會(huì)計(jì)干貨之【觀察】人機(jī)協(xié)同機(jī)器作業(yè)取代共享服務(wù)的起手姿勢

【tips】本文由梁志飛老師精心編輯整理，學(xué)知識，要抓緊！會(huì)計(jì)實(shí)務(wù)-【精品觀察】人機(jī)協(xié)同:機(jī)器作業(yè)取代共享服務(wù)的起手姿勢人機(jī)協(xié)同

在財(cái)務(wù)共享服務(wù)的領(lǐng)域，業(yè)內(nèi)同仁一直都在關(guān)心什么時(shí)候人工智能開始能夠向人工作業(yè)發(fā)起總攻，并最終實(shí)現(xiàn)機(jī)器取代人工作業(yè)。盡管這一未來是必然的趨勢，也是讓人充滿憧憬的，但我們也必須要認(rèn)識到，這一進(jìn)程是需要時(shí)間，并且循序漸進(jìn)來實(shí)現(xiàn)的。

而在這一進(jìn)程啟動(dòng)是，我們看到，基于人機(jī)協(xié)同的初級人工智能模式成為現(xiàn)階段可行，可落地，并且能夠快速提升財(cái)務(wù)共享服務(wù)中心產(chǎn)能的機(jī)遇，我們不妨稱之為機(jī)器作業(yè)取代財(cái)務(wù)共享服務(wù)的起手姿勢。

一、財(cái)務(wù)共享服務(wù)中心智能化的

機(jī)會(huì)在哪里？

財(cái)務(wù)共享服務(wù)中心在我國是在近十余年來受到高度重視并快速發(fā)展起來的創(chuàng)新財(cái)務(wù)運(yùn)營模式。在這個(gè)過程中，財(cái)務(wù)共享服務(wù)中心本身體現(xiàn)了財(cái)務(wù)的創(chuàng)新和自我突破能力，很多企業(yè)通過財(cái)務(wù)共享服務(wù)中心的建設(shè)，實(shí)現(xiàn)了從分散運(yùn)營向集中高效運(yùn)營的轉(zhuǎn)變，并在這個(gè)過程中提升了運(yùn)營效率，降低了成本，提升了風(fēng)險(xiǎn)管控能力。

但時(shí)至今日，智能化的到來，讓財(cái)務(wù)共享服務(wù)也感受到了進(jìn)一步提升的壓力。越來越多的企業(yè)在建立財(cái)務(wù)共享服務(wù)中心的同時(shí)已經(jīng)不得不進(jìn)一步思考智能化會(huì)帶來怎樣的影響。而慶幸的是，我們能夠看到，財(cái)務(wù)共享服務(wù)為智能化的建設(shè)打下了很好的基礎(chǔ)，可以說，如果沒有經(jīng)歷這個(gè)過程，中國的企業(yè)很有可能在智能化的浪潮中被全球的領(lǐng)先實(shí)踐遠(yuǎn)遠(yuǎn)拋下。

那么財(cái)務(wù)共享服務(wù)向智能化的轉(zhuǎn)型中，我們會(huì)遇到怎樣的境遇呢？財(cái)務(wù)共享服務(wù)先天所具備的規(guī)模經(jīng)濟(jì)，規(guī)則標(biāo)準(zhǔn)以及信息技術(shù)優(yōu)勢，讓我們能夠更容易抓住智能化的機(jī)會(huì)。

1、共享中心具備智能化的規(guī)模效益基礎(chǔ)

對于智能化來說，一定是作業(yè)規(guī)模越大，所能夠帶來的規(guī)模效益越顯著。這也是為什么人工智能技術(shù)在金融、電商等產(chǎn)業(yè)規(guī)模及數(shù)據(jù)量龐大的行業(yè)率先得到應(yīng)用的原因。而當(dāng)我們考慮將人工智能技術(shù)應(yīng)用于財(cái)務(wù)領(lǐng)域是，同樣需要找到具有規(guī)模效益的場景作為切入的機(jī)會(huì)點(diǎn)。在這一背景下，我們不難看到，財(cái)務(wù)共享服務(wù)中心的特性與規(guī)模效益這一需求是具備契合點(diǎn)的。

