營星星

【摘 要】 隨著人工智能在財務(wù)領(lǐng)域的廣泛使用，我國大型醫(yī)院也相繼開始嘗試將人工智能輔助系統(tǒng)應(yīng)用在財務(wù)管理體系上。為了有效探究人工智能服務(wù)醫(yī)院財務(wù)管理的實際情況，文章采用因子分析結(jié)合AHP的研究方法進行量化研究，形成了6個準(zhǔn)則層，21個方案層指標(biāo)；通過問卷發(fā)放獲取了166份應(yīng)用感知有效問卷，同時獲得18名專家評分結(jié)果。在確認問卷獲得較好的信效度水平并對指標(biāo)進行AHP分析后發(fā)現(xiàn)，準(zhǔn)則層的加權(quán)得分排序依次為管理績效、業(yè)務(wù)處理效率、風(fēng)險防范、動態(tài)管理、數(shù)據(jù)分析與預(yù)測和信息一體化。同時結(jié)合方案加權(quán)結(jié)果，明確醫(yī)院財務(wù)在結(jié)合人工智能輔助應(yīng)用方面應(yīng)當(dāng)采取優(yōu)化管理績效、保障業(yè)務(wù)效率、提高風(fēng)險防范意識、優(yōu)化人員結(jié)構(gòu)等措施，實現(xiàn)對人工智能輔助應(yīng)用的提升。

【關(guān)鍵詞】 人工智能； 醫(yī)院財務(wù)； 層次分析法； 管理績效

【中圖分類號】 R197.323? 【文獻標(biāo)識碼】 A? 【文章編號】 1004-5937（2023）01-0118-08

一、引言

2021年《“十四五”優(yōu)質(zhì)高效醫(yī)療衛(wèi)生服務(wù)體系建設(shè)實施方案》（發(fā)改社會〔2021〕893號）提出，要建設(shè)公立醫(yī)院高質(zhì)量發(fā)展工程，加快數(shù)字健康基礎(chǔ)設(shè)施建設(shè)，推進健康醫(yī)療大數(shù)據(jù)體系建設(shè)，擴大優(yōu)質(zhì)醫(yī)療資源輻射覆蓋范圍[1]。同時需要深化醫(yī)療費用的支付方式，以及醫(yī)保支付的相關(guān)改革[2]。這些都對傳統(tǒng)醫(yī)院財務(wù)以及管理系統(tǒng)的業(yè)務(wù)規(guī)模和業(yè)務(wù)內(nèi)容提出了更高的要求，同時對于會計核算、成本管理、物流倉儲管理等，都有了與以往不同的需求[3]。

無紙化辦公以及遠程協(xié)同辦公的應(yīng)用需求逐漸提升，迫使醫(yī)院財務(wù)系統(tǒng)做出改變。已有的智能化系統(tǒng)中包括多渠道的付費方式、無紙化的報銷憑證、信息多部門共享、業(yè)務(wù)數(shù)據(jù)與財務(wù)數(shù)據(jù)的融合等功能[1]。這些都為醫(yī)院財務(wù)系統(tǒng)的信息化和智能化發(fā)展提供了實踐基礎(chǔ)。因此有必要了解人工智能輔助財務(wù)管理在不同內(nèi)容和方案解決中的績效影響情況，并且針對不足之處提出對策和解決方案，以期幫助醫(yī)院在人工智能輔助系統(tǒng)的管理中提高管理績效和應(yīng)用水平。

二、人工智能與醫(yī)院財務(wù)管理的應(yīng)用結(jié)合

（一）人工智能在會計行業(yè)的應(yīng)用與發(fā)展

盡管人工智能概念在1956年就被提出，但是在會計領(lǐng)域第一次被正式提及，是美國注冊師會協(xié)會在1987年所編纂的《人工智能和專家系統(tǒng)簡介》中。從此，歐美開始著力研究如何將人工智能系統(tǒng)與財務(wù)會計相結(jié)合，幫助企業(yè)解決財務(wù)分析的實際問題，并且給予企業(yè)基于財務(wù)視角的經(jīng)營策略與規(guī)劃發(fā)展決策[2]。4G時代，結(jié)合信息爆炸的紅利，人工智能真正得到有效的應(yīng)用與發(fā)展。2016年，德勤對外稱其將與科技公司K.S.進行合作，這一合作將全面推動人工智能在會計、審計、稅務(wù)等方面的發(fā)展。2017年德勤的人工智能機器人第一次與大眾見面，同年5月普華永道也推出了基于人工智能的財會管理解決方案，同時其功能相比德勤所涉及的方面更多；6月安永與畢馬威均發(fā)布了自己的人工智能系統(tǒng)。因此，可以認為2017年人工智能已經(jīng)全面進入到財會管理領(lǐng)域[3]。隨著“四大”人工智能解決方案的相繼發(fā)布，人工智能開始全面進入企業(yè)組織財務(wù)管理。

