德勤：从人类驱动到人与AI驱动！

来源：节选自《营 AI行动方案：传统企业如何决胜人工智能转型 》，中信出版社授权发布

作者：托马斯·达文波特，尼廷·米塔尔

导语：德勤，它正在从一家完全以人为主的专业服务机构转变为一家由智能人类与智能机器并肩工作的机构。

我们之所以对讲述德勤的故事特别感兴趣，是因为我们曾在德勤工作或与之合作——尼廷·米塔尔是德勤美国AI业务的联席主管，托马斯·达文波特是德勤10多年的高级顾问。德勤是业务重心调整的一个很好的案例：它从几乎完全专注于由人类专业人员来执行业务（从1845年德勤在伦敦创立开始），到致力于AI驱动并采用人与机器协作组合的方式。德勤尚未完全完成AI驱动的转型，而且几乎不会放弃人工劳动力，该机构在全球拥有近35万名员工。然而，该机构正在将全面使用AI作为其为客户提供专业服务的标志。这是业务重心的一个重大变化。德勤的商业、全球和战略服务管理负责人贾森·吉扎达斯坚信，该机构需要进行转型，以便在更智能的经济中发挥领导作用，并且他也支持这种转型。我们在其他很多案例中看到，一家公司要想成为AI驱动的公司，需要一位高级管理人员的远见、激情和精力。吉扎达斯就扮演着这个角色，他动员德勤所有必要的利益相关者来支持这项投资、使命和历程。

AI是多项被称作战略增长机会的优先投资方向之一，这些投资被视为会对其所在的全面经济体产生影响。吉扎达斯全面负责将AI（以及其他优先投资）能力整合到德勤的业务之中。

由尼廷共同领导的AI战略计划的期限为6年（2021—2026年）。该计划详细说明了每家公司如何利用AI，然后打造一个社群；与英伟达、亚马逊网络服务和谷歌等合作伙伴建立进入市场的关系；建立新的实践领域；以及进行长期投资。双方共同关注的重点是利用AI实现内部功能和流程，以及创建新的客户产品。吉扎达斯评论道：“我们的AI计划植根于这样一种信念，即AI可以改变我们的成本结构和能力体系。它更像是一个转型的议程，而不是以发展行业中每个人都拥有的‘赌注’能力为目标。大多数领先的客户都在这段历程中，因此我们必须走在AI应对新的复杂挑战的前沿。”

吉扎达斯认为，虽然德勤尚未实现AI驱动，“但我们已经完成了我认为最困难的部分——在整个德勤内部围绕AI进行动员和打造关注度”。但他指出，在每项业务以及人才管理和财务等基础设施流程方面，还有工作要做。AI计划还包括为AI初创公司的重大收购提供资金，专注于政府程序完整性领域的新服务，以及协助客户创建和管理智能工厂。

这种转型不同寻常，这不仅体现在商业模式变化的幅度上，而且体现在AI被采用的方式上。与其他“四大”全球专业服务机构一样，德勤也拥有庞大的全球成员机构网络。在大多数情况下，每家成员机构都在一个国家或地区开展业务，其组织结构和业务实践符合当地的监管环境。每家成员机构开展业务的领域都很类似，包括审计、税务、咨询和顾问服务。以往德勤的大多数创新都发生在成员机构内部，但向AI的转变是全球性的。审计、税务、咨询和顾问部门的创新团队一直在努力创建可在全球范围内使用的解决方案，尽管有些解决方案可能需要进行修改或调整才能符合当地法规。

各业务领域之间也存在协作，例如，将客户数据整合成一个通用格式进行分析，对审计和税务的业务实践来说可能都是一项挑战，但他们已经协作开发了相关工具来实现这一目标。咨询业务为客户打造了一套AI服务，并配有专业人士，这就是所谓的AI工厂，咨询团队中的一些人从事审计和鉴证业务。提升德勤员工在AI方法和工具方面的技能是德勤的首要任务，因此基于AI战略计划，德勤在2021年成立了AI学院，该学院在客户业务流程和战略的背景下教授AI，并已经成为市场上AI人才的创造者。

