数智时代高校会计智能人才课程建设探索和启示
——基于智能技术发展的视角

王世杰（副教授/博士）丁心怡 方懋凤

（重庆工商大学 重庆 400067）

当今世界，新一轮科技革命和产业变革正重塑全球经济结构，新技术突破加速带动产业变革。以大数据、人工智能为代表的新一代信息技术快速发展和应用，数字化、智能化成为时代特征。2016 年，谷歌“AlphaGo”击败围棋世界冠军李世石，一战成名；2022年，ChatGPT快速出圈，广受关注。会计以会计数据收集、处理和分析为基础工作，每当信息技术有新的突破，会计职业总会上榜被技术替代的榜单，这引发了会计教育界对会计人才培养的深刻思考。为此，在数智时代，面对技术冲击，我国一些高校开始探索智能会计或智能财务人才培养。本文试从智能技术发展的视角，对高校会计智能人才课程建设进行探讨。

一、智从何来

（一）智能的源头

智能技术依赖于现代电子计算机，迄今已历几十年，个别成熟技术得到广泛应用，但整体上尚不完善，还停留在理论探讨阶段。智能技术大致由人工智能（Artificial Intelligence，AI）和商业智能（Business Intelligence，BI）两部分构成，会计智能人才培养必须完整、清晰认识智能技术。

1.人工智能（AI）。1950年图灵提出让“机器能够思考”的设想，被认为是人工智能的起源。1956 年夏，麦卡锡等提出“人工智能”的概念。此后40 余年人工智能探索道路曲折起伏，机器定理证明、跳棋程序、特定领域专家支持系统等得以成功研发，但更多项目难以推进。20世纪90年代网络技术发展加快了人工智能研究，泛在感知数据和图形处理器等计算平台推动了以深度神经网络为代表的人工智能技术的飞速发展，图像分类、语音识别、人机对弈、无人驾驶等人工智能技术迎来了发展的新高潮。

人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。当前计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等八大技术被认为是人工智能的关键技术。常见的图像识别技术（OCR）属于计算机视觉技术；ChatGPT 依赖自然语言处理技术，是基于Transformer 模型的自然语言处理模型；大数据分析依赖跨媒体分析推理技术；自动驾驶依赖自主无人系统技术。AlphaGo 本质上是一个深度学习的神经网络，机器学习是人工智能基础的关键底层技术。目前我国人工智能理论创新总体上尚处于“跟跑”阶段，大部分创新偏重于技术应用。

2.商业智能（BI）。1956 年，IBM 发明硬盘改变了数据存储，越来越多的数据被创建和存储。1958年IBM研究员Hans Peter Luhn提出商业智能系统具有理解既有事实相互关系的能力，可以指导决策实现期望目标。伴随决策支持系统（Decision support systems，DSS）和执行信息系统（Executive Information Systems，EIS）在20 世纪七八十年代的流行，1989 年Gartner 分析师Howard Dresner 提出了被广泛理解的商业智能定义，即商业智能是由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的，以帮助企业决策为目的的技术及其应用。商业智能从不同数据源收集、提取有用的数据，通过数据清洗保证数据正确性，将数据转换、重构后存入数据仓库或数据场，利用查询和分析工具、数据挖掘工具及OLAP工具对信息进行处理，最后将知识呈现给用户，支持用户决策。

从技术层面上讲，商业智能不是创新技术，只是综合运用了ETL（Extract-Transform-Load）、数据仓库（Data warehouse）、在线分析处理（OLAP）、数据挖掘（Data mining）、数据展现等技术形成的一种集合性技术概念。ETL对不同来源的数据进行抽取、转换和整合得到一致性数据，载入数据仓库；数据仓库则是面向主题的、集成的、稳定的、历史数据的集合。OLAP 是多维数据分析工具的集合，能按不同维度对数据进行聚合、切片、切块、上钻、下钻、旋转，快速、一致、交互地存取，满足特定的查询和报表需求。数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中挖掘出隐含的、未知的、对决策有潜在价值的知识和规则的过程。OLAP分析结果给数据挖掘提供了分析信息，数据挖掘拓展了OLAP分析深度，数据展现技术是对数据挖掘和分析结果的展示。数据可视化即是数据展现技术的一种。