（二）人工智能對醫(yī)院財務(wù)管理實效的影響

2016年以后人工智能已經(jīng)率先在銀行等金融系統(tǒng)進行試點應(yīng)用，2018年開始逐漸進入醫(yī)院系統(tǒng)。財會人工智能對比人工處理的實際效率約為40余倍，能夠縮短70%的結(jié)賬周期。由此可以看到，人工智能可以極大地提高機械化內(nèi)容的處理效率[4]，這樣可以大幅度節(jié)省醫(yī)院財務(wù)人員的工作精力，將工作精力投入到戰(zhàn)略制定、決斷分析等高維戰(zhàn)略發(fā)展的制定與執(zhí)行、財務(wù)預(yù)算的制定與申報，以及一些非機械工作的窗口對接工作等。人工智能可以有效促進醫(yī)院財務(wù)管理的內(nèi)容則包括了以下六個方面：

1.信息一體化與財務(wù)數(shù)據(jù)統(tǒng)合管理

現(xiàn)代大型醫(yī)院的財務(wù)數(shù)據(jù)主要包括了醫(yī)院正常開支（如工資、醫(yī)院運營維持費用等）、設(shè)備購買維修及建設(shè)的費用以及病患的醫(yī)療費用收入與報銷三個部分，其中人員工資與醫(yī)院運營維持費用與各科室的運轉(zhuǎn)和人員工作業(yè)務(wù)相互關(guān)聯(lián)，病患的醫(yī)療情況與醫(yī)療費用收入和報銷相互關(guān)聯(lián)[5]。因此人工智能可以有效將這兩部分的業(yè)務(wù)數(shù)據(jù)與財務(wù)數(shù)據(jù)進行統(tǒng)合管理，通過數(shù)據(jù)分析可以形成更多有價值的數(shù)據(jù)信息，同時也方便后續(xù)的財務(wù)審查和具體個人財務(wù)的核對工作的開展。

2.提升電子信息處理效率

以往的票據(jù)開具、報銷都需要通過人工在窗口進行，無論是面對病患的票據(jù)處理還是對于醫(yī)務(wù)人員的費用報銷都需要消耗財務(wù)人員的大量精力，而通過電子終端設(shè)備，報銷或者需要開具憑證的病患或工作人員，可以通過人工智能系統(tǒng)結(jié)合自助方式快速辦理。人工智能財務(wù)系統(tǒng)將會根據(jù)會計準(zhǔn)則，快速高效地進行憑證開具等業(yè)務(wù)處理，同時也可以根據(jù)醫(yī)院工作人員的報銷電子憑證給予電子報銷，通過網(wǎng)上銀行自動進行支付，并且最終將這些賬務(wù)匯總到云賬簿上，有效加快病患報銷流程，提高醫(yī)院工作人員的相關(guān)報銷效率[6]。

3.實現(xiàn)財務(wù)數(shù)據(jù)的實時管理

以往的財務(wù)數(shù)據(jù)是相對靜態(tài)的，盡管賬務(wù)登記注銷都是伴隨業(yè)務(wù)而動態(tài)發(fā)生的，但是在對數(shù)據(jù)進行報表整理和分析的時候往往是靜態(tài)的，一般按照季度、年度對報表進行匯總整理。人工智能的高速數(shù)據(jù)處理以及強大的數(shù)據(jù)報表匯總功能對醫(yī)院財務(wù)系統(tǒng)進行輔助后，醫(yī)院管理可以有效結(jié)合動態(tài)數(shù)據(jù)，實時對醫(yī)院的宏觀布局進行調(diào)整，而不再根據(jù)具體的時間節(jié)點進行調(diào)整，避免了因為客觀限制而錯過發(fā)展機遇或無法避免損失的情況出現(xiàn)[7]。

