营星星
【摘 要】 随着人工智能在财务领域的广泛使用，我国大型医院也相继开始尝试将人工智能辅助系统应用在财务管理体系上。为了有效探究人工智能服务医院财务管理的实际情况，文章采用因子分析结合AHP的研究方法进行量化研究，形成了6个准则层，21个方案层指标；通过问卷发放获取了166份应用感知有效问卷，同时获得18名专家评分结果。在确认问卷获得较好的信效度水平并对指标进行AHP分析后发现，准则层的加权得分排序依次为管理绩效、业务处理效率、风险防范、动态管理、数据分析与预测和信息一体化。同时结合方案加权结果，明确医院财务在结合人工智能辅助应用方面应当采取优化管理绩效、保障业务效率、提高风险防范意识、优化人员结构等措施，实现对人工智能辅助应用的提升。
【关键词】 人工智能； 医院财务； 层次分析法； 管理绩效
【中图分类号】 R197.323 【文献标识码】 A 【文章编号】 1004-5937（2023）01-0118-08
一、引言
2021年《“十四五”优质高效医疗卫生服务体系建设实施方案》（发改社会〔2021〕893号）提出，要建设公立医院高质量发展工程，加快数字健康基础设施建设，推进健康医疗大数据体系建设，扩大优质医疗资源辐射覆盖范围[1]。同时需要深化医疗费用的支付方式，以及医保支付的相关改革[2]。这些都对传统医院财务以及管理系统的业务规模和业务内容提出了更高的要求，同时对于会计核算、成本管理、物流仓储管理等，都有了与以往不同的需求[3]。
无纸化办公以及远程协同办公的应用需求逐渐提升，迫使医院财务系统做出改变。已有的智能化系统中包括多渠道的付费方式、无纸化的报销凭证、信息多部门共享、业务数据与财务数据的融合等功能[1]。这些都为医院财务系统的信息化和智能化发展提供了实践基础。因此有必要了解人工智能辅助财务管理在不同内容和方案解决中的绩效影响情况，并且针对不足之处提出对策和解决方案，以期帮助医院在人工智能辅助系统的管理中提高管理绩效和应用水平。
二、人工智能与医院财务管理的应用结合
（一）人工智能在会计行业的应用与发展
尽管人工智能概念在1956年就被提出，但是在会计领域第一次被正式提及，是美国注册师会协会在1987年所编纂的《人工智能和专家系统简介》中。从此，欧美开始着力研究如何将人工智能系统与财务会计相结合，帮助企业解决财务分析的实际问题，并且给予企业基于财务视角的经营策略与规划发展决策[2]。4G时代，结合信息爆炸的红利，人工智能真正得到有效的应用与发展。2016年，德勤对外称其将与科技公司K.S.进行合作，这一合作将全面推动人工智能在会计、审计、税务等方面的发展。2017年德勤的人工智能机器人第一次与大众见面，同年5月普华永道也推出了基于人工智能的财会管理解决方案，同时其功能相比德勤所涉及的方面更多；6月安永与毕马威均发布了自己的人工智能系统。因此，可以认为2017年人工智能已经全面进入到财会管理领域[3]。随着“四大”人工智能解决方案的相继发布，人工智能开始全面进入企业组织财务管理。
（二）人工智能对医院财务管理实效的影响
2016年以后人工智能已经率先在银行等金融系统进行试点应用，2018年开始逐渐进入医院系统。财会人工智能对比人工处理的实际效率约为40余倍，能够缩短70%的结账周期。由此可以看到，人工智能可以极大地提高机械化内容的处理效率[4]，这样可以大幅度节省医院财务人员的工作精力，将工作精力投入到战略制定、决断分析等高维战略发展的制定与执行、财务预算的制定与申报，以及一些非机械工作的窗口对接工作等。人工智能可以有效促进医院财务管理的内容则包括了以下六个方面：
1.信息一体化与财务数据统合管理
现代大型医院的财务数据主要包括了医院正常开支（如工资、医院运营维持费用等）、设备购买维修及建设的费用以及病患的医疗费用收入与报销三个部分，其中人员工资与医院运营维持费用与各科室的运转和人员工作业务相互关联，病患的医疗情况与医疗费用收入和报销相互关联[5]。因此人工智能可以有效将这两部分的业务数据与财务数据进行统合管理，通过数据分析可以形成更多有价值的数据信息，同时也方便后续的财务审查和具体个人财务的核对工作的开展。