3.AI与BI的融合。

（1）AI 和BI 的比较。源自AI 的专家系统（ES）与属于BI的决策支持系统（DSS），均以改善决策为目的，都是具有一定智能的程序系统，通过人机交互为用户服务，但两者在目标、源头、发展和技术上有着诸多差异。DSS利用数据和模型辅助决策，ES 则模拟专家给出某类复杂问题的结论；DSS 由数据子系统、模型子系统和对话子系统组成，ES 由特定任务的数据库、知识库和相应的推理机组成；DSS更加灵活，普适性更强，广泛用于企业决策，ES 用于特定领域，主要支持特定领域的研究人员。

（2）AI、BI 与会计关系。AI 发展使ES 和AIS 融合成为趋势，AI技术如OCR和人机对话为会计数据输入提供了新方法。财务机器人核心技术RPA（Robotic Process Automation）严格讲并非AI技术，但是很多人将之视为AI技术。我国的管理信息系统（MIS）源自会计信息系统（AIS），AIS 和DSS 均是MIS 的组成部分，AIS 为DSS 提供信息，而DSS 为会计分析和决策提供支持。ChatGPT作为一个人工智能对话系统，能够与用户进行对话和交互，提供数据分析和决策支持，加速BI的获取和应用，在推动AI和BI融合发展的同时，能够辅助财务工作的开展。

从总体上看，会计与商业智能关系更加密切，但当前多数人认为会计智能源自人工智能。广义上，支持服务与机器模拟人类思考、完成人类行为的技术均是人工智能技术，利用机器模拟人类思考、完成会计工作的技术、方法均属于会计智能的内容。目前，虽然专用人工智能领域已取得突破性进展，但通用人工智能领域仍然任重而道远，人工智能总体仍处于起步阶段，需要中长期理论和技术积累，人工智能对传统领域的渗透和融合是个长期过程。在强人工智能尚未实现之时，会计智能仅属于弱人工智能，只能实现个别工作自动化，距离真正的智能化为时尚远，但新一代信息技术为人工智能和会计的发展提供了新的历史机遇。

（二）智能的基石

党的二十大报告提出加快建设数字中国，构建新一代信息技术、人工智能等一批新的增长引擎。大数据和人工智能被列入我国“科技创新2030——重大项目”，数据成为新的生产要素。以物联网、云计算、大数据、人工智能为代表的新一代信息技术给会计发展带来了新的挑战，是未来智能会计得以实现的基石。

1.新一代信息技术概述。1999 年，物联网（Internet of Things）概念被提出。2005年，国际电信联盟把物联网解析为互联网维度的延伸。物联网概念并没有统一的定义，一般物联网定义是：通过射频识别技术（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网包括感知层、网络层和应用层，每个层次技术有所不同。感知层技术包括包括传感器、数据采集、传感器网络组网和协同信息处理等；网络层技术包括互联网、异构网融合、M2M（Machine-to-Machine）、无线接入等。射频识别技术（RFID）、传感器技术、智能器件和小型化技术是物联网的核心技术。物联网意在实现万物互联，目前已经由IoT（Internet of Things）引申为IoE（Internet of Everything）、WoT（Web of Things）、SIoT（Social IoT）等。未来物联网会直接产生会计所需的基础信息，存货等资产的管理和盘点将部分被物联网替代。

1961 年麦卡锡（John McCarthy）首次提出Utility Computing（公共计算服务），认为“计算迟早有一天会变成一种公用基础设施”“将计算能力作为一种像水和电一样的公用事业提供给用户”。2007年IBM和Google 宣布在云计算领域合作，云计算从此被广泛关注。云计算也没有统一定义，云计算供应商根据自身业务推出云计算战略。从根本上讲，云计算就是将数据、应用和服务存储在云端，充分利用数据中心强大的计算能力，实现用户业务系统的自适应性。云计算的关键技术包括虚拟化技术、海量分布式存储技术、并行编程模型技术、数据管理技术、云计算安全技术等。

1980 年托夫勒称赞大数据是“第三次浪潮的华彩乐章”。随着物联网覆盖物理世界，各种传感器、智能设备源源不断产生数据，大数据日益受到关注。当前普遍从Volume（容量大）、Variety（种类多）、Velocity（速度快）和Value（价值密度低）四个特征来认知大数据。大数据处理分为数据采集、数据处理与集成、数据分析和数据解释4个基本流程，大数据研究尚属起步阶段，数据存储的GFS 和HDFS、数据处理的Big Table 和H base、数据并行计算的Map Reduce、数据挖掘的Hive和Mahout等被认为是大数据典型技术。云计算和人工智能也是大数据的基础技术。与商业智能相比，大数据处理过程并未改变，只是处理对象数据具有4V 特征，因此采集、存储、处理、分析和解释需要新的技术方法。当前各企业提供的大数据方法和技术思路相似但是具体处理差异很大，整体尚在发展过程中。

