人工智能（AI）正以前所未见的方式改变着财会专业人士的工作职责，对于那些希望在决策日益由技术驱动的环境中脱颖而出的学生和职场新人来说，了解AI系统如何工作是必然之选。

　　现在普遍认为AI是人类创造的智能机器，能够分析大量数据并遵循一套由算法定义的规则，使机器解决问题成为可能。AI系统包括开发软件来区分及运用某些人类特征，如知识、推理、解决问题、感知、学习和规划。

　　鉴于其重心为判断和决策，AI系统在构建时应遵循道德原则，这些原则可为数据收集、数据处理和结果报告提供指引。AI系统在收集需处理的数据时，应遵循客观及保密的原则；从审计的角度看，数据应该是可信和可验证的。

　　考虑到AI系统可能产生的影响，会计专业教师应该致力于教授学生了解AI如何影响数据的收集、处理和报告，以及如何应用AI提升专业判断能力和改进决策，特别是在税收、审计和咨询服务领域。学生不必成为AI和机器学习方面的专家，但应该能够解读经AI系统分析过的数据。

　　教师需要预先了解AI系统应用方面存在的道德问题和可作为教学内容的AI关键知识，如AI给财会专业人士带来的益处、治理和权责、道德和风险分析、监管以及将数据分析与AI纳入会计课程的具体步骤。

AI带来的益处

　　在“Meeting the Challenge of Artificial Intelligence”一文中，作者Paul Lin和Tom Hazelbaker提到四大会计师事务所正在各类项目中使用AI（发表于The CPA Journal期刊，2019年6月，bit.ly/3xQOjAc）。文中列举的案例包括：

　　■将从各类文件中审查和提取相关信息的流程自动化（德勤）。

　　■使用深度学习来分析非结构化数据，如电子邮件、社交媒体贴文和电话会议音频文件（安永）。

　　■开发具备文件分析和报告编制功能的AI系统（普华永道）。

　　■开发集成AI、数据分析、认知技术和机器人流程自动化的工具（毕马威）。

　　AI可通过分析大量数据来确定是否存在重大错报，进而发现欺诈行为，即在机器学习的帮助下识别数据中的异常值或异常情况。例如，某位员工可能会申请报销当地餐厅100美元的商务餐费。我们可以对AI系统编程来标记不寻常的金额，以供进一步审查。毕竟，餐费不太可能正好是100美元，这100美元可能是用来购买等值礼券的。

　　管理会计师需要了解内部控制和风险评估的职责所在，以及是否根据AI提供的数据做出了合乎道德的决策。内部审计师则需要评估内部控制是否按预期实施，以及是否建立了有效的治理系统（即审计委员会的职责）。（有关AI和审计的更多信息，可参见“AI在审计中的应用”）

　　可以想见，可通过AI处理的工作将不断增加，但道德在学习与教授AI方面应该发挥怎样的作用，一直都是空白。

治理和权责

　　正如我在“Ethical AI is Built on Transparency, Accountability and Trust”（Corporate Compliance Insights，bit.ly/3d9bHAI）一文中所指出的，治理和权责问题可分为如下几类：

　　■人工智能的道德标准，

　　■AI系统和数据的治理，

　　■关乎数据的内部控制，

　　■对不道德行为的问责，

　　■遵守法规，

　　■直接向审计委员会或董事会报告调查结果。

　　在《人工智能：新的风险与回报》（《战略财务》2019年4月英文刊，bit.ly/3zT3Gtv；中文刊2019年第3期）一文中，Mark A. Nickerson提出了一个重要的问题：“即使在AI系统执行决策和分析的情况下，个人是否最终还要承担最高标准的受托责任和保持应有的关注？”相关个人或团体需要负起责任，确保遵循适当的标准，同时根据对AI系统的审计结果进行相应的调整。

道德风险

　　AI系统所引发的道德问题应以组织使命为依据来解决，并在行为守则中规定。这有助于确定使用AI算法的目标及相应的负责人，其中关键在于明确组织中负责处理数据、分析数据和作出决策的责任人，以及数据是如何输入AI系统的：所输入的数据样本是否具有代表性还是在某种程度上存在偏见？

