人工智能+会计：发展障碍与社会应对

崔子扬 王秀华

【摘要】文章从智能会计发展阶段出发，对人工智能+会计的可能领域以及发展障碍等进行了系统研究。研究发现，人工智能+会计是智能化会计的高级发展阶段，其应用领域受决策的客观性和创新性两大因素影响，更易在高客观性——低创新性领域得到更广泛的应用。人工智能实践发展缓慢、社会准备不充分以及企业引入顾虑等是阻碍人工智能+会计迅速发展的三大障碍，据此文章提出了优化国家智能金融支付管理体系、建立会计人员分流调整机制等应对策略，为推动人工智能+会计的健康快速发展提供参考。

【关键词】人工智能；人工智能+会计；业财融合

【中图分类号】F275

一、引言

人工智能最早来自于古埃及的传说，是传说变为现实的典型例证。1956年，在美国达特茅斯学院的一场学术研讨会上，明斯基、塞尔弗里奇、麦卡赛等一批有着远见卓识的计算机科学家和数学家们开始探讨机器模拟和拓展人类的智能并应用于生产与生活的各个领域，由此提出了“人工智能”的概念。人工智能（Artificial Intelligence，AI）是通过模拟人类智能的方式，创造出能够被人类驾驭的机器，模拟人类的脑活动进行计算和工作，并引申出许多内涵。1987年，美国执业会计师协会（AICPA）发表了《人工智能和专家系统简介》报告，首次将人工智能引入会计和财务管理领域。自此，人工智能+会计的相关研究逐渐增多，并保持着强劲的上升趋势。

有两种会计智能化在当今社会被广为应用。其一是终端识别智能与财务会计的结合，它是基于业财融合的智能财务共享平台，运用移动终端的OCR等工具将业务财务数据同时录入系统，改变了会计原始数据的录入方式，结束了业务和财务数据相分离的现状。其二是商业智能与管理会计的结合，它运用数据整合与挖掘技术进行辅助决策和管理控制，也实现了数据的整合与挖掘，进而促进了企业价值的最大化。

Gray等（2019）指出，如果放弃会计当中人工智能的研究，将使得人工智能研究人员错失一个在新领域发挥新技术应用的大好机会[1]，可见，人工智能+会计的早期研究多为人工智能领域的专家所进行的应用研究。从2016开始，Steven G.Sutton发现人们的视线从专家系统转移到了对现有的人工智能会计的讨论和对于会计决策支持方面的研究[2]。2016年，德勤、普华永道、安永、毕马威四大会计师事务所陆续推出财务机器人，人工智能+会计实践取得了重大进展。但与之相关的，人工智能+会计可能产生的社会影响也日益受到关注。

Steven G.Sutton（2016）指出，在会计领域中讨论人工智能时应当作出适当的让步，要考虑对会计专业人员、会计职业和整个社会的影响[2]。Suleiman等（2020）指出，目前中国正在使智能会计相关的公司、会计师、教育机构和政府处在同一战线，并建议不要完全依赖人工智能系统作出所有决定，以避免出现系统中断导致的经济体系崩溃[3]。但Cindy Greeman（2017）认为，人工智能不仅不会取代会计工作，反而会增加对数据分析等有经验的财务人员的需求，促进企业修改商业模式，将人们的注意力从录入数据转移到高价值的专业判断上来[4]。在社会应对方面，Lee等（2020）对马来西亚使用人工智能会计软件所进行的调查表明，有57%的被调查者表示技术采用的滞后是由于缺乏理解人工智能应用的好处所导致的[5]，这暗示了应用者对人工智能存在一定的抵触情绪。可见，国外的学者对人工智能+会计的认识存在较大差异。國内的研究起步较晚，当前主要集中在确认人工智能在会计领域的发展趋势方面，代表性研究包括韩向东（2015，2018）[6-7]、张敏（2021）[8]、张庆龙（2021）[9]等，他们都认为智能财务平台、智能决策支持系统会在会计领域大规模应用，较少学者探讨人工智能+会计的具体应用领域、发展障碍以及社会应对等，且已有文献多从人工智能领域提出，很少从财务学者的视角探讨人工智能+会计在企业推进中的障碍以及社会应对策略。本文将弥补上述不足，从会计学者角度对此进行研究。

