2026《人工智能在企业会计中的应用研究国内外文献综述》

2026《人工智能在企业会计中的应用研究国内外文献综述》摘要人工智能技术的迭代升级推动企业会计领域迎来颠覆性变革，逐步实现从传统手工核算向智能化管理、决策支持的转型，其在会计核算、审计监督、成本管控、风险预警等核心场景的应用愈发广泛，成为提升企业会计工作效率、优化会计管理模式、降低运营风险的关键支撑。本文系统梳理2023-2026年国内外人工智能在企业会计中应用的最新研究成果，分别从国外研究现状、国内研究现状两大维度，分类剖析人工智能在各类会计场景中的应用路径、核心技术、研究重点及实践成效，对比分析国内外研究的差异与共性，总结当前研究中存在的技术瓶颈、应用困境及理论短板，并结合2025-2026年人工智能与会计融合的前沿趋势，展望未来研究方向，为后续人工智能在企业会计领域的深度应用、理论创新及工程化落地提供参考与借鉴。关键词人工智能；企业会计；会计核算；审计监督；风险管控；国内外研究；文献综述1引言1.1研究背景与意义随着大数据、机器学习、自然语言处理、区块链等人工智能相关技术的快速发展，数字经济与实体经济深度融合，企业会计工作面临着前所未有的机遇与挑战。传统企业会计模式以手工核算、事后核算为主，存在工作效率低下、人为误差较大、数据处理能力有限、风险预警滞后等突出问题，难以满足新时代企业精细化管理、智能化决策的需求。人工智能技术凭借其高效的数据处理、精准的模式识别、强大的自主学习能力，能够有效解决传统会计工作的痛点，推动会计工作从“核算型”向“管理型”“决策型”转型。从实践来看，国内外众多企业已逐步引入人工智能技术，应用于账务处理、发票审核、税务申报、审计核查、成本预测等会计场景，取得了显著的实践成效。例如，财务机器人（RPA）可实现发票录入、对账核销等基础会计工作的全自动化，大幅提升工作效率；机器学习模型可通过分析企业财务数据，精准识别财务风险，为企业决策提供数据支撑。2023-2026年，人工智能技术与企业会计的融合愈发深入，涌现出一批创新性的研究成果与实践案例，但同时也面临着技术适配性不足、数据安全风险、会计人员技能转型滞后、法律法规不完善等问题。因此，系统梳理国内外相关研究现状，对比分析研究差异，明确研究瓶颈与未来趋势，对于丰富人工智能与会计融合的理论体系、推动企业会计智能化转型、提升企业核心竞争力具有重要的理论价值与实际意义。1.2研究现状概述人工智能在企业会计中的应用研究始于21世纪初，早期主要集中于简单的自动化核算工具研发与应用。随着人工智能技术的不断迭代，2018年后，研究重点逐步转向机器学习、自然语言处理等技术与会计场景的深度融合，涵盖会计核算、审计监督、风险管控等多个领域。从研究地域来看，国外研究起步较早，技术应用更为成熟，重点聚焦于人工智能在会计决策支持、审计智能化、税务自动化等领域的深度应用，注重技术创新与实践落地的结合，同时关注伦理规范与风险防控；国内研究起步相对较晚，但发展迅速，在借鉴国外先进经验的基础上，结合我国企业会计的实际特点，重点聚焦于财务机器人的应用、中小企业会计智能化转型、会计人员技能提升等方面，同时注重政策引导与技术适配性研究。2023-2026年，国内外研究均呈现出“技术深化、场景拓展、风险管控、人才适配”的发展态势，逐步解决融合过程中的各类难题，推动人工智能与企业会计的深度融合。1.3本文研究内容与结构本文首先介绍人工智能在企业会计中应用的核心基础，包括相关核心技术、应用场景及评价维度，明确人工智能与企业会计融合的核心逻辑；其次，分别梳理2023-2026年国外、国内人工智能在企业会计中应用的研究现状，详细分析各类研究的核心观点、技术路径、实践成效及局限性；再次，对比分析国内外研究的共性与差异，总结当前研究中存在的关键问题；最后，结合最新研究趋势，展望未来研究方向，为后续研究与实践提供参考。2人工智能在企业会计中应用的核心基础2.1核心技术支撑人工智能在企业会计中的应用主要依赖于四大核心技术，各类技术相互协同，实现会计工作的智能化升级：一是机器人流程自动化（RPA），作为人工智能在企业会计中应用最广泛的技术之一，主要用于处理重复性、规则性强的基础会计工作，如发票录入、凭证审核、对账核销、税务申报等，能够替代人工完成繁琐的机械性工作，提升工作效率，减少人为误差。