1991 年Weiser 提出“泛在计算”，即在任意时间、任意地点通过合适的终端与网络进行连接从而获取信息与服务，开启了移动互联网的先河。移动互联网（Mobile Internet，MI）是以移动通信和互联网融合为技术基础，满足人们在任何时候、任何地点、以任何方式获取并处理信息的新一代互联网。移动互联网的定义也无共识，移动互联网同样是一个多学科交叉，涵盖范围广泛的领域，涉及互联网、移动通信、无线网络、嵌入式系统等技术，主要研究对象包括：移动终端、接入网络、应用服务和贯穿始终的安全和隐私问题。每个对象又包括很多内容，如移动终端包括终端硬件、操作系统、软件平台和人机交互等；接入网络包括无线通信技术、蜂窝网络、无线局域网等。

2008 年中本聪提出去中心化加密货币——比特币（Bitcoin）的设计构想，被认为是区块链（Block chain）产生的标志事件。目前区块链尚未统一的定义，《中国区块链技术和应用发展白皮书（2016）》认为区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式，是一种去中心化、去信任的基础构架与分布式计算范式。区块链工作流程主要包含生成区块、共识验证、账本维护3 个步骤。区块链平台分为数据层、网络层、共识层、智能合约层和应用层5个层次，不同层次采用相应技术解决相关问题。分布式账本技术、P2P网络技术、时间戳技术、非对称加密、智能合约、共识算法和数据库技术被认为是区块链的主要支撑技术。

2.新技术与会计的关系。追溯新一代信息技术的理论源头，“大智移云物区”的出现均是为了解决某个现实问题，区块链是为解决网络上的信任问题；云计算是为解决数据存储、应用和服务的便捷供给问题；物联网是为解决物理世界信息与人类的互联互通问题；移动互联网是为了解决随时随地能联系的问题。新一代信息技术并无一项技术能够直接颠覆传统会计财务领域的工作或方法。

从技术基础看，“大智移云物区”均非单一的信息技术，而是多种信息技术、网络技术相互融合的综合或集成技术。各技术间相互融合、相互促进，物联网带来的巨量数据促进了大数据发展；云计算为物联网和大数据发展提供了数据存储和应用的网络平台；大数据为物联网数据分析利用提供了方法；人工智能则为物联网智能部件和大数据分析方法提供了基础；移动互联网为其他技术提供了基础设施和服务接入渠道；区块链有利于保证网络信息的质量，也需要其他技术的支持。新一代信息技术相互作用，推动了第三次信息化浪潮的发展，不仅会改变会计理论方法，也改变着会计环境，数字货币、电子发票、ChatGPT 等已经开始影响会计工作和环境，因此必须融合利用新技术综合思考会计的应对方案。

从发展阶段看，“大智移云物区”尚处于快速发展阶段，但是多数技术距离成熟和实践应用还有较长距离。除个别具体技术之外，整体上在基础理论、应用环境和硬件设施建设上都需加强探索。新一代信息技术并未颠覆已有信息技术，也并未脱离信息技术的基本方法和原理，而是在已有信息技术基础上发展起来的新的技术方法和应用。新技术与会计的融合应用，也不会脱离现有会计信息化的基础。综上，新一代信息技术方兴未艾，需要会计工作者密切关注，将成熟技术方法及时引入到会计中，最终实现会计智能；但是整体上要保持会计的一贯谨慎性，技术应用应该成熟一个引进一个，积极探索研究新技术，不要盲目乐观，理所当然地认为智能会计已经全面建成；也不要悲观自艾，忧虑担心会计职业会消失，智能会计无从谈起。随着信息社会的发展和生产效率的提高，各行各业都会出现部分岗位被技术替代，人员被迫转岗或失业，但这种替代、转岗和失业基本都是各行各业的初级劳务工作，高端的业务始终不可能被完全替代（焦瑞进，2023）。

二、智欲何为

2018年，西南财经大学和南京理工大学在本科阶段开设“大数据会计”“智能会计”方向班。2019 年浙江大学和山东财经大学在本科阶段开设了“智能会计”“智能财务”方向班。此后诸多院校开始探索设置智能会计或智能财务方向班，部分高校曾向教育部申报智能会计专业。比较分析以上高校会计智能方向人才培养的举措能够鉴往知来，提供经验。