4.有效提升財務(wù)分析和預(yù)測能力

以往的財務(wù)人員對醫(yī)院財務(wù)數(shù)據(jù)的分析相對有限，很難將數(shù)據(jù)之間的關(guān)系進行聯(lián)動分析，或者分析相對處于表層。而醫(yī)院在結(jié)合人工智能對財務(wù)系統(tǒng)進行輔助以后，財務(wù)人員將可以結(jié)合電子憑證、數(shù)字信息一體化進行財務(wù)運營數(shù)據(jù)的統(tǒng)合分析。同時橫向與其他醫(yī)院數(shù)據(jù)進行對比，發(fā)現(xiàn)本醫(yī)院在發(fā)展過程中對于不同科室的投入產(chǎn)出是否有不足的情況，給予發(fā)展較慢但能夠給產(chǎn)出更多的科室以資源傾斜，從而幫助其發(fā)展，進一步提高效益，并且根據(jù)大數(shù)據(jù)分析，有效對每一天的病患人數(shù)進行分析，可以對未來不同時間序列的病患數(shù)量進行預(yù)測，從而合理安排工作人員，保障醫(yī)療資源的高效利用[8]。

5.抵御外部環(huán)境的金融風(fēng)險

基于大數(shù)據(jù)的信息分析支持，大型醫(yī)院的財務(wù)管理將能夠有效優(yōu)化資產(chǎn)結(jié)構(gòu)，對于貸款建設(shè)的相關(guān)業(yè)務(wù)及時還款，并結(jié)合自身的發(fā)展情況制定合理的貸償方案，保證醫(yī)院的資金流處于合理水平。

6.提高組織管理績效

由于人工智能輔助系統(tǒng)能夠高效穩(wěn)定地處理大量基礎(chǔ)財務(wù)業(yè)務(wù)，因此未來醫(yī)院對于財務(wù)系統(tǒng)的人員配置將減少，結(jié)合人工智能輔助財務(wù)系統(tǒng)優(yōu)化人員結(jié)構(gòu)，進而高效地完成財務(wù)處理任務(wù)，有效提高財務(wù)部門的績效水平，達到組織優(yōu)化目的[4]。

三、人工智能輔助財務(wù)管理的實證分析

（一）研究方法

為有效研究人工智能輔助財務(wù)管理在不同層面以及不同方面的影響系數(shù)以及實際效用，結(jié)合以上的六點影響構(gòu)建了一套完整的評估指標(biāo)體系，見表1。

為有效研究不同指標(biāo)對于人工智能輔助醫(yī)院財務(wù)管理表征的準(zhǔn)確性，將結(jié)合問卷法和層次分析法進行分析。首先將利用指標(biāo)，結(jié)合前人研究提供的可測量指標(biāo)項，對醫(yī)院財務(wù)人員進行問卷調(diào)研，通過基礎(chǔ)信效度檢驗證明變量之間具有統(tǒng)計學(xué)意義的關(guān)聯(lián)性和穩(wěn)定性。其次采用專家打分的方式對各部分指標(biāo)，針對不同方面構(gòu)建出具體的目標(biāo)層、準(zhǔn)則層和方案層，通過AHP計算出各指標(biāo)的權(quán)重，同時結(jié)合問卷得分計算出加權(quán)的人工智能輔助財務(wù)管理實效評分。

（二）研究樣本

研究首先對S省10家大型公立醫(yī)院的財務(wù)人員進行問卷調(diào)研，其中5家為三甲醫(yī)院，5家為二甲醫(yī)院。每家醫(yī)院各20份，預(yù)計發(fā)放200份問卷。實際收回184份問卷，剔除無效作答的問卷后實際回收176份有效問卷。同時，針對領(lǐng)域內(nèi)專家進行AHP指標(biāo)評價，通過邀約獲得20名專家的評定，采用郵件或傳真的方式進行數(shù)據(jù)收集，最終獲得18名專家的回執(zhí)。

（三）研究過程

在問卷發(fā)放過程中采用整群抽樣方法結(jié)合方便取樣原則進行抽樣，從S省的10家大型公立醫(yī)院中，按照財務(wù)部門人數(shù)最少的一家醫(yī)院作為取樣標(biāo)準(zhǔn)，每家醫(yī)院選擇20人進行調(diào)研，本研究采用線上取樣，為保障問卷數(shù)據(jù)的合理有效，所有參與問卷作答的個體均被告知自愿性，問卷收集過程自2022年4月27日至2022年5月18日。

