ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型的影響與應(yīng)對(duì)

金源 李成智

【摘要】ChatGPT作為當(dāng)下AIGC領(lǐng)域的代表性技術(shù)， 首次實(shí)現(xiàn)了語(yǔ)言智能的智慧涌現(xiàn)， 引發(fā)業(yè)界學(xué)界的熱烈討論?，F(xiàn)有研究表明， ChatGPT將對(duì)我國(guó)會(huì)計(jì)工作產(chǎn)生全方位、 深層次的影響。為進(jìn)一步探究以ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員轉(zhuǎn)型的影響程度和影響方式， 本文開(kāi)展了主題為“ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型影響”的問(wèn)卷調(diào)查， 基于調(diào)查結(jié)果分析了大模型對(duì)會(huì)計(jì)基本職能、 會(huì)計(jì)擴(kuò)展職能、 會(huì)計(jì)轉(zhuǎn)型職能等維度的影響。研究發(fā)現(xiàn)： 盡管會(huì)計(jì)人員已經(jīng)意識(shí)到大模型對(duì)會(huì)計(jì)職能轉(zhuǎn)型將會(huì)產(chǎn)生深遠(yuǎn)影響， 但在評(píng)估其具體影響的過(guò)程中仍存在一定的非理性認(rèn)知偏差， 且在變革應(yīng)對(duì)過(guò)程中面臨“知易行難”等方面的困境。在數(shù)據(jù)分析的基礎(chǔ)上， 本文進(jìn)一步從職能轉(zhuǎn)型、 能力框架重構(gòu)等層面給出切實(shí)可行的參考建議， 以期幫助會(huì)計(jì)從業(yè)人員更理性地看待大模型的影響， 積極應(yīng)對(duì)未來(lái)人機(jī)協(xié)同模式下會(huì)計(jì)工作中涌現(xiàn)的變革與挑戰(zhàn)。

【關(guān)鍵詞】ChatGPT；大模型；會(huì)計(jì)職能轉(zhuǎn)型；人機(jī)協(xié)同

【中圖分類(lèi)號(hào)】F275? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2023）18-0052-8

一、 引言

2021年11月， 財(cái)政部發(fā)布的《會(huì)計(jì)改革與發(fā)展“十四五”規(guī)劃綱要》提出， “以數(shù)字化技術(shù)為支撐， 以會(huì)計(jì)審計(jì)工作數(shù)字化轉(zhuǎn)型為抓手， 推動(dòng)會(huì)計(jì)職能實(shí)現(xiàn)拓展升級(jí)”。2021年12月， 財(cái)政部發(fā)布的《會(huì)計(jì)信息化發(fā)展規(guī)劃（2021-2025年）》進(jìn)一步指出， 要加強(qiáng)復(fù)合型會(huì)計(jì)信息化人才培養(yǎng)， 完善會(huì)計(jì)人員信息化方面的能力框架， 打造懂會(huì)計(jì)、 懂業(yè)務(wù)、 懂信息技術(shù)的復(fù)合型會(huì)計(jì)信息化人才隊(duì)伍。可見(jiàn)， 國(guó)家從政策層面鼓勵(lì)會(huì)計(jì)人員積極探索和掌握新一代信息技術(shù)， 重構(gòu)自身能力框架， 推動(dòng)會(huì)計(jì)職能對(duì)內(nèi)對(duì)外拓展， 以適配會(huì)計(jì)數(shù)字化轉(zhuǎn)型背景下的工作需求。

2022年11月底， OpenAI發(fā)布生成式AI產(chǎn)品ChatGPT。作為首款在語(yǔ)言智能領(lǐng)域?qū)崿F(xiàn)智慧涌現(xiàn)的預(yù)訓(xùn)練大語(yǔ)言模型（簡(jiǎn)稱(chēng)“大模型”）產(chǎn)品， ChatGPT憑借精準(zhǔn)的語(yǔ)義理解能力、 強(qiáng)大的語(yǔ)言表達(dá)能力、 嚴(yán)謹(jǐn)?shù)倪壿嬎季S能力， 成為人工智能發(fā)展史上的又一座里程碑。大模型不同于專(zhuān)注垂直細(xì)分任務(wù)的小模型， 其兼具“大規(guī)?！焙汀邦A(yù)訓(xùn)練”兩種屬性， 具有通用性、 創(chuàng)造性、 可擴(kuò)展性等特征。當(dāng)前主流的大模型產(chǎn)品包括ChatGPT、 PaLM、 訊飛星火、 阿里通義千問(wèn)、 騰訊混元、 百度文心等。會(huì)計(jì)作為一門(mén)通用的商業(yè)語(yǔ)言， 與經(jīng)濟(jì)社會(huì)發(fā)展密切相關(guān)。如何理解并適應(yīng)由大模型引發(fā)的技術(shù)革新， 以便在新的環(huán)境中找到自身定位并發(fā)揮最大價(jià)值， 成為亟待會(huì)計(jì)人員思考的問(wèn)題。

基于以上背景， 本文在上海國(guó)家會(huì)計(jì)學(xué)院會(huì)計(jì)信息調(diào)查中心的支持下， 開(kāi)展了主題為“ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型影響”的問(wèn)卷調(diào)查， 基于調(diào)查結(jié)果分析了大模型對(duì)會(huì)計(jì)基本職能、 會(huì)計(jì)擴(kuò)展職能、 會(huì)計(jì)轉(zhuǎn)型職能等維度的影響。研究發(fā)現(xiàn)， 盡管會(huì)計(jì)人員已經(jīng)意識(shí)到大模型對(duì)會(huì)計(jì)職能轉(zhuǎn)型將會(huì)產(chǎn)生深遠(yuǎn)影響并采取了積極應(yīng)對(duì)措施， 但在評(píng)估其具體影響的過(guò)程中仍存在一定的非理性認(rèn)知偏差， 且在變革應(yīng)對(duì)過(guò)程中面臨“知易行難”等困境。在此基礎(chǔ)上， 本文從職能轉(zhuǎn)型、 能力框架重構(gòu)等方面給出了切實(shí)可行的參考建議， 以期幫助我國(guó)會(huì)計(jì)從業(yè)人員更理性地看待大模型的影響， 積極應(yīng)對(duì)未來(lái)人機(jī)協(xié)同模式下會(huì)計(jì)工作中涌現(xiàn)的變革與挑戰(zhàn)。

二、 文獻(xiàn)綜述與理論基礎(chǔ)

（一）技術(shù)變革對(duì)會(huì)計(jì)職能的影響研究綜述

會(huì)計(jì)職能指會(huì)計(jì)在經(jīng)濟(jì)管理中所具有的功能。學(xué)界在多年對(duì)于會(huì)計(jì)基本職能的探討中， 形成了“會(huì)計(jì)信息系統(tǒng)論”和“會(huì)計(jì)管理活動(dòng)論”兩大主要流派。會(huì)計(jì)信息系統(tǒng)論認(rèn)為， 會(huì)計(jì)的本質(zhì)是以提供財(cái)務(wù)信息為主的經(jīng)濟(jì)信息系統(tǒng)（余緒纓，1980；葛家澍和李翔華，1986）， 該理論強(qiáng)調(diào)會(huì)計(jì)的“反映”職能。而會(huì)計(jì)管理活動(dòng)論（楊紀(jì)琬和閻達(dá)五，1980）則認(rèn)為會(huì)計(jì)本身就是一項(xiàng)管理活動(dòng)， 該理論更強(qiáng)調(diào)會(huì)計(jì)的監(jiān)督與控制職能。劉峰和葛家澍（2012）進(jìn)一步指出， 隨著經(jīng)濟(jì)社會(huì)的發(fā)展， 會(huì)計(jì)職能經(jīng)歷了單職能（反映）、 雙職能（反映與監(jiān)督）、 多職能到全職能的演變。依據(jù)會(huì)計(jì)全職能假說(shuō)， 會(huì)計(jì)職能體現(xiàn)在會(huì)計(jì)工作的全生命周期中， 涉及反映、 監(jiān)督、 預(yù)測(cè)、 決策、 控制、 估值等方面。

