2016年人工智能AlphaGO战胜李世乭让”AI历史元年“的呼喊声划破天际，今年一月Master又再次将这一说法推向高潮。
我的知乎时间轴上频频出现诸如 “人工智能会不会取代财务人员？人工智能的兴起会导致大规模失业么？什么工作不会被人工智能取代？“这类的问题。作为勤于思考的审计行业小朋友，我也想来谈谈我的想法。
先说争议做多的，究竟人工智能能不能代替所谓的professional judgement - 职业判断？
我认为暂时不行，但是未来可以。
我们每年项目正式开始前，都会有一个Team Planning Event的会议。会上要讨论好Materiality Threshold - 重要性水平，WCGW - What could go wrong, 各个环节可能出现的风险, 还有风险导向的审计程序等等。这些问题最终由谁来决定？是去年执行了所有substantive testing-实质性程序的正在疯狂记录会议纪要的二年级朋友吗？显然不是。拍脑门也得是拍合伙人的脑门啊。
为什么？你以为你做了这个项目的大部分测试你就拥有了传说中的professional judgement了么？碰上大项目，一年就做这个一个也是常事。小朋友的经验只在某一个项目有深度，根本谈不上同行业的广度。
所以我认为所谓的professional judgement只是因为数据库不足而只能仰仗老板们用时间熬出来的广度经验。
AlphaGO用的是蒙特卡洛树搜索。这个算法我理解就是在每一个搜索树里找到一个近似最优解，当搜索树足够多做够深，获得的结果越近似最优。这其实跟合伙人通过搜索人脑小经验库然后做出他认为最合理的方案几乎是同一个过程嘛。
围棋人工智能可以通过棋谱啊，公开赛啊等等很多公开信息获得数据库。那审计人工智能怎么获得数据库呢？我们都知道，给外人发邮件的时候有需要引用底稿的，都要检查好几遍有没有把各种cross reference, materiality table删掉，公式全都断开链接才能给别人看。可见任何事务所都不会贡献自己的过往底稿去和别人合作开发数据库的。假如A事务所想开发个能做professional judgement的人种智能，先要看A事务所有现有或曾做过多少同类型项目。以国内保险行业为例 - 我做了个简陋的表显示出保费收入前十的国内保险公司的现任和前任审计师。
可以看出，假设5年内这10家保险公司的业务没有特别大革新，PwC可以拥有6家审计数据，EY有7家，KPMG有2家，Deloitte一家，两个内资所各一家。假设可以按比例类推，EY拥有36.84%的数据量，PwC拥有31.58%的数据量，另外两家和内资所几乎没有机会建立这个行业的数据库了。而如果EY和PwC成功建立的保险行业的数据库，降低的人力成本缩短了时间成本，另外没有这个人工智能的事务所在未来也没有办法继续在这个行业竞争了。久而久之，很可能出现某个事务所专注于某几个行业并一家独大的情况，这大概不是任何一个国家的证监会想看到的吧。
另外，36.84%的样本量又是否足够呢？个人认为是不够的。所以其实由单个事务所独立与人工智能公司合作搞研发是不现实的，费时费力成本高昂。什么时候人工智能就能代替人脑的判断了呢？我觉得等人工智能领域出现独角兽的时候，就是时候了。由一两家或是四大向同一家AI公司贡献数据，由AI公司负责处理数据而不通过其他事务所人员处理，最后获得一个通用的AI卖给审计师，从而让AI成为一个真正的像excel一样的通用型审计工具。
那么之后对谁有影响呢？我猜每个事务所都会有人议论这个合伙人是技术向的，那个特能拉业务吧。AI解决了技术问题，且同行使用相同的AI，怎么谈费用拉客户开发增值服务才是重点了吧。
