构建智能技术平台随着企业数字化转型逐渐步入关键节点，单一技术带来的效能提升会逐渐进入瓶颈期。需要将数据科学、RPA、机器学习、深度学习、认知分析等机器智能技术不断融合到工作中，从而不断释放人力，让员工从事更加有创造性的工作，最大限度地发挥人的价值，这一切的基础在于构建智能技术平台。 基于RPA的数据共享平台 随着AI技术的不断成熟，基于RPA并附加AI的数据共享平台必将助力企业进行智能化的升级改革。这种平台能让数据自动地快速汇聚和交换，交换的能力可以用来解决企业有哪些数据、数据在哪里等问题。同时，会将数据自动进行资产化，包括清洗、加工、治理、安全、质量等，让这些数据能够直接高效的作用于业务领域和进行自动化服务，有了这些能力，就能构建起场景级数据应用，既能满足原有系统对数据的需求，又能快速满足新业务场景对数据的需求，将数据作为资产上架，成为共享的生产要素，来高效的服务于整个集团。 机器智能工厂 迈入机器智能时代，人类给予机器更多的信任，后者则将承担更多的决策任务。如此一来，人类可以腾出大量时间做更多需要想象力与创造力的工作，并将其转化成知识传授给机器，让机器变得更聪明（图1）。这种由人类教会机器如何学习，由机器随时、随地完成复杂决策与逻辑操纵任务的工厂，阿里云研究院称之为机器智能工厂。工业大脑借助云计算能力对数据进行建模，形成知识的转化，并利用知识去解决问题或避免问题的发生。同时，经验知识又将以数字化的呈现方式，加速其规模化复制与应用。  图1 机器智能工厂 资料来源：阿里云研究中心 创造人机协同工作模式《连线》杂志创始主编、未来学家凯文·凯利曾说：“你未来的收益水平将取决于你在多大程度上能与机器完美地配合工作。”由于流程不是100%的自动化，人类和机器人之间就会产生协作，也就必然产生一种全新的工作模式——人机协同。IDC所定义的人机协同价值表现在：技术与智能机器将重塑现有工作方式，将可自动化的工作交由机器完成，让人类能够更好地着手于创新性工作，从而使得企业不断优化资源配置。只有从工作团队员工到管理层都需要拥抱未来的数字化劳动力，及时接受并习惯这种工作模式，才能发挥机器智能的强大作用和价值。 随着财务机器人不断应用到财务管理的各个领域，对财务组织和治理结构，包括建立整合人力和虚拟资源（例如机器人）的生态系统，形成“人工＋机器”的新工作方式，这些都将面临新的问题和挑战。例如，作为人类，我们的大脑是通过对双手的利用而不断进化和发展的。而数字员工通过对算法的升级而不断进化，如何让数字员工在学习企业价值观、行业特性的过程中更具“人性”，从而伦理化，也是CFOs在组建“人机协同”组织过程中必须考虑的问题。 培养数字员工随着自动化技术和人工智能的进步，员工可以从日常重复性的工作中释放出来，从而更加专注于高附加值的战略活动上，前提是培养或获得以下关键技能或素质。 1. 数据素养。 所有自动化和智能化策略都建立在数据的基础之上，以RPA为代表的自动化技术也让普通员工可以更容易地获得和分析数据，因此数字组织中的员工应该以此为契机培养数据素养，并重视和主动发挥数据带来的价值。即使员工从事与技术无关的业务工作，也能很快地利用数据分析技能发现问题在哪里，借此来解决问题或者整体业务的问题。随着以业务数据和财务数据为导向驱动企业创新发展逐渐成为企业财务管理、制定运营决策的新方式，财务人员更是需要在了解大量数据的基础上，找出多种因素变化可能给企业带来的不同后果，为企业高层提供各种选择，进而帮助他们做出最终决策。 2. 科技赋能。 一些员工可能会对人工智能等技术的出现感到不安，而技术的根本价值在于帮助他们的日常工作流程更加高效。因此员工要擅长借助机器智能解决问题，甚至学会训练机器，让机器理解人的真实意图，将其提高效率的工具。财务部门必须确保自己善于使用创新技术来推动自动化、合作和决策。德勤调查显示，以下七项技术对于完成财务数字化转型有非常重要的作用：云计算、流程机器人、可视化、高级分析、认知计算、内存计算、区块链。 3. 跨职能融合。 企业在未来将更看重那些具有更加广泛的技能、能够适应不断变化的商业环境的员工，而不是狭隘的只能处理特定任务的员工。随着数字化进程逐步深入，对财务人员的素质也提出了更高要求。在处理大数据、IT、电子商务、内部审计以及财务计划和分析等方面，均缺乏足够人才。随着业务和财务不断融合，财务与IT相互跨界，财务组织对复合型人才的需求日益扩大。不断学习和进步，才是财务人员的进阶之路。 4. 知识积累和共享。 智能机器加工利用的原始物料就是知识，要让机器拥有类似于人类的智慧和主动认知，达到普通人都无法实现的极速分析、思考、交流和行动，从而反哺人类自身，这个过程有依赖于知识的不断积累和共享。可能个人即使拓展再多技能，也无法成为真正意义上的全才，而只能是在专业技能的基础之上发展其他的技能。因此，员工需要注重工作中自身经验的积累和分享，不同的行业、不同领域、不同职位、不同组织的知识和经验以数字形式集中到一起输入到智能机器中，才有可能构建出智慧机器大脑。 |
|
|