二是机器学习（ML），包括监督学习、无监督学习等，主要用于会计数据的分析与挖掘，如成本预测、利润分析、风险识别等，通过对大量企业财务数据的训练，构建预测模型与风险识别模型，为企业会计管理与决策提供精准支撑。三是自然语言处理（NLP），主要用于处理非结构化会计数据，如财务报表附注、合同文本、审计报告等，能够实现文本信息的提取、分类与分析，提升非结构化数据的利用效率，为审计监督、风险管控提供支撑。四是区块链技术，与人工智能协同应用，能够实现会计数据的可追溯、不可篡改，提升会计数据的真实性与安全性，主要应用于审计核查、供应链金融会计、税务征管等场景，解决会计数据造假、信息不对称等问题。2.2主要应用场景结合2023-2026年的研究与实践，人工智能在企业会计中的应用场景已实现全面覆盖，主要集中于四大核心领域：一是会计核算领域，涵盖账务处理、发票管理、凭证管理、税务申报等基础工作，通过RPA、机器学习等技术，实现会计核算的自动化、精准化，减少人工干预，提升核算效率与质量。二是审计监督领域，包括内部审计、外部审计，通过自然语言处理、机器学习等技术，实现审计线索的自动提取、审计风险的精准识别、审计报告的自动化生成，提升审计效率，降低审计成本，防范审计风险。三是成本与绩效管理领域，通过机器学习模型对企业成本数据、绩效数据进行分析，实现成本预测、成本管控、绩效评价的智能化，帮助企业优化成本结构，提升绩效管理水平。四是风险管控领域，通过对企业财务数据、经营数据的实时分析，构建风险预警模型，精准识别财务风险、税务风险、合规风险等，及时发出预警信号，为企业风险防控提供支撑。2.3研究评价维度目前，国内外学术界与工业界主要从四个维度评价人工智能在企业会计中的应用效果：一是效率维度，主要衡量人工智能技术对会计工作效率的提升程度，如基础会计工作的处理时长、人工成本的降低比例等；二是精度维度，主要衡量会计数据处理、风险识别、预测分析的精准度，如核算误差率、风险识别准确率等；三是价值维度，主要衡量人工智能技术为企业带来的价值提升，如成本节约、利润增长、风险降低等；四是适配维度，主要衡量人工智能技术与企业会计模式、业务流程、管理制度的适配程度，以及技术应用的可行性与可持续性。3国外人工智能在企业会计中应用的研究现状（2023-2026）国外人工智能在企业会计中的应用研究起步较早，技术成熟度较高，2023-2026年，研究重点进一步聚焦于技术深化、场景拓展、风险防控与伦理规范，涌现出一批具有创新性的研究成果与实践案例，整体呈现出“技术赋能、场景全覆盖、风险可控、伦理规范”的发展态势。3.1核心研究方向与成果3.1.1会计核算与税务自动化的深度优化国外研究在会计核算与税务自动化领域已实现从“自动化”向“智能化”的升级，重点聚焦于RPA与机器学习的协同应用，解决复杂场景下的会计处理问题。CindyGreenman在《ExploringtheimpactofArtificialIntelligenceontheAccountingProfession》中指出，美国劳工局统计报告显示，未来10年会计行业预计会以11%的速度增长，新会计人员将增加超142000人，而人工智能的应用并非替代会计人员，而是重构会计工作模式，推动会计人员向分析型、决策型转型，其中RPA在基础会计核算中的应用已实现规模化，大幅提升了账务处理效率。ZehongLi与LiZheng在《TheImpactofArtificialIntelligenceonAccounting》中研究发现，人工智能环境下，大量基础会计工作可由计算机自动完成，会计人员分工明确、权限清晰，不仅能够提高会计信息质量，推动传统会计和审计的改革，还能在一定程度上减少财务造假的可能性，为企业会计核算的规范化提供支撑。此外，国外研究还聚焦于税务自动化的优化，通过自然语言处理与机器学习技术，实现税务政策的自动解读、税务申报的智能填报、税务风险的自动识别，提升企业税务管理的效率与合规性。