二、“人工智能+会计”：智能化会计的高阶发展阶段

（一）智能化会计的发展阶段

会计的本质是一套信息系统，是服务于企业各项决策的信息系统。迄今为止，智能与会计的结合主要有三个发展阶段：基于业财融合的智能财务共享平台、基于商业智能的管理会计平台和基于人工智能的智能财务平台。这三个平台分别作用于会计的不同领域，从不同的视角对传统会计行业进行了冲击，详见图1。

1.终端识别智能+财务会计

终端识别技术是以文字识别（Optical Character Recognition，OCR）技术为代表的一系列智能图像识别电子化技术。基于业财融合的智能财务共享平台运用移动终端的OCR等工具将业务财务数据同时录入系统，改变了会计原始数据的录入方式，结束了业务和财务数据相分离的现状，结合财会电算化手段，取消了业务员报账、会计员录入等流程，直接从终端业务数据生成了财务报表数据，建立了海量数据库，实现了业财数据的融合。

2.商业智能+管理会计

基于商业智能（Business Intelligence，BI）的管理会计平台则在业财融合建立的海量数据的基础上，运用数据整合与挖掘技术进行辅助决策和管理控制，在基础数据与企业价值之间建立一条科学、可行、高效的通道，帮助企业实现价值最大化。在这一过程中，如何整合数据、如何挖掘数据才能够实现企业价值最大化是该管理会计平台有效运行的关键。由于这一过程采纳了管理会计的算法，因而基于商业智能的管理会计平台改变了会计数据加工方式。

基于人工智能的智能财务平台则是“人工智能+会计”的结果，是用人工智能尽可能模拟、延伸和扩展上述两大平台运行过程的平台，其有至少两大目标：第一，尽可能减少人的活动，以便减少人性的弱点所带来的主观偏差；第二，打破自然人的思维局限，延伸和扩展人的思维领域，拓展认知空间。

人工智能+会计，使得会计转型升级成为智能会计，它是以数字经济为前提，以业财融合的财务共享、商业智能管理会计平台为重要依托，以人工智能技术（科学）为重要支撑，以数据分析方式的深度学习和财务人机互动决策为支持的人机协同进化的一项会计管理活动。

智能化会计发展的每一个阶段都将会计人员从繁重的程序化劳动中解放出来。目前，智能化会计的前两个阶段已经在实践中深入发展，而人工智能+会计的发展还处于起步阶段。

（二）人工智能+会计的可能领域

与自然人相比，人工智能在信息储存与检索、数据挖掘与处理以及保持客观理性等方面具有显著的优势，人工智能+会计的可能领域主要是需要依托大量经验信息、运算复杂或运算量大以及客观性强的领域。而从会计本身来看，其作为一个决策支持系统，任何决策支持活动都必然建立在大量信息的基础上，但决策时对经验信息的依赖程度不同。一般来说，活动的创新性程度与其对经验信息的依赖程度负相关。同样，价值创造对决策支持的客观性要求程度也不同，有些决策支持活动可以在给定信息的基础上进行尽可能客观的判断，如筹资数量、存货采购批量等，而有些决策活动的主观判断程度更强，如风险活动等。因而，本文从决策的客观性要求和创新性要求两个因素的强弱程度来确定人工智能+会计的可能领域，详见图2。

（一）高客观性—低创新性领域：高人工智能化

这一领域会计工作的创新性要求相对较低，且有相对成熟的会计或财务理论提供支持，较少需要会计人员的价值判断，因此适合采用高水平的人工智能化，甚至可以完全由人工智能完成。例如财务会计领域、一般的审计鉴证领域、融资领域、营运资金管理领域、财务业务数据处理与分析领域等。

（二）低客观性—低创新性领域：半人工智能化

这一领域对会计人员的创新性要求相对较低，但却比较需要会计人员的主观判断，通常是专业性较强，较为依赖历史经验数据且不能反复迭代、反复试错的领域。例如管理会计领域中的市场预测、投资项目的可行性分析等领域。这一领域可以利用人工智能进行企业内外信息采集、检索、数据挖掘，形成方案初稿，但最终方案的撰写以及决策的关键因素分析甚至结果的生成则需要会计人员在人工智能的基础上形成。若決策结果可以在执行过程中不断调整，此时也可以更大程度上使用人工智能完成。

（三）高客观性—高创新性领域：半人工智能化

这一领域对会计人员的创新性要求较高，但却有相对成熟的理论可以借鉴。例如，管控体系中成本管控体系的设计、激励约束机制的设计等。这一领域可以由会计人员根据企业价值管理要求进行创新性思维或理念的设计，然后利用人工智能的反复迭代和持续改进的能力进行方案的规划与设计。

