生成式人工智能對會計行業的影響探討
——以ChatGPT為例

胡 云

隨著人工智能領域的不斷發展，生成式AI已經成為當前全球最熱門的話題之一。2022年，一款名為ChatGPT的生成式AI問世，僅僅五天內就擁有了超過100萬的用戶量，兩個月后更是已經達到了超過1億的用戶規模。ChatGPT用其出色的答案提供能力、高效的信息獲取方式以及強大的語言組織能力為用戶提供了超出預期的交互體驗，已經廣泛應用于多個領域。例如，它可以用來編寫和調試計算機程序，創作音樂、文章等。雖然ChatGPT的應用對會計行業的影響在當下并沒有充分顯現出來，但隨著ChatGPT廣泛普及，在會計行業使用這項技術將不可避免。會計行業工作者必須要認真思考如何更好地將ChatGPT與會計融合，以應對生成式

AI對傳統會計的革命性沖擊?；诖?本文在系統梳理 ChatGPT 的發展歷程、總結其特點的基礎上，首次以案例測試的方式分析了以ChatGPT 為代表的生成式AI對會計行業帶來的具體機遇與挑戰，并提出對應的建議和未來展望。

一、ChatGPT發展歷程和特點

（一）發展歷程

ChatGPT(Chat Generative Pre-trained Trans former)是OpenAI公司開發的一種基于GPT模型的生成式AI技術。該技術起源于2015年OpenAI在舊金山創立的人工智能公司，其成立目的是促進人類AI技術的發展，通過與其他機構研究者的“自由合作”，向公眾開放專利和研究成果。在2018年，該實驗室推出了GPT-1。GPT-1 采用了自注意力機制的深度學習模型，可用于與監督任務無關的NLP任務。之后的整個GPT系列都遵循、執行和優化這一模型。

隨后， OpenAI在2019年推出了GPT-2。該模型在語言生成能力方面表現出了驚人的能力，例如可以閱讀摘要和編寫故事等，但其在專業性較強、敏感度較高的任務中表現不佳。2020年，OpenAI推出了GPT-3。它是一個參數量達到1.75萬億的自監督模型，已經能夠完成上下文學習而無需微調。例如可以提供定制化代碼和創作定制化詩歌等。因而，GPT-3被認為是人工智能發展史上的里程碑事件。

2022年1月，OpenAI繼續推出了GPT-3.5(InstructGPT)，該模型可以將有偏差的輸出最小化，大大提升輸出結果的準確度。12月，在GPT-3.5的基礎上，OpenAI又推出了ChatGPT。ChatGPT既保留了GPT-3.5的性能，又成功地將模型大小縮減到原來的1/10。此外，ChatGPT增加了對特定領域的預訓練數據和微調，使得它在某些領域的表現甚至超過了GPT-3。例如，其能夠實現交互式的對話、生成多個連續的文本片段等，從而進一步提高了它的實用性和靈活性。最近，OpenAI于2023年3月17日推出了GPT-4，該模型最大的特點在于圖文智能化處理。用戶可以通過輸入圖像而不是文字，直接獲得相應的圖像輸出。

（二）特點

ChatGPT的特點可以總結為以下5點：（1）生成自然流暢的語言：借助于GPT-3 架構和大量訓練，ChatGPT可以生成自然流暢的語言，不僅語法正確、語義合理、而且邏輯通順。（2）擁有廣泛的知識儲備：ChatGPT的訓練數據來源于互聯網上的大量文本，包含各個領域的知識，能夠回答各種各樣的問題，并提供多樣化的信息。（3）能夠進行人機對話：ChatGPT不僅能夠回答單個問題，還可以進行對話，模擬人類對話的方式，和用戶進行復雜的問答交互。（4）支持多語言：可以用不同的語言和ChatGPT進行對話，語種包括英語、中文、日語、法語等。（5）具有個性化定制功能：ChatGPT可以根據用戶的輸入和反饋進行學習和優化，為不同的用戶提供個性化的回答和建議。