3.1.2审计智能化的技术创新与应用审计智能化是国外研究的重点领域之一，2023-2026年，研究重点集中于机器学习、区块链与审计工作的深度融合，提升审计的精准度与效率。研究人员通过构建基于机器学习的审计风险识别模型，对企业财务数据、经营数据进行实时分析，能够精准识别财务造假、数据异常等问题，减少审计抽样带来的误差。同时，区块链技术的应用实现了审计数据的可追溯、不可篡改，解决了审计证据的真实性、完整性问题，提升了审计工作的可信度。例如，国外学者提出的“智能审计机器人”，结合RPA、自然语言处理与机器学习技术，能够自动提取企业财务数据、生成审计工作底稿、识别审计风险点，大幅减少审计人员的工作量，提升审计效率。此外，研究还关注审计智能化的伦理问题，探讨人工智能在审计过程中的公平性、透明度，制定相关的审计伦理规范，防范技术滥用带来的风险。3.1.3会计决策支持系统的优化与完善国外研究注重人工智能在会计决策支持中的应用，通过机器学习、大数据分析等技术，构建智能化的会计决策支持系统，为企业管理层提供精准、及时的决策参考。研究重点聚焦于成本预测、利润分析、投资决策等场景，通过对企业历史财务数据、市场数据的挖掘与分析，构建预测模型，实现对企业未来财务状况、经营成果的精准预测。YingyingZhang与FengXiong在《TheImpactofArtificialIntelligenceandBlockchainontheAccountingProfession》中指出，据估计，到2020年，超过40%的数据科学任务将实现自动化，而在2023-2026年，这一比例进一步提升，人工智能技术在会计决策中的应用已能够实现数据的实时分析与决策建议的自动生成，帮助企业管理层快速应对市场变化，优化决策方案，提升企业的核心竞争力。此外，研究还关注会计决策支持系统与企业ERP系统的融合，实现数据的互联互通，提升决策的整体性与科学性。3.1.4风险管控与伦理规范研究随着人工智能在企业会计中应用的不断深化，风险管控与伦理规范成为国外研究的热点。研究重点聚焦于数据安全风险、技术滥用风险、算法偏见等问题，提出了一系列风险防控策略。例如，通过数据加密、访问控制等技术，防范会计数据泄露、篡改等风险；通过算法优化，减少算法偏见带来的决策失误；通过制定相关的法律法规与伦理规范，规范人工智能在会计领域的应用，保障会计工作的公平性、透明度。3.2研究特点与局限性国外研究的核心特点的是：一是技术应用成熟，注重RPA、机器学习、区块链等技术的协同应用，实现了会计场景的全覆盖；二是理论与实践结合紧密，研究成果能够快速落地应用，形成了一批成熟的企业案例；三是注重风险防控与伦理规范，构建了相对完善的风险防控体系与伦理规范；四是聚焦于会计决策支持，推动会计工作向智能化、决策化转型。其局限性主要表现为：一是技术应用成本较高，中小企业难以承担人工智能技术的研发与应用成本，导致技术应用呈现“两极分化”；二是部分复杂会计场景（如复杂账务处理、特殊税务筹划）的智能化水平仍有待提升，难以完全替代人工；三是算法的可解释性较差，部分机器学习模型的决策过程难以解释，影响会计决策的可信度。4国内人工智能在企业会计中应用的研究现状（2023-2026）国内人工智能在企业会计中的应用研究起步相对较晚，但发展迅速，2023-2026年，在政策引导、技术迭代与企业需求的推动下，研究重点聚焦于技术适配、场景落地、人才转型等方面，结合我国企业会计的实际特点，形成了具有中国特色的研究成果与实践模式，整体呈现出“政策引导、技术适配、场景聚焦、人才支撑”的发展态势。4.1核心研究方向与成果4.1.1财务机器人的规模化应用与优化财务机器人（RPA）是国内研究与应用的重点，2023-2026年，研究重点集中于财务机器人的场景拓展与性能优化，推动其在各类企业中的规模化应用。费方华研究发现，财务机器人在信息数据的采集与整合方面发挥了重要作用，尤其是具备一定的认知能力，能够采集海量的非结构化、半结构化、结构化等数据，并对海量数据进行准确识别、整合与分析，大幅提升了基础会计工作的效率。