（四）低客观性—高创新性领域：低人工智能化

这一领域更多依赖会计人员的主观判断，且对创新能力要求较高。例如风险识别与管理、盈利模式设计、财务创新等。人工智能除了发挥对历史数据进行处理、对现状进行分析等作用外，核心的创新性工作则必须由人力完成。这是人工智能化最低的领域。

从人工智能+会计实践发展看，财务会计领域的会计核算自动化、财务共享专家系统等较低水平的智能化已经实现，而认知智能化会计、机器深度学习等高阶人工智能+会计则进展缓慢。

三、人工智能+会计发展障碍分析

（一）人工智能实践发展缓慢

1.人工智能发展与会计发展不匹配

秦荣生（2020）指出：“人工智能有弱强之分，弱人工智能在当今世界普遍存在，而强人工智能是具有思维、知觉和自我意识，能够独立思考问题并且能提出解决方案的智能机器，这些智能机器拥有推理和解决问题的能力[10]。”目前，全球的人工智能尚未在认知智能方面得到突破性进展，在会计方面，2019年德勤团队撰写的《机器人认知自动化白皮书》对机器人认知自动化（R&CA）技术在会计领域的应用进行了分析，在一定程度上推进了认知智能会计的发展。当下人工智能的全球平均水平甚至还未走出弱人工智能（计算智能）的边界，局部地区虽然已经走出了弱人工智能，但人们对于在感知阶段的深度学习算法的探索依旧存在诸多问题。梁迎丽、梁英豪（2019）认为：“机器深度学习存在无法有效应用于高风险领域的局限性[11]。”步入21世纪，会计学科已经取得了极大发展，基于企业价值的深度挖掘，需要一种与之相匹配的人工智能机器，将企业的场景和业务流程推向一个崭新的平台。

2.人工智能+会计的前置应用领域尚未完成

国务院于2017年7月8日发布了《新一代人工智能发展规划》，明确指出了我国人工智能的重点结合领域，其中包括智能农业、智能制造、智能交通、智能医疗和健康养老等社会基本民生服务和社会治理层面[12]。可以看出智能金融和智能商务的发展顺序偏后。章小童等（2020）认为：“不论人工智能发展被提到怎样的高度，最后需要重点解决的还是民生问题。并且，目前人工智能还没有一个较为通用和成熟的发展模式，各项新技术需要大规模试点试用[13]。”以制造业为例，业界内普遍认为，企业应用智能化必须遵循从基本生产工艺装备的智能化到设备的实时监控、辅助作业与改造的智能化，最后才能将设备与智能会计对接，将业务过程与会计核算之间的隔阂消除，会计才能实现真正的智能。

企业会计与智能化的应用结合程度很大程度上取决于国家智能金融的实践情况，而这二者都必须相对滞后于军事和民生领域的智能化应用。因此，目前对于国家的金融、支付体系等大环境的智能化治理结构探索是探索人工智能+会计必要的前置工作，且相关金融智能试点的理论框架尚待研究。

（二）社会准备不充分

1.大量会计人员转型带来的社会压力问题

人工智能的深入发展必然出现智能机器人取代大量财务人员的情形，这在财务共享中心的建设过程中已经出现了。这部分被取代的会计人员面临着转型或失业的风险，将给社会就业带来巨大压力。

2.服务于人工智能+会计的专业人员极度缺乏

人工智能+会计的本质是各类计算机算法在会计领域中的应用，是会计专业知识、计算机专业知识以及心理学、神经学等专业知识的深度融合，因此其设计、维护、升级等需要大量精通会计、计算机等多个领域的高素质人员。而当前的教育系统对相关人员的培养尚未适应这一需求。2016年我国教育部印发了《教育信息化“十三五”规划》，将信息化教育能力纳入学校建设考评体系；2017年7月国务院的《新一代人工智能发展规划》中也明确指出，在中小学开设人工智能相关课程，逐步推广编程教育，推动人工智能人才的培养。而高校中的人工智能+会计专业化人才的培养方案正处在起步阶段。目前符合人工智能+会计发展需求的人才十分匮乏。

3.人工智能的信息安全性问题

业财融合形成的大量数据中几乎包含企业所有核心的商业秘密，一旦泄露可能会严重削弱企业的核心竞争力。因而如何在获得人工智能便利的基础上确保企业核心商业秘密不泄露，是人工智能+会计推进过程中亟待解决的重要问题。除了需要考虑外部的非法窃取之外，还需要重点关注人机互动过程中人工智能向不同权限人员提供信息的范畴界定问题。