ChatGPT 的誕生標志著人工智能技術在自然語言處理領域邁向了一個新的高度，這對人類社會產生了深遠的影響。一方面，ChatGPT 的出現推動了自然語言生成和理解技術的發展，使得人們能夠更加方便地使用自然語言與計算機進行交互，從而提高了人機交互的效率和便捷性。另一方面，ChatGPT 的底層機器學習算法也為其他領域的人工智能技術提供了新的思路和啟示。例如利用好ChatGPT的底層機器學習算法包括神經網絡、決策樹、隨機森林來對海量數據進行訓練，自動學習數據之間的規律和關聯，并根據這些規律進行智能預測和決策。那么，就會計行業而言，ChatGPT又會產生哪些具體的影響呢？據此，本文提出下面的思維圖，并進行展開論述（圖1）。

圖1 ChatGPT對會計行業的影響探討思維圖

二、ChatGPT給會計行業帶來的機遇

（一）自動化會計工作流程

會計流程涉及原始憑證的錄入、記賬憑證、日記賬、明細賬、總賬以及財務報表的制作。而ChatGPT具有強大的自然語言生成能力和上下文學習能力，能夠生成高質量的自然語言文本?？梢岳眠@種技術來助力自動化會計工作流程。

比如說，ChatGPT可以被用于輔助自動記賬。傳統的會計工作中，需要人工輸入每個交易的信息，并將其分類到正確的賬戶中。這是一項繁瑣而容易出錯的任務。但是，如果使用ChatGPT技術，它可以通過分析輸入的文本信息，自動將會計科目分類到正確的賬戶中。這種方式可以極大地減少人為錯誤，提高記賬的準確性和速度。如圖2所示，向ChatGPT提問原材料采購分錄，ChatGPT能夠提取談話內容，并迅速繪制出相對應的會計分錄。值得一提的是，ChatGPT會對涉及的分錄作出詳細的解釋，進而方便用戶理解。ChatGPT技術也可以被用于自動生成財務報表。傳統的財務報表需要會計人員手動計算并填寫各種數據。但是，如果使用ChatGPT技術，它可以自動分析和計算各種數據，并生成對應的財務報表。如圖3所示，ChatGPT可以抓取大段文字中的關鍵數據，并繪制出對應的資產負債表。

圖2 ChatGPT對原材料采購分錄的回答

圖3 ChatGPT繪制資產負債表

（二）輔助資料審查和更正

通過使用自然語言處理技術和機器學習算法，ChatGPT可以分析和解釋會計報表、財務數據和相關文件，并提出其中可能存在的錯誤、不一致性或其他問題的建議和解決方案。例如，使用ChatGPT技術可以幫助審查會計分錄、賬戶余額、交易記錄和其他財務文件，檢查它們是否符合會計準則和法規，并識別出可能的錯誤或漏洞。如果發現問題，ChatGPT可以提供糾正措施，如更正憑證、調整賬戶余額、更新交易記錄等。如圖4所示，當輸入錯誤的會計分錄(將本應計入生產成本的材料，錯誤計入制造費用)，ChatGPT能夠準確識別出錯誤，并提供更正的分類，還貼心地對將材料計入生產成本的原因進行了解釋。

圖4 ChatGPT糾正會計分錄

（三）數據分析和決策支持

ChatGPT通過對大量財務數據的學習和分析，能夠為企業提供更加精準的預測和建議，幫助企業制定更加科學的決策。例如，ChatGPT可以分析財務報表、預算、銷售數據、市場趨勢等，識別出關鍵業務指標，比如收入、成本、利潤、客戶滿意度等，進而幫助企業了解業務運營狀況。ChatGPT還可以幫助企業發現數據之間的關系和趨勢，并提供基于數據分析的建議和預測，如預測銷售額、制定成本控制策略等。此外，ChatGPT可以通過深入了解企業的業務和市場，為企業提供有關如何優化業務、增加收入、降低成本等方面的建議。這些建議可以幫助企業制定更加科學的戰略和決策，提高業務效率和盈利能力。

如圖5所示，就生產成本分析與選擇而言，ChatGPT可以提供相應的數據計算步驟。通過展示直接銷售A產品和深加工成B產品的總利潤的詳細比較，清楚地給決策者提供了決策支持。