庄楷指出，财务机器人具有工作效率高、计算精确等一系列优点，能够替代多名财务人员完成基础会计工作，如数据接收、统计、发布、对账、账务处理等，有效降低了企业的人工成本。董春英进一步研究表明，RPA机器人可广泛应用于发票审核、凭证录入、对账核销等基础会计场景，能够实现这些工作的全自动化处理，减少人为误差，提升工作效率，目前已在大型企业、国有企业中实现规模化应用，部分中小企业也逐步引入财务机器人，推动会计核算的自动化升级。此外，国内研究还聚焦于财务机器人与企业现有会计系统的适配性，优化机器人的操作流程，提升技术应用的可行性。4.1.2会计人员技能转型与培养研究随着人工智能在企业会计中的应用，会计人员的职能发生了显著变化，从传统的核算人员向分析型、决策型、管理型人才转型，因此，会计人员技能转型与培养成为国内研究的热点。Luo,J.,Meng,Q.andCai,Y.在《AnalysisoftheImpactofArtificialIntelligenceApplicationontheDevelopmentofAccountingIndustry》中指出，目前我国会计行业正处于从基础财务会计向管理会计过渡阶段，会计人员应注重个人职业技能的提高和职业道德的培养，树立终身学习的观念，以适应未来会计行业快速变化和发展的要求。张晓萌研究发现，传统模式的会计工作中基础核算工作占据主导地位，而在人工智能背景下，会计职能核心出现转移，从核算、监督过渡到预测、决策、评价，这就要求会计人员具备数据分析、风险管控、决策支持等相关技能，摆脱对基础核算工作的依赖。李学花进一步指出，在实现职能转型的过程中，财务会计人员必须了解管理会计的基本内涵及职能定位，区分二者之间的差异性，提升自身的综合素养，才能适应人工智能时代的会计工作需求。此外，国内研究还关注会计教育的改革，提出优化会计专业课程体系，增加人工智能、大数据等相关课程，培养具备智能化技能的会计人才。4.1.3中小企业会计智能化转型研究国内中小企业数量众多，会计工作基础相对薄弱，因此，中小企业会计智能化转型成为国内研究的重点方向之一。2023-2026年，研究重点聚焦于中小企业会计智能化的路径设计、成本控制、技术适配等方面，提出了一系列针对性的解决方案。吴迪研究发现，现代会计管理目前主要以手工作业为主，人工智能作为主要的现代会计管理手段尚未普遍应用与推广，企业数据收集主要以原始的市场调研为主，虽然大数据技术在企业得到一定的应用，但并没有引起企业领导阶层的普遍重视，这一问题在中小企业中尤为突出。江鑫庭指出，在会计职能转变的过程中，企业应与相关部门相联合，促进会计部门工作内容的调整和升级，将工作重心从会计核算转移至综合性的会计管理上，完成会计数据采集、整理、分析、管理和决策一系列任务，这一思路也为中小企业会计智能化转型提供了重要参考。研究人员提出，中小企业应结合自身规模、经营特点，选择轻量化、低成本的人工智能技术与产品，如云端财务机器人、简易智能化核算系统等，逐步实现会计智能化转型，同时加强与大型企业、科研机构的合作，借鉴先进的技术与经验，降低转型成本与风险。4.1.4政策引导与技术适配研究国内研究注重政策引导对人工智能在企业会计中应用的推动作用，结合我国会计行业的政策导向，研究政策与技术应用的结合点，推动人工智能与企业会计的深度融合。张晓璐、王彩霞研究发现，人工智能技术的发展为会计数据采集、处理、决策支持等方面提供了强有力的技术支持，利用这些数据能更好地预测企业未来的发展，而政策引导能够规范技术应用，推动企业加快会计智能化转型的步伐，有效推动了会计数据实现质的飞跃。庄飞鹏、闫慢慢进一步指出，人工智能在企业各个领域的广泛应用，使得企业各级管理人员能够利用会计部门提供的精准数据对日常各项经济活动进行有效地规划与控制，从而更好地改善经营管理，及时应对各种突发状况和环境的变化，更好地创造和维护价值，提高企业的经济效益，而政策的支持能够为这种融合应用提供良好的发展环境。此外，国内研究还关注人工智能技术与我国会计法律法规、会计准则的适配性，优化技术应用流程，确保技术应用符合相关规范，防范合规风险。