機器學習是我的主要研究方向之一，同時也在指導相關方向的研究生，所以我來回答一下這個問題。

首先，財務領域的職場人在AI時代會迎來以下三個變化：

第一：崗位工作難度和強度都會下降。隨著智慧體開始落地到財務領域，財務人將從基礎的財務工作中釋放出來，尤其是大量繁瑣的計算內容，這能在很大程度上提升財務人的工作效率，同時智慧體的應用會進一步提升財務人的資源整合能力，這是降低崗位工作難度的關鍵。

第二：崗位升級帶來知識結構升級。智慧體的應用必然會帶來財務人的崗位升級，基礎的會計崗位將逐漸被智慧體所取代，而相關崗位的工作人員要想完成崗位升級必然要進行知識結構的升級，這對於財務人的學習能力具有一定的要求。從目前的知識結構來看，財務人可以從大資料技術開始學起，比如資料分析技術。對於財務人員來說，本身對於資料就比較敏感，所以學習資料分析技術並不會遇到太大的障礙。

第三：崗位知識邊界逐漸模糊。在傳統的職場環境下，不同崗位的知識邊界是比較清晰的，隨著智慧體的應用，崗位的知識結構邊界正在逐漸變得模糊，財務人可能需要從事一些運營管理方面的工作，因為財務資料是企業運營的重要指標之一，在智慧體的參與下，不同崗位的交叉合作將成為一種常態。

隨著大資料、物聯網的發展，以及在5G通訊的推動下，未來人工智慧技術將與物聯網、移動網際網路全面整合，未來職場人在工作中需要跟大量的智慧體進行合作，所以掌握一定的人工智慧技術是度過職場危機，實現崗位升級的關鍵因素。

AI智慧應用於會計領域是不可避免的，不只是會計領域，還有更多的領域將會被取代，這些被取代的工作大部分都是難度低、基礎工作、勞動量大、重複度高。

而會計的很多工作就是如此，很多公司會說我們公司的財務部門很強大，幾十人的財務團隊，其實裡面很多人的工作就是重複度高、難度低的，比如我一個朋友在上市公司做會計，我問他每天做什麼？他說就是開發票，一年365天開具發票，一個公司裡面開發票的人就能組成財務部裡面的一個小部門。

這樣的工作在AI智慧時代的來臨，怎麼可能不被取代呢？

畢竟，AI智慧可以一週7天24小時不間斷，準確無誤的執行工作，人類在這方面輸的不只是一星半點。據網路資料顯示，一個AI智慧機器人，可以代替8個會計工作。

既然財務AI智慧時代避無可避，那麼作為財務人員就可以提前做好應對準備，我認為可以透過以下方法做為轉變考慮：

1.超越AI智慧

從AI智慧目前的發展來看，在某些細節領域，AI的確能吊打我們人類。

但從另外一個角度來看，人工智慧並非萬能，它的運算邏輯，仍然是由人來決定的。而我們人類，更善於從全域性角度思考問題。

所以建立全域性觀，彌補AI智慧的短板，便能做到超越AI智慧。

那麼作為財務人員，可以轉型做管理，因為市場對於難度低、基礎工作、勞動量大、重複度高的傳統會計需求在逐漸降低，管理會計或許會是行業變革的趨勢，透過財務分析，從全域性觀去幫助企業經營管理者制定企業戰略和輔助管理。

2.避讓AI智慧

AI智慧機器做它能做的，財務人做財務人能做的事。

因為財務人可以轉型的方向很多，在轉型的過程中一定要避開AI智慧能做的事情，因為它要是能做的事情，一定能夠做的比你出色，比你效率高。

3.使用AI智慧

AI智慧只能夠按照設定好的程式，去處理資料，收集資料。

當大多數簡單重複的勞動被計算機更快更好的取代之後，並不是說財會人就無事可做了，正確的說法應該是財務人將有更多的時間和精力去從事分析、規劃、控制和決策工作。

因為AI智慧它無法決定自己的目標，同時也無法清晰解讀資料使用者的決策，為資料需求者提供所需的資料，那麼就所以需要財務人員作為AI智慧與需求者（老闆）溝通的橋樑。

財務人員可以解讀老闆的需求，然後作為橋樑，溝通AI智慧處理資料，生成老闆需要的資料。

AI智慧做的都是前端資料的收集、初步分類，而最終結果的預測和結論認定仍然需要人工決策 。

4.專精財務領域

財務人員可以專精於自己的某個領域

比如，稅收籌劃、專案資金籌劃、成本分析、成本預算、費用預算、預測、統籌、分析等等。

財務人員可以專精於財務相關的某個領域，那麼你就不會容易被取代。

5.開創AI智慧

開創可以簡單粗暴的說，就是做AI智慧的爸爸。

因為即使科技再先進，它們也是由程式設計師提前設定好的，由程式設計師一個字一個字碼出來的，而很多程式設計師並不懂財務，不管是研發程式，還是後期維護，都需要財務人員的配合。