（四）研究結(jié)果

1.人口學(xué)分析

對問卷的人口信息進行分析可以看到，醫(yī)院財務(wù)人員性別中，女性人數(shù)為120人，占比為68.18%，男性僅有56人，占比為31.82%；年齡分布中30歲以下的人數(shù)為57人，占比為32.39%，30—45歲人數(shù)為71人占比為40.34%，46歲及以上人數(shù)為48人，占比為27.27%；在學(xué)歷分布上大專及以下的人數(shù)為58人，占比為32.95%，本科群體為76人，占比為43.18%，碩士及以上人數(shù)為42人，占比為23.87%；工齡分布中，3年以內(nèi)的人數(shù)為30人，占比為17.05%，3—5年的人數(shù)為45人，占比為25.56%，6—10年的人數(shù)為46人，占比為26.14%，10年以上的人數(shù)為55人，占比為31.25%；在職級分布中，一般員工人數(shù)為118人，占比為67.0%，副科級人數(shù)為44人，占比為25.0%，正科級及以上人數(shù)為14人，占比為8.0%。

2.信度分析

信度檢驗的目的是證明題目得到數(shù)據(jù)的真實性，即依靠測量問卷得到的值是否為真。通常而言信度的檢驗方法有內(nèi)部一致性信度、分半信度、重測信度等。而最常采用的是內(nèi)部一致性信度，也稱為Cronbach'sα系數(shù)信度，該值表達了同一因子內(nèi)題目的關(guān)聯(lián)程度或者說是同質(zhì)程度，當(dāng)同一個因子內(nèi)題目的同質(zhì)性越高說明維度所測量出的心理特質(zhì)的得分水平越接近真值。通常這個標(biāo)準(zhǔn)的基礎(chǔ)水平為0.7，也就是說內(nèi)部一致性信度的水平為大于0.7則可以認為維度可信，當(dāng)這個值大于0.9則證明維度的信度極好。同時研究還得到了校正的項總計相關(guān)，該值大于0.5則說明題目和維度的相關(guān)程度較高，若低于0.5則應(yīng)當(dāng)剔除，而項已刪除的Cronbach'sα系數(shù)如果大于維度的信度值，則說明刪除該項題目可有助于提高信度，那么題目應(yīng)當(dāng)被剔除以提高信度水平。

從表2的分析結(jié)果可以看到，信息一體化的信度結(jié)果為0.905，業(yè)務(wù)處理效率的信度為0.893，動態(tài)管理的信度為0.915，數(shù)據(jù)分析與預(yù)測的信度為0.792，風(fēng)險防范的信度為0.960，管理績效的信度為0.867，均大于0.7，說明各部分指標(biāo)的信度結(jié)果較好，且可以看到CITC（校正的項總體相關(guān)性）均大于0.5，項已刪除的信度也均小于6個維度的信度水平。

3.效度分析

效度分析的目的在于明確變量的測量結(jié)構(gòu)是否穩(wěn)定，設(shè)定屬于同一內(nèi)涵下的題目是否能夠通過數(shù)據(jù)分析有效地被劃歸為同一因子。通常采用主成分分析法進行檢驗，主成分分析的方法大致分為兩種，一種是斜交檢驗，一種是正交檢驗，本研究采用正交檢驗法進行分析，設(shè)定模型檢驗方法為最大方差法。通過主成分分析法可以得到KMO及巴特利檢驗，通過KMO值是否大于0.7證明整體變量是否相關(guān)關(guān)系明顯大于偏相關(guān)關(guān)系，如果得到的結(jié)果大于0.7則證明參與分析的指標(biāo)或題目之間的相關(guān)性明顯較高，說明問卷適合進行后續(xù)的因子分析，同時巴特利檢驗結(jié)果顯著以證明變量題目有可能被抽取出因子，體現(xiàn)出關(guān)系緊密的因子狀態(tài)。

對本次設(shè)定題項進行主成分分析后首先得到的是KMO和巴特利球形檢驗結(jié)果，其中取樣足夠度的Kaiser-Meyer-Olkin度量值為0.829，該值已經(jīng)明顯大于0.7，即可以證明檢驗中的題目之間存在較強的相關(guān)關(guān)系，其相關(guān)性水平明顯大于偏相關(guān)水平，因此題目適合進行因子抽取。同時可以看到通過巴特利檢驗求得近似卡方值為2 347.930，通過題目數(shù)求得自由度df=210，得到巴特利檢驗顯著性p＜0.001，說明問卷適合進行后續(xù)因子分析。

根據(jù)解釋的總方差可以得到，通過最大方差法進行檢驗，對21個題目采用正交旋轉(zhuǎn)后求得特征值大于1的成分包括了6個，這6個成分通過旋轉(zhuǎn)后得到旋轉(zhuǎn)后的方差解釋率以及累積解釋率可以看到：6個因子的累積解釋率為79.431%，該值代表了整體21個題目能夠被6個成分有效抽取的信息量占比情況。該值大于60%證明題目能夠在較高水平被維度抽取。

