由德勤发布了《德勤-关键时刻系列：财务领域的指数级增长新技》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。在某种程度上，财务领导者所需的技术 有其组织的个性化特点。但财务组织之 间存在共同的需求，它们通常是财务领 导者议程的首要内容，或者至少许多领 导者是这么告诉我们的。
初代人工智能 （智能自动化、对话式AI、视觉AI等） 人工智能（AI）是一个包罗万象的技术 术语，它允许机器模仿人类智能、自主 执行任务并从经验中学习。 传统的人工 智能功能包括机器人流程自动化 (RPA)、 自然语言处理 (NLP) 和计算机视觉（例 如：面部识别）等。 人工智能已经存在 多年，一些财务组织已广泛使用它来自 动化任务、发现模式和相关性，并帮助 其组织根据过去的数据更准确地确定未 来。
机器学习 机器学习 (ML) 是人工智能的一个子集， 已经存在了数十年。 它是一种使用算法 和历史数据来识别模式并做出预测的数 据分析方法； 它从示例中学习，而不是 遵循明确编程的规则。 在财务领域，机 器学习可用于大量活动，在这些活动中 应做出基于判断的决策来影响下一步。
生成式人工智能 您很可能听说过很多关于生成式人工智 能的内容，而且这种讨论似乎只会越来 越响亮。 基本上，它是人工智能的一个 子集，机器可以在其中创建新内容，例 如文本、代码、语音、图像、视频等。 它可以通过使用经过训练的数据创建新 内容来模仿人类工作，还可以为工作流 程添加上下文感知和决策技能。 我们现 在看到的版本基于大型语言模型，为用 户友好的聊天界面提供支持，将生成式 人工智能推向了突破性时刻。 能够生成 音乐、图像和视频的人工智能也正在兴 起。
增强现实技术 增强现实技术 (AR) 是一项新兴技术 （主要应用于在消费领域），其核 心是将图像叠加在观看者的真实世 界视图上，以构建虚拟体验。它几 年前开始在社交媒体上使用过滤器， 但现在被用于构建虚拟购物体验、 AR 店面等。
量子计算 22 01 04 05 02 它能做什么 超级计算机依靠量子物理和量子力学原 理以极高的速度执行复杂的任务。就像吹 泡泡一样：按照计算的工作方式（使用数 学），需要进行数十亿次计算才能确定最 终的目的，制作一个球体。量子计算机会 立即知道它正在制造一个球体，因为它了 解肥皂的物理特性。数学无法回答的问题 可能可以通过物理来解决，这就是量子 计算。
人、技术、数据和治理控制的基因
技术革新的基础是基因--无论您将何种技术融入财务职能，您的 技术革新都应建立在一个干净的核心、数据和安全的基础之上。 对人员、流程和核心技术（包括处理数据的方式）的关键投资意 味着，当您决定实施前沿技术时，您可能会获得更好的收益。如 果财务部门无法信任和扩展新技术，因为构建模块不存在，那么 这种投资很可能是不值得的。
人：您的人才和组织应为现在和未来的工作做好准备。明确定义您要推动实现的 成果，以及人类与机器实现这些成果的方式至关重要。他们需要哪些技能， 你的组织又缺乏哪些技能？您将在哪里培养这些能力？是在财务部门，还是 在IT 部门，也许两者兼而有之？您的组织结构是否充满活力，能否不断发展 和适应新兴技术？您的员工能否理解向生成式人工智能能产生正确的结果吗？ 他们是否有能力通过确认生成式人工智能模型的质量、有效性和性能来识别 和辨别偏见？您的财务人员是否能够利用技术的优势和自身的优势，在现在 和以后讲述组织的故事？
技术：如果您还没有从传统的企业资源规划解决方案转向下一代企业资源规划 系统，那么现在很可能正是时候，尤其是当您计划实施预测性或生成性 人工智能时。这是一个核心基础，应该在你叠加尖端技术之前就位。 明智地将时间和资金投入到何处正变得越来越重要，而财务领导者可以 在推动这些投资决策方面发挥作用。实施基于云计算的计划解决方案可 以为您提供简化、实时的业务洞察力和报告，这是您的职能部门提高灵 活性和做好准备的关键。基于光学字符识别的解决方案可让您的税务和 控制团队受益匪浅，该解决方案可帮助实现数据捕获自动化以及从表单 和文档到系统的后续数据录入。
数据：用于人工智能的数据将包括外部来源：众包、特定行业数据和 竞争情报购买。数据和竞争情报，还将来自内部和专有来源。 无论哪种方式，您都应该认真对待您的数据，并巩固其可用性、 完整性、详细性、标准化、准确性、可信度和安全性。这通常 意味着要建立一个正式的财务数据组织，实现数据自动化，让 团队不再使用电子表格。许多组织还可能寻求建立在安全环境 中训练有素的私有模型，以保护敏感的财务数据。前沿的技术 只有建立在数据的基础上才能发挥其优势，并符合道德标准。
治理控制：前沿技术也只有在其治理和控制措施能够保证其道德性的情况下才 能发挥作用。实施这些技术的组织应加强其流程，以感知和降低风 险，并建立系统控制以提供保护，不仅要防范任何新技术带来的常 见风险，还要防范潜在的网络威胁，而生成式人工智能可能会更加 普遍。这些认知工具可能会带来更大的风险，因为用户并不需要真 正了解人工智能或其功能和局限性，就可以实施和使用它们。信任 并不是人工智能与生俱来的品质，而是治理、风险缓解和整个组织 流程协调的产物。汽车为什么要刹车？这样它们才能跑得快。治理 和控制以及扩展新技术和指数技术的能力也是如此。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
