財(cái)務(wù)大模型，產(chǎn)業(yè)路向何方？

　　大膽嘗試，小心求證

　　無論過去還是將來，財(cái)務(wù)的角色和意義都不會被顛覆，只會被清晰化，只會回歸到本源。

　　作者|思杭

　　編輯|皮爺

　　出品|產(chǎn)業(yè)家

　　“今年，我們被市場倒逼著做數(shù)字化轉(zhuǎn)型。一切都被打亂了，像這樣的轉(zhuǎn)變是前所未有的。到了8月，預(yù)算額外做了20多份。每一次新平臺、新業(yè)務(wù)線的開辟都意味著預(yù)算重做。” 一家北方食品品牌告訴我們。

　　數(shù)字化轉(zhuǎn)型過程中，所有大大小小的問題都會折射在財(cái)務(wù)管理當(dāng)中。一家企業(yè)進(jìn)行數(shù)字化變革，需要轉(zhuǎn)變的不僅是業(yè)務(wù)經(jīng)營方式，更是對財(cái)務(wù)的管理理念。

　　以上述北方品牌為例，從線下門店走向線上電商，在這過程中，企業(yè)客戶需要面臨的轉(zhuǎn)變來自多個(gè)方面，從電商平臺到網(wǎng)銷平臺，全鏈條都要數(shù)字化。

　　而數(shù)字化轉(zhuǎn)型進(jìn)行了大半年，各種新平臺、新渠道的推出，以及產(chǎn)品線和業(yè)務(wù)線的開辟，都讓過去傳統(tǒng)的財(cái)務(wù)管理方式不堪重負(fù)。此前，該企業(yè)每年會編制一次全面的預(yù)算管理。但近半年卻進(jìn)行了逾20次預(yù)算調(diào)整，透露出的是過去企業(yè)財(cái)務(wù)管理方式的脆弱性。

　　這家北方品牌所經(jīng)歷的恰在成為一個(gè)縮影。在這背后，是國內(nèi)所有企業(yè)數(shù)字化轉(zhuǎn)型中財(cái)務(wù)環(huán)節(jié)遇到的通病。

　　對此，產(chǎn)業(yè)家和多家財(cái)稅SaaS廠商交流，得到的一致結(jié)論是，受多種因素影響，目前我國中小企業(yè)的財(cái)務(wù)數(shù)字化轉(zhuǎn)型程度并不高;傳統(tǒng)財(cái)務(wù)管理方式不僅低效，抵御風(fēng)險(xiǎn)性也差。

　　“由于技術(shù)、流程和文化上的挑戰(zhàn)，數(shù)字化轉(zhuǎn)型仍然是一個(gè)困難的問題。甚至更多中小企業(yè)仍然依賴于傳統(tǒng)的紙質(zhì)報(bào)銷和手動財(cái)務(wù)管理流程，不僅效率低下、錯誤率和延遲也比較高。”企業(yè)支出管理平臺「分貝通」向產(chǎn)業(yè)家透露。

　　除了上述問題，在財(cái)務(wù)管理領(lǐng)域還有更多新問題的出現(xiàn)，如費(fèi)用標(biāo)準(zhǔn)化、數(shù)據(jù)合規(guī)、隱私保護(hù)等等。新舊問題交織，不僅給財(cái)務(wù)管理軟件帶來挑戰(zhàn)，也更影響著大模型在財(cái)務(wù)領(lǐng)域的落地。

　　財(cái)務(wù)數(shù)字化，行至水深處。

　　一、一場財(cái)務(wù)大模型的試水

　　這場大模型的比拼中，大廠正在急速競賽。在具體的垂直場景，To B廠商已紛紛入局，財(cái)稅也不例外。

　　在財(cái)務(wù)領(lǐng)域，先上牌桌的是從財(cái)務(wù)軟件起家的金蝶。

　　“沒有一家能做好完整的企業(yè)大模型，所以金蝶首先選擇了財(cái)務(wù)這個(gè)我們最熟悉的領(lǐng)域。”金蝶中國執(zhí)行副總裁、研發(fā)平臺總經(jīng)理趙燕錫曾對媒體表示。

　　作為企業(yè)管理軟件服務(wù)商，金蝶之所以將財(cái)務(wù)領(lǐng)域作為首選，其底氣則來源于兩年時(shí)間內(nèi)為177家大客戶做業(yè)財(cái)一體化國產(chǎn)替換的實(shí)踐經(jīng)驗(yàn)。