2.提升电子信息处理效率
以往的票据开具、报销都需要通过人工在窗口进行，无论是面对病患的票据处理还是对于医务人员的费用报销都需要消耗财务人员的大量精力，而通过电子终端设备，报销或者需要开具凭证的病患或工作人员，可以通过人工智能系统结合自助方式快速办理。人工智能财务系统将会根据会计准则，快速高效地进行凭证开具等业务处理，同时也可以根据医院工作人员的报销电子凭证给予电子报销，通过网上银行自动进行支付，并且最终将这些账务汇总到云账簿上，有效加快病患报销流程，提高医院工作人员的相关报销效率[6]。
3.实现财务数据的实时管理
以往的财务数据是相对静态的，尽管账务登记注销都是伴随业务而动态发生的，但是在对数据进行报表整理和分析的时候往往是静态的，一般按照季度、年度对报表进行汇总整理。人工智能的高速数据处理以及强大的数据报表汇总功能对医院财务系统进行辅助后，医院管理可以有效结合动态数据，实时对医院的宏观布局进行调整，而不再根据具体的时间节点进行调整，避免了因为客观限制而错过发展机遇或无法避免损失的情况出现[7]。
4.有效提升财务分析和预测能力
以往的财务人员对医院财务数据的分析相对有限，很难将数据之间的关系进行联动分析，或者分析相对处于表层。而医院在结合人工智能对财务系统进行辅助以后，财务人员将可以结合电子凭证、数字信息一体化进行财务运营数据的统合分析。同时横向与其他医院数据进行对比，发现本医院在发展过程中对于不同科室的投入产出是否有不足的情况，给予发展较慢但能够给产出更多的科室以资源倾斜，从而帮助其发展，进一步提高效益，并且根据大数据分析，有效对每一天的病患人数进行分析，可以对未来不同时间序列的病患数量进行预测，从而合理安排工作人员，保障医疗资源的高效利用[8]。
5.抵御外部环境的金融风险
基于大数据的信息分析支持，大型医院的财务管理将能够有效优化资产结构，对于贷款建设的相关业务及时还款，并结合自身的发展情况制定合理的贷偿方案，保证医院的资金流处于合理水平。
6.提高组织管理绩效
由于人工智能辅助系统能够高效稳定地处理大量基础财务业务，因此未来医院对于财务系统的人员配置将减少，结合人工智能辅助财务系统优化人员结构，进而高效地完成财务处理任务，有效提高财务部门的绩效水平，达到组织优化目的[4]。
三、人工智能辅助财务管理的实证分析
（一）研究方法
为有效研究人工智能辅助财务管理在不同层面以及不同方面的影响系数以及实际效用，结合以上的六点影响构建了一套完整的评估指标体系，见表1。
为有效研究不同指标对于人工智能辅助医院财务管理表征的准确性，将结合问卷法和层次分析法进行分析。首先将利用指标，结合前人研究提供的可测量指标项，对医院财务人员进行问卷调研，通过基础信效度检验证明变量之间具有统计学意义的关联性和稳定性。其次采用专家打分的方式对各部分指标，针对不同方面构建出具体的目标层、准则层和方案层，通过AHP计算出各指标的权重，同时结合问卷得分计算出加权的人工智能辅助财务管理实效评分。
（二）研究样本
研究首先对S省10家大型公立医院的财务人员进行问卷调研，其中5家为三甲医院，5家为二甲医院。每家医院各20份，预计发放200份问卷。实际收回184份问卷，剔除无效作答的问卷后实际回收176份有效问卷。同时，针对领域内专家进行AHP指标评价，通过邀约获得20名专家的评定，采用邮件或传真的方式进行数据收集，最终获得18名专家的回执。
（三）研究过程
在问卷发放过程中采用整群抽样方法结合方便取样原则进行抽样，从S省的10家大型公立医院中，按照财务部门人数最少的一家医院作为取样标准，每家医院选择20人进行调研，本研究采用线上取样，为保障问卷数据的合理有效，所有参与问卷作答的个体均被告知自愿性，问卷收集过程自2022年4月27日至2022年5月18日。
（四）研究结果
1.人口学分析