關(guān)于人工智能與會(huì)計(jì)職能轉(zhuǎn)型之間的關(guān)系研究已經(jīng)較為豐富。楊寅和劉勤（2023）指出， 人工智能是推進(jìn)會(huì)計(jì)職能轉(zhuǎn)型的重要因素之一， 它將會(huì)使會(huì)計(jì)的基本職能更加無(wú)人化， 會(huì)計(jì)的拓展職能更加智能化， 會(huì)計(jì)的轉(zhuǎn)型職能更加凸顯會(huì)計(jì)行業(yè)價(jià)值。續(xù)慧泓等（2021）通過(guò)將新一代信息技術(shù)與會(huì)計(jì)管理活動(dòng)論的理念相結(jié)合構(gòu)建智慧會(huì)計(jì)系統(tǒng)， 指出在智能化技術(shù)的推動(dòng)下， 會(huì)計(jì)的內(nèi)涵和外延得到發(fā)展， 會(huì)計(jì)的職能得到強(qiáng)化， 會(huì)計(jì)的應(yīng)用范圍不斷擴(kuò)展。國(guó)內(nèi)外也有諸多學(xué)者致力于研究AI是否會(huì)代替會(huì)計(jì)從業(yè)人員這一問(wèn)題， 當(dāng)前主流觀點(diǎn)認(rèn)為， 會(huì)計(jì)工作者的意義不僅僅在于機(jī)械地從事記賬算賬等基礎(chǔ)工作， 更重要的是在經(jīng)濟(jì)活動(dòng)中進(jìn)行判斷與溝通。人工智能的使用在一定程度上提高了會(huì)計(jì)人員的工作效率， 但也提高了會(huì)計(jì)人員被替代的風(fēng)險(xiǎn)， 未來(lái)會(huì)計(jì)人員要朝著“財(cái)務(wù)+技術(shù)+管理”的復(fù)合型人才轉(zhuǎn)變（應(yīng)里孟和陽(yáng)杰，2020；占美松等，2021；張俊瑞和辛星，2023）。

ChatGPT的興起為會(huì)計(jì)行業(yè)帶來(lái)了全新的機(jī)遇與挑戰(zhàn)。為積極應(yīng)對(duì)ChatGPT對(duì)會(huì)計(jì)領(lǐng)域的沖擊， 已有多位專(zhuān)家學(xué)者思考并探討了ChatGPT對(duì)會(huì)計(jì)科技（金源和李成智，2023a）、 會(huì)計(jì)行業(yè)變革（劉勤，2023）、 智能財(cái)務(wù)（金源和李成智，2023b）等方面的影響， 并且探索了其在財(cái)務(wù)咨詢(xún)、 審計(jì)、 稅務(wù)管理等具體財(cái)務(wù)場(chǎng)景中的應(yīng)用可行性。然而， 現(xiàn)有研究多集中在ChatGPT對(duì)會(huì)計(jì)工作與財(cái)務(wù)場(chǎng)景的影響， 針對(duì)ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型影響的研究還存在空白。特別是以問(wèn)卷調(diào)查的方式了解會(huì)計(jì)人員對(duì)于ChatGPT等大模型產(chǎn)品的了解及應(yīng)對(duì)情況， 目前尚未有學(xué)者展開(kāi)相關(guān)研究， 這使得本文的研究具有一定的開(kāi)創(chuàng)性。

（二）研究分析框架

已有諸多學(xué)者結(jié)合ChatGPT的技術(shù)特性， 通過(guò)理論推演的方式指出， 在會(huì)計(jì)工作中ChatGPT可以發(fā)揮其強(qiáng)大的自然語(yǔ)言理解能力和數(shù)據(jù)處理能力， 幫助會(huì)計(jì)人員高效完成日常工作。同時(shí)， ChatGPT的引入也將推動(dòng)會(huì)計(jì)人員的職能轉(zhuǎn)型， 使他們從機(jī)械、 繁瑣的流程類(lèi)工作中解放出來(lái)， 更多地參與到?jīng)Q策支持、 戰(zhàn)略財(cái)務(wù)等更高級(jí)別的會(huì)計(jì)工作中， 從而推進(jìn)會(huì)計(jì)職能轉(zhuǎn)型。為驗(yàn)證現(xiàn)有理論研究的合理性， 本文將通過(guò)問(wèn)卷數(shù)據(jù)分析的方法， 探討ChatGPT的普及推廣對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型的影響。本文將從以下四個(gè)維度對(duì)問(wèn)卷數(shù)據(jù)展開(kāi)分析： 會(huì)計(jì)人員對(duì)大模型的了解和使用情況； 大模型對(duì)會(huì)計(jì)職能轉(zhuǎn)型的影響分析； 針對(duì)大模型影響的應(yīng)對(duì)現(xiàn)狀分析； 其他綜合分析。在數(shù)據(jù)分析的基礎(chǔ)上， 本文將結(jié)合變革管理理論（Change Management Theory）、 顛覆式創(chuàng)新理論（Disruptive Innovation Theory）、 雙環(huán)學(xué)習(xí)理論（Double-loop Learning Theory）等， 對(duì)大模型時(shí)代會(huì)計(jì)人員如何重構(gòu)自身能力框架、 財(cái)務(wù)部門(mén)如何變革管理方式， 以及政府部門(mén)、 國(guó)家會(huì)計(jì)學(xué)院、 高校、 軟件廠商等外部支持層如何提供必要支持給出切實(shí)可行的建議， 具體分析框架如圖1所示。

三、 問(wèn)卷設(shè)計(jì)與數(shù)據(jù)收集

（一）問(wèn)卷設(shè)計(jì)

圍繞“ChatGPT為代表的大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型影響”的主題， 調(diào)查問(wèn)卷共設(shè)置了15個(gè)問(wèn)題， 采用選擇題、 打分題（采用1 ～ 5分打分形式， 具體分值的含義依題目而定）與開(kāi)放式問(wèn)題相結(jié)合的方式。本調(diào)查問(wèn)卷由三部分組成： 第一部分為調(diào)查對(duì)象的基本信息， 包括調(diào)查對(duì)象的年齡、 崗位層級(jí)， 該部分用于大模型對(duì)不同群體影響的差異性分析； 第二部分為會(huì)計(jì)人員對(duì)大模型的認(rèn)知和看法調(diào)查， 問(wèn)題主要涵蓋對(duì)大模型產(chǎn)品的了解程度、 討論和使用情況、 中短期內(nèi)大模型對(duì)泛會(huì)計(jì)類(lèi)從業(yè)人員的影響； 第三部分為針對(duì)大模型影響的應(yīng)對(duì)現(xiàn)狀調(diào)查， 問(wèn)題主要涵蓋調(diào)查對(duì)象所在機(jī)構(gòu)的應(yīng)對(duì)措施、 所在機(jī)構(gòu)接入/不接入大模型產(chǎn)品的原因、 大模型產(chǎn)品的使用效果、 如何積極應(yīng)對(duì)大模型的沖擊以及在該過(guò)程中所需外部支持的調(diào)查。

（二）數(shù)據(jù)來(lái)源

在完成問(wèn)卷的設(shè)計(jì)后， 筆者在上海國(guó)家會(huì)計(jì)學(xué)院會(huì)計(jì)信息調(diào)查中心的協(xié)助下， 對(duì)包含全國(guó)會(huì)計(jì)領(lǐng)軍人才在內(nèi)的樣本庫(kù)進(jìn)行了問(wèn)卷發(fā)放， 共收回問(wèn)卷1334份。為盡量保證調(diào)查樣本的代表性， 從樣本中剔除了在校大學(xué)生、 非會(huì)計(jì)行業(yè)從業(yè)人員， 僅保留了具有一定會(huì)計(jì)實(shí)務(wù)工作經(jīng)驗(yàn)的人群作為分析樣本。經(jīng)過(guò)缺失值處理、 邏輯一致性驗(yàn)證、 重復(fù)數(shù)據(jù)剔除等數(shù)據(jù)清洗流程后， 共篩選出1173份有效數(shù)據(jù)用于后續(xù)分析。

從調(diào)查對(duì)象背景信息來(lái)看， 普通工作人員占比15.94%、 基礎(chǔ)管理人員占比19.59%、 中層管理人員占比45.69%、 高層管理人員占比18.67%， 20 ～ 30歲占比12.19%、 30 ～ 40歲占比39.73%、 40 ～ 50歲占比36.15%、 50歲以上占比11.94%。樣本涵蓋范圍較廣， 且各部分占比基本復(fù)合正態(tài)分布， 大部分調(diào)查對(duì)象工作經(jīng)驗(yàn)豐富且處于管理崗位， 對(duì)會(huì)計(jì)職能和未來(lái)發(fā)展前景有較為清晰的認(rèn)識(shí)， 能夠在一定程度上代表目前業(yè)界對(duì)于大模型影響的認(rèn)知。

四、 調(diào)查問(wèn)卷數(shù)據(jù)分析

依據(jù)問(wèn)卷調(diào)查數(shù)據(jù)總體來(lái)看， 會(huì)計(jì)人員目前對(duì)于大模型產(chǎn)品的認(rèn)知和使用情況如圖2所示（采用1 ～ 5分打分形式，5分為非常了解/頻繁使用過(guò)，3分為基本了解/偶爾使用，1分為不了解/沒(méi)用過(guò)）：

