會計學系助理教授胡曉莉博士及會計學系助理教授王文峰博士，探討資訊科技的廣泛應用將如何影響會計行業，以及會計師將要學習哪些新技能以駕馭這革命性變化的時代。
若然將組織和市場視作訊息處理器，資訊科技對經濟的廣泛影響便清晰可見。新科技如大數據、人工智能（AI）、雲端運算及5G等，都有可能引領經濟走向第四次工業革命時代。新科技不單為企業帶來成本效益，同時大幅改變商業模式、組織架構，以及勞動力的結構。企業大力投資於與數據分析相關的科技，以應用於市場營銷、業務營運、財務報告和內部審計等範疇。根據國際數據資訊（IDC）2019年的預測，大數據及商務分析解決方案於2022年的全球收入將高達2,740 億美元，而未來五年的複合年增長率為13.2%。
廣泛應用資訊科技將如何影響會計行業？ 會計專業的未來又如何？ AI驅動的機械人會否最終全面取代會計師並能更有效率和效益地執行交易驗證、資產計量及偵測異常記賬等工作？假如屬實，會計師則前景堪虞。但反過來說，如果AI需要較長的時間方能發展到挑戰人類智慧的程度，現時用途只是協助我們作出更有效率和準確的決定，那麼關鍵的問題便是：我們需要學習甚麼新技能以適應新時代？
無人可以預測未來，但多作準備必有幫助。在本文，我們將探討兩項最相關的科技：AI及大數據與會計行業的關係，它們對會計業未來可能造成的影響，以及會計師應如何未雨綢繆。
AI是指利用電腦執行那些通常需要人類智慧進行的工作。這概念沿自1950年代，AI之父約翰麥卡錫首次描述它為「研發智能機器的一門科學與技術，尤其是智能電腦程式」。近年，越來越多商業範疇開始應用AI。自然語言處理（NLP）讓商業機構能使用自動回覆作客戶支援，大大減輕人手操作。影像辨識演算法在醫學診斷及虛擬銀行等方面大派用場，而以網絡為基礎的演算法則決定了人們在網上購物網站或社交媒體瀏覽的內容。
鑑於AI的力量，不少傳統由會計師執行的工作已可由AI驅動的演算法機械人進行。事實上，許多公司已使用自動化程序處理基本的會計事項。根據《福布斯》報導，機器可進行或精簡不同工作項目和程序，如供應商加入流程、應付賬款、審核、採購、購買、開支管理，以及顧客查詢等等。而更多較先進的應用程式亦有望陸續出現。
未來，專設的NLP系統可輕易地分析標準的銷售合約，辨識主要的條款供進一步訊息處理，又能每天自動編製例行的內部財務報告。借助無人機拍攝全景相片，耗時的庫存檢查可於彈指之間完成，並可利用影像辨識科技自動分析和完成盤點。而內部監控要求的對照核實流程則可由精心設計、能夠檢索和比較不同部門資料的系統執行。例如上圖是由無人機拍攝牛欄的相片，並由演算法分析以盤點當中牛隻數目。新科技提升工作效率，功效顯而易見。
從前需要大量人力物力執行的工序，現可交由電腦處理。企業主要的業務報告，可以在每周、每天，甚至每小時編製，取代以前只能每月或每季度編製報告的情況；同時，也能更深入微細地分析債務的壞賬撥備。此類及時又詳盡的資料能有效提升會計訊息在業務決策時的價值。
由AI主導的自動化技術能提升日常會計工作和程序的效率，但這需要備有處理整間公司訊息的綜合系統為基礎設施。由傳統的獨立資訊系統轉變為綜合系統的過程必然會有困難。作為中央職能部門的會計部門，需要承擔統籌重整業務流程的重任，包括深入理解整間公司的業務模式、嚴格檢討目前會計工作的價值、預測未來可能需要的實際會計措施，以及通曉資訊科技的最新知識。