2010年我还在读本科的时候，曾在某四大实习过。当时入职培训的时候，每人获得了一打很长很宽的有网格的纸。现在的小朋友大概没听过吧，那是传说中的底稿纸。当时来培训我们的经理姐姐说，这个东西是古董了，大家好好保存留念吧，现在都用excel了。现在每当我把每个tab里面有勾稽关系的数字用公式link好，然后在改动其中一个数字其他有影响的数字都会自动计算的时候，我都会闪念一下那个纸质网格底稿。要知道，我们工作当然是要完成的必要的审计程序，但是还有一个重要的事情就是漂亮的底稿会显得更专业。（在我从北京办公室辞职后的很久一段时间里，仍然习惯性的把中文自己都换成黑体，英文统一成Arial 10号的原因。）所以，当一个纸质底稿的一个数字变了，即使用铅笔做的，也会是一个费时费力的修改过程。
显然，excel大幅的提高了工作效率。那么纸质底稿向excel进化的那几年，审计人员大批失业了么？显然没有。不仅没有因为这个原因裁员，工作量似乎还增加了。为什么？因为要做的测试多了啊。就光想一想安然事件之后，TOC（test of control) 多了多少就可见一斑。
在没有出现“注册会计师”这个行当之前，财务工作者就是我们现在所谓的会计。1721年英国南海泡沫时间爆发前，谁有能想到再请一队独立的”会计“去看看会计们做的报告是不是合理的呢。泡沫事件催生了注册会计师去审计会计师的工作。2002年安然事件后又催生了萨班斯法案对审计师的工作作出规范，同时又建立了独立机构来监管上市公司的审计。所以，财务工作者在时代发展的洪流中变得更加多元化。学财务的同学，不做会计可以做审计，不做审计可以做财务分析，不做财务分析可以做咨询，不做咨询还能做合规嘛。
人工智能替代了一部分的重复性会计工作，总要有人去复核机器工作。总要有人定期测试人工智能算法是否合理，不合理又该如何更新。那么谁能有权限去更改人工智能处理结果呢？谁来证明人工智能运转正常，结果合理呢？我们需要IT审计去测试系统。审计师又是否会被人工智能代替呢？我认为这很大程度取决于客户财务系统的发展。客户全AI化了，我们审计自然也可以AI化。客户还放一个财务老阿姨在那里讲故事，那我们审计自然也得派个真人去听故事。
人工智能进步后，大企业建立人工智能处理的财务共享中心，不能去到基础财务岗位的人可以在企业里做抽样人工复核，作为桥梁和工程师讨论需求，成为各个控制点的controller。不能去到基础审计岗位的人可以参与到开发新的审计应用里去，毕竟为了验证已使用算法的正确性，最好使用另一种算法得出同样结论。但这并不表示现在学会计的同学就要改行学机器语言去了。
想想看，哪个senior用excel的时候不是快捷键溜溜的像好多年前网瘾少年打dota一眼。但是你见过那个合伙人专研excel快捷键的。comments都把报告打印出来手写给你然后再扔给秘书扫描后发回给你哦。你能在猜烦了他那看不懂的狂草字体后，冲进他办公室质问他 “什么年代了你干嘛直接打进电子版？！”显然你不能，猜完你还得想想 “哦这个地方是有点不合理，我怎么没想到。”
所以说，人工智能取代财务工作者是逐步的。取代了基础工作，正好把人从无穷无尽的冗杂工作中解救出来，去做更深入的思考分析工作。有一天人工智能的数据量够大了，代替了一些原本用人脑凭经验归纳总结的工作后，我相信有一部分人会利用自己的专业知识动歪脑筋，那我也相信总有另一些人能利用专业知识不断去填补新发现的漏洞。
财务是一个具有很大灵活性的工作。你看财务报告就是最大限度的反映公允财务状况。那么假如一个PE基金持有很多level 3的股权投资。二级市场没有公允价值反应这个被投公司，那怎么才能更为合理的反映被投公司的价值呢？公司会计可能主张用Enterprise Value Approach，审计师有可能觉得Income Approach更为合理。现在双方都是人，就坐一起讨论呗。如果双方都使用AI，现在发生分歧了，AI和AI去扯皮吗？有这一天的话人类地位都难保了。AI作为一个工具，是不能有”思想”的，有分歧只能汇报给人，由双方该环节的controller去谈判。
就像没有哪个大学开始了excel专业一样，人工智能只能是个工具，一个随时时代发展你必将逐渐学会的工具，能指引你职业发展的，还是工具以外的行业知识。人工智能会导致财务工作者失业么？会。优胜劣汰是自然生存法则。怎样才能不被淘汰呢？掌握当下机器不能替代的技术和行业经验。
网友评论