調(diào)查樣本對(duì)大模型的平均了解程度為3.08分、 平均使用情況為2.49分。由此可見(jiàn)， 隨著國(guó)內(nèi)外大模型廠商的加速布局以及媒體的深入解讀和分析， 會(huì)計(jì)人員對(duì)大模型產(chǎn)品已達(dá)到基本了解的程度。但由于目前最具代表性的大模型產(chǎn)品ChatGPT仍然對(duì)訪問(wèn)IP地址有所限制， 且國(guó)內(nèi)百度文心、 訊飛星火等大模型產(chǎn)品開(kāi)放使用的時(shí)間較短， 大模型產(chǎn)品的應(yīng)用普及還在逐步推進(jìn)中， 因而出現(xiàn)了對(duì)大模型的使用情況平均得分（2.49分）低于了解情況的現(xiàn)象（3.08分）。圖3呈現(xiàn)了各要素間的相關(guān)關(guān)系， 相關(guān)系數(shù)越大代表正相關(guān)性越強(qiáng)。從圖中可以得知， 周?chē)苏務(wù)撉闆r與本人了解程度具有較高的正相關(guān)性（0.79）， 周?chē)耸褂们闆r和本人使用情況具有較強(qiáng)的正相關(guān)性（0.68）， 這也表明作為一項(xiàng)新興技術(shù)， 有關(guān)大模型的討論和使用符合創(chuàng)新擴(kuò)散理論。

在后續(xù)問(wèn)卷分析中， 為盡量保證觀點(diǎn)的嚴(yán)謹(jǐn)性， 本文將篩選對(duì)大模型了解和使用程度較高（3 ～ 5分）的樣本開(kāi)展進(jìn)一步分析。

（一）大模型對(duì)會(huì)計(jì)人員職能轉(zhuǎn)型的影響分析

1. 大模型對(duì)會(huì)計(jì)職能的綜合影響。調(diào)查數(shù)據(jù)顯示， 中短期（3年）內(nèi)， 大模型對(duì)于會(huì)計(jì)類(lèi)工作和會(huì)計(jì)職業(yè)的綜合影響程度較大， 為3.8分。其中， 評(píng)分范圍為1 ～ 5分， 5分為有極大影響需高度重視， 3分為有一定影響應(yīng)該注意， 1分為基本無(wú)影響無(wú)需注意。大模型對(duì)會(huì)計(jì)職能的具體影響為： 調(diào)查對(duì)象非常認(rèn)同大模型的使用將提高財(cái)務(wù)日常工作效率（4.29）， 并且將會(huì)促進(jìn)會(huì)計(jì)人員轉(zhuǎn)型和知識(shí)更新（4.22）， 同時(shí)會(huì)計(jì)人員將借助甚至依賴(lài)大模型信息做出更為科學(xué)的決策（4.04）。另外， 調(diào)查對(duì)象也比較認(rèn)同大模型的普及將催生類(lèi)似財(cái)務(wù)RPA機(jī)器人的“數(shù)字員工”（4.12）， 但對(duì)于大模型的普及會(huì)大幅減少會(huì)計(jì)類(lèi)崗位的就業(yè)機(jī)會(huì)的認(rèn)可程度較低（3.48）。以上調(diào)查結(jié)果一定程度上與已有研究形成了相互印證。金源和李成智（2023b）指出， 以ChatGPT為代表的大模型兼具運(yùn)算智能、 感知智能、 認(rèn)知智能。以ChatGPT為例， 其可以從自動(dòng)化和數(shù)智化兩方面優(yōu)化財(cái)務(wù)場(chǎng)景， 促進(jìn)會(huì)計(jì)職能轉(zhuǎn)型。一方面， 大模型的應(yīng)用可以在一定程度上通過(guò)自動(dòng)化流程型工作來(lái)提高財(cái)務(wù)日常工作效率； 另一方面， 大模型可以通過(guò)加載數(shù)據(jù)挖掘算法， 實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的分析和決策體系的輸出。

會(huì)計(jì)是一項(xiàng)技術(shù)， 更是一門(mén)藝術(shù)。會(huì)計(jì)工作除需要財(cái)務(wù)專(zhuān)業(yè)知識(shí)和進(jìn)行流程型操作外， 還需要?jiǎng)?chuàng)意性和抽象性思維、 高度社交智慧和談判技巧， 因此大模型無(wú)法徹底取代會(huì)計(jì)人員（劉勤，2023）。本文認(rèn)為， 將會(huì)計(jì)所具有的反映、 監(jiān)督、 預(yù)測(cè)、 決策、 估值等職能對(duì)應(yīng)到會(huì)計(jì)實(shí)務(wù)工作中， 具體表現(xiàn)為會(huì)計(jì)核算、 財(cái)務(wù)分析、 稅務(wù)管理、 內(nèi)部審計(jì)、 外部審計(jì)、 成本管理、 預(yù)算管理、 財(cái)務(wù)報(bào)告、 資金管理、 財(cái)務(wù)BP（Business Partner）、 投融資管理、 風(fēng)控合規(guī)、 財(cái)務(wù)戰(zhàn)略等“大會(huì)計(jì)”職能（后續(xù)提及的“會(huì)計(jì)”也均為“大會(huì)計(jì)”概念）。大模型對(duì)各會(huì)計(jì)職能的影響程度如圖4所示（評(píng)分范圍為1 ～ 5分，5分為影響極大，3分為有一定影響，1分為基本無(wú)影響）。

由圖4可見(jiàn)， 大模型對(duì)財(cái)務(wù)分析影響最大為4.14分， 而對(duì)財(cái)務(wù)戰(zhàn)略的影響僅有1.44分， 大模型對(duì)會(huì)計(jì)各職能的影響存在較大差異。為探究大模型對(duì)會(huì)計(jì)職能的影響差異的內(nèi)在原因， 本文后續(xù)將參照會(huì)計(jì)職能三分類(lèi)方法（楊寅和劉勤，2023）進(jìn)一步開(kāi)展拆解分析。

2. 大模型對(duì)會(huì)計(jì)基礎(chǔ)職能的影響。依據(jù)會(huì)計(jì)信息系統(tǒng)論和會(huì)計(jì)管理活動(dòng)論， 會(huì)計(jì)兩大基礎(chǔ)職能為反映與監(jiān)督。會(huì)計(jì)基礎(chǔ)職能主要圍繞財(cái)務(wù)報(bào)表展開(kāi)， 其對(duì)應(yīng)到具體會(huì)計(jì)實(shí)務(wù)中表現(xiàn)為會(huì)計(jì)核算、 財(cái)務(wù)報(bào)告、 資金管理、 稅務(wù)管理以及內(nèi)外部審計(jì)等職能崗位。調(diào)查對(duì)象認(rèn)為大模型對(duì)會(huì)計(jì)基礎(chǔ)職能各具體崗位影響如下：

（1）大模型對(duì)會(huì)計(jì)核算影響較大（4.09分）。調(diào)查對(duì)象認(rèn)為， 大模型可以自動(dòng)化處理和準(zhǔn)確核算， 減少人工錯(cuò)誤， 提高核算速度和準(zhǔn)確度。但本文認(rèn)為， 調(diào)查對(duì)象對(duì)于該影響的評(píng)估可能偏高。一方面， 會(huì)計(jì)核算對(duì)于精度要求較高， 但大模型本質(zhì)是概率模型， 其所擁有的隨機(jī)初始化等特性導(dǎo)致其輸出結(jié)果不穩(wěn)定， 需要通過(guò)設(shè)置隨機(jī)種子、 關(guān)閉隨機(jī)層等方法來(lái)確保結(jié)果的可重復(fù)性， 這在實(shí)操層面對(duì)會(huì)計(jì)人員挑戰(zhàn)較大。另一方面， 部分會(huì)計(jì)分錄（如合并報(bào)表調(diào)整分錄、金融工具、長(zhǎng)期股權(quán)投資）處理邏輯較為復(fù)雜， 大模型可能無(wú)法勝任。

（2）大模型對(duì)財(cái)務(wù)報(bào)告工作的影響程度中等（2.60分）。這可能是由于許多企業(yè)已經(jīng)有較為成熟的報(bào)表工具或XBRL（可擴(kuò)展商業(yè)報(bào)告語(yǔ)言）應(yīng)用程度較高， 出于數(shù)據(jù)安全考慮， 無(wú)需額外使用大模型進(jìn)行財(cái)務(wù)報(bào)告編制。

（3）大模型對(duì)稅務(wù)管理的影響程度不高（2.58分）。由于大模型存在“幻覺(jué)”（Hallucination）問(wèn)題， 有時(shí)會(huì)按照流暢的語(yǔ)法規(guī)則產(chǎn)生包含虛假信息甚至毫無(wú)意義的文本， 且無(wú)法實(shí)現(xiàn)回答的精確溯源， 這使得其難以依據(jù)高度復(fù)雜的稅務(wù)法規(guī)給出合理可靠的回答。