同時以主成分為提取方法，以具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法為旋轉(zhuǎn)法，可以得到旋轉(zhuǎn)在6次迭代后收斂的旋轉(zhuǎn)成分矩陣。通過主成分分析得到整體研究問卷中21個題目可以被抽取出獨立的6個因子后，可以得到題目均按照預(yù)期歸屬進行分類，所以題目的因子載荷均大于0.5，且不存在跨因子載荷的情況，因此題目具備較好的結(jié)構(gòu)效度。

4.AHP分析

通過信效度已經(jīng)對指標(biāo)進行了基礎(chǔ)的質(zhì)量檢驗，隨后采用層次分析法來確定不同指標(biāo)實際反映人工智能輔助財務(wù)系統(tǒng)績效的權(quán)重水平。層次分析法是將與研究目的有關(guān)的要素，按照目標(biāo)層、準(zhǔn)則層和方案層進行分解，根據(jù)專家對于同級指標(biāo)之間的對比關(guān)系進行打分，按照1■3■5■7■9等比例判斷指標(biāo)之間的重要程度，進行量化計算，從而確定不同指標(biāo)的權(quán)重水平，在計算完后，需要對各層數(shù)據(jù)進行一致性檢驗，當(dāng)一致性檢驗小于標(biāo)準(zhǔn)水平時，可以認為這一結(jié)果適用于普遍研究中。其中人工智能輔助醫(yī)院財務(wù)管理實效為目標(biāo)層，信息一體化等6個維度為準(zhǔn)則層，21個指標(biāo)為方案層。

AHP權(quán)重計算方式如下：

根據(jù)專家打分構(gòu)建矩陣R（R=Cij），i，j=1，…，n，根據(jù)對應(yīng)賦值情況計算出指標(biāo)在矩陣中的特征向量Wi，見式1：

其中，Wi是指標(biāo)通過判斷矩陣計算出的特征向量，n為矩陣R的階，即一個矩陣中所包含的指標(biāo)數(shù)，Cij為實際的構(gòu)造矩陣，隨后進行一致性檢驗，見式2：

根據(jù)特征向量Wi和以及所計算出的權(quán)重W，計算最大特征值λmax，見式3：

進一步計算判斷矩陣的一致性，結(jié)果見式4：

通過一致性檢驗得到CR值，若CR值小于0.1則說明根據(jù)專家進行的對比判斷結(jié)果保持了一致性原則，否則需要對原有的判斷結(jié)果進行適當(dāng)?shù)男拚?/p>

通過對18名專家的打分進行計算后得到基于AHP的指標(biāo)權(quán)重和一致性檢驗結(jié)果（如表3）。

從表3可以看到，在準(zhǔn)則層結(jié)果中，管理績效提升的權(quán)重水平最高，為0.312，其次是業(yè)務(wù)處理效率的（權(quán)重為0.229），排在第三的是風(fēng)險防范（權(quán)重為0.175），之后分別是動態(tài)管理、數(shù)據(jù)分析與預(yù)測、信息一體化。將準(zhǔn)則層權(quán)重與方案層指標(biāo)權(quán)重相乘，隨后與實際得到的得分進行相乘可以得到具體的加權(quán)得分。

5.加權(quán)得分計算

其中復(fù)合權(quán)重為準(zhǔn)則層權(quán)重與方案層權(quán)重的乘積，準(zhǔn)則層加權(quán)得分為準(zhǔn)則層權(quán)重與準(zhǔn)則層得分的乘積，方案層加權(quán)得分為復(fù)合權(quán)重與方案層指標(biāo)的實際得分乘積。從具體結(jié)果（表4）可以看到，準(zhǔn)則層的加權(quán)得分由高到低依次為管理績效、業(yè)務(wù)處理效率、風(fēng)險防范、動態(tài)管理、數(shù)據(jù)分析與預(yù)測、信息一體化。在方案層加權(quán)得分中可以看到，其中得分由高到低依次為績效提升（F1）、管理績效提升（F2）、員工薪資報銷處理效率（B3）、超支項目提示（E2）、醫(yī)藥器械管理效率（B2）。由此可以看到醫(yī)院財務(wù)人員對于人工智能輔助財務(wù)系統(tǒng)的應(yīng)用感知最為明顯的是以上五條內(nèi)容，而感知得分較低的則分別是其他信息一體化（A4）、異常數(shù)據(jù)警示（C2）、特殊事件管理等內(nèi)容（C3）。