4.法律层面的准备不充分

人工智能+会计的推进还会涉及到很多法律层面的问题，例如责任认定及损失赔偿等。当人工智能+会计发展到一定程度，单一企业的人工智能实际上可能通过各种中介与整个市场建立联系，从而带来巨大的负外部性。历史上不乏因一个公司发布了一个不成熟的智能算法而引发灾难的事件。2012年7月31日，骑士资本集团（Knight Capital）作为一家巨型贸易公司，在年收入14亿美元的状态下因未充分测试而发布了一个证券交易的算法，造成了纽约证券交易所的148家上市公司股价陷入混乱，该公司一夜之间损失4.4亿美元而被竞争对手以最低价收购；2003年的美国贸易公司、2009年的英菲资本管理公司（Infinium Capital Management）等均发生过因引入智能算法而在不足1分钟内发生巨额损失甚至破产的严重后果。黄甫全等（2020）认为，对于人工智能的人类设计者和生产者来说，人工智能立法没有授权的行为是严令禁止的，目前还是主要在交通、医疗、隐私和著作权方面进行重点研究和实践[14]。因而，如何对人工智能维护人员进行法律层面约束，如何在灾难发生后追究相关的责任等问题需要在人工智能+会计推进之前进行充分考虑。

（三）企业引入人工智能的顾虑

1.人工智能推广成本居高不下

企业要引入人工智能进入会计系统，并非仅仅购买一部或几部人工智能机器人就可以简单实现的，还需要铺设人工智能赖以运行的各种线路、传感器，购买各类数据库和语言库等，以便搜集并整合企业内外部各类信息。因而，总体成本较高，可能会扩大企业所承担的固定成本比重，增加企业经营风险。

2.管理层对人工智能的信任问题

与会计人员的工作相比，人工智能+会计更像是将会计等信息搜集、整合、生成、辅助决策等活动引入一个黑箱，管理层对其运行机理的不熟悉往往会大大影响管理层对其生成结果的信任。这并非是杞人忧天，2010年5月6日下午2点42分美国股市出现的5分钟“闪电崩盘”[15]，其造成了道琼斯工业平均指数损失近1万亿美元的恶劣后果，但这并不是人们认为最可怕的问题，更可怕的是美国监管机构用时5个月进行调查，却依然不清楚这一事件为什么会发生。管理层的决策并非仅仅关注结果，决策支持数据的生成过程或决策依据似乎更重要，其中更是需要大量的价值判断。人工智能能否真正读懂管理层的意图进而做出对应的决策支持，是管理层是否会使用其辅助的关键原因之一。管理人员除了对人工智能的结果可靠性深感担忧外，还会陷入对人工智能深度依赖的担忧。一旦人工智能因为各种原因不能正常工作，那么企业是否能够有合适的会计人员可以立即接手相关工作？企业是否会因人工智能不能有效工作而陷入混乱？当我们除了利用人工智能给出的结果来做决策而没有其他备选思路时，是管理者控制了人工智能还是人工智能架空管理者？这些问题的存在都不得不使管理者对引入人工智能慎之又慎，甚至做出拒绝引入的决策。

3.组织结构的适应性问题

人工智能引入并非是更换一个会计人员那样简单，它会从本质上改變会计部门的工作性质以及会计部门与其他各个部门之间的内部联系，甚至会影响企业与银行以及其他企业之间联系的变化，由此带来组织结构的深度变革。同样，人工智能+会计时代必然是一个经济发展节奏极快的时代，企业的组织结构不能仅为了控制和执行而设计，更重要的是能够适应经济社会快速变化的步伐。但目前组织结构向哪一方向转变以及转变到何种程度尚不确定，因而人工智能引入初期，组织结构的不适应性以及管理层的信任问题进行叠加后，必然带来经营风险的增加。

四、人工智能+会计发展的社会应对

（一）优化国家智能金融支付管理体系

会计智能化必然会涉及到资金收付，从而进一步将企业内的会计行为与银行等金融系统相关联，使企业的财务风险传导至金融系统，这就可能放大并引发金融系统的风险，因而金融支付系统需要提前做好相应的应对。国家智能金融支付管理应当注重以下方面的建设：首先，加快智能网联支付平台的升级，尤其是要加强识别并防范重大结算风险，加强监管网联平台的强大活力；其次，加强“监管沙盒”等支付压力测试系统的建设，扩大数字化支付视角下的试点范围；最后，提高智能金融支付系统与相关财务技术公司的合作，增进双方的高效沟通和理解，为人工智能+会计的发展提供良好的金融支持。