（4）大模型對(duì)資金管理的影響程度較低（2.11分）。資金管理的目標(biāo)是實(shí)現(xiàn)流動(dòng)性、 盈利性和安全性之間的平衡， 這是一個(gè)復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題。大模型可能難以捕捉這些目標(biāo)之間的微妙平衡和相互作用。同時(shí)， 資金管理涉及企業(yè)的敏感信息和保密問(wèn)題， 企業(yè)可能不愿意將這些信息用于大模型的訓(xùn)練和分析。此外， 資金管理還涉及大量對(duì)接銀行理財(cái)部門(mén)等外部機(jī)構(gòu)和內(nèi)部各部門(mén)間的溝通協(xié)調(diào)。綜上， 資金管理作為一個(gè)綜合性、 戰(zhàn)略性和專(zhuān)業(yè)性很強(qiáng)的領(lǐng)域， 對(duì)大模型的依賴(lài)程度相對(duì)較低。

（5）大模型對(duì)內(nèi)部審計(jì)（2.48分）和外部審計(jì)（1.65分）的影響均不大。這可能是由于審計(jì)工作本身的復(fù)雜性和專(zhuān)業(yè)性較高， 同時(shí)需要具備較強(qiáng)的人際協(xié)調(diào)和溝通能力。此外， 鑒于外部審計(jì)需向資本市場(chǎng)履責(zé)， 同時(shí)需承擔(dān)一定的法律責(zé)任， 因此被大模型影響的程度更低。

3. 大模型對(duì)會(huì)計(jì)擴(kuò)展職能的影響。2021年11月， 財(cái)政部下發(fā)的《會(huì)計(jì)改革與發(fā)展“十四五”規(guī)劃綱要》提出， 會(huì)計(jì)職能需要對(duì)內(nèi)與對(duì)外進(jìn)行拓展， 對(duì)內(nèi)拓展聚焦于提升微觀主體管理能力， 對(duì)外拓展歸集在服務(wù)宏觀經(jīng)濟(jì)與經(jīng)濟(jì)治理等方面。楊寅和劉勤（2023）指出， 會(huì)計(jì)擴(kuò)展職能主要包括計(jì)劃、 控制、 分析、 決策、 預(yù)測(cè)等。本文認(rèn)為， 對(duì)應(yīng)到具體會(huì)計(jì)實(shí)務(wù)中， 會(huì)計(jì)擴(kuò)展職能涵蓋財(cái)務(wù)分析、 成本管理、 預(yù)算管理、 風(fēng)控合規(guī)等。調(diào)查對(duì)象認(rèn)為大模型對(duì)會(huì)計(jì)擴(kuò)展職能各具體崗位影響如下：

（1）大模型對(duì)財(cái)務(wù)分析工作影響最大（4.14分）。這主要是由于大模型除可以進(jìn)行常規(guī)的財(cái)務(wù)比率分析、 趨勢(shì)分析外， 還可以依據(jù)歷史數(shù)據(jù)進(jìn)行建模， 挖掘數(shù)據(jù)背后的隱藏模式， 更精準(zhǔn)地進(jìn)行收入、 支出預(yù)測(cè)。同時(shí)， 大模型的自動(dòng)摘要功能可大幅提高財(cái)務(wù)人員提取年報(bào)文本中關(guān)鍵信息的能力。

（2）大模型對(duì)成本管理（2.72分）和預(yù)算管理（2.65分）的影響程度中等。成本管理涉及原材料采購(gòu)、 生產(chǎn)過(guò)程、 人力資源等多個(gè)環(huán)節(jié)， 復(fù)雜性較高。預(yù)算管理不僅是一項(xiàng)技術(shù)， 更需要以戰(zhàn)略為導(dǎo)向， 且二者均需要跨部門(mén)的溝通與協(xié)調(diào)， 因此大模型對(duì)二者影響程度為中等。

（3）大模型對(duì)風(fēng)控合規(guī)的影響程度不高（2.14分）。風(fēng)控合規(guī)涉及法律、 道德、 文化、 商業(yè)等諸多方面， 且需要戰(zhàn)略導(dǎo)向和人際溝通協(xié)調(diào)， 大模型難以勝任。同時(shí)， 風(fēng)控合規(guī)工作涉及企業(yè)的敏感信息和保密問(wèn)題， 企業(yè)可能不愿意將這些信息用于大模型的訓(xùn)練和分析。此外， 風(fēng)控合規(guī)工作涉及嚴(yán)格的合規(guī)審查和監(jiān)管要求， 企業(yè)可能更傾向于依賴(lài)專(zhuān)業(yè)人員， 以降低風(fēng)險(xiǎn)。

4. 大模型對(duì)會(huì)計(jì)轉(zhuǎn)型職能的影響。會(huì)計(jì)轉(zhuǎn)型職能表現(xiàn)為會(huì)計(jì)人員能夠結(jié)合業(yè)務(wù)洞察、 新一代信息技術(shù)、 資本市場(chǎng)知識(shí)以及戰(zhàn)略視角， 解決價(jià)值創(chuàng)造、 價(jià)值評(píng)估、 不確定性等領(lǐng)域的問(wèn)題。對(duì)應(yīng)到具體會(huì)計(jì)實(shí)務(wù)中涵蓋財(cái)務(wù)BP、 財(cái)務(wù)戰(zhàn)略、 投融資管理以及財(cái)務(wù)數(shù)字化轉(zhuǎn)型工作。大模型對(duì)會(huì)計(jì)轉(zhuǎn)型職能的具體影響如下：

（1）大模型對(duì)財(cái)務(wù)BP的影響很?。?.90分）。財(cái)務(wù)BP的主要職責(zé)是通過(guò)發(fā)揮自身的財(cái)務(wù)專(zhuān)長(zhǎng)， 與業(yè)務(wù)部門(mén)緊密合作， 共同推動(dòng)業(yè)務(wù)模式的實(shí)施和優(yōu)化。財(cái)務(wù)BP需要與公司內(nèi)各個(gè)業(yè)務(wù)部門(mén)緊密合作， 進(jìn)行多方利益協(xié)調(diào)， 同時(shí)利用敏銳的商業(yè)洞察力把握市場(chǎng)趨勢(shì)和業(yè)務(wù)機(jī)遇， 并通過(guò)財(cái)務(wù)分析支持業(yè)務(wù)決策。這需要具備人際溝通和戰(zhàn)略思考的能力， 而單純依賴(lài)大模型無(wú)法實(shí)現(xiàn)。此外， 每個(gè)企業(yè)的業(yè)務(wù)戰(zhàn)略和文化都有其獨(dú)特性， 財(cái)務(wù)BP需要深入了解企業(yè)的特點(diǎn)， 為其量身定制解決方案， 而通用性的大模型可能難以滿足這種個(gè)性化需求。

（2）大模型對(duì)投融資管理的影響也較?。?.54分）。這可能是由于投融資管理工作在戰(zhàn)略導(dǎo)向、 人際溝通、 實(shí)時(shí)數(shù)據(jù)分析等方面的要求較高。但本文認(rèn)為， 調(diào)查對(duì)象對(duì)于該影響的評(píng)估可能偏低。因?yàn)閺耐顿Y角度來(lái)看， 財(cái)務(wù)報(bào)表分析是投資的基礎(chǔ)， 而前文顯示大模型目前已經(jīng)可以較好地輔助財(cái)報(bào)分析。佛羅里達(dá)大學(xué)開(kāi)展的一項(xiàng)研究表明， 利用 2021 年 10 月至 2022 年 12 月的公開(kāi)市場(chǎng)數(shù)據(jù)和新聞， 由 ChatGPT 驅(qū)動(dòng)的交易模型通過(guò)多空混合策略產(chǎn)生超過(guò) 500% 的回報(bào)， 遠(yuǎn)高于同一時(shí)間段內(nèi)標(biāo)普500指數(shù) ETF 的 -12% 回報(bào)率， 同時(shí)ChatGPT在量化投資、 自動(dòng)交易等方面均發(fā)揮了一定效果， 這至少表明大模型目前對(duì)投資領(lǐng)域已產(chǎn)生了一定影響。

（3）大模型對(duì)戰(zhàn)略財(cái)務(wù)的影響最?。?.44分）。戰(zhàn)略財(cái)務(wù)位于企業(yè)財(cái)務(wù)金字塔的頂端， 主要涉及公司的長(zhǎng)期財(cái)務(wù)規(guī)劃、 風(fēng)險(xiǎn)管理、 資本結(jié)構(gòu)、 并購(gòu)戰(zhàn)略等高層次決策。戰(zhàn)略財(cái)務(wù)不僅涉及數(shù)字和文本分析， 而且涉及對(duì)企業(yè)戰(zhàn)略的理解、 市場(chǎng)趨勢(shì)的判斷和未來(lái)風(fēng)險(xiǎn)的預(yù)測(cè)， 這需要具備深入的商業(yè)理解力和人的直覺(jué)， 而大模型僅能提供一定程度的輔助。此外， 戰(zhàn)略財(cái)務(wù)決策通常具有長(zhǎng)期性和不可逆性， 涉及公司的核心利益。這些決策通常需要人的審慎考慮和較強(qiáng)責(zé)任心， 大模型難以承擔(dān)相應(yīng)責(zé)任。

