現今數位趨勢下，善用人工智慧（AI）等數位工具更能提升個人及企業產出效率。安永認為，企業需將AI和相關數據納入企業策略，以實現數位化目標，從設計階段將對AI的信任納入系統建構架構，才能大規模實施智慧自動化工作；對於有資料比對需求的財稅部門作業，透過AI機器學習進行流程自動化後，預估可釋放約70%的人工工時。
調查6成5 CEO：AI可提高企業生產效率 8成CEO將AI納入資本配置
安永近期發布「全球CEO展望脈動報告」 (EN)，調查全球1,200位企業CEO如何使用AI以及未來利用該技術的計畫。65%受訪CEO認為AI可以驅動生產力、提高企業及員工的業務效率，創造更積極的結果，但是CEO對AI優勢的信心卻因擔憂未知後果而減少；也有幾乎相同比例的CEO認為，AI取代人工的影響，將會因為相關技術在未來創造出新的職務和工作機會而抵銷。
67%CEO認為，需要做更多工作來解決AI推動下可能導致未來的社會風險、道德風險，以及犯罪風險（如網路攻擊、虛假資訊和深度偽造等）；對於管理AI無意間對業界和社會造成的重大影響方面，也仍然做得不夠。此外，88%受訪CEO正將AI納入資本配置，其中43%正積極投資AI技術，另外45%表示計畫未來一年內對AI進行重大投資。
AI機器學習 可運用在資料比對高需求的作業 釋放員工重複性作業時間
那麼AI可導入在哪些工作場景？安永聯合會計師事務所稅務科技服務資深副總經理詹大緯指出，AI可多加運用在有資料比對需求的作業，以財稅部門為例，應付帳款付款流程、AP／AR對帳、費用報銷、納稅憑證核對等的應用都很適合，可以大幅釋放員工進行此類重複性作業的時間，讓員工投入於高附加價值工作。
例如一般的付款流程需要比對發票與收料資料後入帳，即使可取得電子發票檔，或是將紙本發票用影印機掃描或手機拍照存為圖檔後進行電腦影像辨識（一般稱OCR）擷取，但OCR常會因為發票格式或文字語系變化而出現準確度降低的問題，仍需投入大量人力後續處理；若選擇將各種格式建立發票模型以調教OCR，由於變化種類及數量無法預期，人工建立模型的時間與後續維護都是一大挑戰。
若使用AI機器學習（ML）在上述應付帳款付款流程上，可將AI機器學習帶入發票模型訓練，降低人工建立模型的時間與後續維護，逐漸改由AI自行訓練，之後即使發票檔有格式異動，可以將人力介入降到最低。解開了自動化對帳及入帳作業的瓶頸後，預估可釋放約70%人工工時。
AI機器學習透過三大步驟優化擷取效果：
匯入發票檔：匯入多筆發票檔，標記各類發票的資訊位置，訓練AI模型。
發票資料檔分類，再擷取需要的資訊：匯入大量發票資料後，AI會分類不同類型的發票，依據之前訓練就不同的發票特徵，擷取對應位置的資訊。
人工確認回饋：透過人工複核擷取結果，回饋給AI學習，增加發票模型的準確度。訓練初期人工回饋比重可能較多，但每次回饋都能讓AI延伸訓練，人工回饋比重將逐漸減少，達到真正的「AI自我訓練」。
詹大緯指出，此種AI機器學習模型的解決方案，除了辨識文件內容，還可幫文字加註定位記號，使解析結果更準確。他提醒，企業應用AI時，除了考慮對平臺或系統影響之外，更要考慮作業流程的優化，以及整體組織架構及工作任務要如何重新設計，才能產生正向的連鎖效應，協助企業成功數位轉型。