【摘要】伴随着数字“新基建”的迅猛推进，企业逐渐加快数字化转型升级的步伐，致力于推动内部数据资源会计处理流程的全方位高效运行。本文首先分析“LLM+RPA”与企业数据资源会计处理的融合基础；然后剖析基于“LLM+RPA”的企业数据资源会计处理一体化平台构建的原则，并设计包含问答指导与报表展示层、资源处理与运营管理层、数据治理与安全管控层的企业数据资源会计处理一体化平台，以实现对企业数据资源会计处理的闭环；最后提出保障平台运行的相关建议，如协同推进“新基建”建设、增强人才的数字技术运用能力、多方参与协同共建，期望能助力企业数据资源会计处理工作的规范化、智能化开展。
【关键词】“LLM+RPA”；数据资源会计处理；一体化平台；人工智能
【中图分类号】F232；TP242.6"""【文献标识码】A"""【文章编号】1004-0994（2025）01-0026-7
【基金项目】中国民办教育协会规划课题“人工智能背景下四川省应用型民办高校管理会计人才培养实践研究”（项目编号：CANFZG23371）；四川高校哲学社会科学重点研究基地——成渝地区双城经济圈科技创新与新经济研究中心项目“新质生产力赋能成渝双城经济圈高质量发展实践路径研究”（项目编号：CYCX2024YB14）
【作者单位】1.成都文理学院会计学院，成都610401；2.中国人民大学商学院，北京100872
一、引言
数据资源会计处理是现代企业财务管理领域的关键环节，也是企业决策者制定发展战略、优化运营的重要依据。2022年12月，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”。随后，2023年8月，财政部制定《企业数据资源相关会计处理暂行规定》，旨在规范企业数据资源会计处理，强化相关会计信息披露。同年12月，财政部印发《关于加强数据资产管理的指导意见》，指出“落实数据资源持有权、数据加工使用权和数据产品经营权权利分置要求，加快构建分类科学的数据资产产权体系”，规范了企业数据资源管理。上述一系列文件的出台，为企业推进数据资源化发展、探索数据资源商业模式、加大数据资源投入等提供了方向指引。但是，囿于数据资源成本量化难、信息披露滞后、重复调用等问题的存在，传统企业无法顺利开展数据资源会计处理工作（程小可，2023），难以推进数据资源会计处理向更高层次、更精细化的方向发展。事实上，早在2021年底财政部陆续印发的《会计改革与发展“十四五”规划纲要》和《会计信息化发展规划（2021-2025年）》中就已指出，要以数字化、信息化技术为支撑，推动会计职能实现拓展升级与会计数字化转型。立足上述规划内容，企业亟须利用现代化智能技术进行科学、规范的数据资源会计处理，努力实现数据资源会计的数字化转型，争当数字化会计处理竞赛中的领跑者。
随着新一代人工智能在全球范围内的蓬勃兴起，我国持续推动经济社会各领域从“网络化”向“智能化”加速跃升，为企业数字化转型注入新动能。中商产业研究院发布的《2022-2027年中国人工智能行业需求预测及发展趋势前瞻报告》显示，截至2023年11月，我国人工智能行业市场规模为3370亿元，预测2024年将达4015亿元，说明我国人工智能产业正掀起颠覆性变革浪潮。作为新时代两项颠覆性人工智能技术，LLM（LargeLanguageModel，大型语言模型）与RPA（RoboticProcessAutomation，机器人流程自动化）可分别通过深度学习的自然语言处理技术、机器人流程自动化功能，助力企业减少人工需求，赋能其实现高质高效的数据资源会计处理。具体来看：LLM是运用深度学习技术而构建的自然语言处理（NLP）模型，能够处理如文本生成、文本分类、机器翻译、数据分类、信息检索等各种任务（和文斌等，2024）；RPA包括用户界面交互、规则引擎和集成能力等功能，能够实现数据自动获取、分类、分析、处理，从而提高效率并减少人为失误（国家税务总局深圳市龙华区税务局课题组等，2021）。