（4）隨著新一代信息技術(shù)的飛速發(fā)展， 會(huì)計(jì)行業(yè)也積極與新技術(shù)、 新理念接軌， 大力推進(jìn)數(shù)字化轉(zhuǎn)型工作， 如電子會(huì)計(jì)檔案實(shí)現(xiàn)了憑證管理的無(wú)紙化、 金稅四期實(shí)現(xiàn)從“以票控稅”向“以數(shù)治稅”的轉(zhuǎn)變、 財(cái)務(wù)RPA機(jī)器人取代了部分機(jī)械勞動(dòng)。這部分工作涉及的內(nèi)容較為龐雜且深度融入各項(xiàng)會(huì)計(jì)職能中， 因此本文未將數(shù)字化轉(zhuǎn)型部分單獨(dú)納入問(wèn)卷調(diào)查中。會(huì)計(jì)數(shù)字化轉(zhuǎn)型工作涉及頂層藍(lán)圖設(shè)計(jì)、 落地步驟規(guī)劃、 組織架構(gòu)轉(zhuǎn)變、 業(yè)務(wù)流程再造、 技術(shù)細(xì)節(jié)實(shí)現(xiàn)等方面， 是一項(xiàng)復(fù)雜的系統(tǒng)工程， 大模型難以全部勝任， 僅能在部分工作細(xì)節(jié)方面予以支持。

5. 本章小結(jié)。由上述問(wèn)卷分析可以發(fā)現(xiàn)： 大模型對(duì)會(huì)計(jì)擴(kuò)展職能影響程度中等， 對(duì)會(huì)計(jì)轉(zhuǎn)型職能的影響較小， 這基本符合現(xiàn)有論文的研究推斷； 但大模型對(duì)會(huì)計(jì)基礎(chǔ)職能影響的調(diào)查結(jié)果， 與當(dāng)前主流研究觀點(diǎn)“基礎(chǔ)會(huì)計(jì)工作會(huì)大量地被大模型取代”有一定偏差。從調(diào)查結(jié)果來(lái)看， 大模型對(duì)會(huì)計(jì)基礎(chǔ)職能的平均影響僅為2.59分， 本文認(rèn)為這是由于基礎(chǔ)會(huì)計(jì)工作普遍要求精確性和專(zhuān)業(yè)性， 并不只是單純的機(jī)械勞動(dòng)， 而且大模型的定位是文本理解和生成工具而非自動(dòng)化工具， 因而僅憑第一感覺(jué)可能會(huì)高估大模型對(duì)基礎(chǔ)會(huì)計(jì)工作的影響。為驗(yàn)證該推論， 本文進(jìn)一步比較了大模型對(duì)會(huì)計(jì)職能的綜合影響（3.8分）與大模型對(duì)13項(xiàng)會(huì)計(jì)職能的平均影響（2.47分）， 兩者的差異在一定程度上驗(yàn)證了如果不深入地思考大模型的影響， 僅憑第一感覺(jué)很可能會(huì)高估其影響。Gartner的技術(shù)成熟度曲線將技術(shù)發(fā)展的生命周期劃分為技術(shù)萌芽期、 欲望膨脹期、 泡沫破裂谷底期、 穩(wěn)步爬升復(fù)蘇期、 生產(chǎn)成熟期， 2022年Gartner發(fā)布的技術(shù)成熟度曲線表明大模型技術(shù)目前正進(jìn)入欲望膨脹期， 在這一階段公眾評(píng)估其影響時(shí)可能產(chǎn)生一定的非理性認(rèn)知偏差。

此外本文還發(fā)現(xiàn)， 受大模型影響較小的會(huì)計(jì)職能具有如下特征： 其一， 需要具備較強(qiáng)的溝通協(xié)調(diào)能力， 同時(shí)需憑借自身復(fù)合知識(shí)背景， 擔(dān)任跨部門(mén)溝通的“連接點(diǎn)”。例如， 財(cái)務(wù)BP需同時(shí)熟悉業(yè)務(wù)和財(cái)務(wù)兩套話語(yǔ)體系以深入推進(jìn)業(yè)財(cái)融合， 財(cái)務(wù)數(shù)字化轉(zhuǎn)型人才需在具備扎實(shí)財(cái)務(wù)知識(shí)的前提下掌握RPA、 數(shù)據(jù)分析等技術(shù)背景知識(shí)， 以便與技術(shù)部門(mén)更清晰地進(jìn)行需求溝通。其二， 需承擔(dān)相應(yīng)責(zé)任。例如， 在執(zhí)行財(cái)務(wù)報(bào)表審計(jì)的過(guò)程中注冊(cè)會(huì)計(jì)師如未遵守審計(jì)準(zhǔn)則的要求， 需承擔(dān)相應(yīng)責(zé)任。其三， 需要具備高度的戰(zhàn)略眼光和敏銳的商業(yè)洞察力， 例如戰(zhàn)略財(cái)務(wù)、 投融資管理工作需要對(duì)市場(chǎng)趨勢(shì)、 公司戰(zhàn)略、 競(jìng)爭(zhēng)環(huán)境進(jìn)行全面且深入的分析。

綜合看來(lái)， 大模型對(duì)會(huì)計(jì)人員的影響是“危”與“機(jī)”共存的。大模型的確會(huì)擠壓會(huì)計(jì)人員的部分生存空間， 但也為未來(lái)會(huì)計(jì)人員突破職能邊界、 實(shí)現(xiàn)職能轉(zhuǎn)型指明了方向。會(huì)計(jì)人員未來(lái)應(yīng)積極擁抱RPA、 大模型等新興技術(shù)， 將自身從基礎(chǔ)勞動(dòng)中解放出來(lái)， 一方面將觸角前置到業(yè)務(wù)活動(dòng)中， 另一方面將視角提升到戰(zhàn)略高度。

（二）針對(duì)大模型影響的應(yīng)對(duì)現(xiàn)狀分析

1. 會(huì)計(jì)人員層面針對(duì)大模型影響的應(yīng)對(duì)策略分析。會(huì)計(jì)人員對(duì)大模型影響的應(yīng)對(duì)策略的調(diào)查結(jié)果顯示， 大多數(shù)會(huì)計(jì)人員贊成為積極應(yīng)對(duì)以ChatGPT為代表的大模型的影響， 會(huì)計(jì)人員需要挖掘大模型在會(huì)計(jì)工作中的適用場(chǎng)景（79%）、 學(xué)習(xí)并理解大模型的技術(shù)原理（77%）、 學(xué)習(xí)并掌握與大模型的高效人機(jī)協(xié)同方式（75%）、 掌握數(shù)據(jù)分析和處理技能以便更好地進(jìn)行財(cái)務(wù)分析和決策（65%）。但對(duì)于加強(qiáng)信息安全意識(shí)和能力的認(rèn)可程度較低（59%）， 本文認(rèn)為該調(diào)查結(jié)果一定程度上反映出會(huì)計(jì)人員對(duì)大模型時(shí)代信息安全的認(rèn)識(shí)不足。以ChatGPT為例， 其目前并不支持本地化部署， 用戶(hù)與ChatGPT的所有問(wèn)答數(shù)據(jù)均會(huì)上傳至OpenAI服務(wù)器， 這就要求使用人員對(duì)機(jī)密資料進(jìn)行脫敏處理， 并需要企業(yè)制定相應(yīng)的大模型使用規(guī)范（金源和李成智，2023c）。

2. 企業(yè)/部門(mén)層面針對(duì)大模型影響的應(yīng)對(duì)策略分析。企業(yè)/部門(mén)層面對(duì)大模型影響的應(yīng)對(duì)策略如圖5所示。由圖5可見(jiàn)， 針對(duì)大模型沖擊， 目前僅有6%的調(diào)查對(duì)象所在企業(yè)/部門(mén)采取了對(duì)接和使用國(guó)內(nèi)外大模型產(chǎn)品的實(shí)質(zhì)性應(yīng)對(duì)措施， 大部分企業(yè)仍處于觀望狀態(tài)。進(jìn)一步調(diào)查發(fā)現(xiàn)， 調(diào)查對(duì)象不選擇對(duì)接大模型產(chǎn)品的原因主要為技術(shù)和資源問(wèn)題（44.1%）、 數(shù)據(jù)安全和隱私保護(hù)問(wèn)題（36.9%）、 人員培訓(xùn)和技能提升問(wèn)題（29.5%）、 資金問(wèn)題（27.7%）、 法規(guī)和政策限制問(wèn)題（15.8%）。對(duì)于已經(jīng)對(duì)接使用的調(diào)查對(duì)象， 70%認(rèn)為大模型提升了工作效率， 63.3%認(rèn)為優(yōu)化了工作流程， 50%認(rèn)為提供了新的業(yè)務(wù)機(jī)會(huì)， 46.7%認(rèn)為降低了成本。以上結(jié)果反映出在企業(yè)/部門(mén)層面， 我國(guó)大模型技術(shù)的推廣和應(yīng)用仍處于初級(jí)階段， 大模型雖然確實(shí)可以起到提高工作效率等積極作用， 但企業(yè)/部門(mén)也需要綜合考慮技術(shù)、 資源、 數(shù)據(jù)安全、 人員培訓(xùn)、 資金、 法規(guī)等方面面臨的問(wèn)題， 以評(píng)估在本企業(yè)推廣大模型的可行性。

