美国生产力与质量中心（APQC）最新年度调查《财务时间花在哪里？》显示，尽管企业在节约成本方面成效显著，但商业交易仍占据财务部门近一半的时间。这促使财务团队及其领导者需在不断演进的数字业务模式中承担更具战略性的角色。
在普通商务周中，高薪金融从业者将大量时间耗费于支付账单、核对发票、处理日常会计事务、评估固定资产及其他资金流动任务上。这并非预示“人工智能将导致金融从业者失业”，相反，AI将帮助从业者从耗时繁琐的重复性劳动中解脱，实现更高效的工作。那么，这一变革何时到来？
2020年：金融科技领域人工智能发展的转折点
Gartner预测，自2020年起，50%的金融机构将应用人工智能。Gartner分析师Erik van Ommeren在Money 20/20'大会上的演讲进一步证实，人工智能正以不可阻挡之势深入金融行业乃至整个金融生态。数据表明，AI的应用将深刻改变金融从业者的工作方式及其对企业的价值贡献。让我们深入探讨：人工智能的使用将如何重塑金融从业者的生活并影响企业发展？
金融从业者将专注于核心业务
效率低下是企业各层级面临的普遍问题。如前所述，金融从业者的时间多被专业知识要求有限的工作占据。随着人工智能接管这些任务，从业者将有更多精力投入投资决策的财务分析、收支计算、运营利润率评估等高价值工作——而这些在过去恰恰是分配时间最少的领域。
赋能金融专业人士的新工具，正是由机器学习（Machine Learning）驱动的人工智能（Artificial Intelligence）。这些曾被视为科幻的技术正融入工作系统，为解决复杂流程难题提供方案，有效应对导致商业交易冗长的数量、复杂性及可访问性等问题。
AI和ML如何解决这些问题？
据预测，受企业大数据和物联网（IoT）投资驱动，数据量每年呈两倍至五十倍增长。为应对大数据冲击，需从中提取有意义见解，制定以节省成本为导向的自动化路线图。
正如机器自动化革新了工业生产和农业，AI/ML也在消除金融工作中基于任务的体力劳动和不创造价值的低效环节。
以英国国家医疗服务体系（NHS）为例，其采用预测性逻辑分析识别虚假申请。过去，秘书需手动逐页审查海量数据；如今，系统基于已知标准、历史记录及相似性特征自动识别潜在虚假申请，并通过机器学习持续更新。人工筛查方式已被淘汰，仅需处理系统标记的申请。
财务数据规模扩大且结构日益复杂，源于支付渠道、方式及产品结构的多样化。ERP系统升级以兼容更广泛数据源至关重要，而AI/ML能帮助系统快速适应变化。
AI/ML通过两种方式解决数据访问问题：一是简化信息查找与使用；二是扩大可获取信息的员工范围。此外，随着应用场景增多，软件能基于相似性和趋势向智能对话程序提供建议。
聊天机器人将承担更多工作
财务人员常面临“知道数据在系统中却难以访问”的困境。聊天机器人技术允许用户通过自然语言而非繁琐搜索工具获取数据。例如，NHS秘书可用自然语言提问“请显示相似项目”，从而更快、更轻松地提出创造性查询并获取相关信息。
指导型机器人还能替代新员工积累经验的传统途径。借助机器人整合公司集体知识，非财务人员也能轻松理解财务信息。
许多人已在手机上使用Alexa、Echo和Siri等情境智能语音助手，这正是该技术的实际应用。在企业界，软件公司正将适应性智能嵌入云应用。“数据即服务”（DaaS）结合公司内部数据与算法，可识别供应商预付款折扣的最佳时机等洞察。若无AI辅助，仅编制此类档案就需全职人员投入大量时间。
在金融领域使用人工智能是否安全？
安全性是企业考虑人工智能时的首要疑虑。AI/ML能有效减少人为错误——这是企业数据管理中最严重的漏洞之一。过去，发现威胁后需数天甚至数月才能完成补丁创建与应用；如今，AI/ML大幅缩短威胁与解决方案之间的“脆弱期”，实现补丁自动生成与系统级应用。
AI还可通过精准控制数据访问增强安全。员工无需接触全部数据，只需查看查询结果和少量数据集即可完成任务。
关于AI/ML技术培训，目前该技术已嵌入财务部门日常使用的ERP和EPM云系统中，无需长时间专业培训。
人工智能和机器学习将助力金融专业人士高效处理快速增长的复杂商业交易，将其从繁琐手工任务中解放出来，辅助决策，并结合人类智慧、创造力与经验解决业务问题，发现最佳业务战略。