当前，LLM与RPA技术表现出融合应用趋势，可通过自然语言交互来实现机器人流程自动化的智能运维，成为助力企业数据资源个性化与规范化披露、数据资源价值持续可靠计量的关键技术引擎。根据现如今人工智能融合趋势，本文创新性地将LLM与RPA技术融合运用，构建企业数据资源会计处理一体化平台，希冀加快“LLM+RPA”与企业数据资源会计处理深度融合进程，为企业数据资源会计处理智能化发展提供理论依据。
二、文献综述
（一）企业数据资源会计处理
数据资源是指可被识别、采集、加工、存储、管理、应用的原始数据，包含但不限于图像、数据库、文本、音频、视频等数据信息，能够为企业带来经济价值（张俊瑞等，2020）。学者们针对数据资源会计处理展开了大量研究。刘峰等（2023）立足问题视角，研究指出当前数据资源在成本量化、信息披露、入表等方面面临多重挑战，阻碍了企业数据资源会计处理工作的开展。对于这些问题，张俊瑞和危雁麟（2023）提供了科学客观的数据资源成本计量方法，并提出应健全企业数据资源价值信息披露机制；王伟和汪祥耀（2024）提出了制定数据资源会计准则、加强数据资源入表的审计监督等建议。此外，还有学者对数据资源会计处理工作的特征、实施要求进行了研究。如：张琪和程建君（2024）指出，数据资源具有重复利用性、需要清洁性、决策有效性等特征；蹇薇等（2023）认为，为顺利开展数据资源会计处理工作，企业需要在管理与风险控制层面做好准备，规范数据资源支出的会计处理，合理归集与分摊相关成本，严格按照规定进行列报与披露。
（二）LLM与RPA技术在会计领域的应用
当前，仅有少部分学者从LLM技术层面进行探究，如钟慧等（2024）以如何提高LLM在会计领域的推理能力为起点，提出了会计垂域推理能力研究路径，并通过分析中文开源模型清华智谱的GLM系列评测结果，为如何提升会计推理能力提供了评价标准。
多数学者从ChatGPT与RPA技术各自对会计领域的宏观影响角度展开研究。就ChatGPT对会计的影响而言，李瑞雪等（2023）研究发现，ChatGPT核心技术在智能会计核算、智能财务共享、智能财务决策、智能财务可视化等方面的推进效果显著。程光和程翠柳（2024）基于对ChatGPT技术特征的分析，指出ChatGPT可应用于管理会计成本控制、经营绩效评估、预算编制、内部报告生成等场景，从而推进管理会计创新发展。就RPA对会计的影响而言，程平和陈奕竹（2021）研究发现，RPA技术能够应用于重复性、低价值、无需人工决策等固定性流程化操作，可提升会计分录测试的工作效率。郭彦（2024）认为，RPA技术凭借其高效低耗、精准可控的优势，能够提升管理会计工作效率。但目前将ChatGPT与RPA技术结合运用，探究其对企业会计领域影响的研究相对较少。闫宝琴（2023）指出，ChatGPT与RPA技术相结合可执行自动化会计业务服务、数据分析等工作，助力会计业务实现流程自动运行、业财数据融合等目标。
通过回顾既有文献可以获悉，当前关于企业数据资源会计处理、ChatGPT与RPA技术各自对会计处理工作影响的研究较为丰富，为本文将LLM与RPA技术融合应用于企业数据资源会计处理一体化平台构建提供了指引。当前尚未有学者研究LLM与RPA技术相结合对企业数据资源会计处理的影响，存在亟待填补的研究空间。鉴于此，本文一方面尝试将LLM与RPA技术同时融入企业数据资源会计处理中，以扩展现有研究维度；另一方面，通过构建基于“LLM+RPA”的企业数据资源会计处理一体化平台，实现平台运行质效的全过程、全方位提升，为企业高质量发展提供技术支持。
三、“LLM+RPA”与企业数据资源会计处理的融合