那麼財務人員在AI智慧的研發和後期維護中同樣也是起到了至關重要的作用，畢竟你讓一個程式設計師再去把財務學精通也不現實。

AI智慧時代在小蝸看來是避無可避的，作為財務人員一定要提前做好準備，小蝸提出的五個方法，經供參考。

在戰略分析中，有一個戰略與流程的關係模型，從兩個維度來考慮應該如何管理流程，其中一個維度是業務所涉流程的複雜醒，其二是業務所涉及流程的戰略重要性程度，按上述2個維度，可區分為：

1、高複雜性/高戰略重要性的業務流程，一般內化在企業內部，並不斷最佳化流程，將整個流程所涉及的企業資源和能力打造成核心競爭力；

2、高複雜性/低戰略重要性的業務流程，一般可以選擇外包出去或者自動化，這種與戰略關聯度低流程，並不需要企業耗費大量的資源來維持流程，反而可以外包出去，讓更專業的外包公司來運營即可，企業可可以集中精力最佳化對企業最有價值的流程。但如果所有工作可以標準化，自動化也是一個好的選擇。

3、低複雜性/高戰略重要性的業務流程，自動化是最優的選擇，透過標準化輸入、標準化輸出和標準化處理過程來實現自動化。

4、低複雜性/低戰略重要性的業務流程，自動化或者簡單外包出去。

我們可以將財務的工作細分一下，比如核算模組、資金模組、稅務模組、經營分析模組、預算模組，然後按照上述標準自己評估一下所從事財務會計工作的複雜程度和戰略重要程度，看看哪個模組更容易自動化，更容易被機器替代。

作為基礎工作的會計核算，它是一切財務資訊的根本，但同時它也是戰略重要性程度低但複雜度高的工作，邏輯上應該外包出去，並且很多企業確實也將核算的工作外包出去；即便沒有外包出去，也是透過財務共享中心的方式，將集團旗下所有核算工作集中起來外包給內部的財務共享中心，以實現規模化效應，最大化降低成本。

但AI智慧時代，會計核算工作完全可能被機器替代，實現標準化輸入、標準化輸出和標準化過程，會計核算工作是首當其衝會被替代的工作。

從這個意義上說，會計核算崗位的人應該具意識，儘快將自己從基礎核算工作中脫離出來，按照上面的分析思路，往財務別的領域轉。

另外，事情的變化總是階段性的，劇變只會爆發革命，並且AI智慧也是要成本的，首要應用的也是戰略核心部門的核心流程，財務作為純粹的後臺部門，在資源配置優先順序上總會靠後，所以我們的應對思路可以包括：

1、如果公司的核心戰略業務模組開始智慧化了，作為會計核算人員不能坐以待斃，要思考如何轉型到財務領域按照上述戰略與流程關係模型評估的其他財務領域；

2、會計核算也智慧化後，就需要思考學習偏管理和決策的財務崗位；如果還未到這個階段，就需要開始學習AI智慧和大資料的知識和操作，並能充分與財務知識結合，有關AI智慧在財務領域的實施和後續更新維護和操作，可經由你手，也未嘗不可。

人的認知是隨著經驗逐漸豐富的，AI智慧也不是一蹴而就的，所以應該會有足夠的緩衝，畢竟財務和會計在波特價值鏈模型中，屬於基礎設施模組，不直接產生價值，因為從理性角度，企業也不會選擇在財務領域先實施AI智慧化措施，而即便在核心領域實施這些措施，也需要一段時間落地，這個時候財務和會計要小心了，一定要抓緊時間轉型，這個是重要的時間視窗，因為已經是迫在眉睫的危機了。在這個時間點，你的認知和實際操作能力應該達到了符合AI智慧時代的特徵，否則就只能選擇被淘汰了。

具體的做法其實我也不知道，因為沒有現實的案例發生在我周圍，我能想到的，無法是多看看大資料、AI智慧、區塊鏈相關的書籍，不要固步自封，如此在面對鉅變之時還能找到應該對之法，否則你過往的工作經驗在新時代下就沒有任何價值了。