　　AI系统通常被称为“黑匣子”，因为很难完全理解导致其做出具体决策或预测的复杂计算与因素。AI能自动判断是非对错，但这些判断应以合乎道德的方式做出，可促进负责任的决策。

　　AI系统涉及的道德风险的范围，可从如何收集和处理数据延伸至通过数据分析得出的结论的有效性判断。例如，如果使用邮政编码来分析按揭贷款风险的大小，就可能出现偏见问题。居住在同一社区的居民可能是风险最低的借款人，但将他们的邮政编码作为AI决策模型的参数，就可能导致对少数族裔社区居民的偏见。如“管理AI系统的道德风险”所指出的，管理AI系统的道德风险与管理其他决策系统的道德风险类似。

风险管理

　　鉴于道德风险涉及面甚很广，组织必须对其进行管理，以提高决策的可靠性并使机器学习更有用。机器基于处理后的数据进行学习，如果数据样本不具有代表性或不准确，那么它们从数据中学到的东西就会出现偏差，甚至可能导致出现不道德的结果。

　　AI系统的风险管理始于打造支持良好治理的企业文化。根据国际内部审计师协会（IIA）发布的AI审计框架，AI系统的治理包括“用于指导、管理和监控组织内人工智能活动的结构、流程和程序”（见“Global Perspectives and Insights: The IIA’s Artificial Intelligence Auditing Framework”，bit.ly/3gVHRAM）。治理结构因AI在组织中的使用范围而异，但组织应遵循某些道德原则，查明治理结构和流程是否履行其监督职能，包括问责、责任、合规和满足道德框架标准。

CFO的职责

　　致同会计师事务所2019年发布的CFO调查报告显示（bit.ly/3qAGJr3，见“技术在财务部门的应用”），相当高比例的高级财务主管正在实施高级分析（38%）和机器学习（29%）等技术。42%的受访CFO表示，其财务部门经常在企业发展和战略规划中使用自动化等先进技术，而在2018年调查中，这一比例为18%。

　　毫无疑问，在确保组织应用AI推进实施战略规划、提高运营效率方面，CFO作为财务领导人将发挥日益重要的作用。近91%的受访者同意或非常同意，CFO的职责是确保企业从技术投资中充分获益；95%的受访者表示，其公司CFO是企业转型规划的关键利益相关者。

　　财务部门领导者应当以新技术来促进数字化转型。CFO应积极推动新技术在决策方面的应用，如预测金融资产的实际价值和投资回报率，识别可通过算法预测的重大错报，提高组织效率。

　　学习AI系统如何处理数据和得出结论是会计专业学生的必修课，无论他们将来是在会计师事务所、私营企业还是政府部门工作。作为会计行业的未来领导者，他们应该推动创新，协助所在组织将AI系统与财务及管理决策结合起来。在这方面，会计专业教师负有重要责任，且应该通过自我学习来了解如何以合乎道德的方式来应用AI。

监管法规

　　美国行政管理和预算局于2020年1月13日发布了一份备忘录草案，就如何监管行业中的AI应用为各监管机构提供指引。其核心观点是，监管措施不应阻碍AI的发展。备忘录称：“监管机构必须避免采取预防性措施且为AI系统设置过高的监管标准，导致社会无法从中受益。当AI带来风险时，机构应考虑在与由AI补充或替代的系统进行比较的情况下，应用AI的潜在效益与成本。”

　　这种针对AI的道德决策的成本效益分析方法存在不足之处。如何衡量AI算法中偏见的潜在成本？AI对于一些利益相关者的潜在伤害是真实存在的，包括那些因算法设置中的变量而受到歧视的群体，他们的利益可能会受损。

　　有效监管可以通过行业（如医疗保健和金融服务行业）来实现，也可以通过所有领域共同实施。这是监管机构面临的挑战。考虑到AI系统在客户和商业决策中的广泛应用，问题在于AI是否应该受到监管，如果是，又该如何监管。