四、結(jié)論及提升策略

（一）結(jié)論

根據(jù)加權(quán)得分結(jié)果（見表4）可以看到，在準(zhǔn)則層上得分最高的為管理績效，而信息一體化得分最低。事實上，這一階段所能夠應(yīng)用到財務(wù)會計領(lǐng)域的人工智能，也只能根據(jù)數(shù)據(jù)進行基礎(chǔ)的任務(wù)。其主要的功能仍需要技術(shù)人員預(yù)先設(shè)定好，所以人工智能最容易解決的是機械性的工作。由于引入了人工智能輔助財務(wù)系統(tǒng)后，可以大量節(jié)省基礎(chǔ)員工的工作時間，從而極大程度地提高單位員工的產(chǎn)出，同時由于大量基礎(chǔ)業(yè)務(wù)的自動處理，避免了人工在核對、清算等環(huán)節(jié)的錯誤，因此也可以大幅度提高管理的實際績效水平。相對而言在管理績效中，資金使用效率并未被財務(wù)人員較好地感知到，可能是因為在長久的清算與銀行轉(zhuǎn)賬業(yè)務(wù)對接過程中，大部分的時間安排并未因人工智能的參與而改變，不少的工作仍需要人員與銀行進行對接，由此盡管工作效率提升了，但是資金可能因為被閑置在醫(yī)院賬戶而無法快速流動。

排在第二位的是業(yè)務(wù)處理效率。人工智能在醫(yī)院的掛號、票據(jù)繳費、電子發(fā)票存留等業(yè)務(wù)上已經(jīng)較為完善了，同時醫(yī)藥器械管理和員工薪資報銷處理也屬于人工智能最早完善的領(lǐng)域，因此這部分得分較高，而對公業(yè)務(wù)數(shù)額大，為了避免不可控且不可逆的操作發(fā)生，這一部分的工作大部分仍然由人工進行完成，從現(xiàn)實情況可以看到，并不是因為對公系統(tǒng)無法完成任務(wù)，而更多是出于合理化管理的考慮這部分業(yè)務(wù)仍然由人工進行。

排在第三位的是風(fēng)險防范，超支項目提示對于以往的財務(wù)體系是一個巨大的革新。在大部分業(yè)務(wù)開支實行預(yù)算制以后，科研經(jīng)費、基礎(chǔ)建設(shè)、人員外出報銷等費用都有了明確的預(yù)算額度，按年、按月進行劃分。相比較前兩個因素，人工智能在應(yīng)對風(fēng)險防范的作用方面被財務(wù)人員的感知效果就稍顯遜色。主要的原因可能是因為大型醫(yī)院的現(xiàn)金流比較充沛，同時貨物和器材在未發(fā)生較大社會風(fēng)險的前提下都有足夠的儲備，因此盡管這些指標(biāo)被專家認為相對重要，但實際的加權(quán)結(jié)果也僅為0.543。盡管大型醫(yī)院的儲備可能充足，但這一功能對醫(yī)院財務(wù)部門的工作思想起到了轉(zhuǎn)變作用，以往大型醫(yī)院的財務(wù)對于風(fēng)險的防范意識較為薄弱，在結(jié)合了人工智能的輔助后，財會系統(tǒng)將更加合理地保障醫(yī)院的正常運作，避免因為項目超支、現(xiàn)金流緊張等問題而迫使動用其他資金渠道緩解醫(yī)院經(jīng)營壓力。

數(shù)據(jù)分析與預(yù)測以及動態(tài)管理的加權(quán)得分分別為0.327和0.389，處于中下水平，首先是醫(yī)院管理層對于動態(tài)數(shù)據(jù)的需求并不高，除了例行的關(guān)于財務(wù)營收的匯報工作外，醫(yī)院高層管理并不會關(guān)注實時的財務(wù)情況，因此即便人工智能已經(jīng)具備隨時便捷地展現(xiàn)實時財務(wù)數(shù)據(jù)的功能，但對于財務(wù)部門需求較低；其次是數(shù)據(jù)分析與預(yù)測，行業(yè)銷量預(yù)測對于服務(wù)商而言是非常重要的數(shù)據(jù)功能，能夠幫助企業(yè)或組織根據(jù)預(yù)計的銷量或訪客人數(shù)進行業(yè)務(wù)人員的安排，但醫(yī)院的醫(yī)生具有特殊性，首先不少病患與醫(yī)生之間存在預(yù)約行為，即某一日的門診可能是之前三到五天安排好的，因此即便有預(yù)測功能也很難因為人數(shù)較少而縮減當(dāng)日的上班醫(yī)生數(shù)量，其次不少醫(yī)生在學(xué)校或政府機構(gòu)兼有其他職務(wù)，能夠參與醫(yī)院治療的工作時間有限，這一部分醫(yī)生的上班時間也是被提前安排好的，很難調(diào)整，所以可以看到，醫(yī)院在動態(tài)數(shù)據(jù)的管理上需求較低，而在數(shù)據(jù)分析與預(yù)測的功能上具有客觀的制約因素。