　　據(jù)了解，針對財(cái)務(wù)大模型，金蝶內(nèi)部做了諸多方面的探索，比如從三四月開始就同百度、騰訊、華為等多家大模型廠商合作并進(jìn)行選型。

　　再比如金蝶預(yù)制了財(cái)務(wù)知識庫，目前已將國內(nèi)稅務(wù)優(yōu)惠政策植入到該模型中，供企業(yè)直接調(diào)用。對于中小企業(yè)，能夠?qū)崿F(xiàn)開箱即用。而對于大企業(yè)，金蝶的蒼穹GPT也可以允許它們個(gè)性化定制。

　　此外，除了像用友、金蝶這種綜合管理類軟件廠商，在企業(yè)支出管理賽道的頭部SaaS企業(yè)如分貝通與合思(原易快報(bào))也在踐行著自己的大模型嘗試與探索。

　　分貝通大數(shù)據(jù)與算法負(fù)責(zé)人吳榮彬認(rèn)為，長遠(yuǎn)來看，財(cái)務(wù)大模型能夠幫助企業(yè)進(jìn)行實(shí)時(shí)智能費(fèi)控，并基于企業(yè)的財(cái)務(wù)數(shù)據(jù)做出更科學(xué)的決策，還能夠根據(jù)歷史數(shù)據(jù)和算法預(yù)測未來的財(cái)務(wù)狀況。

　　然而，就短期而言，吳榮彬認(rèn)為，“中小企業(yè)數(shù)字化轉(zhuǎn)型程度低、數(shù)據(jù)安全和隱私保護(hù)等問題疊加，以及數(shù)據(jù)質(zhì)量、技術(shù)和資源需求帶來的挑戰(zhàn)，新舊問題交織，讓財(cái)務(wù)大模型很難實(shí)現(xiàn)它真正的產(chǎn)業(yè)價(jià)值。”

　　吳榮彬告訴產(chǎn)業(yè)家，“我們內(nèi)部已經(jīng)落地了若干應(yīng)用場景，但仍停留在初期探索階段。探索的方向是在應(yīng)用層，主要看大模型在應(yīng)用上的邊界在哪。另外，為了提升用戶使用體驗(yàn)，我們也探索并優(yōu)化了大模型的整體技術(shù)棧，從而垂直優(yōu)化應(yīng)用場景。”

　　“坦白地講，我們現(xiàn)在使用的技術(shù)沒有一項(xiàng)是近五年甚至于近十年的技術(shù)。當(dāng)下，Workday是在用25年前的理論來指導(dǎo)現(xiàn)在的軟件開發(fā)，而這其實(shí)是絕大多數(shù)企業(yè)管理軟件所面臨的挑戰(zhàn)。同樣，無論是幾年前的云原生還是現(xiàn)在的AIGC，在這些技術(shù)趨于成熟的同時(shí)，企業(yè)最應(yīng)該思考的是，如何將技術(shù)與業(yè)務(wù)深度結(jié)合起來。”合思首席產(chǎn)品架構(gòu)師佟佩澤告訴產(chǎn)業(yè)家。

　　在他看來，目前技術(shù)已經(jīng)發(fā)展到了一個(gè)很高的位置，但能不能把技術(shù)拿出來與企業(yè)經(jīng)營過程中所遇到的挑戰(zhàn)和問題結(jié)合在一起，共同去改善和治理，這是對于絕大多數(shù)ToB廠商來講最重要的事情。

　　To B是一個(gè)“長期主義者”，通過技術(shù)與業(yè)務(wù)融合，從而帶來產(chǎn)業(yè)長期價(jià)值，是優(yōu)質(zhì)的ToB企業(yè)在任何技術(shù)浪潮席卷而來的時(shí)候都必須考慮的事情。在佟佩澤看來，財(cái)務(wù)大模型是有價(jià)值的，但更重要的是，通過多年的服務(wù)經(jīng)驗(yàn)，洞察出企業(yè)客戶正在面臨什么問題與挑戰(zhàn)。在此基礎(chǔ)上，大模型能夠如何解決這些問題，這才是最務(wù)實(shí)的思考。