一、审计和鉴证业务的AI

相对于德勤的其他业务部门，审计和鉴证业务部门致力于提升AI能力的时间更长。德勤的AI开发始于2014年乔恩·拉斐尔领导的创新和客户服务交付团队。名为Omnia的全球AI平台（可进行本地化定制）将用于支持全球各地成员机构的审计业务。这是一组工具和方法，可以自动执行一些审计事务、确定人类审计师的审查优先级，并为客户提供有关其业务和风险的见解。这个平台会不断发展，并已经在德勤的外部审计工作中使用AI执行关键任务方面取得了巨大进展。从一开始，他们就采用了最佳的方法，包括监控世界各地的新技术初创公司。有些能力主要是内部开发的，其他能力则主要来自外部供应商。例如，Kira Systems是一家总部位于加拿大的初创公司，其软件产品可以从法律文件中提取合同条款。在审计的文档审查过程中，这是非常有用的能力。审计师以往必须仔细阅读大量的合同，才能提取关键条款。但现在，Kira Systems的自然语言处理技术可以识别并提取合同中的关键条款。对于很多不同的内部和外部开发的用例，Omnia的功能就像一根支柱，可以很容易在其中添加新的工具。

Omnia从一开始就是一项全球性计划。尽管它首先在一家美国客户那里进行试点，但它是基于全球思维来打造的。开发人员采用敏捷方法进行试点和快速学习。Omnia的开发将标准化作为首要原则，但有时在特定国家或地区需要进行局部修改。各国或地区之间存在重要差异，包括数据隐私、审计流程和标准、法律和风险处理方法，以及业务决策。有些国家或地区还要求在其境内存储公司的审计和其他类型数据。Omnia还能灵活地支持对大型上市公司和小型私有公司等不同客户的审计。

对公司进行审计时，一个关键点是以易于分析的格式获得其核心的财务和运营数据。当然，不同的公司在数据结构方面有所不同，因此公司将相关数据提取到审计平台可能需要大量的劳动力。不过，德勤开发了Cortex系统，可以自动从客户的业务系统中提取日记账分录和其他所需数据，以供分析使用。拉斐尔认为，开发一个适用于所有客户的通用数据模型是打造Omnia平台最困难的部分，他有些后悔没有提前开始这项工作。德勤在2018年招募了一名首席数据官之后，打造Omnia平台的速度加快了。

Omnia平台上的系统具有多种能力。其中一个名为Signal的系统通过分析公开可获得的财务数据，可以识别客户业务中的潜在风险因素。Cortex对日记账分录数据集执行实时分析，以识别与会计、运营和控制相关的模式。Reveal使用预测分析来识别审计感兴趣的领域，以供人类审计师进一步审查。Omnia平台最近增加了一个值得信赖的AI模块，可以评估AI模型的偏见。

德勤的审计创新团队在开发将AI应用于审计程序的所有用例时，会遵循一个通用的流程。这个流程包含以下5个步骤。

1. 简化及标准化。第一步是创建一个通用的、简化的流程或程序来执行任务。在这一点上，他们没有引入任何新的技术，只是创建了过程流和程序文档，介绍了通用的整体工作流程，然后添加特定司法辖区所需的个别变体。

2. 数字化和结构化。数字化是AI技术从数据中进行学习的前提条件，它使用某种形式的信息技术（可以搜集数据并监控性能）来支持任务。数字化也是任务结构化的下一步。所采用的技术通常能够指定活动执行的顺序。

3. 自动化。一旦任务被数字化和结构化，它通常就变成了一个简单的过程来自动化其性能，通常使用某种专有的工作流甚至机器人过程自动化工具。这一步骤减少了对体力劳动的需求，并且通常可以改善周期时间和一致性。例如，德勤通过工作流程技术将审计中的确认流程完全自动化，即向多个外部第三方发送信函以确认财务事项。

4. 使用高级定量分析和定性分析。自动化流程可以通过描述性分析进行监控，也可以通过预测性分析或规范性分析更好地进行测试。此外，客户数据还补充了外部数据，以进一步改进风险评估流程或识别实质性测试异常值。

