能力。

目前ChatGPT進階到GPT-4.0模型， 參數量已遠超GPT-3.5擁有的至少1750億級， 是歷史上規模最大的自然語言處理模型， 其能力得到了廣泛的驗證。盡管如此， 作為一項正處于開發初期的語言模型， ChatGPT仍然存在一些潛在的技術漏洞。在ChatGPT生成財務報告的過程中會依賴大量數據， 如果數據源本身不可靠或者數據容易被篡改， 那么生成的報告也會存在錯誤或不準確的情況， 導致報告的可信度大大降低。同時， 黑客攻擊風險會對財務報告的生成產生危害， 智能財務報告的生成需要聯網進行， 如果網絡安全措施不足或者被黑客攻擊， 就可能導致數據泄露或者模型被攻擊。黑客可以通過篡改模型的訓練數據或者模型參數來影響報告的生成結果， 這可能會導致報告中出現錯誤的數據或者偏差較大的財務分析結果。對于ChatGPT可能存在的技術漏洞， 企業可以通過定期對自身的ChatGPT系統進行安全評級和維護升級， 加強對ChatGPT系統的技術監管和漏洞修補。對于惡意的黑客攻擊， 企業可以通過加強安全技術防護， 采取多層次的安全技術手段， 如防火墻、 入侵檢測系統、 加密技術、 區塊鏈等， 提高安全防護能力。

（三）AI替代吞噬、 人機權責不明的問題

ChatGPT的強勢來襲開啟了人工智能時代新紀元， AI有害、 算法吞噬等論調也甚囂塵上。伴隨著人工智能的相關研究逐漸走向生活化的應用場景， AI與人的交互頻率也呈指數級增加， 關于AI與人的關系分化成以下三種觀點： 機器與人交互融合產生更多的可能性的人機共生、 僅是機器發展且傷害人類的偏害共生、 機器傷害人類且毀滅人類文明的替代吞噬。智能化時代的到來促使大量人工智能機器人涌入人類勞動力市場， 伴隨而來的是崗位擠兌、 人機權責不明的問題。如果企業不制定相應的規則以明晰人與機器人的權責范圍， 那么人工智能很可能會成為致使企業效益低下， 甚至是成為企業經營不善、 破產清算的推手， 這違背了人類推進人工智能技術發展的初心。比如， 在財務報告智能生成過程中， 如果ChatGPT根據數據推演和歷史經驗給出了一個不符合實際經濟形勢和行業競爭現狀的財務指標， 從而導致管理者決策失敗， 那么此次經營決策失敗的責任主體應該由企業的規章制度來決定。另外， 伴隨著人工智能參與到企業財務報告生成工作之中， 傳統的財務報告編制工作流程也會發生質的轉變（高漢祥和汪子昊，2023）， 企業急需一套能夠明晰人與AI之間的職能、 權限的制度來保障自身的正常運轉。由此可見， 推動企業數智化管理的前提是建立一套人機權責明晰的制度章程。

（四）傳統組織架構嬗變調整的問題

埃森哲、 麥肯錫等機構的調研結果顯示， 越來越多的企業將公司管理的重心轉移到智能化上來， 考慮將人工智能模型引入企業管理， 傳統的以人為中心的企業組織架構正在向著“人機協調”的新型企業組織架構演變。雖然人工智能已經越來越多地參與到企業管理工作中， 但是企業財務報告的生成過程依然離不開人的參與（占美松等，2021）， 人在企業財務報告的生成工作中仍然起著主導作用， 其決定著企業財務報告生成工作的重點、 方向和進度。盡管ChatGPT可以幫助企業進行財務報告的數據采集、 指標計算、 文本撰寫、 提供建議等工作， 但企業的財務報告要真正服務于相關者進行決策還是不能缺少人的主觀能動性。

除此之外， ChatGPT對傳統組織架構的影響不僅僅在于催生“人機協調”的新型企業組織架構， 其還促進著企業人才結構的調整、 轉型。在財務報告智能生成體系下， 需要一批具有改革創新、 銳意進取精神的人才隊伍， 為企業數智化財務報告生成“保駕護航”。他們除了要精通機器學習、 深度學習、 RPA等技術， 還需要對企業管理、 財務知識有一定程度的了解和認識， 并且在思維層面與時俱進。ChatGPT開啟了生成式人工智能技術加速發展的“快車”， 要真正駕馭生成式人工智能技術， 就必須因時而變， 由過去解決問題的思維轉變為提出問題的思維， 同時提高對各類信息的識別能力， 建立更深層次的批判性思維， 實現技術為我所用， 這樣才能更好地應對人工智能給人類帶來的威脅和挑戰， 真正達到將人工智能融入企業組織架構的目的， 建立健全“人機協調”的企業組織架構。

五、 結束語

ChatGPT現象級的爆火絕非曇花一現， 代表著自然語言處理領域最前沿的GPT模型是使其保持持久影響力的技術核心。財務報告作為企業管理層進行生產經營戰略決策的重要依據， 必須與時俱進， 與技術硬核、 發展勢頭強勁的新技術深度融合， 形成核心競爭力。ChatGPT在財務報告流程上的應用能夠提高報告效率、 報告質量， 使財務報告更好地為管理者和各利益相關方服務?；贑hatGPT的智能財務報告應用仍面臨數據技術融合處理難度高、 改變現有運行流程和業務規則力度不夠、 數據安全難以保證、 自身安全存在漏洞等問題， 這也導致本文還存在許多不足， 理論上仍需要進一步深入， 實踐上更需要大力探索。相信隨著自然語言處理技術研究的不斷深入， ChatGPT會在財務報告的智能應用中得到進一步發展， 最終實現財務報告生成智能化的目標， 更好地為財務報告使用者服務。

【 主 要 參 考 文 獻 】

程平，廖音潔，李怡等．基于ChatGPT的成本管理應用研究［ J］．商業會計，2023（8）：29 ～ 33．

程平，陶思穎，朱波峰．基于RPA的財務共享服務中心財務報告生成優化研究［ J］．會計之友，2018（22）：146 ～ 151．

程平，陶思穎．基于區塊鏈技術的智能財務報告研究［ J］．會計之友，2020（5）：156 ～ 160．

董木欣，徐玉德．國有企業數字化轉型中的數據安全與治理路徑 —— 基于信息生態視域［ J］．財會月刊，2022（13）：132 ～ 136．

高漢祥，汪子昊．數字化與數據化：新技術大潮下會計變革的形與實［ J］．財會月刊，2023（11）：47 ～ 52．

劉峰，葛家澍．會計職能·財務報告性質·財務報告體系重構［ J］．會計研究，2012（3）：15 ～ 19+94．

劉光強，干勝道．新經濟背景下的智能管理會計報告 —— 基于“區塊鏈+人工智能”數字技能［ J］．財會月刊，2022（14）：79 ～ 85．

劉勤．ChatGPT及其對會計工作的影響探討［ J］．會計之友，2023（6）：158 ～ 161．

田高良，楊娜，張亭．ESG背景下全景式財務報告體系構建［ J］．財會月刊，2022（13）：16 ～ 23．

徐宗本，馮芷艷，郭迅華，曾大軍，陳國青．大數據驅動的管理與決策前沿課題［ J］．管理世界，2014（11）：158 ～ 163．

占美松，高禎憬，康均等，人工智能技術沖擊下的會計穩定與發展［ J］．財會月刊，2021（16）：85 ～ 91．