　　據(jù)佟佩澤透露，“目前，我們正在嘗試?yán)�用通用大模型�?xùn)練，將自然語言描述出來的業(yè)務(wù)訴求轉(zhuǎn)變?yōu)橛?jì)算機(jī)語言，轉(zhuǎn)換成產(chǎn)品里的配置，從而構(gòu)建出自動化流程。因?yàn)槲覀兊目蛻舸蠖嗍峭ㄟ^低代碼平臺配置產(chǎn)品，而配置產(chǎn)品需要IT人員和財(cái)務(wù)人員學(xué)習(xí)和理解建模方式。同樣地，對于大模型也是一樣。這樣一來，客戶再根據(jù)我們提供的prompt，大模型就可以根據(jù)提前傳入的數(shù)據(jù)，生成自動化流程。”

　　在與佟佩澤交談的過程中，產(chǎn)業(yè)家了解到，合思對財(cái)務(wù)大模型的態(tài)度十分謹(jǐn)慎，“財(cái)務(wù)大模型目前一定是錦上添花，很難做到雪中送炭。”

　　不難看出，對于財(cái)務(wù)大模型，雙方的態(tài)度十分相似。在他們看來，短期內(nèi)財(cái)務(wù)大模型無法縱深到更深的產(chǎn)業(yè)中去，更無法與業(yè)務(wù)進(jìn)行結(jié)合，賦能業(yè)務(wù)本身。但在大模型方向，兩家的態(tài)度都是“積極研發(fā)”，希望找到并驗(yàn)證出財(cái)務(wù)大模型在企業(yè)客戶場景中的真正價(jià)值。

　　無論是金蝶首發(fā)財(cái)務(wù)大模型，還是合思與分貝通在該方向上的試水，都傳遞出一個(gè)信號：在財(cái)務(wù)管理領(lǐng)域，大模型的價(jià)值毋庸置疑，但當(dāng)下具體能達(dá)到的能力，仍然需要持續(xù)探索。

　　二、財(cái)務(wù)高質(zhì)量數(shù)據(jù)，加速求解

　　從金蝶發(fā)布的財(cái)務(wù)大模型來看，金蝶所做的是預(yù)制提示語工程，這樣可以方便企業(yè)直接調(diào)用。而在提示語工程的背后是金蝶將諸如稅務(wù)優(yōu)惠政策等財(cái)務(wù)領(lǐng)域?qū)�業(yè)知識輸入到大模型中。

　　同樣地，合思與分貝通之所以目前沒有大模型相關(guān)產(chǎn)品側(cè)的新動作，也是因?yàn)闆]有真正驗(yàn)證好在真正的財(cái)務(wù)場景中大模型的價(jià)值。

　　“我們對大模型在財(cái)務(wù)管理方向的應(yīng)用充滿信心與憧憬，但也的確存在一些挑戰(zhàn)和限制。例如，數(shù)據(jù)的質(zhì)量和完整性對于模型的準(zhǔn)確性和可靠性至關(guān)重要，而獲取和整理高質(zhì)量的財(cái)務(wù)數(shù)據(jù)可能是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。此外，大模型的應(yīng)用也需要投入大量的計(jì)算資源和人力成本，對于部分中小企業(yè)來說可能難以承擔(dān)。”吳榮彬表示。

　　在與分貝通和合思的交流中，高質(zhì)量數(shù)據(jù)是一個(gè)反復(fù)被強(qiáng)調(diào)的因素。因?yàn)椋�在大模型的�?xùn)練過程中，作為企業(yè)服務(wù)商，提供高質(zhì)量數(shù)據(jù)是搭建財(cái)務(wù)大模型最重要的一步。實(shí)際上，任何領(lǐng)域的大模型都需要高質(zhì)量數(shù)據(jù)作為“底座”。

　　但就財(cái)務(wù)領(lǐng)域而言，獲取和整理高質(zhì)量數(shù)據(jù)是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。一方面，高質(zhì)量數(shù)據(jù)需要企業(yè)真實(shí)提供，而財(cái)務(wù)數(shù)據(jù)又對安全性要求極高，需要采取相應(yīng)的技術(shù)和管理措施來防止數(shù)據(jù)泄露和濫用。