圖5 ChatGPT對生產成品的分析

（四）個性化客戶服務

ChatGPT 的自然語言生成和人機交互技術，可以為會計行業帶來個性化客戶服務。一方面，ChatGPT可以針對不同的客戶需求，提供個性化的解決方案和建議，實現客戶需求的精準匹配。例如，ChatGPT 可以根據客戶的問題，提供相應的會計準則和政策，解答客戶的疑惑和困惑。如圖6所示，當客戶詢問科技型中小企業所得稅稅率，ChatGPT可以快速給出答案，且備注了稅率認定需要注意的事項。除此之外，ChatGPT 還可以結合人工智能技術中的機器學習和數據挖掘技術，對客戶數據進行分析和挖掘，為客戶提供個性化的財務分析和預測服務。例如，ChatGPT 可以根據客戶的財務數據，預測未來的財務狀況，提供針對性的建議和決策支持，幫助客戶更好地規劃財務和風險管理。如圖7所示，可以為客戶比較股票價值，提供個性化投資建議。

圖6 ChatGPT個性化詢問

圖7 ChatGPT對股票選擇的回答

（五）預防欺詐和監管風險

Chat GPT 可以通過分析和挖掘大量的數據，找出其中的規律并挖掘出異常值，從而有效地識別潛在的欺詐和監管風險。具體來說，ChatGPT可以通過以下幾個方面來幫助會計行業預防欺詐和監管風險：（1）ChatGPT可以自動地分析大量的交易數據、財務報表等其他會計信息，通過對比、分析和挖掘數據中的異常和矛盾之處，幫助個人或者企業發現和識別潛在的欺詐行為或監管違規行為。（2）ChatGPT可以利用機器學習算法對歷史數據進行建模和分析，幫助個人或企業評估當前的風險水平，并預測未來可能出現的風險。這樣個人或企業就可以提前采取相應的措施，防范可能出現的欺詐和監管風險。（3）ChatGPT可以實時監控交易和財務報表數據，及時發現異常情況，并給出預警提示。這樣個人或企業就可以在第一時間采取措施，防止欺詐行為或監管違規行為造成的損失。如圖8所示，在詢問如何判斷報表作假的時候，ChatGPT可以條理清晰地指出5條著手點，輔助會計人員和審計人員財務自查。

圖8 ChatGPT對判斷財務作假的回答

（六）助力會計科研

ChatGPT可以利用自然語言處理和機器學習算法對大量的會計文獻和數據進行分析和挖掘，從而幫助會計學者深入了解會計領域的各種問題，并提出更加精準和可靠的研究結論。具體來說，ChatGPT可以通過以下幾個方面來助力會計科研：首先，ChatGPT可以解決會計科研中遇到的各類常見操作問題，如代碼咨詢，名詞解釋等等。此外，ChatGPT可以通過識別現有會計文獻的關鍵詞、提取主題和分析文本之間的關聯，幫助會計學者更快速、更準確地了解會計領域相關問題的研究現狀。其次，ChatGPT可以利用機器學習算法對會計數據進行挖掘和建模，分析數據中的潛在規律和趨勢，發現新的研究方向和問題，從而為會計學者提供更加準確和有力的研究依據。同時，ChatGPT可以利用自然語言處理技術對文章進行潤色，為會計學者提供更加便捷、高效地語言修改服務。

如圖9所示，向ChatGPT咨詢會計研究中常遇到的工具變量代碼問題，可以發現它能夠直接給出示例，簡單明了地給出代碼步驟?？梢妼hatGPT應用于會計科研可以極大地縮短查找時間。