財(cái)務(wù)共享服務(wù)中心從本質(zhì)上是實(shí)現(xiàn)了類似會(huì)計(jì)工廠方式的集中運(yùn)營作業(yè)。在這種模式下，大量原先分散在各個(gè)分支機(jī)構(gòu)處理的財(cái)務(wù)業(yè)務(wù)被集中至財(cái)務(wù)共享服務(wù)中心按照流程化的模式進(jìn)行運(yùn)營處理，這種基于專業(yè)分工的大規(guī)模作業(yè)較之傳統(tǒng)財(cái)務(wù)呈現(xiàn)了極大的規(guī)模效益。而在智能化模式下，通過機(jī)器作業(yè)對當(dāng)下大規(guī)模人工作業(yè)的替代，規(guī)模的價(jià)值將得到進(jìn)一步的挖掘，財(cái)務(wù)共享服務(wù)為智能化奠定了扎實(shí)的規(guī)?；A(chǔ)。

2、共享中心具備智能化的規(guī)則標(biāo)準(zhǔn)基礎(chǔ)

另一方面，智能化的實(shí)現(xiàn)建立在數(shù)據(jù)的基礎(chǔ)上。規(guī)范化，標(biāo)準(zhǔn)化的數(shù)據(jù)基礎(chǔ)能夠極快的加速智能化的進(jìn)程。而在獲得了豐富標(biāo)簽化的數(shù)據(jù)后，我們就掌握了大量優(yōu)質(zhì)的生產(chǎn)資料，通過對業(yè)務(wù)處理的規(guī)則化，智能系統(tǒng)能夠基于生產(chǎn)資料形成生產(chǎn)力。

對于財(cái)務(wù)共享作業(yè)來說，我們需要將大量的來自業(yè)務(wù)前端的原始憑證通過審核作業(yè)規(guī)則處理后，形成合制度、合規(guī)與否的判斷，以及形成會(huì)計(jì)信息的產(chǎn)出。這個(gè)過程在傳統(tǒng)模式下是依靠將審核規(guī)則交由每個(gè)作業(yè)人員學(xué)習(xí)掌握后再基于人工來進(jìn)行處理的。而智能化在財(cái)務(wù)共享服務(wù)中心的實(shí)現(xiàn)邏輯也是類似的，唯一的差別在于我們需要通過信息系統(tǒng)來獲取規(guī)范化的數(shù)據(jù)并將規(guī)則梳理植入系統(tǒng)來進(jìn)行作業(yè)處理。

慶幸的是，財(cái)務(wù)共享服務(wù)中心為了更為高效的培養(yǎng)作業(yè)人員在對作業(yè)規(guī)則的標(biāo)準(zhǔn)化上已經(jīng)進(jìn)行了大量的前置工作，大量原先要靠所謂的專業(yè)判斷力進(jìn)行解析的制度、規(guī)則在財(cái)務(wù)共享服務(wù)中心被清晰的進(jìn)行了定義，這使得我們進(jìn)一步考慮將這些規(guī)則進(jìn)一步拆解為計(jì)算機(jī)能夠理解并執(zhí)行處理的規(guī)則時(shí)減少了大量的工作量。試想，如果沒有經(jīng)歷這一過程，智能化要進(jìn)行規(guī)則梳理的挑戰(zhàn)是難以承受的。

3、共享中心具備智能化的信息技術(shù)基礎(chǔ)

最后，我們也必須意識到，智能化是信息技術(shù)的進(jìn)化，也就是說，我們很難在智能化的進(jìn)程中實(shí)現(xiàn)跳空式的發(fā)展，即使是基于突破也要有突變的基礎(chǔ)和載體。對于智能化來說，互聯(lián)網(wǎng)技術(shù)和信息系統(tǒng)是其最基本的載體。