（一）以“文本处理+智能调度”功能，赋能数据资源成本自动归集与合理分摊
企业在进行成本归集与分摊时，需结合数据资源使用情况和贡献度，将成本合理分摊到各相关部门和业务单元，以此准确反映数据资源的成本情况，为后续会计计量和信息披露提供有力支持。但由于数据资源具备非排他性和高重塑性，企业使用数据资源时会因不同业务线或产品线而导致数据资源的重复调用，这增加了数据资源成本分摊难度（罗玫等，2023）。同时，企业数据资源成本归集基础方法包括财务入账法和业务补充法，方法的选择取决于内部业务具体情况和需要。然而，鉴于每种方法都有其适用范围和局限性，企业难以及时、精准地进行权衡与选取适合成本归集的方法，从而可能导致数据资源成本归集不准确。
“LLM+RPA”下的“文本处理与智能调度”功能有助于自动处理与输出数据资源成本，实现企业数据资源成本的智能归集与合理分摊。首先，LLM通过“文本处理”检索器，将Word、PDF、CSV、图像等特定格式的数据转换为文本，确保数据能够被顺利接收；随后，利用RPA的“智能调度”功能，可自动登录企业内部各个系统，收集、整理并归类数据资源成本信息，助力企业实现成本自动归集与合理分摊。其次，“文本处理”功能能够实现对大规模数据资源的预处理、清洗、分析和识别等操作，助力相关人员及时发现并过滤掉不合规的内容，确保数据资源的准确性，避免数据出现偏差。在此基础上，RPA通过预设的算法和规则，能够“智能调度”各部门的成本分摊比例，实现成本的自动归集与合理分摊。再次，“文本处理”与“智能调度”功能相结合，能够助力企业梳理数据资源形成链路中所涉及的各项直接成本与间接成本，并对直接成本进行归集计算、对间接成本进行合理分摊。最后，“LLM+RPA”根据人员指令，将直接成本与间接成本进行归总计算，自动输出数据资源成本，全过程清晰展示计算逻辑，使数据资源成本的获取更加可靠、智能。这不仅可以避免人为因素的干扰，还能确保成本分摊的公平性和透明度，为企业稳健发展提供有力保障。
（二）以“机器学习+生成执行”技术，助力数据资源个性化与规范化披露
数据资源作为企业的一项重要资源，其规范化披露能满足企业预测未来价值变化的需求，对于企业发展具有至关重要的作用。然而，与专利、著作权等受到明确法律保护的知识产权相比，企业数据资源的法律保护显得比较薄弱。若数据资源披露过多，可能会造成个人信息和商业秘密等极具私密性的数据引发伦理争议或触犯法律法规，进而给企业带来严重的损失。但企业若为保守秘密而过度限制数据资源的披露，又可能导致数据资源信息质量下降，弱化其契约功能，甚至加剧信息不对称。这使得合作伙伴、客户、投资者等利益相关者难以对企业进行全面了解和评估，从而影响企业的声誉和信誉。
针对上述难点，“LLM+RPA”下的“机器学习+生成执行”技术可帮助企业界定数据资源披露的程度和范围，确保个人隐私和商业秘密得到充分保护，维护资本市场的安全、健康运行。
1.个性化披露。LLM的“机器学习”技术能够学习语言规律，如数据资源各项账务、列报特征，帮助RPA系统生成自然语言报告，实现总账与列报数据的对接处理。在理解自然语言文本的基础上，“LLM+RPA”通过生成预设执行指令，自定义披露数据资源内容模板，为企业提供可定义、自动化的列报披露内容参考，以满足企业个性化披露需求。
2.规范化披露。LLM的“机器学习”技术通过对数据资源相关法律法规中界定的披露范围内容进行精准学习，并清晰解读企业可公开与非公开披露的数据资源，明确数据资源权益归属和保护范围，针对性地生成公开披露或保密处理指令。随后，“LLM+RPA”以“生成执行”内容为依据，在合理范围内进行数据资源披露，以此确保企业数据资源得到充分利用。其中，值得注意的是，在进行境内外数据传输时，“LLM+RPA”会提前对《个人信息保护法》《数据安全法》等相关法规进行识别，对于涉及个人信息和商业秘密的数据实施安全加密处理。同时，企业相关人员在使用基于“LLM+RPA”的会计信息系统时，应对所有可能涉及个人信息的数据进行匿名化处理，避免介入任何涉及个人信息的内容，减少个人隐私信息与商业秘密泄露的风险。另外，数据处理者需准备详尽的数据出境申报材料，向所在地省级网信部门申报数据出境安全评估（对来源、类型、用途、身份等信息实施评估），确保所有相关数据均符合国家关于数据出境的安全标准，提升数据出境的合法性和安全性。