5. 实施认知技术。向AI任务转型的最后一步是实施AI技术，使任务变得更加智能，从而从审计师与底层数据的交互中进行学习（如机器学习）。随着时间的推移，AI工具可能会学会更好地执行任务，或者它们可能会将智能决策应用于任务的某个方面（如提取和分析合同条款）。

上述每一个步骤都可以单独提高审计质量，并为德勤审计师和客户提供更及时、更有意义的见解。

这个流程似乎正在发挥作用。德勤的审计创新在2015年、2018年、2020年、2021年和2022年的英国数字财会论坛及颁奖典礼上连续获得“年度数字创新”大奖。当然，其他四大会计师事务所也在审计中采用AI，但我们的感觉是，德勤在AI方面处于领先地位。

审计创新团队也开始改变其人才模式，以支持AI能力的开发。该团队已经招募了多名拥有博士学位的数据科学家和数据科学家实习生，并越来越多地招聘具有数据和IT教育背景的学生。

拉斐尔认为，客户对Omnia的审计结果感到满意，尤其是其基于数据揭示的业务洞察水平。他相信AI正在提高审计质量，它所带来的效率因审计和客户而异。有时它会揭示需要人类审计师进一步调查的感兴趣的项目，但这会提高审计质量。Omnia还支持更多的工作在客户的现场之外完成，这在新冠疫情时期发挥了巨大的作用。拉斐尔对Omnia的进一步发展以及进一步在全球推广的可能性感到兴奋。他的团队现在正在考虑一些场景和模拟，使客户能够在自己的业务中构想出气候相关的替代计划。它还在解决日记账分录的可视化显示以及替代财务结算模拟的可能性。他的团队正与德勤的顾问团队及英伟达的合作者进行复杂的视觉模拟。

二、税务AI

税务通常分为前瞻性战略项目和使用历史信息的监管合规活动。这两个领域的共同点是大型数据集的复杂分析。从历史上看，该分析由税务专业人员使用当时最好的技术手动执行。德勤正在致力于税务工作的机器学习，其理念是将税务专业人员的工作与AI驱动的流程相结合，可以在准确性、效率和洞察力方面产生更好的整体效果。

德勤税务分析洞察业务的AI战略增长机会负责人贝丝·穆勒评论道：“在税务领域使用AI的机会比比皆是。我们专注于将高度技术性的税法应用于具体事实。支持AI的工具和流程将继续发展，使我们客户的税务部门能够成为其组织中更好的业务合作伙伴。”

在战略性税务工作领域，税务专业人员通常会在时间和信息有限的情况下做出对组织有重大影响的决策。由于税务部门往往是最后获悉业务情况的部门，其做出最明智决定的能力可能会受阻。不过，借助AI，我们可以在决策过程中融入针对税务的算法，以便更早地标记税务方面的考虑，并让税务部门更早地在决策中占据一席之地。

税务监管合规性的很大一部分工作（如外部审计）是从客户的业务系统中提取数据。企业资源计划和其他公司系统通常不是为税务合规性而构建的，因此必须从这些系统中提取关键信息，并通常要根据税务规则进行重新分类。德勤已经建立了一个名为Intela的平台来与客户合作开展业务，该平台包括AI驱动的功能，可以对数据进行提取和分类，并向税务专业人士和客户提供见解。试算平衡表账户的分类是正在应用自动分类的一个税务数据领域，它可以为每个账户的税务分类提供初步确定（如可抵扣与不可抵扣）。其他分类（如涉及间接税的分类）也正在实现自动化。一旦平台搜集了所有需要的数据，德勤就利用机器人流程自动化和其他技术解决方案来执行计算、准备纳税申报单，并在人工驱动的审核流程之外执行额外级别的质量审核检查。它还可以对税务数据进行定量分析，以确定客户可能需要考虑的一些见解。