對于財(cái)務(wù)共享服務(wù)中心來說，盡管早期也有一些共享中心嘗試基于脫離信息系統(tǒng)的人工流程來進(jìn)行處理，但很快變化發(fā)現(xiàn)這條道路之艱難，并快速的轉(zhuǎn)型了信息化。而今天，大部分的財(cái)務(wù)共享服務(wù)中心都使用了影像系統(tǒng)、共享派工、運(yùn)營管理等作業(yè)工具，也實(shí)現(xiàn)了與會(huì)計(jì)核算系統(tǒng)、資金系統(tǒng)的自動(dòng)化對接與制證。這些技術(shù)的廣泛應(yīng)用，讓智能化在財(cái)務(wù)共享服務(wù)領(lǐng)域的實(shí)現(xiàn)具備了良好的技術(shù)基礎(chǔ)，也避免了跳空危機(jī)。

二、如何實(shí)現(xiàn)財(cái)務(wù)共享服務(wù)中心的

人機(jī)協(xié)同智能化？

當(dāng)我們認(rèn)識到，財(cái)務(wù)共享服務(wù)中心先天具備了智能化的基礎(chǔ)之后，越來越多的企業(yè)蠢蠢欲動(dòng)，希望能夠抓住智能化的基于，在財(cái)務(wù)共享服務(wù)之路上實(shí)現(xiàn)向智能化的大轉(zhuǎn)折。盡管目標(biāo)是清晰且豐滿的，但現(xiàn)實(shí)是骨感的，作為新興技術(shù)，與財(cái)務(wù)共享服務(wù)場景的融合并不是一件容易的事情，要想一步實(shí)現(xiàn)智能化，實(shí)現(xiàn)機(jī)器替代人工作業(yè)似乎并不可行。

在大量實(shí)踐基礎(chǔ)的積累之上，一種變通的思路被提出，基于人機(jī)協(xié)同的智能化，讓財(cái)務(wù)共享在智能化之路上實(shí)現(xiàn)了質(zhì)的突破。在人工與機(jī)器自動(dòng)化相結(jié)合的條件下，借助OCR、網(wǎng)關(guān)、風(fēng)險(xiǎn)分級引擎、規(guī)則引擎所構(gòu)建的人機(jī)協(xié)同智能共享技術(shù)成為過渡階段一種具有落地性的選擇。

1、數(shù)據(jù)采集的人機(jī)協(xié)同

要實(shí)現(xiàn)財(cái)務(wù)共享的智能化，首先要解決的就是原始憑證如何數(shù)字化的問題。不幸的是，當(dāng)前的財(cái)務(wù)原始憑證的結(jié)構(gòu)化水平是嚴(yán)重不足的，在營改增之前，我國的發(fā)票種類繁多，要想獲取發(fā)票中的信息，更多的只能靠財(cái)務(wù)共享作業(yè)人員逐張審視。這種狀況在這兩年得到了改善，隨著營改增的推行，越來越多差異化的發(fā)票樣式向增值稅專票和普票進(jìn)行統(tǒng)一，這使得我們有機(jī)會(huì)采用新的方式來面對原始憑證。OCR(OpticalCharacterRecognition，光學(xué)字符識別)技術(shù)在這一領(lǐng)域被嘗試使用。

事實(shí)上，利用OCR提取發(fā)票信息的嘗試一直在進(jìn)行著，但如上文所說，在原始憑證，特別是發(fā)票種類繁多的時(shí)候，使用OCR技術(shù)的難度是很高的，由于現(xiàn)行的OCR技術(shù)主要還是基于模板配置的方式來進(jìn)行采集準(zhǔn)備，這使得模板開發(fā)和優(yōu)化的工作量巨大，再加之識別率的不足，使得不少嘗試胎死腹中。但隨著發(fā)票版式的統(tǒng)一，這一模式再次被提升議程，基于OCR技術(shù)，并且針對增值稅專票和普遍的定向優(yōu)化，能夠?qū)⒆R別率提升到可接受的水平。

但我們必須要認(rèn)識到，100%的OCR識別率是難以做到的，這使得全自動(dòng)化的最后一步難以邁出，在這種情況下，人機(jī)協(xié)同模式的出現(xiàn)打破了僵局。通過在流程中植入OCR后的人工補(bǔ)錄流程，讓我們能夠以較小的代價(jià)來實(shí)現(xiàn)全信息的數(shù)字化。實(shí)踐看到，人機(jī)結(jié)合的OCR采集模式充分利用了識別技術(shù)的有點(diǎn)，也克服了阻礙最后一步的難題。當(dāng)我們獲取了完整的信息后，下一步的自動(dòng)化機(jī)會(huì)豁然開朗，呈現(xiàn)在我們的眼前。