（三）以“数据爬取+自动解析”功能，确保数据资源价值持续可靠计量
数据资源价值可靠计量是其资本化的前提条件，也是数据资源得到有效利用的必经环节。然而，由于数据资源来源庞杂，企业会计人员较难理清各类数据资源之间的关系，且会计人员的主观判断可能会导致数据资源价值计量结果产生偏差。同时，囿于数据资源种类繁多，企业在应用不同类型数据资源时存在差异，可能会出现选择的会计计量方法不精准，导致难以确保数据资源价值计量可靠性的情况。另外，数据资源具有迭代速度快、变化周期短等特征，而且依据时间、空间及数据密度而发生变动，使得相关人员难以精确估算数据资源使用年限及由此产生的现金流量。而基于“LLM+RPA”，能够通过“数据爬取+自动解析”功能保证数据资源价值计量的可靠性，使企业数据资源得以充分利用。
1.以“数据爬取”功能助力企业厘清数据资源关系。“LLM+RPA”下的“数据爬取”功能可通过网络爬虫或API（应用程序编程接口），从网站、内外部系统、社交媒体平台等渠道，按照企业预设的规则自动识别、获取与整合需要计量的数据资源，助力企业财务人员理清各类数据资源的类别，进而推进数据资源价值的持续可靠计量。同时，“数据爬取”功能还可根据数据更新进度，自动定期在原有数据基础上添加新数据，并删除过时数据，保证爬取数据的新颖性与实时性。
2.以“自动解析”功能助力企业精准选择计量方法。“自动解析”功能是LLM的自然语言处理能力与RPA的流程自动化执行能力相结合所产生的，可实现数据资源的分析、提取、分类、检索、改写等多种操作，以及能够依据企业数据资源的目的和商业目标选择合适的会计计量模式。譬如，在数据资源的后续计量中，“自动解析”功能会通过LLM的自然语言处理能力解读具体计量情况，并配合RPA的自动化工具调用功能选择采用成本模式或者公允价值模式，同时生成智能方法选择原因解读文件，助力企业精准选择计量方法。另外，“数据爬取”功能可从多维度归纳各类减值迹象信号数据，并通过预设的数据资源减值判定规则，指引企业已入表的数据资源在后续计量阶段触发减值测试的条件。当某一项已经入表的数据资源出现减值迹象时，“LLM+RPA”的“自动解析”功能通过分析相关数据，自动选取相应减值计量模型计算减值金额，确保数据资源价值的持续可靠计量。
四、企业数据资源会计处理一体化平台的构建
（一）平台构建原则
在数字经济时代，构建企业数据资源会计处理一体化平台不仅有助于量化无形资源，而且能提高会计工作效率和准确性。通过构建基于“LLM+RPA”的企业数据资源会计处理一体化平台，企业能够在数据资源入表后将原本难以量化的无形资源转化为可计量的资源。这有助于企业实现数据资源价值的智能、精准评估与计量，在交易行为和报告中准确反映数据资源的经济价值，从而增强企业的市场竞争力。同时，随着会计工作的数字化转型，基于“LLM+RPA”的企业数据资源会计处理一体化平台可规范企业数据管理流程、实现会计数据自动化处理。这既有助于提高企业会计工作的效率和准确性，也可为企业决策提供更加可靠的数据支持。因此，有必要构建基于“LLM+RPA”的企业数据资源会计处理一体化平台，同时遵循以下平台构建原则，以确保该平台能够持续地为企业创造更多价值。