得分最低準(zhǔn)則層指標(biāo)是信息一體化。由于財務(wù)系統(tǒng)人員的知識結(jié)構(gòu)較為單一，大型醫(yī)院可能有財務(wù)人員年齡結(jié)構(gòu)老化等情況的存在，數(shù)據(jù)信息的一體化展現(xiàn)對于他們而言重要程度較低，同時即便存在人工智能輔助，不少醫(yī)院仍然在使用紙質(zhì)憑證進行報銷，同時不少醫(yī)院出現(xiàn)了將電子報銷憑證進行打印使用的情況，因此可以發(fā)現(xiàn)信息一體化對于醫(yī)院而言作用較小，傳統(tǒng)的財務(wù)會計工作仍然喜歡將工作內(nèi)容進行分割，以單一的視角對財務(wù)數(shù)據(jù)進行分析，而較少對數(shù)據(jù)進行統(tǒng)合分析，同時由于數(shù)據(jù)的屬性較多，數(shù)據(jù)量較大，現(xiàn)有的財務(wù)人員的知識儲備也難以具備對一體化數(shù)據(jù)進行分析的能力。

（二）提升策略

1.持續(xù)優(yōu)化管理績效

隨著人工智能對醫(yī)院財務(wù)系統(tǒng)的輔助，財務(wù)人員原本的編制將變得充裕，因此有必要對多余的人員進行崗位調(diào)動，一方面可以有效淘汰知識結(jié)構(gòu)陳舊的員工，另一方面可以給其他科室以人員補充，從而提高財務(wù)部門的工作績效以及醫(yī)院整體的工作績效?，F(xiàn)代化的人工智能輔助財務(wù)，將會有效改進財務(wù)系統(tǒng)的數(shù)據(jù)處理以及分析，這些原本是由人來完成的工作被計算機代替后，人的工作重點將集中在工作問題的解決以及宏觀發(fā)展戰(zhàn)略的制定。醫(yī)院對于財務(wù)數(shù)據(jù)的利用與其他行業(yè)相比較為落后，因此有必要持續(xù)地對管理方式進行改進，進而幫助財務(wù)以及其他部門優(yōu)化管理績效[9]。

2.保障基礎(chǔ)業(yè)務(wù)的辦理效率，同時提高非基礎(chǔ)業(yè)務(wù)的人工智能處理覆蓋率

傳統(tǒng)的基礎(chǔ)業(yè)務(wù)是當(dāng)下人工智能處理較為成熟的業(yè)務(wù)范疇，主要包括醫(yī)藥器械管理業(yè)務(wù)和員工薪資報銷業(yè)務(wù)等，這部分業(yè)務(wù)的內(nèi)容相對固定。面對病患業(yè)務(wù)雖然具有較強的同質(zhì)性[10]，但是由于其業(yè)務(wù)處理的復(fù)雜性，現(xiàn)在還在以人工進行處理，因此有必要通過不斷升級人工智能對于異質(zhì)性情景的處理能力，從而加快病患業(yè)務(wù)的處理。同時在對公業(yè)務(wù)中，盡管業(yè)務(wù)的難度不大，但是潛在風(fēng)險所造成的損失可能巨大，因此這部分業(yè)務(wù)仍然處于人工處理階段，后續(xù)有必要通過計算機做預(yù)處理，隨后由人工進行快速審批復(fù)核的流程，形成計算機與人合作的工作方式，進一步提高人工智能在財務(wù)管理系統(tǒng)的覆蓋率。

3.提高風(fēng)險防范意識，準(zhǔn)備完善預(yù)案

傳統(tǒng)大型醫(yī)院由于長期具備較為充沛的資金流，因此缺乏對資金風(fēng)險的應(yīng)對方案和預(yù)案設(shè)置，隨著疫情的持續(xù)，醫(yī)院的非個人業(yè)務(wù)規(guī)模占比增加，有可能會出現(xiàn)資金流緊張的情況，因此醫(yī)院財務(wù)系統(tǒng)有必要做出合理的應(yīng)對方案。如果出現(xiàn)資金流短缺，那么隨之而來的可能是藥品出現(xiàn)低庫存的情況，從而影響醫(yī)院的正常社會職能。為了應(yīng)對這些可能存在的風(fēng)險，醫(yī)院的財務(wù)人員有必要對這些功能進行學(xué)習(xí)，同時對系統(tǒng)設(shè)置合理的預(yù)警條件。

