AI快速進入課堂、研究室與專業工作現場，答案取得愈來愈快，但如何證明答案是對的，反而成為更重要的問題。臺北大學會計學系張修瑋助理教授從自身教學與研究經驗出發，觀察AI 如何重新分配會計工作的內容，也提醒當標準化程序逐漸自動化後，例外判斷、專業責任與人才培育的重要性反而更加凸顯。本文由編輯部依據張修瑋助理教授論壇分享內容整理報導。
這一年在課堂、研究室與專業現場，反覆看到同一個轉變。在課堂上，學生學習產出的速度愈來愈快，但理解未必同步加快；在研究室裡，過去需要投入大量時間的程式、文獻搜尋等工作，現在可能幾分鐘就能產生結果，但新的難題變成「怎麼證明它是對的」；到了企業端，流程愈來愈自動化，真正留下來的往往是例外與責任判斷。
資訊不再稀缺 專業判斷成為關鍵
因此，張修瑋認為：「答案變便宜了，判斷反而變得更重要」。AI可以更快產生報表、分析與文字，但會計的價值正在轉向驗證、例外與責任。真正稀缺的已經不是輸出本身，而是可信的專業判斷。
重新回到Schipper教授所關心的問題。會計的價值，不只是資訊產出的數量，更重要的是資訊進入制度後會產生什麼經濟後果與實質影響。早在1968年，實證會計研究就開始探討市場是否真正使用盈餘資訊，以及如何使用；到了AI時代，這個問題不但沒有消失，反而變得更加尖銳。
因為現在不只是人讀資訊，模型也會讀、會生成， 甚至可能直接採取行動。當資訊從「等著人來判斷」， 走向「在系統裡直接觸發結果」，會計領域關心的問題也必須進一步延伸到：哪一個環節應該由人覆核？誰有權力叫停？出了錯，又由誰負責？
流程走到例外 人的工作才真正開始
再者，永續資訊很重要的一個作用，就是把企業的思考模式從分析過去拉往前瞻未來。
AI 最擅長的，是欄位完整、格式固定、規則清楚、重複性高的工作。以應收帳款流程為例，合約、開票、催收、爭議、付款比對與信用風險等工作，都可以透過系統串接；確定的事情交給規則處理，看不懂的非結構化資料交給模型，而低信心、高風險的案件，再交給人覆核。