1.导向性原则。导向性原则要求企业数据资源会计处理一体化平台的构建需紧密结合企业战略目标和业务需求，深入分析企业的市场定位、竞争优势、服务对象及未来发展方向，确保平台能够充分满足企业的战略需求。同时，导向性原则强调以持续创造价值为基础。因此，在构建基于“LLM+RPA”的企业数据资源会计处理一体化平台时，应注重挖掘和利用数据的潜在价值与长期价值，不断优化和完善平台功能，提升数据资源质量和价值，为企业创造更多的商业机会和提升企业竞争优势。
2.效益性原则。企业在构建数据资源会计处理一体化平台时，应权衡构建成本与预期效益，关注平台长期运营成本，确保平台的稳定运行和高效利用，从而创造更高的价值。具体而言，在权衡构建成本和预期效益时，要保持长期视野，根据企业的实际情况和需求来制定实施方案，避免囿于盲目跟风或过度关注短期成本投入而忽略长期发展效益。另外，效益性原则要求企业密切关注平台构建过程中的变化和反馈，以及时对平台的构建进行调整和优化，确保实现最佳成本效益。
3.适应性原则。适应性原则强调企业数据资源会计处理一体化平台的构建应紧密结合企业内外部环境和自身特性，根据行业特点、企业规模以及企业所处发展阶段等实际情况制订实施方案。同时，随着企业所面临内外部环境的不断变化以及自身特征的演变，企业数据资源会计处理一体化平台也需要及时做出相应调整，以确保平台始终能够为企业的发展提供有力支持。对于大型企业而言，由于业务复杂、数据量庞大，其需要建立更为完善的数据资源会计处理一体化平台，以确保数据的准确性和高效利用。而初创企业由于资源有限，其数据资源会计处理一体化平台构建可能更加注重数据的收集、整理和初步分析。
4.安全性原则。企业数据资源会计处理一体化平台的安全性和隐私保护尤为重要，需要重点关注数据资源的安全防护和合规性。一方面，企业在构建数据资源会计处理一体化平台时，应采取多层次、全方位的安全防护措施，提升数据资源在处理、传输、存储过程中的安全性。譬如，企业可选用智能加密技术与制定权限管理制度，确保数据资源只有经过授权才能访问，有效防止数据资源在传输中被窃取或截获，以此实现对重要数据资源的安全管控。另一方面，随着数据保护相关法规的不断完善，企业在构建数据资源会计处理一体化平台时必须严格遵守和充分考虑相关法规要求，制定完善的数据处理流程和规范，确保平台的运营合法合规。
（二）平台构建框架
根据上述“LLM+RPA”与企业数据资源会计处理的融合分析，兼顾平台构建原则，本文设计了基于“LLM+RPA”的企业数据资源会计处理一体化平台框架（如图1所示），以逐步实现数据资源会计处理智能化、自动化，降低数据资源管理的人力投入与风险成本。
基于“LLM+RPA”的企业数据资源会计处理一体化平台包含问答指导与报表展示层、资源处理与运营管理层、数据治理与安全管控层三大板块。本文以数据资源盘点为起点，通过“LLM+RPA”引入完善的数据资源管理机能，从数据资源的产生、运营管理，到满足资本化条件的数据资源成本计量、会计处理和信息披露以及数据资源估值等，全流程、多角度构建数据资源管理体系。另外，该平台除运用“LLM+RPA”以外，还配套使用会计引擎、BI（商业智能）、API、OCR（光学字符识别）工具，以确保平台各项功能的顺利实现。其中：使用会计引擎的目的是实现账务处理自动化，即由业务数据自动生成会计科目表与会计凭证；BI是指通过收集、整合、分析和可视化企业内外部数据，提供支持企业业务运营和决策的一系列工具与方法；API用于连接系统前后端，为平台的运行提供交互通道；OCR工具用于进行信息识别与提取。
1.前台：问答指导与报表展示层。系统前台能够接收企业人员指令，不仅包括业务和数据指导功能，可及时满足人员需求和进行业务问答指导，还包括数据资源报表披露功能。
就业务问答指导而言，该平台主要通过LLM的对话功能，提供信息、建议和情感支持等内容，能够使企业相关人员输入业务问题或语句后生成答案或回复。随后，平台启动RPA机器人，将生成的答案传递至平台界面，并与质询人员进行问答交互。