圖9 ChatGPT對科研代碼的回答

三、ChatGPT給會計行業帶來的挑戰

（一）真實性存疑

Chat GPT 的數據庫有限。GPT - 3 的預訓語料集主要由CommonCrawl 數據集、Reddit 鏈接、書籍、期刊、英文維基百科數據等組成，總體量約7 5 3 G B。而ChatGPT的訓練數據規模與其同級模型GPT-3.5模型的數據規模相似，都是在 GPT-3 等模型的數據基礎上改進優化而來。因此，ChatGPT沒有形成為面向全球會計用戶而對應的足夠大的數據來進行預訓練，給出的信息有可能只是人工智能的“編造事實”，需要會計專業的相關人事進行專業判斷。如圖10所示，當詢問ChatGPT關于稅前加計扣除比例75%的企業，在2022年10月1日到2022年12月31日期間研發費用加計扣除比例是多少的時候，ChatGPT給出的回答貌似有理有據，但是并不符合《關于加大支持科技創新稅前扣除力度的公告》中規定的100%。如果沒有專業的會計判斷，僅僅是依賴ChatGPT，極有可能造成企業的巨大損失。并且ChatGPT并沒有可以追溯的信息來源。當筆者詢問會計欺詐的最新文獻的時候，ChatGPT看似給出了一連串的參考文獻，但實際搜索這些文獻，卻查無此文。

圖10 ChatGPT對研發費用加計扣除的回答

（二）會計信息滯后

ChatGPT 自動處理增量信息能力不強，導致會計信息滯后。ChatGPT的預訓練語料是從已有的數據庫爬取的，但是最新的知識更新截止于2021年。同時，ChatGPT缺乏對新知識的攝入及訓練的流動性。一旦出現知識更新就需要重新預訓練GPT模型?？紤]到訓練的時間成本以及金錢成本，無法有效實現知識地迅速預訓練。即便是不惜成本，也需要考慮知識的融合。也就是說，難以近乎實時地將新知識融入GPT模型。因此ChatGPT模型并不符合會計的及時性原則。如圖11所示，當詢問關于個人所得稅新增項目的時候，ChatGPT給出的回答并沒有涵蓋最新的“3歲以下嬰幼兒照護專項附加扣除、個人養老金”可以在匯算中予以扣除的規定。

圖11 ChatGPT對個稅稅前扣除的回答

（三）會計信息的隱私性和安全性得不到保障

作為一個面向大眾的語言模型，ChatGPT的特點之一是數據共享，這也使得它難以保障會計數據的私密性和安全性?？紤]到會計數據的主要使用對象是財務從業人員以及與財務相關的管理者，這些信息往往是敏感數據，對于企業的經營至關重要，是企業決策的重要依據。因此，企業往往對會計信息的保護非常重視，采取了各種措施來確保數據的安全性和完整性。這些措施包括但不限于限制訪問權限、加密數據、備份等等。如果將會計信息輸入到類似ChatGPT這種公開的第三方模型中可能會導致泄露敏感信息（如商業機密），會對企業的聲譽和經營造成嚴重影響。此外，對于在個人信息的未經訪問和泄漏等方面也存在極大的風險。

（四）建設和維護成本過高

ChatGPT的背后是數據、算法和算力，而這些離不開強大的經濟支撐。首先就數據而言: 2020年，GPT-3使用的最大數據集在處理前容量達到了45TB。但是，中文語料數據仍不能滿足訓練數據的需要。在OpenAi公布的GPT-3訓練數據集中中文語料只占總訓練量的0.1%。而中文語料庫的構建是一項極具挑戰性的工作，其中需要涵蓋各種不同的語言風格、主題和文本類型。如果想將中文進行篩選、清洗、標注以及預處理將會耗費大量的時間和金錢。

其次就算法而言： ChatGPT使用了深度學習領域中的自然語言處理（N L P）算法并使用轉換器（Transformer）架構用于自然語言處理任務中的序列建模。而為了構建一個高效的模型，需要進行大量的實驗、調試和訓練，還需要使用高性能的計算硬件（如GPU）來加速模型的訓練過程。此外，為了提高模型的性能，還需要對模型進行優化，通常需要耗費大量的資源和時間。

最后就算力而言：ChatGPT的模型需要使用大量的數據和復雜的算法來訓練，相應的計算機的運行時間也會變得非常長。這通常需要大量的芯片、電力等資源，而這些資源的價格也非常昂貴。據國盛證券報告《ChatGPT 需要多少算力》估算，GPT-3的一次訓練就需要約140萬美元的成本，而對于更大的LLM模型，訓練成本可能介于200萬美元至1200萬美元之間。大多數小型公司和初創企業往往難以承擔這樣的成本。即使擁有足夠的資金，它們可能也無法支持巨大的計算資源和設備來訓練和開發模型。這也限制了這些公司和企業能夠開發和使用這些先進的自然語言處理技術，從而使他們難以在市場上競爭。

