在金融领域里正确使用人工智能不仅仅是个关乎投入最多时间或金钱的问题
根据Gartner公司调研结果,四种实施行为在快速实现一些金融人工智能(AI)计划时至关重要,包括达到或超过预期效果及实现关键财务和业务成果的计划。
Gartner财务实践研究总监Jacob Joseph-David表示,“人工智能在财务部门的使用仍处于初级阶段,大多数人在过去两年才开始使用。大多数人也未能迅速实现此类项目的预期回报。”
由于人工智能在财务领域处于起步阶段,首席财务官缺乏对成功的明确定义和战略。Gartner为首席财务官们敲定金融人工智能成功的四个关键行动(见下图)。
Joseph-David表示,“采取这四项行动的部门与没有采取这些行动的部门相比,其平均人工智能用例数量是后者的两倍。结果是更重要的业务成果,如新的产品线以及财务部门的成果,如更大的准确性和更短的流程时间。”
推动金融人工智能成功的四项行动(资料来源。Gartner,2022年6月)
一般而言,要确保拥有人工智能技能和专业知识的人才有三种选择:雇用新的人才、提高现有人才的技能或从IT部门借用人才。那些将人才战略重点放在雇用外部人工智能技能人员的组织明显地更有可能成为领先的人工智能财务组织。但大约一半的金融组织却将提升技能视为主要的人才战略。
人工智能专门人员在处理人工智能的细微差别方面可以提供宝贵的经验,这可以令相应的组织克服与人工智能应用程序合作的惯性并缩短技术学习曲线。相反,提高财务人员的技能虽然可能成本较低,但这样做有可能放慢进度并可能引入大的潜在错误。此外,新的人工智能专业人员在支持人工智能部署的新想法方面可以提供超越传统流程和思维方式的机会。
有些企业用的是购买嵌入式人工智能功能软件的方法。这些企业可以更容易地进行人工智能的试验并将其应用到更多的财务用例。这些用例也可以更容易针对独特的业务问题开展试点项目。而相比之下,为所有的财务流程建立内部人工智能解决方案则会产生更多的工作,而且会减少财务部门探索新试点或用例的机会。
顶级金融人工智能组织都是采取一种多试不怕失败的实验性方法进行人工智能部署,而不是下大的赌注。有了更多的早期试点项目,就会有更多的人工智能的使用案例,并且部署速度更快,因为组织可以聚焦最成功的试点项目。
通常情况下,最成功的组织仍在探索的用例与不太成功的组织一样,其中最常见的三个用例是会计流程、后台处理和现金流预测。一个例外是客户付款预测,大约一半的领先组织的探索用例涵括客户付款预测,但不太成功的组织则很少涉及客户付款预测。
首席财务官必须选择合适的人负责人工智能部署才能实现人工智能的好处。例如,这可能意味着选择财务规划和分析(FP&A)负责人或财务分析的负责人去领导人工智能的实施,而不是选择一个高层资深管理者。
财务规划和分析以及财务分析主管在领导人工智能方面的成功是由于其强大的分析和数据背景。他们较少依赖对传统财务流程的理解,更多地是依赖对商业环境中的人工智能复杂性的理解。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。