人工智能发展方向可分成三层。基础层是运算智能，包括快速运算的能力、强大的数据存储能力。进阶层是感知智能，包括视觉、听觉、触觉等感知能力。最上层是能理解，会思考，垂直领域有望达到专家平均水平。认知智能是人工智能未来的发展方向。认知智能和管理会计结合起来就意味着用人类的智慧和人类思考方式驱动机器、支持领导的决策过程，让企业更便捷地获取数据、洞察数据，进行更高效的决策。 关键技术说明 如果说数据中台帮助管理会计奠定数据质量的基础，那么数据智能就是让管理会计展翅高飞的翅膀。其中，知识图谱、机器学习、自然语言是目前应用最多的3项核心技术。自然语言处理是赋予机器与人类沟通的能力，无须学习复杂的计算机系统，机器通过NLU来识别用户意图，通过NLG把结果翻译成易于理解的话。机器学习赋予机器从数据中自动总结规律生成算法的能力。机器学习框架与算法的不断发展，普通用户也可便捷享受到成果。知识图谱赋予机器进行推理的能力，可快速从海量信息中心找到关联信息。从数据中抽取信息融合成知识，可通过推理为决策提供支持与解释。3项核心技术中，机器学习在管理会计研究中的应用最为广泛，自然语言处理和知识图谱技术逐渐成为学者们关注的焦点。 智能交互在管理会计报告中的应用 智答就是通过自然语言提问的方式，检索、计算数据仓库和数据模型中的数据，秒级呈现结果。用户以微信式聊天、百度式搜索的方式与系统进行互动，随时随地、实时高效与数据进行“无门槛”交互。支持这种搜索的底层是自然语言处理和知识图谱构建，把企业内部关键词和每个管理者习惯使用的关键词以及机器语言表达之间建立有效关联。智能语意模型可识别业务术语、日常用语，非标口语化表达，将有效信息整合形成能够有效关联相关基础信息的工具，既包括内容的匹配，又包括运算方式和工具的匹配以及相关底层数据的整合，支持多轮对话，可继承上文实体，支持高阶递进分析场景。同时，打破数仓的物理限制，灵活实时获取分析所需数据，提高使用者的数据决策力。在整合过程中，涉及对于白盒模型的展开，将专家对问题的分析方法教给机器，以增强用户的数据分析能力，提高使用者的数据决策力。 智能问答根据分析对象自动推荐最适合的数据可视化展示，使用AI推荐引擎自动生成可视化图表呈现数据特征。在与使用者的交互中实现模型的迭代升级，挖掘使用者的个性化偏好，使AI成为每个人的专属助手。未来的方式是通过企业商业模式的深入洞察，对当下企业管理经营偏差的一系列搜索形成问题集，通过AI算法重塑人与数据的关系，定位每个人应关注的指标，并建立预警管理闭环，将数据第一时间推送给适合的人。 在结果呈现方面，智能预警支持丰富的预警规则定义。在AI算法的帮助下，不再是单指标的预警，而是更多从挖掘原因的因果追溯到对未来若干情景的悲观乐观模拟以及对于相关驱动要素的整合。企业能够基于量化的数据的信息进行有效的分析。这依赖于数据中台的建设。 在数据准备方面，企业无须重整数仓，即可实现快速引入数据智能平台，轻松完成数据智能准备工作。一系列非侵入式数据准备依赖现有数据基础，结合现有工具，形成能够有效控制权限，以及灵活共享、快速迭代的有效方式。这些应用整合成一套方法论，从结构化数据、半结构化数据、非结构化数据的形成，到相关知识图谱的构建，将知识图谱中场景和时间的关系、事件和时间的关系、事件之间的关联关系以及结构化的因素、驱动因素、关联关系因素形成应用于搜索、风险管控、推理等相关的场景。 数据智能的应用可以分成若干个级别，包括辅助分析、部分自主、条件自主、高度自主、完全自主。不同的分析自主水平决定了最后输出报告的质量有效性。不同自主分析的条件对数据改善、模型改善、工具改善和管理场景贴合提出不同要求。在这种情况下，更好地发挥在管理会计的应用，需要进一步深入理解管理会计数据化、智能化、场景化、贯通化的要求。未来，企业依靠认知智能的一系列工具辅助领导者决策。认知智能将会改变企业运行和决策的模式，推动管理会计在企业应用方式的跃迁。