2、共享派工的人機(jī)協(xié)同

在缺少數(shù)據(jù)支撐的情況下，財(cái)務(wù)共享服務(wù)中心在作業(yè)時(shí)通常是采用隨機(jī)派工的方式，通過強(qiáng)制分派制或者是搶單的方式來實(shí)現(xiàn)作業(yè)任務(wù)的分派。這種方式的優(yōu)點(diǎn)在于能夠帶來任務(wù)分派的公平性，減少不必要的協(xié)同問題，但也存在其不足。采用隨機(jī)分派的方式，忽視了不同任務(wù)之間風(fēng)險(xiǎn)水平的差異，也忽視了共享作業(yè)人員之間能力的差異。

當(dāng)我們嘗試去正視這個(gè)問題的時(shí)候，會(huì)發(fā)現(xiàn)，如果能夠?qū)⑷蝿?wù)的風(fēng)險(xiǎn)水平與員工技能水平相匹配，那么我們能夠獲得收益。這種收益來自于風(fēng)險(xiǎn)更高的任務(wù)由技能更強(qiáng)的員工來進(jìn)行處理，這樣我們把控風(fēng)險(xiǎn)的能力得到了提升，而低風(fēng)險(xiǎn)的任務(wù)交給系統(tǒng)自動(dòng)處理或者低水平的員工來進(jìn)行處理，進(jìn)而降低了成本。這打破了現(xiàn)行共享服務(wù)主流的大鍋飯模式。而當(dāng)我們能夠使用計(jì)算機(jī)進(jìn)行自動(dòng)的信用與風(fēng)險(xiǎn)分級后，再結(jié)合相匹配的人工作業(yè)，我們實(shí)現(xiàn)了另一種方式的人工協(xié)同。

當(dāng)然，要做到這一點(diǎn)并不是簡單的事情，最大的挑戰(zhàn)就在于如何對每一個(gè)進(jìn)入共享中心派工池的作業(yè)任務(wù)來識別并定義風(fēng)險(xiǎn)等級。在原始憑證沒有數(shù)據(jù)化之前是很難做到這一點(diǎn)的，但隨著數(shù)據(jù)采集人機(jī)協(xié)同的應(yīng)用，我們獲得了更為廣泛的財(cái)務(wù)數(shù)據(jù)，在數(shù)據(jù)的基礎(chǔ)上，建立風(fēng)險(xiǎn)的分級模型，讓我們有能力將任務(wù)分成不同的風(fēng)險(xiǎn)等級，并進(jìn)行差異化的派工處理。但是，在這個(gè)階段，將任務(wù)分級的模型算法更多的還是基于人員的作業(yè)經(jīng)驗(yàn)來提煉。這從一定程度上仍然局限了人機(jī)協(xié)同的能力最大化的實(shí)現(xiàn)。

3、共享作業(yè)的人機(jī)協(xié)同

最后一個(gè)環(huán)節(jié)，也是最重要的一個(gè)環(huán)節(jié)，是共享作業(yè)的人機(jī)協(xié)同。傳統(tǒng)的財(cái)務(wù)共享服務(wù)模式下，共享作業(yè)任務(wù)的處理主要依靠作業(yè)人員掌握了審核作業(yè)的規(guī)則要求后進(jìn)行人為的判斷處理。這種處理方式雖然采用了勞動(dòng)分工的科學(xué)管理方法，通過標(biāo)準(zhǔn)化推進(jìn)了人工處理的難度，但是，其背后仍然需要大量具有豐富經(jīng)驗(yàn)的財(cái)務(wù)共享服務(wù)人員作為支撐。

在這種情況下，人們思考，是否有更好的方式方法來進(jìn)一步優(yōu)化共享作業(yè)模式。對于利用系統(tǒng)進(jìn)行自動(dòng)化處理的探索也一直在進(jìn)行。但受制于前端數(shù)據(jù)的不足，以及系統(tǒng)進(jìn)行自動(dòng)化處理的工具局限，這一嘗試的進(jìn)展也是有限的。