就报表展示而言，该部分包含数据资源台账、会计分录、报表披露功能等，可为企业内外部利益相关者提供全面且详尽的财务信息。首先，数据资源台账是报表展示层的基础，其会详细记录企业各项数据资源，包含种类、数量、价值以及使用状况等信息。企业数据资源会计处理一体化平台可通过“LLM+RPA”结合API同步展示数据资源基础信息，自动关联生成数据资源原值，并根据各类数据资源的特点，灵活配置数据资源台账，展示各类数据资源的维护情况及差异化指标。其次，会计分录是前台系统的重要组成部分，通过“LLM+RPA”结合会计引擎，根据数据资源台账信息自动生成凭证，并启动RPA机器人自动对企业经济业务进行详细记录与储存，包括每一笔交易的借贷方、金额以及发生日期等信息。企业人员可通过个人平台账号查看会计分录所反映的经济活动过程和结果，确保经济业务的合规性和信息准确性。最后，报表披露是企业数据资源会计处理的关键环节，主要通过“LLM+RPA”的自动解析功能自动解读《企业数据资源相关会计处理暂行规定》和相关会计准则要求，自动生成报表披露信息，将编制好的财务报表对外公布，并支持增加自愿披露项目。此外，该平台支持与各个财务核算系统的连接，可提高财务报表出具效率，为企业投资者、债权人、政府部门等利益相关者提供企业财务状况、经营成果和现金流量等信息，展示企业治理结构和提升信息透明度，增强投资者信心。
2.中台：资源处理与运营管理层。系统中台主要包含资源处理与运营管理两部分，前者包括数据资源准备、成本分摊与归集、数据资源确权、数据资源估值，后者涵括数据集成、数据管理、数据开发、数据资源目录生成等内容。
（1）资源处理。第一步，数据资源准备。在数据资源会计处理程序前期，企业相关人员启动系统开展数据资源前期准备工作，包括政策解读、入表准备。其一，政策解读。系统通过“LLM+RPA”结合API，将《关于构建数据基础制度更好发挥数据要素作用的意见》《企业数据资源相关会计处理暂行规定》《企业会计准则》《数据安全法》《个人信息保护法》等法律法规内容收集录入系统，基于对这些法律法规的解读，梳理数据资源的类型、条件、价值、用途和会计处理方法，确认数据资产组合中受新规则影响的部分，尤其是需要调整或变更会计处理的部分，以保证系统对数据资源处理的合法合规性。其二，入表准备。系统基于“LLM+RPA”对平台内数据资源进行分类、编码、说明，避免同类数据资源在不同分子公司重复入表；同时，按照分类清点所属数据资源，以保证数据资源底数与质量，随之根据清点结果确认数据资源。
第二步，成本分摊与归集。在数据资源准备工作完成后，基于LLM技术，企业数据资源会计处理一体化平台对数据资源生成路径中各节点发生的各类成本进行溯源，并按照合理的分摊机制对其进行分摊，随之启动RPA机器人自动将成本溯源及分摊结果归集到各项数据资源，自动生成数据资源成本金额。这能清晰体现成本溯源结果，基于模块内预设的成本分摊和归集的计算逻辑，使数据资源成本的计量更加准确、智能、可追溯。
第三步，数据资源确权。在完成成本分摊与归集后，企业数据资源会计处理一体化平台启动LLM的机器学习功能，对内置数据资源管理制度进行学习，形成初步的数据资源合规性判断答案，助力企业盘点和梳理数据资源的权属、级别、来源和用途。
第四步，数据资源估值。企业数据资源会计处理一体化平台内置成本法、收益法、市场法三种基本的数据资源价值评估方法（如图2所示），能通过LLM与RPA技术识别企业数据使用场景、价值实现路径，以及根据不同数据资源的特点，针对性比较并选择数据资源价值评估方法。因此，“LLM+RPA”的运用有助于科学有效地分析数据资源在业务流程、决策支持、产品创新等方面的应用情况，以及解读数据资源对企业收益和竞争优势的贡献程度。通过获取企业数据资源市场价格和价值水平数据，RPA机器人可自动对企业数据资源进行估值，为企业应对数据资源开发以及商业化过程中的风险和不确定性因素提供依据。