（五）對輸入端的語料要求高

ChatGPT需要足夠的專業語料來進行預訓練，以便能夠精確地回答類似具體會計的問題。如圖12，當你詢問如何制作購買一批原材料的會計分錄時，你需要提供足夠的信息，包括貨款已付和另外已支付了的增值稅金額。如果你沒有提供增值稅信息，ChatGPT可能會出現誤解。但是如果你在詢問中明確指出另外支付了1700元增值稅，ChatGPT就更可以準確地回答問題，詳見圖2。

圖12 ChatGPT對增值稅的回答

此外，ChatGPT在處理復雜冗長的大段落信息方面存在一些限制，需要在提問時盡可能將復雜的問題分解成幾個小問題。ChatGPT主要設計目的是能夠根據輸入的文本生成具有連貫性和合理性的輸出文本。這意味著ChatGPT 更適合處理相對簡單和短小的輸入。其次，ChatGPT 的預訓練模型是基于大規模語料庫訓練而來的，而這些語料庫通常包含的是相對簡單和短小的文本段落。因此，當輸入的文本過于復雜冗長時，ChatGPT無法從其預訓練模型中獲取足夠的相關知識和信息，從而影響其處理和回答問題的準確性和完整性。

（六）存在倫理問題

1.偏見和歧視。ChatGPT的生成結果和觀點立場是由它所訓練的數據決定的。如果數據中存在偏見或歧視性情感立場，ChatGPT可能會學習、繼承或放大這些偏見或歧視，導致會計信息出現偏差并偏離初衷，甚至有被不良分子利用故意操縱ChatGPT來誘導用戶錯誤行為的風險。其次，用戶可能會基于從眾的心里，趨向于不假思索地選擇錯誤信息，導致信息在某個方向的聚集，加劇信息偏差。已有文獻證明，當訓練數據集是小眾數據組時，ChatGPT已經表現出了偏見。

2 . 缺乏透明度和責任感。ChatGPT是基于深度學習(BP+分層模式識別為主)的人工智能系統，只有輸入端以及輸出端可以看到，而使用者并不清楚中間的網絡是怎么形成的。換句話說，其工作流程及算法過程是不透明的，具有“黑箱”性質。如果中間的網絡識別有誤，使用者將很難解釋產生錯誤的原因也難以加以糾正，更沒有辦法判定責任的歸屬。

3.過分依賴自動化。如果會計人員過度依賴自動化工具，可能會忽略或放棄他們在保證財務報告準確性和完整性方面的職責以及發揮自身的主觀能動性。此外，ChatGPT也可能導致數據被錯誤地輸入或解釋，從而產生錯誤的財務報告。而對于會計教育行業而言，可能會使得會計學生用ChatGPT替代真實的教學，拉大教師與學生的距離。

四、一些建議

（一）加強批判思維訓練

會計人員需要加強批判性思維訓練以應對ChatGPT答案的真實性存疑。會計人員需要意識到生成式AI的局限性。在面對不確定性和可能存在的錯誤時，會計人員應該保持冷靜、客觀和審慎的態度，以確保ChatGPT所提供的信息準確可靠。會計人員需要系統地學習科學研究的方法論，掌握有效的探索、調查、驗證和證實策略以及常見的邏輯謬誤和思維偏差，從而建立批判性思維的基礎。會計人員應該從多個角度審視問題，尤其是在處理復雜的問題時，需要從不同的角度進行分析和思考，以便得到更全面的結論。鼓勵會計人員質疑ChatGPT生成的內容，對所提供的信息進行深入的分析和思考，并通過不同的角度和方法進行驗證，以確保信息的準確性和可靠性。此外，會計人員還需掌握會計領域專業知識，包括但不限于企業會計準則、稅法、審計和財務管理等方面的內容。只有在掌握了相關的專業知識后，才能更快、更準確地判斷輸出內容的質量。