3. 外部支持層應(yīng)對(duì)策略分析。會(huì)計(jì)人員希望獲得的外部支持調(diào)查結(jié)果顯示， 會(huì)計(jì)人員最希望從國(guó)家會(huì)計(jì)學(xué)院（67%）、 行業(yè)協(xié)會(huì)和學(xué)會(huì)（65%）、 政府主管部門(mén)（61%）獲得有效的支持， 軟件廠商（59%）、 提供大模型的公司（54%）、 專(zhuān)業(yè)機(jī)構(gòu)（53%）、 高校（39%）、 會(huì)計(jì)類(lèi)媒體（24%）也可以在大模型推廣過(guò)程中起到一定的促進(jìn)作用。會(huì)計(jì)人員希望從上述機(jī)構(gòu)得到的支持類(lèi)型具體包括： 在課程培養(yǎng)體系中加入前沿技術(shù)相關(guān)課程（90%）、 搭建相關(guān)知識(shí)分享平臺(tái)以學(xué)習(xí)和分享前沿應(yīng)用和先進(jìn)經(jīng)驗(yàn)（76%）、 提供大模型時(shí)代財(cái)會(huì)人員的能力框架（69%）、 積極合作研發(fā)財(cái)會(huì)行業(yè)大模型解決方案（61%）、 提供大模型應(yīng)用的學(xué)習(xí)標(biāo)桿（48%）。以上數(shù)據(jù)反映出會(huì)計(jì)人員對(duì)于前沿技術(shù)特別是大模型的積極態(tài)度和學(xué)習(xí)需求， 以及他們對(duì)于實(shí)際應(yīng)用、 合作創(chuàng)新和能力提升的關(guān)注。這為國(guó)家會(huì)計(jì)學(xué)院、 高校、 相關(guān)企業(yè)和政府部門(mén)提供了支持和促進(jìn)財(cái)務(wù)人員在大模型時(shí)代職業(yè)發(fā)展的重要信息。

（三）其他綜合分析

1. 群體認(rèn)知差異性分析。不同年齡的參與者對(duì)大模型的預(yù)期影響的認(rèn)知差異如圖6所示。從數(shù)據(jù)分布來(lái)看， 不同年齡段的參與者對(duì)大模型預(yù)期影響的認(rèn)知存在細(xì)微差異， 其中20 ～ 30歲和40 ～ 50歲的群體認(rèn)為大模型潛在影響最大。本文認(rèn)為這是由于從技術(shù)敏感度角度， 20 ～ 30歲的年輕人群通常更熟悉新技術(shù)和數(shù)字化工具， 也更愿意接受和適應(yīng)變革， 因此更容易預(yù)見(jiàn)大模型的潛力和影響。從職業(yè)成熟度角度， 40 ～ 50歲的群體通常在職業(yè)生涯中處于相對(duì)成熟的階段， 他們可能已經(jīng)積累了豐富的工作經(jīng)驗(yàn)和對(duì)行業(yè)的深入理解， 也歷經(jīng)了財(cái)務(wù)共享、 財(cái)務(wù)RPA等階段的財(cái)務(wù)變革， 因此他們更能清晰地認(rèn)識(shí)到大模型在會(huì)計(jì)和財(cái)務(wù)領(lǐng)域的潛力和影響。

為進(jìn)一步驗(yàn)證上述結(jié)論， 本文將展開(kāi)不同崗位層級(jí)的參與者對(duì)大模型的預(yù)期影響的認(rèn)知差異分析， 如圖7所示。由圖7可見(jiàn)， 普通員工和中、 高層管理者， 尤其是高層管理者認(rèn)為中短期內(nèi)大模型的影響最大。本文認(rèn)為， 這是由于高層管理者通常對(duì)創(chuàng)新和技術(shù)領(lǐng)先有強(qiáng)烈的追求， 他們可能更關(guān)注如何利用大模型等先進(jìn)技術(shù)來(lái)提升公司的競(jìng)爭(zhēng)力， 以?xún)?yōu)化工作流程、 降低成本， 從而對(duì)大模型的潛力和價(jià)值有更積極的評(píng)估。

圖8呈現(xiàn)了不同層級(jí)對(duì)于大模型影響的應(yīng)對(duì)措施。調(diào)查結(jié)果顯示， 應(yīng)對(duì)最為積極的是高層管理人員和普通工作人員。這一方面體現(xiàn)了高層管理人員更具前瞻性， 傾向于考慮大模型的潛在價(jià)值和長(zhǎng)期回報(bào)， 同時(shí)， 四個(gè)層級(jí)中高層管理人員對(duì)于信息安全的重視（70%）遠(yuǎn)超其他層級(jí)， 這也體現(xiàn)了高層管理人員對(duì)于風(fēng)控合規(guī)問(wèn)題的關(guān)注； 另一方面， 調(diào)查結(jié)果也在一定程度上反映出普通工作人員面對(duì)大模型的沖擊可能更為焦慮， 同時(shí)他們也期待通過(guò)善用大模型提高工作效率、 減少重復(fù)勞動(dòng)、 為自身帶來(lái)新的職業(yè)發(fā)展機(jī)會(huì)， 因而更為積極主動(dòng)。相較之下， 基層管理人員的應(yīng)對(duì)比較被動(dòng)， 這可能是由于他們通常沒(méi)有足夠的決策權(quán)和資源來(lái)推動(dòng)大模型等新技術(shù)的引入； 此外他們需要平衡團(tuán)隊(duì)的日常運(yùn)營(yíng)和新技術(shù)的引入， 可能更關(guān)注現(xiàn)有業(yè)務(wù)的穩(wěn)定和效率， 因此應(yīng)對(duì)新技術(shù)可能相對(duì)保守， 這是顛覆式創(chuàng)新的機(jī)遇出現(xiàn)時(shí)組織內(nèi)呈現(xiàn)出的一種正常現(xiàn)象。

2. 主題分析。調(diào)查問(wèn)卷還設(shè)置了“關(guān)于大模型對(duì)會(huì)計(jì)工作和會(huì)計(jì)職業(yè)的影響， 以及應(yīng)對(duì)方法”這一開(kāi)放式問(wèn)題， 本文通過(guò)文本挖掘技術(shù)對(duì)該問(wèn)題的答案進(jìn)行了主題分析， 生成了主題分析詞云。以下主題引起了調(diào)查對(duì)象的重視： 其一， 復(fù)合型人才的培養(yǎng)。調(diào)查數(shù)據(jù)顯示， 為應(yīng)對(duì)大模型挑戰(zhàn)， 會(huì)計(jì)人員向精財(cái)務(wù)、 懂業(yè)務(wù)、 會(huì)技術(shù)的復(fù)合型會(huì)計(jì)人才轉(zhuǎn)變的意愿非常強(qiáng)烈。其二， 轉(zhuǎn)型機(jī)遇與挑戰(zhàn)并存。調(diào)查對(duì)象普遍認(rèn)為， 大模型的推廣應(yīng)用是利弊共存的， 對(duì)會(huì)計(jì)職能轉(zhuǎn)型將帶來(lái)難得的機(jī)遇與嚴(yán)峻的挑戰(zhàn)， 會(huì)計(jì)人員要順應(yīng)時(shí)勢(shì)、 勇敢迎接、 認(rèn)真準(zhǔn)備。其三， 數(shù)據(jù)安全。會(huì)計(jì)工作涉及企業(yè)從業(yè)務(wù)前端到管理后端的海量數(shù)據(jù)， 由于本地化部署大模型可行性較低， 因此數(shù)據(jù)安全風(fēng)險(xiǎn)也成為人們關(guān)注的焦點(diǎn)。其四， 數(shù)字員工與人機(jī)協(xié)同。在大模型和RPA技術(shù)的影響下， 會(huì)計(jì)工作模式正逐漸轉(zhuǎn)變?yōu)槿藱C(jī)協(xié)同模式， 該模式將極大地提升作業(yè)效能、 運(yùn)營(yíng)效率和人均產(chǎn)能， 助力企業(yè)高質(zhì)量發(fā)展。

