知識移轉，餵養AI

前幾天在 LinkedIn 上看到有人在徵求會建立財務模型的專業人才，以「打工」的形式，讓這些專家去「訓練、餵養 AI 」學會架模型。這本質上是在進行一場知識轉移的「最後巡禮」。過往財務模型最核心的價值在於「參數設立」。不同產業與市場、經濟週期與企業規模，合理的參數都不一樣。過去這些判斷是建立在經驗累積與專業判斷上，深層邏輯則是資料統計與趨勢洞察。然而，當 AI 吸取了海量資料——包含各國經濟表現、人口樣態與產業特性後，它能瞬間給出參數建議，甚至直接完成模型建立。

這代表Junior 分析師將失去磨練的機會。過往 Junior 透過滑鼠與鍵盤敲打來建模型，並從中理解會計科目間的勾稽關係，這是不可或缺的基本功；同時，從每次模型中累積參數設定的判斷與合理性。依照現在的趨勢，未來的分析師可能只會「看結果」，卻不知道如何「修底層」。當遇到特殊交易或複雜情境時，將會嚴重缺乏判斷力。

未來，無論是四大或投行，根據客戶需求提供模型服務時，我想客戶買的可能只剩那份「簽名」與「聲譽保證」了（雖然這早已是現在進行式），畢竟出包時總要有人來背責任（？

而對於會計人員或財務人員來說，AI取代部分工作已經是可以預見的。很多人都說，台灣環境跟國外不大一樣，很多中小企業還要手動處理帳務或是跑銀行，但這情形真的會永遠不變嗎?

少子化已經是現在進行式，未來許多中小企業應該是面臨人員招不滿的窘境（就如同許多大學一樣，找不到學生來就讀），因此部分工作委由AI處理是一定會發生的，尤其是例行性的會計帳務處理跟報表產生。如果複雜的財務模型都可以讓AI學會，那帳務處理跟報表生成，沒道理AI就不會。此外，即使會計準則一直修改，AI理解的速度只會比人更快。遇到新公報，問AI比問會計研究發展基金會可能還要快。

因此，財務會計人員勢必要轉型。不然，當企業營運成本增加或是獲利下滑時，身為成本中心的會計或財務部門，勢必容易成為老闆眼中砍人的單位。