与审计业务一样，过去的税务监管合规性通常需要税务专业人员进行大量的手动工作——查找数据、从一个系统取出数据并将其输入另一个系统、编制计算工作底稿等。大部分的体力劳动已经被淘汰，随着时间的推移，更多的体力劳动将会消失。这样，税务专业人员就可以腾出更多时间来分析客户的税务状况，并提供改善税务状况的建议。在公司的税务部门实施自动化和AI，符合一些全球税务机关改进税务合规流程的设想。在某些情况下，税收合规的某些领域可能仅仅涉及一个系统与另一个系统的对话，而围绕着这些系统构建的AI可以识别潜在的准确性风险。

三、咨询行业的AI

咨询是德勤结构化程度较低的业务之一，但这并不意味着其专业人员没有机会应用AI。尼廷是AI咨询业务的负责人，他和同事们正在寻求多种机会来改变咨询师使用这项技术的工作方式。AI创造的机会大致可分为两类：打造能力和启动新业务。

从咨询实践中可知，要从由人类驱动的公司转变为由人和AI驱动的公司，关键是要快速打造必要的能力，推动当今智能化程度更高的经济。鉴于AI在当今的商业和社会中越来越受到重视，德勤咨询必须拥有必要的AI能力来为客户提供服务。这些能力包括对话式AI、计算机视觉、使用AI技术处理来自物联网和边缘设备的数据，以及AutoML的应用。德勤的目标是大规模积累这些能力所需的知识和技能，让大多数德勤的咨询师可以帮助客户实现业务转型，而不是由一个小型的专业团队来提供AI服务。这项工作的背景包括联络中心的数字化、制造运营的现代化以创建智能工厂，或将云端服务扩展到客户网络的边缘侧。在AI学院内部，德勤与培训机构合作，为参与AI业务应用的咨询师创建定制课程，并将必要的AI能力扩展到咨询实践中。

另一个重点领域是启动新业务。此举旨在将德勤咨询的传统商业模式扩展到新的商业模式，从而巩固其在未来10年的市场地位。AI战略计划重点关注的是德勤咨询已经具备领先能力的领域，并启动新的业务，这些业务将在未来10年改变德勤在这些领域的咨询方式。

例如，德勤拥有规模最大的数据实施业务之一，能帮助客户将数据迁移到云端。现在，该机构正在研究如何帮助客户利用这些数据，并成为AI驱动的公司。德勤咨询推出了一项名为ReadyAI的新业务，这是一项“AI能力即服务”的业务，旨在为客户提供预先配置了互补技能集的团队。这些团队帮助客户决定如何处理其数据，并使用标准的AI流程和工具（包括机器学习和深度学习）来开发用例。ReadyAI使客户能够迅速启动自己的AI工作。与典型的咨询业务不同，这项服务没有预定义的需求或可交付成果，服务团队通常由客户指导。

另一项已经启动的新业务涉及开发自动事务流程，并且客户能够预订这些流程。德勤历来是企业资源计划系统实施的领导者。这些系统将业务流程数字化，但很多公司现在的目标是尽可能采用自动流程。德勤与其技术供应商合作，推出了一项新业务，使用AIOps实现涉及多个事务系统的流程自动化，这些工作通常需要大量的人力来操作。这些流程被分解为独立的事务，开发的算法在其中做出智能决策，从流经它们的数据中不断学习，并触发自动动作。这些算法被打包成客户可以预订的独立微服务。

德勤咨询推出的第三项新业务是为制造业客户打造智能工厂。随着传感器在工厂车间普及，制造过程的每个步骤都会产生大量数据。汇集这些数据并应用算法来持续分析和改进流程是工厂智能化的关键。通过智能摄像头进行实时监控和调整，这些设备可以形成一个制造、运营基本自主的系统，而且还能自我改进。在为企业实施全球供应链方面，德勤已经处于领先地位，但智能工厂的新业务将其推向了一个新的层面：在制造与供应链流程交叉点上由AI驱动的领域。