（一）培养目标

除传统会计类人才培养目标之外，会计智能人才的培养目标应突出智能化方向。下页表1为国内部分高校会计智能人才的培养目标。

表1 国内部分高校会计智能人才培养目标

从培养目标看，各高校均注重数据分析能力培养，同时多数高校强调大数据、人工智能和信息技术的知识储备和能力培养，可见多数高校认为会计智能人才的核心能力是大数据、人工智能和信息技术的应用和数据分析能力。西南财经大学和浙江大学在培养目标上强调信息系统设计、开发能力的培养。西南财经大学会计学院要求毕业生能够在高科技信息技术行业从事新型会计人工智能计算机系统开发设计与复杂大数据会计业务逻辑处理等业财融合管理系统研发工作；浙江大学管理学院提出能够胜任智能财务系统的开发、设计、应用和实现等创新工作。

大数据和人工智能属于新一代信息技术，属于综合技术的应用，但技术并未成熟，因此将大数据、人工智能和信息技术并列并不妥当，当前可以应用到会计人才培养中的应该是成熟的技术和方法，例如大数据的处理、分析工具，人工智能中的深度学习和自然语言应用等。因此各高校均强调数据分析能力培养是适当的。但是单纯培养利用新技术的数据分析能力是不够的，深度学习、自然语言应用、时间戳技术、非对称加密、智能合约、RPA等技术均可与会计相结合，应用到会计中。因此会计智能人才培养不应单纯强调数据分析能力，而应该从数据收集、处理、应用的全生命周期考虑如何与新一代信息技术的结合。

（二）课程设置

上述四所高校均开设了大数据分析、数据可视化类课程，部分高校开设了财务共享、Python、机器学习、数据挖掘、人工智能类课程，还有高校开设了数据结构和数据库原理、程序设计、IT审计等课程。相关高校开设课程如表2所示。

高校课程开设既要考虑学科特点，又要兼顾学校师资力量。以上高校开设课程围绕培养目标以大数据分析、数据可视化、财务共享、人工智能、机器学习、数据挖掘为主，这些课程体现了培养目标，以数据分析或者应用技术为主。较少涉及底层技术以及与数据收集、处理密切相关的信息系统设计开发，只有部分院校开设了数据结构、数据库、程序设计和IT 审计等技术深度应用课程，培养学生的信息系统分析设计和开发能力。此外重庆理工大学会计学院2003 年开设会计信息化综合改革实验班。杭州电子科技大学2014年开始招生培养“计算机科学与技术+会计学”人才。这两所理工类高校持续开展会计信息化人才培养，在培养方案中充分关注到数据产生过程中信息系统的规划、设计和开发的问题。

会计学本身就是收集、整理、生成和分析利用会计数据的学科，如何利用信息技术收集、整理、生成和利用会计信息是会计实现智能化的基础，也是会计工作发展的关键。一旦实现智能化则会计核算工作岗位必将大幅减少直至消失，而智能化过程中智能会计规划、设计、运营、维护和审计等岗位必将大幅增加，因此单纯侧重新技术在会计数据分析中的应用是远远不够的，必须加强对会计信息系统规划、设计、运营和维护能力的培养。未来利用大数据的方法进行数据分析应该是商科特别是会计类专业的基本技能，会计智能人才的不但要具备大数据分析和智能技术应用能力，而且应该具有数据全流程管理的能力，能够对数据收集、整理、生成和利用的全过程进行控制和优化。

（三）组织实施

南京理工大学经济管理学院由会计学系和信息管理系联合实施会计智能方向改革，由信息管理系具有计算机等学科背景的教师负责相关课程的开设。西南财经大学会计学院依托可持续师资计划，在其大数据会计教务研究中心有既懂会计又懂计算机的博士团队推进相关课程改造，同时联合经济数学学院、经济信息工程学院、统计学院，共同量身定做跨学科专业培养方案。山东财经大学会计学院则依托外部专家和内部引才，一方面先后在2018 年、2019 年邀请相关政府、企业和高校专家论证培养方案、编写专业教材、建立实验室，另一方面积极招聘相关专业博士。浙江大学依托竺可桢学院，发挥浙大跨学科交叉培养优势，集结财会学科、计算机、人工智能、大数据等相关学科师资与资源，以跨学院跨系为主组建跨学科师资团队。会计智能人才培养离不开跨院校、转学科的复合型师资队伍。

三、智向何方

随着巨量数据的产生，大数据分析不但是会计学应该具备的能力，而且应该是所有商科专业学生应该具备的能力。会计智能人才同时需要具备数据处理和信息系统规划、分析、设计和开发能力。其根本原因在于人工智能总体发展水平仍处于起步阶段，当前虽然专用人工智能领域已取得突破性进展，但通用人工智能领域的研究与应用仍然任重而道远，目前的数据分析技术仅是后端应用，与会计智能化整体要求相差甚远。人工智能等新一代信息技术尚未成熟和应用，建成智能会计为时尚早，会计智能人才培养更是任重道远。