（二）優化模型和更新知識

面對ChatGPT會計信息滯后的缺點，一方面程序開發者可以就系統本身不斷地優化模型，包括但不限于更新預數據庫，提高算法的準確性和實時性，以及加強對特定領域的理解和應用。這可以通過對數據源的持續監控和分析、不斷調整和改進算法模型，以及利用人工智能技術的創新性應用等方式實現。

另一方面，會計人員需要保持持續學習和提高的態度，不斷更新知識和技能，以更好地應對ChatGPT會計信息滯后的缺點。鼓勵會計人員參加專業培訓、學習最新的會計準則和法律法規、與同行進行交流和合作，以及了解和學習新興技術和工具等方式來不斷提高自己的專業素質和知識水平。在處理ChatGPT模型輸出時，會計從業者需要根據實際情況進行個性化的分析和調整，從而確保輸出結果的準確性和可靠性。

（三）保護數據隱私和安全

1.數據隱私保護。政府部門應該明確規定個人數據的收集、存儲和使用的合法合規的標準，確保在收集、使用、存儲、傳輸和銷毀個人數據的過程中保護數據的隱私性和安全性。減少數據泄露和未經授權訪問等安全事件的發生，為數據的可靠、安全和合規的使用提供保障。

2.數據采集授權。政府部門應該規定數據采集必須經過數據擁有者的同意，并且應該明確規定數據擁有者對于自己的數據有何種授權或限制的權限。

3.合規審查。政府部門應該制定數據安全和隱私保護的合規審查機制，對數據處理過程中的潛在漏洞進行檢查，以確保數據處理的合法性和合規性。

4.安全響應和管理。政府、公司等應該建立事件響應計劃和管理體系，及時識別和處理數據泄露和其他安全問題，以減輕數據泄露和未經授權訪問對社會造成的影響。

5.數據培訓和教育。應該開展針對不同群體的數據安全和隱私保護培訓和教育，提高公眾的數據隱私保護意識和能力。

（四）控制成本

1.鼓勵成本分攤和共享經濟。事務所可以與其他公司共享基礎設施和資源，例如使用共享服務器和云計算平臺來存儲和處理數據。這可以減少會計師事務所自己購買和維護設備的成本，并提高設備的利用率和效率。

2.鼓勵使用可再生能源的節能硬件。公司可以考慮使用能耗更低的硬件設備，并選擇使用可再生能源來供電，例如太陽能或風能。這可以降低能源成本，并減少對環境的負面影響。

3.升級技術。會計師事務所可以通過研究和開發壓縮、蒸餾和剪枝技術來減少模型的大小和所需的計算資源，從而降低計算成本。這可以通過壓縮模型、減少模型參數、移除冗余數據等方式實現。

4.監控使用成本。會計師事務所應該對使用ChatGPT的成本進行監控和分析，以便及時發現和解決成本過高的問題。例如，可以通過記錄查詢次數和使用時間，來分析ChatGPT的使用情況和成本。

（五）輸入端標準化

1.提供一個標準的操作指南。包括輸入數據的規則、格式和模板，以確保所有數據錄入的過程都是一致的，并且滿足特定的數據質量和準確性要求。例如，在錄入數據時，應該遵循特定的數據驗證和清洗規則。

2 . 少量分步驟詢問。 在向ChatGPT 輸入信息時，用戶可以自己先理清思維邏輯，再通過少量多次的方式進行輸入。也就是說可以嘗試將較大的任務分解成多個較小的任務，每次輸入少量信息，這樣能夠得到ChatGPT的及時反饋，以便進行調整和糾正。這樣不僅可以提高輸出結果的準確性，還可以有效地節約時間和成本，避免不必要的浪費。

（六）校準和技能培養

鑒于存在偏見和歧視，可以在前端開發和提升偏差校準技術，訓練或微調模型的多樣化數據集，以確保它不偏向任何特定群體。此外對于模型訓練和更新，只應考慮以符合法規和道德的方式收集和注釋的數據。在中期，使用者需要強化倫理教育，使用和輸出多樣化、公平、無偏差的數據。后期則需要定期監測和評估模型的性能以識別和解決任何可能存在的偏見；鑒于缺乏透明度，開發者可以制定透明機制，明確說明模型輸出的數據來源和假設，提供模型輸出的解釋和可視化，幫助用戶更好地理解模型的推斷過程和結果。給會計工作者提供專業培訓和資源諸如如何評估模型質量、處理偏差等，使他們能夠了解如何識別和解決模型輸出中的潛在偏差和其他故障。此外，可以使用多樣化、無偏差的數據更新模型來減少模型輸出中的偏差和誤差。同時，還需要由人類專家監督審查結果，確保模型輸出符合專業標準和實際情況。