在咨询领域尝试AI后，德勤从中学习到了三个重要经验。要踏上AI驱动的历程，企业需要做到以下三点。

•实现当前业务的现代化。德勤专注于AI能力的打造，旨在实现服务的AI化及现代化，从而在当今更智能的全球经济中为客户提供建议、实施系统和运行流程。

• 以长远眼光发展业务。与大多数成功的公司一样，德勤也认识到，它需要建立能够在未来10年带来红利的新业务。AI战略计划涉及多年投资计划、专注的领导力、执行推动力以及整个公司内争取长期利益而非短期收益的共识。

• 不断探索以寻求下一个目标。AI战略计划在推动一个结构化项目，同时在咨询业务的不同团队中不断试验，以确定下一个伟大创意。这方面的一个例子是寻求业务应用的自主编程。德勤咨询的很多项目都涉及某种形式的编程，因此该机构正在积极尝试使用AI来生成代码。由OpenAI开发的强大的GPT–3 AI模型被证明不仅擅长生成文本，而且擅长生成某些类型的计算机程序。这种能力是开源工具Codex的核心，该工具将程序的英文文本描述转化为代码。德勤的咨询师正在积极调查，以了解Codex在什么情况下可以提高生产力，并允许非程序员生成代码。

这三个经验已经并将继续作为咨询业务实践中AI计划的指导原则，它们推动AI战略、投资和领导力重心。该业务的领导者还坚信，如果德勤打算帮助其客户实现AI驱动，它也需要AI为自己提供动力。

四、风险和财务顾问领域的AI

德勤的风险与财务顾问业务专注于帮助客户降低各种类型的风险。在过去，它利用商业上可获得的AI工具来协助执行一些客户项目，例如自动生成反洗钱可疑活动报告。但通过AI战略增长机会，顾问业务开启了一项新的AI战略，该战略由伊凡·塞夫等高级负责人以及这家美国机构的AI业务联席主管尼廷共同推动。这些领导者能够理解执行团队的心态、推动变革，并营造必要的紧迫感。新战略的基础是针对领先的数据科学家打造的可重复使用产品的开发。埃德·鲍恩于2020年成为该业务的AI团队负责人，他拥有制药行业的遗传学数据科学背景，随即加快了对拥有数学和科学背景的博士和数据科学家的招聘工作。

顾问业务的AI团队已经开发并交付了4款产品，其中两款用于网络安全，一款用于检测医疗欺诈，一款涉及会计控制。网络安全是一个AI潜力巨大的领域，因为其中数据太多，人类无法全部监控和理解，并且网络犯罪分子本身也在越来越多地使用AI。与咨询业务一样，顾问业务部门也开发了一个标准的AI平台，并汇集了若干大规模的数据资产。在德勤的所有业务部门中，顾问部门的AI方法是研究导向最显著的方法之一，其由尖端算法驱动。如果这种方法获得成功，那么战略增长机会将确保将其推广到其他业务部门。

在所有这些不同的业务领域，德勤都明确强调专业人士与智能机器密切合作，而不是自动化。目前，人类仍在承担着大部分任务。不过，未来的某个时刻可能会出现一个转折点，机器将为客户执行大部分任务，而人类只需确保这些机器正在执行人类预期的工作。当几乎所有的德勤员工都在与AI系统合作时，这可能表明AI在德勤的未来已经到来。

作者简介：

托马斯·达文波特，巴布森学院信息技术与管理学校长特聘教授、牛津大学赛德商学院客座教授、麻省理工学院数字经济倡议研究员，以及德勤AI实践高级顾问。他在《哈佛商业评论》《麻省理工斯隆管理评论》《金融时报》等媒体上发表了300多篇文章，在《华尔街日报》《福布斯》等媒体撰写专栏，曾被《咨询》杂志评为全球25位顾问之一，被《财富》杂志评为全球50位商学院教授之一。

尼廷·米塔尔，德勤咨询公司负责人，德勤AI战略负责人。在专注于AI之前，他与一些医疗健康和生命科学公司合作了大约15年，帮助它们在业务中采集和分析数据。他是2019年纽约AI峰会年度AI创新者奖的获得者。他擅长为客户提供咨询建议，通过数据和AI推动企业转型，进而使企业获得竞争优势。

2024年度2季度中标信息：