Artificial Intelligence in Accounting: A Systematic Literature Review

在现代金融的世界里，数字向来都在讲述着故事，但解读这些故事的方式正在发生变化。几十年来，会计师和审计师一直依赖人类的判断来检查账簿、发现错误并确保财务报告的真实性。如今，一种新型工具正进入办公室：人工智能。这并非指单一的一台机器，而是一系列能够从数据中学习的智能计算机程序。这些工具可以在几秒钟内扫描数千份文件，寻找人类肉眼可能会忽略的模式。它们被用于自动化常规任务、预测财务风险以及搜寻欺诈行为。然而，随着这些工具变得越来越普遍，一个问题仍然存在：我们对它们对该行业的影响究竟了解多少？它们是在取代人类决策者，还是仅仅作为强大的助手？答案散落在数百项新研究中，构成了一个信息丰富但难以驾驭的领域。

为了理清这一不断发展的领域，来自 GlobalNxt 大学的研究人员 Jinwoo Chae 着手绘制了当前知识现状的图谱。其目标并非测试特定的软件或进行新的实验，而是收集并整理 2023 年至 2026 年间发表的现有研究。研究人员从 49 条记录开始，其中包括期刊文章、书籍章节和数据报告。在仔细剔除重复项及不符合会计范畴的研究后，剩余 47 篇出版物待进行审查。该过程涉及阅读这些作品的标题和类型，以便按年份、主题和方法进行分类。这是一次系统性的努力，旨在观察研究的方向、正在探讨的问题以及知识空白仍存在于何处。

该综述揭示的第一件事是该领域增长的惊人速度。研究发表的数量在短短几年内呈爆炸式增长。2023 年，名单上仅有四项研究。到 2024 年，这一数字增加了一倍多。这种势头在 2025 年和 2026 年持续下去，分别为 16 项和 18 项研究。总计 47 项研究中的 34 项（约占 72%）仅在过去两年内发表。这种快速增长表明，围绕会计领域中人工智能的讨论正从一种小众兴趣转向核心议题。然而，该综述也指出，这份名单代表了可用文献的一个特定缩影，不应被视为对该主题下所有已撰写研究的完整计数。

当观察这些研究的具体内容时，一个清晰的模式显现出来。研究高度集中在两个主要领域：人工智能如何融入会计与审计的总体概述，以及这些工具在检测欺诈方面的具体应用。近三分之二的研究属于这些类别。其中，欺诈检测是一个高度集中的研究兴趣点，因为计算机在筛选海量数据以寻找可能暗示异常或错误的独特模式方面表现得异常出色。审计（涉及检查财务记录的准确性）是研究最多的第二大功能。相比之下，会计领域的其他重要部分，如帮助企业规划和控制运营的管理会计，在当前研究中几乎完全缺席，仅有一项研究专门针对该领域。税务也极少成为主要焦点，通常仅作为更广泛标题中的一小部分出现。

这些研究所使用的方法讲述了故事的另一部分。很大一部分工作属于综述，即研究人员总结他人已有的发现。约 13% 的研究是系统性文献综述，另有 15% 是叙述性或概念性综述。只有极少数研究（仅有一项能从其标题中明确识别）提出了新的实地证据或从现实世界实验中收集的数据。这意味着当前的知识体系更多是建立在总结观点和讨论可能性之上，而非通过来自实际会计师事务所的硬性数据进行测试。虽然这些综述对于获取快速发展领域的宏观图景非常有用，但研究人员指出，过度依赖这些综述会限制得出坚定、基于证据的结论的能力。

该综述还强调了在描述这些技术时需要更高的精确度。一些研究将所有形式的人工智能视为同一种统一的工具。然而，研究人员认为这是具有误导性的。在遵循严格指令的简单基于规则的自动化，与能够学习和适应的高级机器学习之间，存在着重要的区别。此外，这些技术与能够创造新内容的生成式模型之间也存在差异。将它们统称为“人工智能”会掩盖它们在功能、所需数据以及所带来的风险方面的关键差异。未来的研究需要更具体地说明正在使用哪种技术，以及人类的监督程度如何。

展望未来，研究人员为该领域提出了一个新的方向。下一阶段的研究应当超越一般的讨论和概念性论证，转向更严谨的现实世界测试。这意味着要利用既定理论来解释会计师为何采用这些工具，以及这些工具如何改变职业判断。这也意味着要扩大研究范围，涵盖不同的国家、小型企业以及研究较少的领域，如可持续性报告和税务合规。至关重要的是，研究人员呼吁开展更多关于这些系统治理的研究：当计算机犯错时，谁来负责？以及我们如何确保这些工具所做出的决策是可靠且公平的？

综述总结道，尽管该领域正在快速发展，但仍处于早期阶段。目前的文献以广泛的讨论和综述为主，缺乏来自真实会计环境的深度经验证据。研究集中在欺诈检测和审计，表明该行业自然而然地倾向于自动化优势最明显的领域。为了真正理解会计的未来，研究人员现在必须拓宽视野。他们需要调查这些工具如何影响不同环境下会计师的日常工作，如何改变专业人士的思考方式，以及需要什么样的规则来保持系统的诚实。前进的路径要求我们从询问人工智能“可能做什么”，转向测量它“究竟在做什么”，以及它正在如何从内部重塑整个行业。