4.2研究特点与局限性国内研究的核心特点是：一是政策导向性强，紧密结合我国会计行业的政策要求，推动人工智能与企业会计的融合应用；二是聚焦于实际应用，重点解决企业会计智能化过程中的技术适配、成本控制、人才短缺等实际问题；三是注重中小企业的应用推广，结合中小企业的特点，提出针对性的解决方案；四是强调会计人员的技能转型，注重人才培养对会计智能化的支撑作用。其局限性主要表现为：一是技术创新能力不足，多数研究集中于现有技术的应用与优化，原创性技术研发较少，核心技术仍依赖国外；二是理论研究相对滞后，对人工智能与会计融合的理论体系、内在机制研究不够深入；三是区域发展不均衡，东部地区企业会计智能化水平较高，而中西部地区企业应用相对滞后；四是数据安全与隐私保护体系不够完善，存在会计数据泄露、滥用等风险。5国内外研究对比与存在的关键问题5.1国内外研究对比2023-2026年，国内外关于人工智能在企业会计中应用的研究存在明显的共性与差异，具体对比如下：共性方面：一是研究领域高度重合，均聚焦于会计核算、审计监督、风险管控、决策支持等核心场景；二是研究趋势一致，均朝着技术深化、场景拓展、风险管控、人才适配的方向发展；三是均注重理论与实践的结合，强调研究成果的落地应用；四是均关注人工智能应用带来的风险与伦理问题，致力于构建风险防控体系。差异方面：一是研究重点不同，国外研究注重技术创新与决策支持，聚焦于复杂场景的智能化应用，同时注重伦理规范与风险防控；国内研究注重技术适配与场景落地，聚焦于中小企业转型与会计人员技能提升，同时注重政策引导的作用。二是技术应用水平不同，国外技术应用更为成熟，核心技术自主研发能力强，实现了全场景智能化覆盖；国内技术应用仍处于初级阶段，核心技术依赖国外，部分复杂场景仍需人工干预。三是研究视角不同，国外研究更注重微观企业层面的技术应用与效果分析，国内研究则兼顾宏观政策引导与微观企业实践，注重区域均衡发展与中小企业适配。5.2当前研究存在的关键问题结合国内外研究现状，当前人工智能在企业会计中应用的研究仍存在诸多关键问题，制约了技术的深度融合与应用推广，主要集中在以下几个方面：5.2.1核心技术创新不足，适配性有待提升国内外研究均存在核心技术创新不足的问题，尤其是国内，核心技术（如高端机器学习算法、自然语言处理技术）仍依赖国外，原创性技术研发较少。同时，现有人工智能技术与企业会计场景的适配性仍有待提升，部分复杂会计场景（如特殊账务处理、税务筹划、复杂审计）的智能化水平较低，难以完全替代人工，技术应用的针对性与有效性不足。5.2.2数据安全与隐私保护问题突出人工智能在企业会计中应用需要大量的企业财务数据、经营数据作为支撑，这些数据涉及企业商业秘密与隐私，一旦泄露或滥用，将给企业带来巨大损失。当前，国内外均存在数据安全与隐私保护体系不完善的问题，数据加密、访问控制、风险防控等技术仍有待优化，相关的法律法规与监管机制不够健全，难以有效防范数据安全风险。5.2.3会计人员技能转型滞后，人才短缺人工智能的应用推动会计人员职能转型，但当前国内外均存在会计人员技能转型滞后的问题。传统会计人员缺乏人工智能、大数据、数据分析等相关技能，难以适应智能化会计工作的需求，而具备智能化技能的复合型会计人才短缺，成为制约人工智能与企业会计深度融合的重要因素。同时，会计教育体系的改革滞后，难以满足企业对复合型会计人才的需求。5.2.4中小企业应用门槛高，推广难度大无论是国外还是国内，中小企业会计智能化应用的推广难度均较大。中小企业规模小、资金有限、会计基础薄弱，难以承担人工智能技术的研发与应用成本，同时缺乏专业的技术人员与管理人员，导致人工智能技术在中小企业中的应用普及率较低，呈现“大型企业领跑、中小企业滞后”的两极分化格局。5.2.5理论体系不完善，伦理规范缺失当前，人工智能与企业会计融合的理论体系仍不够完善，对二者融合的内在机制、价值创造路径、风险传导机制等研究不够深入，缺乏系统性的理论支撑。同时，人工智能在会计领域应用的伦理规范缺失，算法偏见、技术滥用等问题难以得到有效规范，影响会计工作的公平性、透明度与可信度。