4.優(yōu)化醫(yī)院財務(wù)人員結(jié)構(gòu)

隨著人工智能進入醫(yī)院財務(wù)系統(tǒng)，已有的人員結(jié)構(gòu)難以有效地與現(xiàn)在運行的財務(wù)系統(tǒng)相匹配。從人口結(jié)構(gòu)可以看到大專及以下的人員比例大于碩士及以上的群體，說明人員的學(xué)歷層次較低，同時有接近30%的樣本年齡已經(jīng)大于45歲，較難適應(yīng)人工智能輔助的財務(wù)系統(tǒng)，因此醫(yī)院應(yīng)當(dāng)結(jié)合自身財務(wù)發(fā)展，引入更多年輕的高學(xué)歷人才（包括統(tǒng)計學(xué)、計算機科學(xué)等相關(guān)人才），從而使人工智能輔助系統(tǒng)在實際應(yīng)用中發(fā)揮更大的作用[11]。

5.提高主觀能動性

傳統(tǒng)的財務(wù)業(yè)務(wù)辦理工作量相對巨大，但工作流程簡單也容易學(xué)習(xí)，而人工智能輔助的財務(wù)系統(tǒng)雖然效率高，但是因為需要學(xué)習(xí)新知識，從而更加容易被財務(wù)人員排斥。然而人工智能輔助財務(wù)系統(tǒng)是大勢所趨，醫(yī)院高層領(lǐng)導(dǎo)以及中層領(lǐng)導(dǎo)應(yīng)當(dāng)形成共識，大力推進人工智能在生產(chǎn)管理、財務(wù)管理以及人力管理等方面的應(yīng)用。同時提高相關(guān)從業(yè)人員的主觀能動性去學(xué)習(xí)相應(yīng)的知識，以幫助醫(yī)院更好地應(yīng)用人工智能系統(tǒng)，對財務(wù)工作起到推動作用。

【參考文獻】

［1］ 國家發(fā)改委，等.“十四五”優(yōu)質(zhì)高效醫(yī)療衛(wèi)生服務(wù)體系建設(shè)實施方案［A］.發(fā)改社會〔2021〕893號，2021.

［2］ 鄺鵬蝶，劉晶，朱詠梅.基于信息化平臺的醫(yī)院科研經(jīng)費管理新模式探討［J］.中華醫(yī)學(xué)科研管理雜志，2022，35（2）：147-151.

［3］ 吳強，羅曉霞，李恒，等.構(gòu)建醫(yī)院財務(wù)管理信息化建設(shè)路徑探索［J］.中國衛(wèi)生經(jīng)濟，2021，40（5）：80-83.

［4］ AJAM S O，GHASEMIZAD A，GHOLTASH A.Staff perspective and hospital finance experts on how to manage the costs of the hospital：a qualitative study［J］.Tabriz University of Medical Sciences，2020，11（2）：159-171.

［5］ JOHNSON B G，F(xiàn) PHILLIPS，CHASE L G.An intelligent tutoring system for the accounting cycle：enhancing textbook homework with artificial intelligence［J］.Journal of Accounting Education，2009，27（1）：30-39.

［6］ CHI D J，SHEN Z D.Using hybrid artificial intelligence and machine learning technologies for sustainability in going-concern prediction［J］.Sustainability，2022，14（3）：1-18.

［7］ 劉波，郭靖，張曉瑋，等.人工智能時代下公立醫(yī)院財務(wù)綜合服務(wù)平臺的構(gòu)建與創(chuàng)新［J］.財政監(jiān)督，2019（17）：93-98.

［8］ 吳卉.財務(wù)智能化背景下醫(yī)院會計信息化建設(shè)問題分析［J］.財經(jīng)界，2020（6）：153-154.

［9］ 艾學(xué)瑛.基于人工智能技術(shù)的醫(yī)用財務(wù)自動管理系統(tǒng)［J］.信息技術(shù)，2019，43（11）：173-176.

［10］ 武婷婷，陳蕾，方佳偉，等.人工智能技術(shù)在醫(yī)院患者服務(wù)場景中的應(yīng)用［J］.中國數(shù)字醫(yī)學(xué)，2018，13（12）：17-19.

［11］ 葉然，羅治民，田志偉，等.卓越績效模式下醫(yī)院財務(wù)管理體系構(gòu)建［J］.中國醫(yī)院，2018，22（6）：11-13.