（二）建立会计人员分流调整机制

1.存量会计人员的调整机制

对于当前社会上存在的受人工智能+会计实施影响较大的会计人员，可采取三种途径进行分类分流：对于精通会计知识且具备一定计算机基础的人员，可对其进行计算机相关能力的培养，使其尽快满足人工智能+会计推广中的系统维护需求；对于具备转型条件的会计人员，可将现有会计人员由核算型转为决策型、咨询型会计人员或其他经管类高素质人员，满足企业、各类事务所以及其他领域对高层次人才的需求；对于其他类型的会计人员，可以通过鼓励创业等方式允许其自行分流进入其他领域。通过以上措施优化会计人员存量队伍结构，减轻社会压力。

2.增量会计人才培养方向的改革机制

对于当前在高校的增量会计人员，一方面应加快高校培养方向的改革，推进互聯网+会计、智能会计等新型会计人才培养，以更好地满足社会需求。另一方面，增加会计专业理科生源比例，优化师资力量，增进拔高型智能课程的数量和质量。例如山东财经大学于2019年将基础财务课程重构为“云会计与财务共享”“机器学习与智能决策”等全新整合课程，并相应调整师资队伍，新创了“智能会计实验室”[16]。最后，要提高会计人员的主动学习意识，傅元略（2019）指出：“未来财会人员的核心能力需要包含财务决策、内部报告体系设计、管控系统设计和决策支持体系设计[17]。”在新冠疫情的冲击下，低成本、易获得的网络教学被推向高潮，各企业、事务所和高校可适当采取措施在人员和学生的学习中增加人工智能公共网络课程的学习，再结合双学位、继续教育的实践学习，发掘会计人员自身的职业亮点和兴趣。

（三）加快建设企业严格的算法章程和网络信息安全系统

在人工智能时代，各企业之间的关联将趋于紧密。首先，企业需要将业务流程的审批过程进行重新规划，不仅要优化业务审批的牵制机制，还要对相关算法的应用进行牵制，严格防范机器的算法失误带来的一连串损失。其次，对于智能试点城市的企业，还需要优化新技术新设备接入互联网的方式，联合相关研发机构进行不可逆转算法系统的相关应用，实现算法负面影响不外溢的效果。最后，企业要进行定期的信息安全测试，在测试的过程中可联合相关监管机构，共同促进信息安全监管资格的形成，试点企业应当以点带面，强化相关机构对企业信息安全的审核或相关资质的审批，促进信息安全建设。

（四）促进国家智能算法建设

人工智能+会计一旦实施，企业的智能化决策所涉及的利益相关者层级将陡增，无论是决策前方案的策划，还是决策后的实施推进等步骤都依赖于程序员编写算法的准确性、科学性以及该算法针对特定企业形成的个性化特征的有效性，甚至该算法中是否存在着隐性的利益输送等风险。而这些风险点都有赖于智能算法相关法制建设的完善程度，即对于程序员、智能机器人生产商和智能机器人的行为进行约束，否则，智能会计将难以真正推进。

1.设定智能算法的应用领域

首先，对于企业内部经常性的大额交易领域，暂时不适合扩大智能算法的应用。其次，由于企业在风险管理和内部控制以及员工激励的系统中具有较高的不确定性，因此智能算法也不适宜在这些领域扩大运用范围。而高客观性—低创新性的财务领域以及在企业获取外部数据的过程中是适合大范围运用智能算法的。

2.明确智能算法的责任承担

目前的智能机器人是基于基础算法进行信息转换，因此尚不具备使机器人独立承担法律责任的条件。当前人类不会因为机器人有足够的独立性而使其承担法律责任，因而产生了责任缺口，主要解决办法是有意识地将责任归于人工实体本身，或将这种责任适当地归属于人类[14]。但未来如何针对“算法黑箱”进行责任分配仍是一个难题。要增加计算机行业开发出的可解释和可理解模型的数量，还需要让算法的受用者和监管者均采取可理解的方式进行使用，更需要程序员和财务专家之间保持关键性、持续性的合作，最后再对生产者的产品质量和机器人本体形成的决策结果进行责任分配，才能最终实现相关算法责任落实，适当缓解企业对于智能化应用的过度顾虑。