　　所谓的“软法”（不直接由政府强制执行）为AI监管搭建了框架，其中包括IMA发布的《职业道德守则公告》和美国注册会计师协会发布的《职业行为准则》。监管机构应重视已建立的标准，如IMA《职业道德守则公告》提出的“能力、保密、正直和可信”这四项职业道德标准。

　　某些技术的应用应受到监管或者至少受到监控，预防技术误用或滥用导致不良后果。美国立法者和监管机构现在主要关注自动驾驶汽车领域的AI应用，如果自动驾驶汽车无法提供全面保护，很可能会造成人身伤害。

　　对AI可能被误用或产生意外后果的担忧促使监管部门行动起来，审查并制定相关标准，如美国国家标准与技术研究院。其行动包括与公共和私营部门召开研讨会，围绕联邦标准的制定进行讨论，为创建可靠、稳健和值得信赖的AI系统奠定基础。

　　AI带来的益处和挑战同样受到了州立法者的关注。目前，在研究AI的影响及其对政策制定者的潜在作用方面，出现了越来越多的举措。2020年，美国至少有14个州提出了AI相关的法案或决议，但都未通过或正待表决。

纳入课程的具体步骤

　　AI相关课程设置的总体目标，应该是教育学生熟悉AI在决策及相关道德问题中的应用。实现这一目标有两种方式：单独设立AI课程或将AI整合进所有课程。理想情况下上述两种方式都应采用，但受制于大多数高校的课程设置，这可能不大现实。无论如何，越早向会计专业学生介绍AI相关知识，他们就越有可能了解AI应用所带来的风险。

　　大多数高校的会计专业都开设了会计信息系统（AIS）课程，但这些课程通常面向中高年级学生。AIS课程主题广泛，通常包括：（1）收集和存储与组织财务工作相关的数据；（2）培养运用批判思维的能力以及运用AIS生成的数据进行判断的能力；（3）制定有效的信息控制措施；（4）AIS审计。

　　单独开设的AIS课程可让学生很好地学习将AI信息纳入决策流程，但这还不够。如果能将AI整合进所有课程，就可以向学生展示如何将AIS系统生成的数据应用于不同的课程，包括财务和管理会计及审计课程。

　　AI是数据分析的子领域或者一个主题。从会计学入门课程开始，数据分析已经成了几乎所有会计新教材都包含的内容。将AI纳入数据分析课程是可能的，高校现在开设了许多数据分析必修课和选修课，如电子数据处理（EDP）审计。

　　现在需要做的是确保将道德纳入课程体系。高校在增加新的教学内容时，往往会忽略与之相关的道德问题。就数据分析而言，数据的保密、如何收集数据及如何使用数据都涉及到道德问题。考虑到AI分析的结论可能不准确，对相关主题的讨论应集中在数据是否存在偏见、导致AI做出糟糕和不道德的决策上。

　　若要将AI及其涉及的道德问题纳入课程体系，表1列举了特定课程以及相关道德问题的解决办法。表中所列出的并非所有相关学科，只是为教师提供一些整合课程的建议，表中所列出的主题也可以单独开设课程。

        如，财务报表分析需要计算比率和其他可比数据，以此发现数据中的异常和找出其中的趋势。如实反映是数据可靠性的一个关键因素，这通常意味着财务报告中的会计计量或描述与其所反应的经济活动之间的对应关系或一致性。如实反映的特征包括完整性/完全披露、公平/不存在偏见，以及不存在错误或遗漏。

　　道德问题与AI应用应同时受到关注。如果AI系统收集的数据存在偏见或不完整，那么使用这些数据得出的分析结果就不足为凭。公平、客观、职业怀疑和如实反映等理念是会计工作中AI应用与决策的道德基础。想让学生们真正为未来职场做好准备的会计专业教师，必须将AI纳入尽可能多的教学课程，并始终关注与之相关的道德问题。

Steven M. Mintz，博士，加州理工大学荣誉教授。联系方式：smintz@calpoly.edu。

魏雪 译，郭强 校