相信挺多财务同好，在职业生涯起步阶段的第一个职位，是账实兼管的出纳岗。不知道大家还记得，那些被票据统治的恐怖么。
感谢科技进步，现在的财务工作，支持九成九的信息化处理，就连过去人见人爱的现金，现在大家也更倾向直接网络银行转账。可以说，误收假钞和糊涂账的可能性大幅降低。
虽然，出纳岗位上跟各种银行、中介机构往来的工作正在变得越来越繁杂，但带来便利的科技进步，并没有把出纳岗位具体工作事项“升级”之外，似乎越来越接近取代这个职位了。
在记账方面，机器学习系统已充分投入使用多个年头，特别是在中小型企业。例如，市场上不仅推出了能够扫描支出收据并自动对其进行分类的产品，而且部分还引入了更先进的强化学习和自然语言处理技术，自动对扫描的收据做出分析、提取和归类，无需人工输入任何辅助信息。
以在线会计软件供应商Xero为例，它于2018年5月宣布，其机器学习软件自推出以来，已经向客户提出了超过10亿条建议，其中在发票编码和银行对账方面表现特别突出。这10亿条建议由7.5亿多条发票和账单编码建议和2.5亿多条银行对账建议组成。Xero估计，每天通过其开出的发票约达80万张，相当于节约307个小时。
在发票编码方面，不像传统使用默认代码那样耗费大量人力，Xero软件会“学习”企业如何对常规项目进行编码并根据对历史的“理解”自动填写。采用这种方法，该软件只需四个实例就能对80%的交易实现正确编码。该公司的博客文章表示，该软件正采用逻辑回归方法进行最佳预测，但出于竞争原因文中没有详细介绍预测算法的具体细节，这也是可以理解的。
在最初运营时，为了让算法学习用户行为，Xero将这些编码作为建议提供给用户并在必要时提供特定的（尽管很容易）验证或更正。公司表示：“我们非常密切地关注客户选择其他编码方式、主动表达不同意见的比例以及后来对建议账户重新编码的比例。在重新编码时，系统完全可以从中学习。这是基本理念的一部分——系统只知道教给它的内容。如果从正确的账目中学习，提供的建议将会更准确。”这超越了基于规则的静态方法，真正发挥了机器学习能力。
在银行对账方面，Xero的机器学习软件已与许多银行的软件实现了整合，整合后自动向Xero输入账户交易记录。然后，机器学习软件将银行交易与Xero中的收支记录进行匹配，并根据之前类似交易的编码方式自动编码。与发票编码一样，银行对账的机器学习将用户修改与交易匹配相结合以改进建议。
发票编码和银行对账模型都仅仅基于特定企业的经验，而不是来自更广泛实体的经验。这自然就限制了软件所体现的“智能”程度，并阻止软件向新客户应用预先构建知识的操作。公司在早期就意识到了这方面的问题，“该软件确实有从其他企业学习的潜力，但我们早期研究表明，由于不同企业之间的实践和编码存在巨大差异，这远远超出了我们的预期。”
这种有待实现的标准化被设想为未来的增强领域，因为它可以进一步提高客户活动的效率，但同时也凸显了创建“智能”编码机器人的难度。
技术正在推动会计行业转型，并且可能彻底改变审计工作。无论是有志于从事审计工作的行业新人，亦或者是经验丰富的审计老将，了解最重要的驱动着审计变革的新技术，无疑能更有效升级你的技能包。如果你还不知道是哪些新种技术，不妨阅读https://cn.accaglobal.com/insights/c90/audit-and-tech.htmlACCA与CAANZ一同完成的这份前瞻性报告。针对机器人流程自动化