对问卷的人口信息进行分析可以看到，医院财务人员性别中，女性人数为120人，占比为68.18%，男性仅有56人，占比为31.82%；年龄分布中30岁以下的人数为57人，占比为32.39%，30—45岁人数为71人占比为40.34%，46岁及以上人数为48人，占比为27.27%；在学历分布上大专及以下的人数为58人，占比为32.95%，本科群体为76人，占比为43.18%，硕士及以上人数为42人，占比为23.87%；工龄分布中，3年以内的人数为30人，占比为17.05%，3—5年的人数为45人，占比为25.56%，6—10年的人数为46人，占比为26.14%，10年以上的人数为55人，占比为31.25%；在职级分布中，一般员工人数为118人，占比为67.0%，副科级人数为44人，占比为25.0%，正科级及以上人数为14人，占比为8.0%。
2.信度分析
信度检验的目的是证明题目得到数据的真实性，即依靠测量问卷得到的值是否为真。通常而言信度的检验方法有内部一致性信度、分半信度、重测信度等。而最常采用的是内部一致性信度，也称为Cronbach'sα系数信度，该值表达了同一因子内题目的关联程度或者说是同质程度，当同一个因子内题目的同质性越高说明维度所测量出的心理特质的得分水平越接近真值。通常这个标准的基础水平为0.7，也就是说内部一致性信度的水平为大于0.7则可以认为维度可信，当这个值大于0.9则证明维度的信度极好。同时研究还得到了校正的项总计相关，该值大于0.5则说明题目和维度的相关程度较高，若低于0.5则应当剔除，而项已删除的Cronbach'sα系数如果大于维度的信度值，则说明删除该项题目可有助于提高信度，那幺题目应当被剔除以提高信度水平。
从表2的分析结果可以看到，信息一体化的信度结果为0.905，业务处理效率的信度为0.893，动态管理的信度为0.915，数据分析与预测的信度为0.792，风险防范的信度为0.960，管理绩效的信度为0.867，均大于0.7，说明各部分指标的信度结果较好，且可以看到CITC（校正的项总体相关性）均大于0.5，项已删除的信度也均小于6个维度的信度水平。
3.效度分析
效度分析的目的在于明确变量的测量结构是否稳定，设定属于同一内涵下的题目是否能够通过数据分析有效地被划归为同一因子。通常采用主成分分析法进行检验，主成分分析的方法大致分为两种，一种是斜交检验，一种是正交检验，本研究采用正交检验法进行分析，设定模型检验方法为最大方差法。通过主成分分析法可以得到KMO及巴特利检验，通过KMO值是否大于0.7证明整体变量是否相关关系明显大于偏相关关系，如果得到的结果大于0.7则证明参与分析的指标或题目之间的相关性明显较高，说明问卷适合进行后续的因子分析，同时巴特利检验结果显着以证明变量题目有可能被抽取出因子，体现出关系紧密的因子状态。
对本次设定题项进行主成分分析后首先得到的是KMO和巴特利球形检验结果，其中取样足够度的Kaiser-Meyer-Olkin度量值为0.829，该值已经明显大于0.7，即可以证明检验中的题目之间存在较强的相关关系，其相关性水平明显大于偏相关水平，因此题目适合进行因子抽取。同时可以看到通过巴特利检验求得近似卡方值为2 347.930，通过题目数求得自由度df=210，得到巴特利检验显着性p＜0.001，说明问卷适合进行后续因子分析。
根据解释的总方差可以得到，通过最大方差法进行检验，对21个题目采用正交旋转后求得特征值大于1的成分包括了6个，这6个成分通过旋转后得到旋转后的方差解释率以及累积解释率可以看到：6个因子的累积解释率为79.431%，该值代表了整体21个题目能够被6个成分有效抽取的信息量占比情况。该值大于60%证明题目能够在较高水平被维度抽取。
同时以主成分为提取方法，以具有Kaiser标准化的正交旋转法为旋转法，可以得到旋转在6次迭代后收敛的旋转成分矩阵。通过主成分分析得到整体研究问卷中21个题目可以被抽取出独立的6个因子后，可以得到题目均按照预期归属进行分类，所以题目的因子载荷均大于0.5，且不存在跨因子载荷的情况，因此题目具备较好的结构效度。
4.AHP分析