五、 結(jié)論與啟示

（一）研究結(jié)論

1. 從大模型對(duì)會(huì)計(jì)職能的綜合影響角度。調(diào)查對(duì)象普遍認(rèn)為大模型對(duì)會(huì)計(jì)職能的影響較大， 且該影響是利弊共存的。一方面大模型會(huì)在提高財(cái)務(wù)日常工作效率、 促進(jìn)會(huì)計(jì)人員知識(shí)更新等角度帶來(lái)積極影響， 但另一方面由于大模型會(huì)催生能力更強(qiáng)的“數(shù)字員工”， 因而會(huì)減少會(huì)計(jì)類(lèi)工作的就業(yè)機(jī)會(huì)。

2. 從大模型對(duì)會(huì)計(jì)職能的具體影響角度。本文通過(guò)細(xì)致分析大模型對(duì)會(huì)計(jì)基礎(chǔ)職能、 會(huì)計(jì)擴(kuò)展職能與會(huì)計(jì)轉(zhuǎn)型職能的差異化影響， 發(fā)現(xiàn)“需要具備較強(qiáng)的溝通協(xié)調(diào)能力和復(fù)合知識(shí)背景擔(dān)當(dāng)跨部門(mén)溝通的‘連接點(diǎn)、 需要承擔(dān)相應(yīng)責(zé)任、 需要高度的戰(zhàn)略眼光和敏銳的商業(yè)洞察力”這三類(lèi)會(huì)計(jì)工作未來(lái)受大模型的沖擊最小， 這也為會(huì)計(jì)人員職能轉(zhuǎn)型指明了方向。此外， 由于大模型的發(fā)展目前處于欲望膨脹期， 會(huì)計(jì)人員在評(píng)估其具體影響的過(guò)程中存在一定的非理性認(rèn)知偏差。

3. 從變革應(yīng)對(duì)角度。會(huì)計(jì)人員目前面臨“知易行難”的困境， 會(huì)計(jì)人員普遍意識(shí)到需要從應(yīng)用場(chǎng)景挖掘、 技術(shù)原理學(xué)習(xí)等方面應(yīng)對(duì)大模型的沖擊。但與此同時(shí)， 受限于法規(guī)政策、 資金和技術(shù)等方面， 目前大模型的應(yīng)用程度不高， 亟須從國(guó)家會(huì)計(jì)學(xué)院、 行業(yè)協(xié)會(huì)和學(xué)會(huì)、 政府部門(mén)、 大模型廠商等機(jī)構(gòu)獲取課程培訓(xùn)、 能力框架構(gòu)建、 先進(jìn)案例分享等方面的支持。

4. 從群體認(rèn)知差異角度。面對(duì)大模型的沖擊， 普通工作人員和中高層管理人員的應(yīng)對(duì)較為積極， 基層管理人員表現(xiàn)較為被動(dòng)。本文認(rèn)為這是顛覆式創(chuàng)新的機(jī)遇出現(xiàn)時(shí)組織內(nèi)呈現(xiàn)出的一種正常現(xiàn)象， 因?yàn)楦邔庸芾碚吒粗卮竽Ｐ蛶?lái)的潛在價(jià)值和長(zhǎng)期回報(bào)， 普通工作人員更看重大模型對(duì)現(xiàn)有機(jī)械勞動(dòng)的解放和由其催生出的發(fā)展機(jī)遇。而基層管理者可能更關(guān)注現(xiàn)有流程和規(guī)則的維護(hù)， 因此可能對(duì)顛覆式創(chuàng)新持保守態(tài)度。經(jīng)過(guò)主題分析后還發(fā)現(xiàn)， 對(duì)于大模型對(duì)會(huì)計(jì)職能轉(zhuǎn)型的影響及應(yīng)對(duì)， 調(diào)查對(duì)象的關(guān)注重點(diǎn)集中在復(fù)合型人才培養(yǎng)、 數(shù)據(jù)安全、 數(shù)字員工與人機(jī)協(xié)同等方面。

（二）研究啟示

1. 理性看待大模型影響， 消除人機(jī)對(duì)立的二分思維。在數(shù)據(jù)分析過(guò)程中， 本文發(fā)現(xiàn)了部分調(diào)查對(duì)象體現(xiàn)出兩種非理性立場(chǎng)： 一是AI浪漫主義， 這是一種由于對(duì)大模型缺乏深入理解而導(dǎo)致對(duì)AI技術(shù)的過(guò)度樂(lè)觀和理想化的態(tài)度。它忽略了大模型的局限和潛在風(fēng)險(xiǎn)， 過(guò)分強(qiáng)調(diào)其潛力和價(jià)值。二是AI排拒主義， 這也被稱(chēng)為“AI厭惡”， 即過(guò)分強(qiáng)調(diào)大模型的風(fēng)險(xiǎn)和問(wèn)題， 甚至可能完全反對(duì)大模型的應(yīng)用。這兩種立場(chǎng)都有失偏頗， 原因在于這兩種立場(chǎng)沿襲了人類(lèi)長(zhǎng)期以來(lái)形成的人與工具二分的思維方式， 忽略了人類(lèi)智能與大模型之間的優(yōu)勢(shì)互補(bǔ)關(guān)系， 因此在大模型時(shí)代， 財(cái)務(wù)部門(mén)管理者需配套構(gòu)建相應(yīng)的數(shù)字員工管理體系和全新的人機(jī)協(xié)同模式。

2. 會(huì)計(jì)人員需重構(gòu)自身能力框架。本文認(rèn)為， 在大模型時(shí)代會(huì)計(jì)人員為保持自身的職業(yè)競(jìng)爭(zhēng)力， 可以著重從以下四個(gè)方面重構(gòu)自己的能力框架： 其一， 需重新理解溝通協(xié)調(diào)能力。大模型時(shí)代， 會(huì)計(jì)人員除了需具備與公司內(nèi)部上下級(jí)、 各平行部門(mén)和外部審計(jì)機(jī)構(gòu)進(jìn)行有效溝通和協(xié)調(diào)等能力， 還需要具備與大模型溝通的能力， 在與大模型溝通的過(guò)程中， 合理使用Prompt（關(guān)鍵提示詞）是會(huì)計(jì)人員必須掌握的技能。Prompt是指用戶(hù)輸入的問(wèn)題或語(yǔ)境信息， 它可以引導(dǎo)大模型更好地理解用戶(hù)的意圖和上下文， 進(jìn)而生成更加準(zhǔn)確、 有針對(duì)性的回答。其二， 用問(wèn)題思維替換答案思維。由于大模型具備強(qiáng)大的語(yǔ)義理解和問(wèn)題解答能力， 因此只會(huì)回答問(wèn)題的會(huì)計(jì)人員的核心競(jìng)爭(zhēng)力將被削弱。大模型時(shí)代， 會(huì)計(jì)人員提出一個(gè)有助于業(yè)務(wù)發(fā)展的“好問(wèn)題”比“回答好”一個(gè)問(wèn)題更關(guān)鍵。其三， 培養(yǎng)場(chǎng)景發(fā)現(xiàn)能力。會(huì)計(jì)人員需具備依據(jù)大模型的特性主動(dòng)探索開(kāi)發(fā)財(cái)務(wù)應(yīng)用場(chǎng)景的能力。其四， 培養(yǎng)數(shù)據(jù)驅(qū)動(dòng)管理決策的能力。在大模型影響下， 會(huì)計(jì)正在經(jīng)歷從傳統(tǒng)的會(huì)計(jì)核算、 報(bào)告職能向財(cái)務(wù)BP、 戰(zhàn)略財(cái)務(wù)的角色轉(zhuǎn)變， 在這個(gè)過(guò)程中較強(qiáng)的數(shù)據(jù)分析和洞察能力不可或缺。較強(qiáng)的數(shù)據(jù)分析能力使得會(huì)計(jì)人員可以從海量、 多維、 異構(gòu)的數(shù)據(jù)中提取有用信息， 理解數(shù)據(jù)背后的邏輯， 識(shí)別出隱藏的問(wèn)題和機(jī)會(huì)， 從而推進(jìn)業(yè)務(wù)改善（金源和李成智，2023d）。