但隨著原始憑證基于采集人機(jī)協(xié)同的數(shù)字化進(jìn)程的推進(jìn)，一種使用規(guī)則引擎進(jìn)行自動(dòng)化處理的人機(jī)協(xié)同方式被提出。傳統(tǒng)模式下需要靠人記憶并執(zhí)行的作業(yè)規(guī)則被進(jìn)一步的顆粒化，并被植入規(guī)則引擎中。規(guī)則引擎依靠豐富的數(shù)據(jù)輸入以及設(shè)置的顆?；?guī)則進(jìn)行批量審核作業(yè)，對于所有規(guī)則校驗(yàn)通過的任務(wù)免除人工處理，對于出現(xiàn)異常審核結(jié)果的任務(wù)轉(zhuǎn)為人工處理。當(dāng)然，這里的任務(wù)是指在上一環(huán)節(jié)識別的低風(fēng)險(xiǎn)任務(wù)，高風(fēng)險(xiǎn)任務(wù)仍然建議人工處理。

在這個(gè)過程中，一個(gè)非常重要的概念是規(guī)則引擎。那么規(guī)則引擎是怎樣架構(gòu)的呢？規(guī)則引擎可以理解為是一個(gè)業(yè)務(wù)規(guī)則的解析器。在這個(gè)解析器中，原本一個(gè)相對復(fù)雜的規(guī)則被要求拆分到相對簡單可以定義的規(guī)則包。針對每個(gè)規(guī)則包都涵蓋了數(shù)據(jù)輸入、算法處理、輸出反饋的過程。而規(guī)則引擎允許我們定義大量的規(guī)則包，并將這些規(guī)則包管理起來協(xié)同運(yùn)作，實(shí)現(xiàn)了將復(fù)雜的人的審核過程自動(dòng)化的處理。

這個(gè)事情說起來簡單，但在實(shí)際的開發(fā)實(shí)現(xiàn)的過程中，需要克服幾個(gè)困難。

首先，需要能夠讓業(yè)務(wù)團(tuán)隊(duì)理解規(guī)則引擎中規(guī)則包的處理能力，也就是顆粒度。只有讓業(yè)務(wù)人員理解了這個(gè)概念，才有可能保證業(yè)務(wù)人員拆解的規(guī)則顆粒是系統(tǒng)可實(shí)現(xiàn)的。

那么，第二個(gè)難點(diǎn)，就是業(yè)務(wù)人員在理解規(guī)則包顆粒度的基礎(chǔ)上將共享作業(yè)規(guī)則進(jìn)一步拆解和顆粒化的過程。對于每個(gè)拆解的規(guī)則都需要能夠滿足規(guī)則包所設(shè)定的可處理要求，不重不漏，細(xì)致活。同時(shí)，這些規(guī)則高度依靠經(jīng)驗(yàn)提煉，帶來了需求人員的依賴性。

第三個(gè)難點(diǎn)在于規(guī)則的系統(tǒng)化，實(shí)際上不少規(guī)則引擎還難以做到完全的業(yè)務(wù)人員自主定義，通常還是有不少復(fù)雜的規(guī)則包要通過開發(fā)來實(shí)現(xiàn)的。這些規(guī)則包一方面需要消耗大量的開發(fā)資源，而且如果沒有建立很好的需求和開發(fā)文檔管理，也會(huì)造成潛在的規(guī)則或算法風(fēng)險(xiǎn)。

針對這些困難和挑戰(zhàn)，我們也期待有更好更為靈活的規(guī)則引擎產(chǎn)品的出現(xiàn)，這將使得共享服務(wù)智能化的道路進(jìn)入高速時(shí)代。

三、機(jī)器學(xué)習(xí)未來將帶來財(cái)務(wù)共享

怎樣進(jìn)一步的智能化？

人機(jī)結(jié)合模式的應(yīng)用讓我們在財(cái)務(wù)共享服務(wù)中心自動(dòng)化智能化的進(jìn)程中找到了一個(gè)階段性的過渡方法。但這并不是終點(diǎn)，一個(gè)好的平臺應(yīng)當(dāng)盡最大的可能打掉人工干預(yù)的斷點(diǎn)。通過技術(shù)手段，將人機(jī)協(xié)同進(jìn)化為人工智能的閉環(huán)是未來的必由之路。