　　另一方面，在實(shí)際應(yīng)用中，財(cái)務(wù)數(shù)據(jù)可能存在缺失、錯誤或不一致的情況，需要進(jìn)行數(shù)據(jù)清洗和整理。而清洗數(shù)據(jù)則需要一定的技術(shù)手段和投入。

　　可以說，在數(shù)據(jù)安全和隱私保護(hù)尚未得到解決的情況下，財(cái)務(wù)大模型很難取得突破性進(jìn)展。

　　佟佩澤提及到財(cái)務(wù)大模型的限制時(shí)告訴我們，“從業(yè)財(cái)融合的角度講，企業(yè)更看重效率。而在效率的維度，大模型的確有較大的應(yīng)用空間。但另一方面，某一垂直領(lǐng)域的大模型需要學(xué)習(xí)、訓(xùn)練和微調(diào)，這需要依賴行業(yè)數(shù)據(jù)。但問題在于沒有足夠多公開的數(shù)據(jù)訓(xùn)練，這也導(dǎo)致大模型很難在某個(gè)垂直領(lǐng)域里深耕和落地。”

　　實(shí)際上，如何獲得高質(zhì)量數(shù)據(jù)，不僅是財(cái)務(wù)大模型會遇到的問題，更是所有企業(yè)級大模型都會面臨的挑戰(zhàn)。

　　在構(gòu)建企業(yè)大模型的過程中，數(shù)據(jù)是極其重要的一環(huán)�？梢哉f，數(shù)據(jù)的質(zhì)量直接決定著企業(yè)級大模型的效果。其中，行業(yè)數(shù)據(jù)的收集和數(shù)據(jù)清洗是最重要的兩個(gè)步驟。

　　關(guān)于此，業(yè)內(nèi)的一個(gè)討論是，以發(fā)力財(cái)務(wù)大模型的廠商為例，可以選擇與收集數(shù)據(jù)的廠商合作。在數(shù)據(jù)脫敏方面，財(cái)務(wù)大模型的提供商也可以通過聯(lián)邦學(xué)習(xí)和隱私計(jì)算的方式，讓數(shù)據(jù)能夠安全地應(yīng)用在財(cái)務(wù)大模型當(dāng)中。

　　以合思為例，2017年，合思選擇與一家海外廠商合作，通過AI技術(shù)進(jìn)行財(cái)務(wù)審核，最終在審批效率方面，可以實(shí)現(xiàn)14%的免審。在這一過程中，就應(yīng)用到了這家海外廠商的數(shù)據(jù)脫敏技術(shù)。

　　此外，再比如進(jìn)行本地部署和公有云部署的徹底隔離，基于容器、微服務(wù)的架構(gòu)進(jìn)行本地專有部署，分別實(shí)現(xiàn)數(shù)據(jù)內(nèi)循環(huán)和數(shù)據(jù)外循環(huán)，最終達(dá)到讓財(cái)務(wù)大模型變聰明的效果。

　　三、財(cái)務(wù)管理，步入大模型時(shí)代

　　如今，財(cái)務(wù)數(shù)字化的水溫也正在加速變化。

　　“金稅四期的到來，正在加速企業(yè)進(jìn)行財(cái)務(wù)數(shù)字化轉(zhuǎn)型。但在這過程中，一定會伴隨著新舊交接的過程，即一條腿邁到數(shù)字化時(shí)代，另一條腿還在紙質(zhì)時(shí)代。對應(yīng)地，財(cái)務(wù)就既要應(yīng)對傳統(tǒng)的紙質(zhì)作業(yè)模式，又要兼容新的數(shù)字化模式。”佟佩澤告訴我們。

　　這樣的問題正是文章開篇那家食品品牌所面臨的，也是大部分企業(yè)財(cái)務(wù)數(shù)字化轉(zhuǎn)型的縮影。

　　在此背景下，財(cái)務(wù)大模型的落地能夠加速企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。在吳榮彬看來，“財(cái)務(wù)大模型的應(yīng)用需要企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，包括數(shù)據(jù)收集、存儲和分析的數(shù)字化能力的提升。這將推動企業(yè)在其他領(lǐng)域的數(shù)字化轉(zhuǎn)型，提升整體運(yùn)營效率和競爭力。”