隨著公司會計系統的更改，審計程序亦要作相應變更。例如，核數師需要了解編碼語言，又或至少要明白編碼表達的邏輯，以便評估內部監控系統的效率，以及判斷系統所產生的會計數字是否符合國際會計準則要求。審計程序中傳統的抽樣測試可能會演變為全面審查方式，審計工作的整個設計、執行和質量控制程序將可能徹底改變。
大數據亦將日漸影響會計的未來。大數據指的是在傳統數據處理應用軟件不足以處理的大量或複雜的數據集。 隨著訊息儲存技術、計算能力、流動裝置及穿戴式裝備的發展，人們能夠接觸的數據大幅度擴展，無論數量、層面、形式和複雜度都與日俱增。例如：Google每秒處理超過四萬項搜尋查詢，Facebook用戶每分鐘發出約3,125萬條訊息及觀看277 萬條影片。 根據IDC的資料，2020 年的互聯網世界中，人們每年製造和複印的數據將達44 Zettabyte，或即 44 萬億 Gigabyte。
不論是內部管理會計制度，還是外界財務會計制度，向來都被視為最切實和可信賴的資料來源，能協助作出經濟決策。不過，會計師在未來將逐漸面臨資訊新來源的競爭。慣常而言，由會計數字所反映的公司業績，是其股票定價的最重要資料。但是，投資者現時透過網站提供的實時更新資料便能更及時地（雖然可能不太準確）推測公司的表現。舉例說，一些社交媒體的「搜尋索引」資料會顯示最受歡迎的明星／電影／產品等等。會計行業應怎樣採納這潮流並保持本身作為資訊來源的競爭優勢？
可預見的變化之一就是進行傳統的記賬時，將會記錄和儲存更微細的補充資料。例如，在執行薪資相關工作時，通常是每年、每季或每月計算及記錄個別員工的表現。將來，凡關乎僱員工作表現的資料可以每天，甚至每小時記錄和儲存，作日後分析之用。這些資料有助更深入評估僱員表現、改善效率，以及預測生產過程中的失誤。為能夠更好地運用這些資料，記賬方法、資訊流通及資訊系統均須重新設計或重整流程。物聯網連接、傳送和儲存由計算裝置、機械及數碼機器、物體、動物或人類所採集的數據，將為會計師提供一個良機，以及時和準確的方式追蹤資產及資源的流動，並可能大幅改變成本會計的經常開支分配。
在機械化程序有助減輕工作量的情況下，會計師將能投放更多時間於運用資訊及提升專業判斷的質素，為客戶作出更佳決策，會計師亦能提供定制及切合需要的報告和數據分析。估計壞賬撥備便是其中一個例子。傳統的做法是根據以往的紀錄估計壞賬的可能性，將來會計師則可使用大數據評估個別顧客的信譽可靠程度，從而更準確地預測出現壞賬的可能性。此外，大數據的巨量資料讓會計師和核數師使用不同的統計模型分析，亦可利用深度學習科技以預測重大經濟事件，例如供應商或顧客的財務問題、僱員罪行及財務詐騙等。
運用非結構化數據對會計師而言是一項挑戰。它與資料已整理並存於關係型數據庫的傳統結構數據不同，需要花費氣力去檢索、理解、驗證和處理，方能用作詳細分析。會計師對處理這些大數據的技術需有基本的認識，並按具體情況與數據專家或科學家合作。與其只是集中處理數據，會計師亦要利用本身對公司商業邏輯的優勢和專長，來作出有根據的提問，這是進行有意義數據分析的起點。更重要的是，透過現代演算法如人工神經網絡，深度學習能辨識或建設預測模式的特性或元素，不過這需要大量的數據和計算能力方能作出有效的預測。在商業角度而言，要符合這些條件通常並不容易或太昂貴；會計師反而能運用本身的專長，改善模式並作更準確的預測。
在不久將來，相信AI將會無處不在。雖然AI驅動的機械人完全取代會計師的成數不高，但它們將會大幅改變現時的會計行業。會計師需要開展新技能，並保持靈活性、適應力和創意以維持競爭力，並協助本身的機構駕馭此革命性變化的時代。
參考：