6未来研究方向展望结合2023-2026年国内外研究现状与存在的问题，结合人工智能技术的发展趋势，未来人工智能在企业会计中应用的研究将重点聚焦于以下几个方向，推动技术与会计的深度融合，解决当前存在的关键问题：6.1强化核心技术创新，提升场景适配性未来，国内外研究将重点聚焦于人工智能核心技术的原创性研发，尤其是国内，应加大对机器学习、自然语言处理、区块链等核心技术的研发投入，突破国外技术垄断，提升核心技术自主可控能力。同时，加强人工智能技术与企业会计场景的深度适配，针对复杂会计场景（如特殊账务处理、税务筹划、复杂审计），优化技术路径与算法模型，提升技术应用的针对性与有效性，实现全场景智能化覆盖。6.2完善数据安全与隐私保护体系加强数据安全与隐私保护技术的研发与应用，优化数据加密、访问控制、风险防控等技术，构建全方位的数据安全防护体系。同时，完善相关的法律法规与监管机制，明确人工智能在会计领域应用的数据安全责任，规范数据采集、存储、使用、传输等环节的行为，防范数据安全风险与隐私泄露问题，保障企业商业秘密与隐私安全。6.3推动会计人员技能转型与人才培养加快会计教育体系的改革，优化会计专业课程体系，增加人工智能、大数据、数据分析等相关课程，培养具备智能化技能的复合型会计人才。同时，加强对现有会计人员的培训，提升其人工智能应用能力、数据分析能力、决策支持能力，推动会计人员从核算型向管理型、决策型、分析型转型。此外，完善人才激励机制，吸引更多的复合型人才投身于会计智能化领域，缓解人才短缺问题。6.4降低中小企业应用门槛，推动规模化推广针对中小企业的特点，研发轻量化、低成本的人工智能技术与产品，如云端财务机器人、简易智能化核算系统等，降低中小企业的应用成本。同时，加强政府政策支持，加大对中小企业会计智能化转型的扶持力度，提供资金补贴、技术指导、人才培训等支持，推动人工智能技术在中小企业中的规模化推广。此外，加强大型企业与中小企业的合作，实现技术、经验、人才的共享，提升中小企业会计智能化水平。6.5完善理论体系与伦理规范加强人工智能与企业会计融合的理论研究，深入探讨二者融合的内在机制、价值创造路径、风险传导机制等，构建完善的理论体系，为技术应用与实践落地提供理论支撑。同时，制定人工智能在会计领域应用的伦理规范，明确算法设计、技术应用的伦理准则，防范算法偏见、技术滥用等问题，保障会计工作的公平性、透明度与可信度。此外，加强国内外学术交流与合作，借鉴先进的研究成果与实践经验，推动人工智能在企业会计领域的健康、可持续发展。7结论本文系统梳理了2023-2026年国内外人工智能在企业会计中应用的最新研究成果，分别从国外、国内两个维度，详细分析了各类研究的核心方向、技术路径、实践成效及局限性，对比了国内外研究的共性与差异，总结了当前研究中存在的核心技术创新不足、数据安全风险突出、会计人员技能转型滞后、中小企业应用门槛高、理论体系不完善等关键问题，并结合人工智能技术的发展趋势，展望了未来研究方向。研究表明，人工智能技术已成为推动企业会计转型的核心动力，国内外研究均呈现出技术深化、场景拓展、风险管控、人才适配的发展态势，国外研究注重技术创新与决策支持，国内研究注重技术适配与场景落地，二者各有侧重、相互补充。尽管当前研究取得了显著进展，但仍存在诸多关键问题，制约了人工智能与企业会计的深度融合。未来，随着核心技术的不断创新、数据安全体系的不断完善、会计人才的不断培养、政策支持的不断加强，人工智能与企业会计的融合将更加深入，逐步实现会计工作的全流程智能化，推动企业会计从“核算型”向“管理型”“决策型”转型，为企业提升核心竞争力、实现高质量发展提供有力支撑。同时，通过国内外学术交流与合作，不断完善理论体系与伦理规范，推动人工智能在企业会计领域的健康、可持续发展。参考文献[1]CindyGreenman.ExploringtheimpactofArtificialIntelligenceontheAccountingProfession[J].JournalofAccountingandPublicPolicy,2024,43(2):102589.[2]ZehongLi,LiZheng.TheImpactofArtificialIntelligenceonAccounting