（2）运营管理。就数据集成来看，数据资源集成是指采用API对各部门分散的系统平台进行连接，通过数据爬虫爬取、整合并清洗数据资源，形成统一的数据仓库或数据中心与数据视图，实现数据的快速流转和共享。随后，使用平台内置的可视化工具对数据进行展示和分析，以便企业更好地分析消费者购买行为和市场趋势。就数据管理来看，该部分不仅包括对数据资源存储、备份、恢复等的管理，以确保在发生意外情况时能够迅速恢复数据，还包含元数据管理、数据模型管理等，以帮助企业高效地管理并持续形成数据资源。就数据开发来看，此部分通过数据挖掘、机器学习等智能技术手段，挖掘数据的潜在价值，并对数据资源进行深度加工和利用，为企业创造更多的商业机会。就数据资源目录生成来看，该部分主要是通过RPA机器人对数据资源进行全面梳理和归类，且通过自然语言功能解读并列出各种数据资源名称、来源和存储位置，形成一份清晰的数据资源清单，有助于企业更好地了解自身所拥有的数据资源情况，为数据资源的使用和管理提供便利。
3.后台：数据治理与安全管控层。系统后台对企业数据资源活动中的治理对象进行安全管控，包括数据资源共享标准、数据资源质量管控、数据安全与隐私保护、财务数据全生命周期管理四个板块。第一，数据资源共享标准。在有关部门发布数据资源标准后，平台通过LLM的机器学习技术对数据资源标准进行学习，形成一套统一、规范的数据资源共享标准体系，供企业各部门共同遵循。企业各部门通过内部数据资源共享中心，形成关键数据共识，避免产生数据歧义。第二，数据资源质量管控。平台通过数据监测功能持续检查企业数据资源错存问题，形成问题报告并供企业相关人员进行分析与实施整改，构建“事前预防、事中监控、事后处理”的数据资源管控模式，提升数据资源质量。第三，数据安全与隐私保护。企业数据资源会计处理一体化平台具备数据库备份及加密处理功能，可实现数据资源的可追溯与隐私保护。同时，平台具有数据访问账号权限识别功能，能通过OCR工具识别数据资源使用者的身份信息，确保数据资源访问的安全性。第四，财务数据全生命周期管理。这一环节结合BI工具的运用，对数据资源进行收集、整合、分析、储备、应用、归档等处理，深入解决数据资源维护、清理和销毁等方面的问题，提升数据资源处理流程的规范性。
由此，本文基于“LLM+RPA”，构建了包含前台（问答指导与报表展示层）、中台（资源处理与运营管理层）、后台（数据治理与安全管控层）三个部分的企业数据资源会计处理一体化平台。其中：问答指导与报表展示层能接收企业人员指令，及时满足人员需求与进行业务问答指导，还可以进行数据资源报表披露；资源处理与运营管理层不仅能够实现数据资源准备、数据资源成本分摊与归集、数据资源确权、数据资源估值，还能实施数据集成、数据管理、数据开发、数据资源目录生成等工作；数据治理与安全管控层具备数据资源共享标准、数据资源质量管控、数据安全与隐私保护、财务数据全生命周期管理功能。该平台的实施能够解决企业数据资源入表过程中的四大核心问题，即预期经济利益与数据资源关联性问题、成本的可靠归集与计量问题、数据资源相关会计处理与信息披露问题、数据资源估值问题。基于“LLM+RPA”的企业数据资源会计处理一体化平台的实施，能够实现业务问题智能解答与回复、报表信息自动生成与披露、数据资源成本自动分摊与归集、数据资源智能集成与管理、数据资源安全管控等功能效果，可为企业提供可靠的数据支持，辅助企业业务处理，助力企业创造更多价值。
五、结论与建议
（一）结论
