AI的核心是机器学习，是让机器模仿人类的思维方式、最终替代人类进行思考，人类可以从这件事情中完全抽离出来；而BI目前更多还是通过对大数据的应用等方式来提高工作效率，其使用的算法、及对算法的改进仍然来自于人工设定，并非机器深度学习或思考的结果。换句话说BI目前仍是作为一个决策的辅助工作来使用，给决策者提供更多的帮助，目的是1）提高效率，2）变事后监控为实时监控；而AI未来将创造新的决策路径、或者是作为决策手段本身来使用的。现在大家在媒体上看到的各种关于财务领域IT技术运用的报导，归结起来大致可以分为两种类别：一是以自动操作代替原来的手工操作（例如DTT的“财务机器人”），这可以视作传统的“财会电算化”的进阶升级：原来需要人工贴发票、填写并复核报销单，现在随着电子发票的普及、各种报销软件和OA的功能强化，逐渐被自动化替代了；原来每个月手工采集数据然后编制的各种报表，现在通过预设的系统端口可以直接生成导出了；原来依赖事后的人工审阅各种指标的变化、判断有无异常，现在由系统根据预设阈值实时监控各项指标数据，随时做出预警。实际上过去多年所使用的各种财务软件、ERP系统都走在这条路上，和如今的各种“智能财务系统”只是同一维度上技术和效率的差别，在应用场景上并没有实质性的不同。但在上面的例子中，系统能替代部门主管去判断某一笔市场推广费是否符合公司策略、应当被批准吗？能随着业务的变化，自主决定需要生成哪些新的报表、或者对原本的分析口径进行何种改动吗？能在指标出现异常时决定何时要把业务继续执行下去、何时必须停下来等问题原因搞清楚了再推进吗？至少目前是肯定不能的，这些工作还是靠人来做，那么它就不是一个真正意义上的AI。二是通过系统的帮助收集并分析更多数据，增加预测、判断、决策的信息来源、并提高准确度。这在financial reporting工作中相对不多，在FP&A以及审计、尽调等第三方服务中更多见。然而与前述情况类似，BI 在这其中所起的作用仍然限于对底层信息的处理，将之转变为决策者更容易阅读和使用的有效信息，而不是代替人类基于这些加工后的信息进行下一步的工作。这仍然是决策的“前置”，不是决策本身。
一个胖子0528