3. 通過(guò)管理手段妥善化解顛覆式變革過(guò)程中的阻力。前文的分析表明， 企業(yè)內(nèi)部不同層級(jí)對(duì)大模型的影響認(rèn)知及接受程度存在差異， 依據(jù)變革管理理論， 為解決這一問(wèn)題， 企業(yè)除了需提供培訓(xùn)、 工具、 時(shí)間、 預(yù)算等資源以確保各層級(jí)人員都有足夠的資源和支持來(lái)學(xué)習(xí)和應(yīng)用新技術(shù)， 還需促進(jìn)上下級(jí)、 跨部門(mén)之間的溝通和協(xié)調(diào)， 確保各方的需求和期望得到充分理解和平衡。雙環(huán)學(xué)習(xí)理論是由當(dāng)代管理理論大師Chris Argyris提出的一種組織學(xué)習(xí)理論， 該理論表明要以對(duì)問(wèn)題本質(zhì)的反思開(kāi)始， 以開(kāi)放的質(zhì)疑與討論作為過(guò)程， 才能克服“習(xí)慣性防衛(wèi)”造成的認(rèn)知障礙， 從而取得根本性改善。該理論為減少會(huì)計(jì)人員面對(duì)大模型的抵觸情緒指明了方向， 管理者應(yīng)明確“會(huì)計(jì)人員為什么需要用大模型”這一問(wèn)題， 關(guān)注普通工作人員的職業(yè)發(fā)展和規(guī)劃， 提供個(gè)人成長(zhǎng)和職業(yè)發(fā)展的機(jī)會(huì)和路徑， 以減輕他們的焦慮。

4. 大模型在會(huì)計(jì)場(chǎng)景落地需多方聚力。保障大模型在企業(yè)財(cái)務(wù)部門(mén)的應(yīng)用落地， 除了需要內(nèi)部管理層積極推動(dòng)， 也需外部支持層提供必要的保障。外部支持層包括政府部門(mén)、 國(guó)家會(huì)計(jì)學(xué)院、 高校、 行業(yè)協(xié)會(huì)和學(xué)會(huì)、 大模型廠商等機(jī)構(gòu)。政府部門(mén)可以通過(guò)制定合適的法規(guī)政策， 為大模型的應(yīng)用提供法律支持和指導(dǎo)。國(guó)家會(huì)計(jì)學(xué)院、 高校以及行業(yè)協(xié)會(huì)和學(xué)會(huì)可以通過(guò)課程培訓(xùn)、 能力框架構(gòu)建、 先進(jìn)案例分享等方式， 助力企業(yè)和會(huì)計(jì)人員對(duì)大模型的應(yīng)用和理解。大模型廠商則可以提供技術(shù)支持和定制化解決方案， 確保大模型與企業(yè)的具體需求和條件相匹配。

5. 大模型時(shí)代數(shù)據(jù)安全問(wèn)題需再度引起重視。鑒于目前企業(yè)私有化部署大模型的成本過(guò)高， 大多數(shù)企業(yè)通過(guò)API接口獲取大模型廠商的服務(wù)， 這就使得與大模型的一切問(wèn)答數(shù)據(jù)都會(huì)被保存在大模型廠商的服務(wù)器中。盡管大模型廠商通常會(huì)與企業(yè)簽署數(shù)據(jù)保密協(xié)議， 但考慮到財(cái)務(wù)部門(mén)涉及機(jī)密數(shù)據(jù)， 這些數(shù)據(jù)一旦被泄露或?yàn)E用， 可能對(duì)公司的競(jìng)爭(zhēng)地位和聲譽(yù)造成嚴(yán)重?fù)p害。因此企業(yè)在推廣使用大模型之前， 需確保建立完善的大模型使用規(guī)范。

6. 大模型時(shí)代會(huì)計(jì)人員的價(jià)值仍不可取代。由于會(huì)計(jì)職業(yè)歷來(lái)具有嚴(yán)謹(jǐn)務(wù)實(shí)的秉性， 因此在當(dāng)前大模型發(fā)展的初級(jí)階段， 會(huì)計(jì)人員對(duì)大模型在會(huì)計(jì)領(lǐng)域的應(yīng)用并沒(méi)有表現(xiàn)出盲目樂(lè)觀甚至出現(xiàn)了一些焦慮情緒， 從長(zhǎng)期來(lái)看， 這一反應(yīng)有助于會(huì)計(jì)行業(yè)的良性發(fā)展。正如美國(guó)學(xué)者Ray Campbella所言： “AI不是一種魔法， 它是一種技術(shù)， 具有所有技術(shù)所固有的能力和局限性。” 盡管大模型是當(dāng)前最前沿的AI技術(shù)， 但機(jī)器學(xué)習(xí)的本質(zhì)決定了其在認(rèn)識(shí)已知世界、 回答已知問(wèn)題方面具有顯著優(yōu)勢(shì)， 面對(duì)充滿創(chuàng)新和利益沖突的未知世界的探索， 人永遠(yuǎn)具有無(wú)可替代的價(jià)值。劉峰（2015）提出， 作為一種有效、 低成本的信任工具， 是會(huì)計(jì)對(duì)這個(gè)社會(huì)不可或缺的價(jià)值， 會(huì)計(jì)是人類(lèi)文明產(chǎn)生和發(fā)展的基礎(chǔ)。會(huì)計(jì)本質(zhì)上仍是一門(mén)“以人為本”的學(xué)問(wèn)。因此與其在機(jī)器與人是否會(huì)相互取代的問(wèn)題上做簡(jiǎn)單的抽象思辨， 不如面對(duì)大模型所代表的未來(lái)已經(jīng)到來(lái)是事實(shí)， 因勢(shì)利導(dǎo)， 以最務(wù)實(shí)的心態(tài)用其利而避其害， 共同開(kāi)啟人機(jī)協(xié)同的全新篇章。

【 主 要 參 考 文 獻(xiàn) 】

葛家澍，李翔華．論會(huì)計(jì)是一個(gè)經(jīng)濟(jì)信息系統(tǒng)［ J］．財(cái)經(jīng)研究，1986（9）：44 ～ 49.

金源，李成智．ChatGPT+Acctech：ChatGPT對(duì)會(huì)計(jì)科技的影響研究［ J］．商業(yè)會(huì)計(jì)，2023a（7）：4 ～ 10．

金源，李成智．ChatGPT對(duì)智能財(cái)務(wù)體系的影響：場(chǎng)景優(yōu)化、技術(shù)革新與人員轉(zhuǎn)型［ J］．財(cái)會(huì)月刊，2023b（15）：23 ～ 30．

金源，李成智．智能財(cái)務(wù)背景下的財(cái)務(wù)信息安全研究［ J］．財(cái)會(huì)通訊，2023c（7）：136 ～ 144．

金源，李成智．?dāng)?shù)據(jù)驅(qū)動(dòng)下的財(cái)務(wù)決策支持研究［ J］．財(cái)會(huì)通訊，2023d（3）：140 ～ 147．

劉峰，葛家澍．會(huì)計(jì)職能·財(cái)務(wù)報(bào)告性質(zhì)·財(cái)務(wù)報(bào)告體系重構(gòu)［ J］．會(huì)計(jì)研究，2012（3）：15 ～ 19+94．

劉峰．會(huì)計(jì)·信任·文明［ J］．會(huì)計(jì)研究，2015（11）：3 ～ 10+96．

劉勤．ChatGPT及其對(duì)會(huì)計(jì)工作的影響探討［ J］．會(huì)計(jì)之友，2023（6）：158 ～ 161．

續(xù)慧泓，楊周南，周衛(wèi)華等．基于管理活動(dòng)論的智能會(huì)計(jì)系統(tǒng)研究——從會(huì)計(jì)信息化到會(huì)計(jì)智能化［ J］．會(huì)計(jì)研究，2021（3）：11 ～ 27．

楊紀(jì)琬，閻達(dá)五．開(kāi)展我國(guó)會(huì)計(jì)理論研究的幾點(diǎn)意見(jiàn)——兼論會(huì)計(jì)學(xué)的科學(xué)屬性［ J］．會(huì)計(jì)研究，1980（1）：2 ～ 10．

楊寅，劉勤．人工智能有助于加速會(huì)計(jì)職能轉(zhuǎn)變嗎——基于調(diào)查問(wèn)卷數(shù)據(jù)的例證［ J］．會(huì)計(jì)之友，2023（5）：72 ～ 77．

應(yīng)里孟，陽(yáng)杰．智能+會(huì)計(jì)：模式創(chuàng)新與職業(yè)重塑［ J］．財(cái)會(huì)月刊，2020（24）：69 ～ 76．

余緒纓．要從發(fā)展的觀點(diǎn)，看會(huì)計(jì)學(xué)的科學(xué)屬性［ J］．中國(guó)經(jīng)濟(jì)問(wèn)題，1980（5）：46 ～ 47．

占美松，高禎憬，康均等．人工智能技術(shù)沖擊下的會(huì)計(jì)穩(wěn)定與發(fā)展［ J］．財(cái)會(huì)月刊，2021（16）：85 ～ 91．

張俊瑞，辛星．?dāng)?shù)字經(jīng)濟(jì)時(shí)代的注冊(cè)會(huì)計(jì)師審計(jì)：影響與應(yīng)對(duì)［ J］．財(cái)會(huì)月刊，2023（1）：10 ～ 19．