伴随着新一轮智能革命浪潮的来临，构建数据资源会计处理一体化平台已成为企业内部推进数据资源会计处理工作数字化的新诉求。然而，面对日益复杂和多样化的数据处理需求，传统的数据资源会计处理方法已难以满足现代企业的需要。具体而言，由于受到数据资源成本量化难、数据资源信息披露滞后、数据资源重复调用以及计量方法选择不精准等因素的影响，企业数据资源会计处理面临信息不透明、监管难、流程繁琐等问题，企业难以有效开展数据资源会计处理工作。据此，本文探究“LLM+RPA”与企业数据资源会计处理的融合，即“LLM+RPA”通过“文本处理+智能调度”功能赋能企业数据资源成本自动归集与合理分摊，通过“机器学习+生成执行”技术助力数据资源个性化与规范化披露，通过“数据爬取+自动解析”功能确保数据资源价值持续可靠计量。随后，基于“LLM+RPA”构建了包含问答指导与报表展示层、资源处理与运营管理层、数据治理与安全管控层的企业数据资源会计处理一体化平台框架，其能够摒除传统企业数据资源会计处理工作的各项弊端，提升企业数据资源会计处理的效率与效果。
（二）相关建议
未来，为保证企业数据资源会计处理一体化平台落地运行，仍需协同推进“新基建”建设、增强人才的数字技术运用能力、多方参与协同共建，为企业实现数据资源会计处理工作高效化、规范化、安全化运作开辟新道路。
1.协同推进“新基建”建设。企业需积极响应国家“新基建”战略，将数据资源会计处理平台建设与5G网络、数据中心、工业互联网等新型基础设施建设紧密结合，持续完善数据资源会计处理系统机制。同时，企业需利用“新基建”带来的数据资源富集、算力提升等优势，推动数据资源会计处理一体化平台功能升级，为数据资源会计处理业务变革注入新动能。
2.增强人才的数字技术运用能力。高校可开设数字会计、智能财务、大数据会计等课程，帮助会计专业学生快速掌握人工智能、数据分析等数字技术在会计领域的应用，为企业培养高知识、高技能的会计人才。同时，企业可组织内部会计人员参加由培训机构、会计师事务所等举办的数字会计技能培训，提高会计人员的数据分析、处理及应用能力。此外，企业会计人员也可利用互联网平台上的慕课、微课、视频教程等各类学习资源，学习数字会计与平台运用等相关知识，保障数据资源会计处理一体化平台的有效落地与使用。
3.多方参与协同共建。充分发挥政府、企业、科研机构、行业协会等各方力量，构建多元化的共建格局。在政府层面，加强政策引导和支持，提供必要的资金、人才等资源保障；在企业层面，国有企业应积极参与平台建设，分享实践经验，提出改进建议；在科研机构与行业协会层面，可提供专业技术咨询、标准制定等服务，帮助企业解决技术难题，协同推动企业数据资源会计处理一体化平台的技术创新与推广应用。
【主要参考文献】
程平，陈奕竹．基于RPA的会计分录测试风险评估程序审计机器人研究［J］．财会月刊，2021（10）：94～100．
程小可．数据资产入表问题探讨：基于国际财务报告概念框架的分析［J］．科学决策，2023（11）：67～75．
国家税务总局深圳市龙华区税务局课题组，孙国应，许金凯．RPA技术在税收征管数字化转型中的探索与思考［J］．税务研究，2021（12）：62～66．
和文斌，范占江，郑浩等．ChatGPT赋能CSCL：未来图景与突围路径［J］．现代教育技术，2024（4）：37～46．
刘峰，袁红，苏雅拉巴特尔等．再论财务报告的目标——兼评《企业数据资源相关会计处理暂行规定》［J］．会计研究，2023（4）：3～15．
罗玫，李金璞，汤珂．企业数据资产化：会计确认与价值评估［J］．清华大学学报（哲学社会科学版），2023（5）：195～209+226．
张俊瑞，危雁麟，宋晓悦．企业数据资产的会计处理及信息列报研究［J］．会计与经济研究，2020（3）：3～15．
张俊瑞，危雁麟．数据资产会计：现状、规制与展望［J］．财会月刊，2023（12）：3～11．
钟慧，陈宋生，王明．大语言模型的会计垂域推理能力探究［J］．财会月刊，2024（11）：17～25．
（责任编辑·校对：喻晨"陈晶）