通过信效度已经对指标进行了基础的质量检验，随后采用层次分析法来确定不同指标实际反映人工智能辅助财务系统绩效的权重水平。层次分析法是将与研究目的有关的要素，按照目标层、准则层和方案层进行分解，根据专家对于同级指标之间的对比关系进行打分，按照1■3■5■7■9等比例判断指标之间的重要程度，进行量化计算，从而确定不同指标的权重水平，在计算完后，需要对各层数据进行一致性检验，当一致性检验小于标准水平时，可以认为这一结果适用于普遍研究中。其中人工智能辅助医院财务管理实效为目标层，信息一体化等6个维度为准则层，21个指标为方案层。
AHP权重计算方式如下：
根据专家打分构建矩阵R（R=Cij），i，j=1，…，n，根据对应赋值情况计算出指标在矩阵中的特征向量Wi，见式1：
其中，Wi是指标通过判断矩阵计算出的特征向量，n为矩阵R的阶，即一个矩阵中所包含的指标数，Cij为实际的构造矩阵，随后进行一致性检验，见式2：
根据特征向量Wi和以及所计算出的权重W，计算最大特征值λmax，见式3：
进一步计算判断矩阵的一致性，结果见式4：
通过一致性检验得到CR值，若CR值小于0.1则说明根据专家进行的对比判断结果保持了一致性原则，否则需要对原有的判断结果进行适当的修正。
通过对18名专家的打分进行计算后得到基于AHP的指标权重和一致性检验结果（如表3）。
从表3可以看到，在准则层结果中，管理绩效提升的权重水平最高，为0.312，其次是业务处理效率的（权重为0.229），排在第三的是风险防范（权重为0.175），之后分别是动态管理、数据分析与预测、信息一体化。将准则层权重与方案层指标权重相乘，随后与实际得到的得分进行相乘可以得到具体的加权得分。
5.加权得分计算
其中复合权重为准则层权重与方案层权重的乘积，准则层加权得分为准则层权重与准则层得分的乘积，方案层加权得分为复合权重与方案层指标的实际得分乘积。从具体结果（表4）可以看到，准则层的加权得分由高到低依次为管理绩效、业务处理效率、风险防范、动态管理、数据分析与预测、信息一体化。在方案层加权得分中可以看到，其中得分由高到低依次为绩效提升（F1）、管理绩效提升（F2）、员工薪资报销处理效率（B3）、超支项目提示（E2）、医药器械管理效率（B2）。由此可以看到医院财务人员对于人工智能辅助财务系统的应用感知最为明显的是以上五条内容，而感知得分较低的则分别是其他信息一体化（A4）、异常数据警示（C2）、特殊事件管理等内容（C3）。
四、结论及提升策略
（一）结论
根据加权得分结果（见表4）可以看到，在准则层上得分最高的为管理绩效，而信息一体化得分最低。事实上，这一阶段所能够应用到财务会计领域的人工智能，也只能根据数据进行基础的任务。其主要的功能仍需要技术人员预先设定好，所以人工智能最容易解决的是机械性的工作。由于引入了人工智能辅助财务系统后，可以大量节省基础员工的工作时间，从而极大程度地提高单位员工的产出，同时由于大量基础业务的自动处理，避免了人工在核对、清算等环节的错误，因此也可以大幅度提高管理的实际绩效水平。相对而言在管理绩效中，资金使用效率并未被财务人员较好地感知到，可能是因为在长久的清算与银行转账业务对接过程中，大部分的时间安排并未因人工智能的参与而改变，不少的工作仍需要人员与银行进行对接，由此尽管工作效率提升了，但是资金可能因为被闲置在医院账户而无法快速流动。
排在第二位的是业务处理效率。人工智能在医院的挂号、票据缴费、电子发票存留等业务上已经较为完善了，同时医药器械管理和员工薪资报销处理也属于人工智能最早完善的领域，因此这部分得分较高，而对公业务数额大，为了避免不可控且不可逆的操作发生，这一部分的工作大部分仍然由人工进行完成，从现实情况可以看到，并不是因为对公系统无法完成任务，而更多是出于合理化管理的考虑这部分业务仍然由人工进行。
排在第三位的是风险防范，超支项目提示对于以往的财务体系是一个巨大的革新。在大部分业务开支实行预算制以后，科研经费、基础建设、人员外出报销等费用都有了明确的预算额度，按年、按月进行划分。相比较前两个因素，人工智能在应对风险防范的作用方面被财务人员的感知效果就稍显逊色。主要的原因可能是因为大型医院的现金流比较充沛，同时货物和器材在未发生较大社会风险的前提下都有足够的储备，因此尽管这些指标被专家认为相对重要，但实际的加权结果也仅为0.543。尽管大型医院的储备可能充足，但这一功能对医院财务部门的工作思想起到了转变作用，以往大型医院的财务对于风险的防范意识较为薄弱，在结合了人工智能的辅助后，财会系统将更加合理地保障医院的正常运作，避免因为项目超支、现金流紧张等问题而迫使动用其他资金渠道缓解医院经营压力。