纵观信息化的发展及其对会计的影响，人类目前已经历三次信息化浪潮，具体如表3 所示。当前第三次浪潮刚刚开启、方兴未艾，大数据理论和技术远未成熟，智能化应用发展还处于初级阶段。信息化为人类提供了新的技术方法，也改变了人类的经济社会环境；信息化的发展不但改变会计工具和方法，而且也在改变会计工作环境。面对第三次信息化浪潮，要研究新一代信息技术在会计中的应用，努力实现智能会计，不但是数据分析能力的培养，也应该包括数据收集、处理、分析的全流程能力的培养，由于信息技术不断发展，智能会计建设也不会一蹴而就，而是一个不断完善、发展的过程。在科学研究中探索发展智能会计未尝不可，但在高校会计人才培养中应该遵循谨慎性原则，稳妥推进，在专业方向命名中应该与会计电算化、会计信息化一脉相承，命名为会计智能化，可能更为合适。

新一代信息技术并未颠覆已有信息技术，而是在传统信息技术基础上创新发展逐渐完善的。虽然量子计算机理论研究和实践探索逐渐进步，但短期难以替代传统冯·诺依曼计算机，信息系统依然是输入、处理和输出三个处理流程，处理过程依然需要存储和控制。物联网可以改变信息输入，自动获得信息；人工智能和大数据可以优化信息处理过程；云计算和移动互联网可以为数据存储和输出提供便捷方式；区块链可以保证数据处理过程的可靠性。但这些技术并未从根本上改变信息系统的工作原理和基本方法，而是对现有方法技术的优化。因此高校会计人才培养，应该学习运用新的信息技术，不但能够对已有数据进行分析，而且应该结合信息系统要求学习掌握信息系统输入、处理和输出的方法和技术，核心是掌握信息系统分析、规划和开发的能力。

四、智者应对

我国在人工智能前沿理论创新方面总体上尚处于“跟跑”阶段，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在高校会计智能人才培养上，更应该实事求是、稳步推进，对比分析以上高校会计智能化人才培养方案，本文针对高校会计智能人才课程建设提三点粗浅的建议。

（一）积极主动紧跟潮流

对于智能会计、智能财务人才培养，高校应该主动作为，紧跟潮流，积极参与，加大新技术专业教学研究，同时保持谨慎性原则。从“会计智能化”开始，踊跃参加相关培训和学术研讨会，了解行业最新发展和最佳实践，提高自身的数智化教育能力。

（二）整合资源顶层支持

会计智能化涉及多个学科，虽以会计学人才培养为主，但无法脱离计算机、网络工程、人工智能等学科的支持和配合。从各高校组织实施情况来看，西南财经大学、浙江大学均是集全校多个学科学院之力进行会计智能人才培养。南京理工大学经济管理学院虽然没有跨学院整合师资，但整合了学院内部信息管理等多个学科的师资力量。山东财经大学会计学院智能会计人才培养则突出发挥外部专家的作用，也大力引进智能会计相关师资。会计智能化发展过程中应该做好顶层设计，整合相关资源，在许可范围内给予大力支撑，在课程设置上争取外专业外院系的支持，做好教学创新，内部加强师资培训，打造合格的师资队伍。

（三）务实创新稳步前进

智能会计建设是任重道远的，人才培养需要适当超前，但不能脱离实际。会计智能化人才应该吸收已有高校的经验，注重数据分析能力的培养，掌握成熟的大数据分析和机器学习等技术，能够熟悉应用Python 等数据分析工具。随着大数据技术的发展应用，数据分析能力应该是会计专业甚至是商科类专业应该具备的基本能力，真正的会计智能化人才应该注重会计与智能的结合，不能将能力仅局限于单纯的工具应用和已有数据的分析，应该加强数据全流程能力的培养，注重培养数据获取、处理能力，培养信息系统规划、设计和开发能力，掌握信息系统规划和设计，熟悉信息系统开发，培养学生信息科学素养，提高适应未来信息技术进步的能力。要紧密结合会计学专业特色，而不能泛泛而谈信息系统，以泛代专。理论相对完善、但技术快速发展尚在完善中的人工智能、区块链等目前宜于以了解和熟悉基本理论为主，密切关注技术动态，将成熟技术及时转化为课堂内容。