（五）加快企业组织结构智能化升级

1.紧跟数字化智能企业潮流

为满足智能会计在企业内部的深度应用，企业需要重新定义自身的结构，提前转变思维模式，从个性化和大数据出发，摒弃科层制和中心化的组织结构，从财务敏捷化、行业伙伴多元化、客户开放化的角度对企业组织结构进行优化，以应对高财务风险。可以从改善信息系统的处理效率为起点削弱企业内多部门之间的隔阂，并加快企业的物联网建设，加速企业各项资产的数字化，以适应人工智能+会计的转型需要。

2.构造以深挖业务价值为核心的组织架构

在会计转型的大环境下，随着时间推移和科技发展，数字化的智能组织架构对于企业来说并非核心难点，由于社会倾向于大批量个性化的生产方式、高创新性的财务活动和高不确定性的金融环境，难点在于企业不仅要拥有商业数据的广度，还要确保商业数据的深度。企业可以构建以人为中心的赋能式组织结构，以员工的赋能来应对业务的转型，形成模块化的数据精准挖掘方式和灵活的应对组织。首先要将员工的自发性从层级之中解放，提高企业对业务的预测能力和反应速度，满足智能会计的需要。其次要注重企业内各团队的培养，既让每个分团队保持独创性，又让整体保持协调的企业精神，在加速发展的智能会计当中保持对企业各部门的协调统一和高效调动，打破传统组织架构的刚性造成的束缚。这样才能深挖企业的业务价值，为人工智能+会计的平稳发展奠定基础，使其顺利推进。

主要参考文献：

[1]Gray，GL（Gray，GlenL.）；Chiu，V（Chiu，Victoria）；L iu，Q（Liu，Qi）；Li，P（Li，Pei）.The expert systems life cycle in AIS research：What does it mean for future AIS research [J].International Journal of Accounting Information Systems，2019（15）：423-451.

[2]Steven G.Sutton，Matthew Holt， Vicky Arnold.“The reports of my death are greatly exaggerated”——Artificial intelligence research in accounting[J].International Journal of Accounting Information Systems，2016（22）： 60-73.

[3]Suleiman Jamal Mohammad，Amneh Khamees Hamad，Hela Borgi，Phung Anh Thu，Muhammad Safdar Sial，Ali Abdallah Alhadidi.How Artificial Intelligence Changes the Future of Accounting Industry[J].2020（3）：478-488.

[4]Cindy Greeman.Exploring the impact of artificial intelligence on the accounting profession[J]. Journal of Research in Business， Economics and Management，2017（8）：1451-1454.

[5]Cheah Saw Lee，Farzana Parveen Tajudeen.Usage and Impact of Artificial Intelligence on Accounting：Evidence from Malaysian Organisations[J].Asian Journal of Business & Accounting，2020（13）：213-239.

[6]韩向东.构建基于商业智能的管理会计信息系统[J].财务与会计，2015（09）：12-13.

[7]韩向东，余红燕.智能财务的探索与实践[J].财务与会计，2018（17）：11-13.

[8]张敏.智能财务十大热点问题论[J].财会月刊， 2021（02）：25-30.

[9]张庆龙.智能财务七大理论问题论[J].财会月刊， 2021（01）：23-29.

[10]秦荣生.人工智能与智能会计应用研究[J].会计之友，2020（18）：11-13.

[11]梁迎丽，梁英豪.人工智能时代的智慧学习：原理、进展与趋势[J].中国电化教育，2019（02）：16-21.

[12]中华人民共和国国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].http：//www.gov.cn/ zhengce/content/2017-07/20/content_5211996.htm.

[13]章小童，李月琳，樊振佳.基于我国10项人工智能规划与政策的内容分析[J].现代情报，2020，40（12）：17-26.

[14]黄甫全，曾密成.人工智能立法：主体、内容与特征[J].学术研究，2020（11）：49-55.

[15][英]罗伯特 科尔维尔.大加速——为什么我们的生活越来越快[M].北京联合出版公司，2019.

[16]山东财经大学.[大众网]山东财经大学“智能会计”诞生记[EB/OL].https：//news.sdufe.edu.cn/ info/1015/24055.htm.

[17]傅元略.智慧會计：财务机器人与会计变革[J].辽宁大学学报（哲学社会科学版），2019，47（01）：68-78.