在今天，我們已經(jīng)能夠看到人工智能技術(shù)高速發(fā)展所帶來的希望。特別是機(jī)器學(xué)習(xí)領(lǐng)域的突破，能夠幫助我們在OCR、風(fēng)險(xiǎn)分級和共享作業(yè)三個(gè)領(lǐng)域均帶來一定的突破。

1、機(jī)器學(xué)習(xí)提升OCR識別率和識別范圍

傳統(tǒng)的OCR技術(shù)是基于一套設(shè)定的流程來執(zhí)行的：

首先，對于輸入的圖像也好進(jìn)行預(yù)處理，例如二值化、去噪、傾斜較正等。其次，進(jìn)行版面分析，將文檔圖片切分成一個(gè)一個(gè)小的目標(biāo)，對于發(fā)票來說，這種切分時(shí)可以基于發(fā)票的版面來進(jìn)行預(yù)先設(shè)定的。

隨后，進(jìn)行字符切割，將一個(gè)一個(gè)漢字能夠獨(dú)立出來，并根據(jù)預(yù)先設(shè)立的字庫對比來進(jìn)行漢字識別。但這并不是最終結(jié)果的形成，還可以進(jìn)一步基于語言上下文的關(guān)系來進(jìn)行結(jié)果的矯正，這被稱為后處理。在這種模式下，識別率受到多種因素的影響，特別在字庫比對和后校驗(yàn)環(huán)節(jié)很容易出現(xiàn)問題。

基于機(jī)器學(xué)習(xí)的OCR方式，能夠通過對大量的帶有特征值和結(jié)果標(biāo)簽的影像進(jìn)行監(jiān)督學(xué)習(xí)，就像做題的方式一樣，告訴OCR引擎題目和答案，通過大量的訓(xùn)練后，機(jī)器學(xué)習(xí)能夠自主的找到能夠提升識別率的優(yōu)化算法的發(fā)現(xiàn)，從而持續(xù)的提升OCR的識別率。這種方法在針對同一性質(zhì)的原始憑證進(jìn)行大量的學(xué)習(xí)訓(xùn)練后能夠有效的提升OCR的識別效果。

另一個(gè)方面，語義學(xué)習(xí)在OCR的后處理環(huán)節(jié)同樣能夠發(fā)揮作用，基于機(jī)器學(xué)習(xí)進(jìn)行持續(xù)的語義訓(xùn)練，能夠幫助OCR在后處理時(shí)，以更接近人的思維邏輯在幾個(gè)模糊的可能選擇中找到更正確的答案，持續(xù)的訓(xùn)練，同樣能夠提升后處理的精準(zhǔn)度。

基于以上兩個(gè)領(lǐng)域的機(jī)器學(xué)習(xí)的深入應(yīng)用，OCR的識別率能夠提升，同時(shí)，一些傳統(tǒng)OCR技術(shù)難以識別的領(lǐng)域，特別是手寫體領(lǐng)域的識別得以突破。事實(shí)上，針對OCR的機(jī)器學(xué)習(xí)的應(yīng)用已經(jīng)出現(xiàn)了不少達(dá)到商用級別的產(chǎn)品，這個(gè)領(lǐng)域已經(jīng)立足現(xiàn)在。

2、機(jī)器學(xué)習(xí)提升風(fēng)險(xiǎn)分級精度

在另一領(lǐng)域，機(jī)器學(xué)習(xí)同樣能夠助力財(cái)務(wù)共享自動(dòng)化水平的進(jìn)一步提升。如上文所說，傳統(tǒng)技術(shù)下的風(fēng)險(xiǎn)分級規(guī)則的設(shè)定是基于人的經(jīng)驗(yàn)來總結(jié)的。這就必然會(huì)面對人的能力經(jīng)驗(yàn)的局限性。甚至很多時(shí)候，因?yàn)橛薪?jīng)驗(yàn)人力的缺失，使得這一動(dòng)作直接被擱置。

對于風(fēng)險(xiǎn)分級來說，其核心邏輯是要基于輸入的數(shù)