　　對于財(cái)務(wù)大模型而言，提高效率僅僅是一方面，更重要的是其對財(cái)務(wù)管理軟件帶來的顛覆。

　　對此，吳榮彬的思考是，“對話大模型可以讓企業(yè)通過人機(jī)對話的方式，來實(shí)現(xiàn)對于App以及對財(cái)務(wù)系統(tǒng)的交互。由于財(cái)務(wù)管理非常依賴數(shù)據(jù)驅(qū)動，而目前的BI工具無法在手機(jī)端很方便地操作，因此使用自然語言交互并獲取數(shù)據(jù)和圖表是一種更好的數(shù)據(jù)洞察方式。”

　　從更長遠(yuǎn)的角度出發(fā)，大模型對財(cái)務(wù)管理軟件的改變不僅在前端的UI層，更有后端的應(yīng)用層。而對于這一點(diǎn)，像合思和分貝通這樣的SaaS企業(yè)內(nèi)部正在不斷進(jìn)行嘗試與探索。

　　另外，大模型對于整個(gè)數(shù)字化轉(zhuǎn)型的推動是降低理解成本與學(xué)習(xí)成本。

　　佟佩澤告訴我們，“大模型能夠降低企業(yè)在業(yè)務(wù)場景和產(chǎn)品適配上面的難度。實(shí)際上現(xiàn)在的企業(yè)管理軟件都做的很深，尤其是垂直領(lǐng)域的管理軟件。它所提供的功能價(jià)值很多，但受限于理解成本與學(xué)習(xí)成本，比如懂場景的人不一定充分理解產(chǎn)品，而懂產(chǎn)品功能的人又不一定深刻理解某一家企業(yè)的業(yè)務(wù)訴求或業(yè)務(wù)痛點(diǎn)。”

　　所以，在他的觀察中，當(dāng)這場景與產(chǎn)品之間的匹配度較低時(shí)，這就導(dǎo)致工具很難被深度使用，更不用提如何與業(yè)務(wù)結(jié)合。而降低理解成本恰恰是大模型帶來的核心價(jià)值。

　　也可以說，實(shí)大模型對于財(cái)務(wù)管理軟件的顛覆，或是對于數(shù)字化轉(zhuǎn)型的推動，本質(zhì)都是在賦能“人”的發(fā)展。在與佟佩澤的交談中，他提到了一點(diǎn)，無論過去還是將來，財(cái)務(wù)的角色和意義都不會被顛覆，只會被清晰化，只會回歸到本源。

　　這是大模型賦予財(cái)務(wù)領(lǐng)域的價(jià)值，也是科技與人的關(guān)系。

　　長遠(yuǎn)來看，財(cái)務(wù)大模型提供的產(chǎn)業(yè)價(jià)值包括實(shí)時(shí)智能費(fèi)控、數(shù)據(jù)驅(qū)動決策、預(yù)測與優(yōu)化，這也將是未來財(cái)務(wù)管理領(lǐng)域的終局。對此，分貝通給出了更詳細(xì)的詮釋。

　　首先，通過大模型的應(yīng)用，企業(yè)可以實(shí)時(shí)監(jiān)控和管理費(fèi)用，從而更好地控制和優(yōu)化資源的使用。大模型可以自動識別費(fèi)用異常和浪費(fèi)，提供實(shí)時(shí)預(yù)警和建議，幫助企業(yè)及時(shí)調(diào)整和改進(jìn)費(fèi)用管理策略。

　　其次，大模型可以整合和分析各個(gè)部門的財(cái)務(wù)和費(fèi)用數(shù)據(jù)，提供更全面、準(zhǔn)確的財(cái)務(wù)情況和趨勢分析。基于這些數(shù)據(jù)，企業(yè)可以做出更具科學(xué)依據(jù)的決策，優(yōu)化財(cái)務(wù)資源配置，提高企業(yè)的盈利能力。

　　最后，大模型可以利用歷史數(shù)據(jù)和算法進(jìn)行預(yù)測，幫助企業(yè)更準(zhǔn)確地預(yù)測未來的財(cái)務(wù)狀況。企業(yè)可以根據(jù)這些預(yù)測結(jié)果進(jìn)行更有針對性的優(yōu)化和調(diào)整，實(shí)現(xiàn)更穩(wěn)定和可持續(xù)的財(cái)務(wù)發(fā)展。

　　然而，在上述「終局」未到來之前，在財(cái)務(wù)領(lǐng)域，還有更多棘手的問題等待著被解決。