机器智能爆发!未来财务人员将完成大变身

一般而言，人工智能的四大构成要素是：海量数据、高性能运算能力、核心算法和应用场景。随着CNN、RNN等算法成熟和GPU/FPGA对计算能力的提高，算法和算力瓶颈已突破，数据和场景成为人工智能发展的关键。数据成为重要的企业资产，趋势已经开始显现。

财务管理、财资管理和金融服务都是数据交互的中枢，也是企业经营的大数据中心。通过“数据＋算力＋算法＋场景”的叠加效应，能够帮助企业更好地决策，将复杂的分析嵌入到日常的管理和交易场景中，构建财务赋能平台，使日益复杂的工作变得更加自动化、智能化，提高财务效能。

未来，数据成了最重要的生产资料，计算是生产力，互联网是一种生产关系，算法成了未来最重要的流水线。

机器智能：ABCD技术赋能财务价值创造

互联网、信息技术与传统产业的跨界融合进入爆发式发展，尤其是借助A（AI，人工智能）、B（Blockchain，区块链）、C（Cloud，云计算）、D（Data，大数据）的技术赋能。

人工智能能够代替人脑执行任务，正在日益成为分析工作的重要组成部分。但AI只是认知计算领域发展过程中机器智能（Machine Intelligence，MI）的一部分，如数据科学、数据可视化、机器学习、深度学习、高级认知分析、机器人流程自动化（RPA）和自动机器人程序，等等。机器智能的构成要素还包括各种算法能力，它们能够改善员工绩效，让日益复杂的工作变得更加自动化、智能化，还能帮我们开发出模拟人类的思维和行动的“认知型智能体”。据德勤分析，推动机器智能趋势的有三大力量：指数式数据增长、更快的分布式系统、更智能的算法。

对于CFO来说，如果要引进机器智能技术，他们需要用新的思维方式对待数据分析，不能只把数据看作生成静态报告的工具，而是要建造巨大复杂的数据库，实现流程任务自动化、智能化。通过机器智能技术帮助财务部门由传统的追溯数据分析模式到系统推断预测模式，并且获取洞察，以洞察指导行动，创造价值。

如机器人流程自动化（RPA）：软件机器人，或称自动机器人程序，可以通过模仿人类和软件应用交互的方式自动完成日常业务流程。企业正在开始使用RPA和认知技术，如语音识别、自然语言处理和机器学习，自动完成本来只有人类才能做到的感知和判断工作。通过应用机器学习、RPA和其他认知工具，帮助财务工作者发展深层次领域专家（例如各个行业、职能和地区），然后实现相关任务的自动化、智能化。