鑒于依賴自動化，一方面要意識到人工智能的局限性，不能產生一切依賴人工智能的錯誤想法。另一方面鼓勵人們將人工智能當成輔助設備，鼓勵和引導自我成長。將時間和精力放在更有創造性的事務上。

五、未來展望

未來，生成式AI對會計行業的影響將是全面而深遠的。綜合考慮現有的機遇、挑戰以及結合未來趨勢，會計行業有望基于“基礎審計語料庫+自有資料”的框架，搭建起屬于自己的會計類生成式AI，實現共享行業智庫+高效個性化服務，推動會計行業標準化、智能化發展。具體可以從以下幾個方面進行展望（圖13）：

圖13 未來展望的框架圖

1.實現數據共享平臺，提升會計行業效率。以會計準則、會計制度以及相關法律法規為基礎，以會計師事務所公開的審計數據為處理對象，構建起基礎審計語料庫。具體步驟包括：通過統一命名規范、字段定義和數據格式，來確保數據的一致性和可比性；按照行業、報表類型、審計對象等標準對數據進行歸類，并通過標注和注釋重要信息，使得語料庫中的數據更有價值和可解釋性；建立存儲和管理審計語料庫的系統，以確保數據的安全性、可訪問性和可維護性；根據新的財務數據，及時更新和維護語料庫，保證其有效性和實用性。審計語料庫的構建，一方面可以節約后續企業軟件開發的成本，另一方面帶來了共享的行業智庫。會計人員可以從中獲取經驗的同時得到一個可以對比和參考的基準，進而對自身的會計工作進行評估和改進，提高會計工作的質量和效率。

2.開發會計類生成式AI，實現個性化財務服務。在基礎審計語料庫的基礎上，融入自有專業或私密的財務數據，并對整合后的數據集進行模型訓練，進而開發出適用于各個企業的會計類生成式AI。具體步驟包括：收集并整合自有專業或私密的資料；對關鍵信息進行標注并對數據進行預處理，以便于后續的模型訓練；以預訓練的語言模型作為基礎，對特定領域的數據進行微調，以提高模型準確性和適應性；基于訓練好的模型，搭建一個類ChatGPT軟件的對話接口，以實現實時個性化服務；通過數據加密、身份驗證、限制對敏感數據的訪問和使用等，構建起軟件隱私和安全保護機制。此外，定期更新和維護數據集，并通過用戶反饋和模型監控來改進軟件的性能和準確性。定制化會計類生成式AI的建立，可以為各個企業提供一個適合自身的財務智能助手，滿足用戶對于財務信息安全以及個性化的需求。

3.創新業務模式和服務領域，推動會計行業進步。會計類生成式AI的建立將顛覆以往的會計處理方式，推動會計行業智能化轉型。首先，該系統的智能化能力可以將企業的服務范圍拓展至更廣泛的領域。相較于傳統的財務軟件側重于核算和報告，會計類生成式AI可以為注冊會計師提供豐富的行業信息，助力注冊會計師更為深入地與客戶合作，提供更多戰略性的財務咨詢、規劃和決策支持，為會計行業帶來新的利潤增長點。其次，會計類生成式AI的集成和互聯使得各個環節和系統之間的連接更加緊密，加強了企業間的合作和交流。通過與同行業乃至不同行業技術的合作和交流，有利于產生協同效應，創造出新的商業機會。例如，會計師事務所與金融機構合作，為客戶提供更為精準的投資分析和風險評估。最后，會計類生成式AI加速了數據的實時共享和流動，這會迫使落后的企業不斷改善業務模式，提高整個會計行業的工作效率和服務質量，推動了整個會計行業的進步。