数据分析与预测以及动态管理的加权得分分别为0.327和0.389，处于中下水平，首先是医院管理层对于动态数据的需求并不高，除了例行的关于财务营收的汇报工作外，医院高层管理并不会关注实时的财务情况，因此即便人工智能已经具备随时便捷地展现实时财务数据的功能，但对于财务部门需求较低；其次是数据分析与预测，行业销量预测对于服务商而言是非常重要的数据功能，能够帮助企业或组织根据预计的销量或访客人数进行业务人员的安排，但医院的医生具有特殊性，首先不少病患与医生之间存在预约行为，即某一日的门诊可能是之前三到五天安排好的，因此即便有预测功能也很难因为人数较少而缩减当日的上班医生数量，其次不少医生在学校或政府机构兼有其他职务，能够参与医院治疗的工作时间有限，这一部分医生的上班时间也是被提前安排好的，很难调整，所以可以看到，医院在动态数据的管理上需求较低，而在数据分析与预测的功能上具有客观的制约因素。
得分最低準则层指标是信息一体化。由于财务系统人员的知识结构较为单一，大型医院可能有财务人员年龄结构老化等情况的存在，数据信息的一体化展现对于他们而言重要程度较低，同时即便存在人工智能辅助，不少医院仍然在使用纸质凭证进行报销，同时不少医院出现了将电子报销凭证进行打印使用的情况，因此可以发现信息一体化对于医院而言作用较小，传统的财务会计工作仍然喜欢将工作内容进行分割，以单一的视角对财务数据进行分析，而较少对数据进行统合分析，同时由于数据的属性较多，数据量较大，现有的财务人员的知识储备也难以具备对一体化数据进行分析的能力。
（二）提升策略
1.持续优化管理绩效
随着人工智能对医院财务系统的辅助，财务人员原本的编制将变得充裕，因此有必要对多余的人员进行岗位调动，一方面可以有效淘汰知识结构陈旧的员工，另一方面可以给其他科室以人员补充，从而提高财务部门的工作绩效以及医院整体的工作绩效。现代化的人工智能辅助财务，将会有效改进财务系统的数据处理以及分析，这些原本是由人来完成的工作被计算机代替后，人的工作重点将集中在工作问题的解决以及宏观发展战略的制定。医院对于财务数据的利用与其他行业相比较为落后，因此有必要持续地对管理方式进行改进，进而帮助财务以及其他部门优化管理绩效[9]。
2.保障基础业务的办理效率，同时提高非基础业务的人工智能处理覆盖率
传统的基础业务是当下人工智能处理较为成熟的业务范畴，主要包括医药器械管理业务和员工薪资报销业务等，这部分业务的内容相对固定。面对病患业务虽然具有较强的同质性[10]，但是由于其业务处理的复杂性，现在还在以人工进行处理，因此有必要通过不断升级人工智能对于异质性情景的处理能力，从而加快病患业务的处理。同时在对公业务中，尽管业务的难度不大，但是潜在风险所造成的损失可能巨大，因此这部分业务仍然处于人工处理阶段，后续有必要通过计算机做预处理，随后由人工进行快速审批复核的流程，形成计算机与人合作的工作方式，进一步提高人工智能在财务管理系统的覆盖率。
3.提高风险防范意识，准备完善预案
传统大型医院由于长期具备较为充沛的资金流，因此缺乏对资金风险的应对方案和预案设置，随着疫情的持续，医院的非个人业务规模占比增加，有可能会出现资金流紧张的情况，因此医院财务系统有必要做出合理的应对方案。如果出现资金流短缺，那幺随之而来的可能是药品出现低库存的情况，从而影响医院的正常社会职能。为了应对这些可能存在的风险，医院的财务人员有必要对这些功能进行学习，同时对系统设置合理的预警条件。
4.优化医院财务人员结构
随着人工智能进入医院财务系统，已有的人员结构难以有效地与现在运行的财务系统相匹配。从人口结构可以看到大专及以下的人员比例大于硕士及以上的群体，说明人员的学历层次较低，同时有接近30%的样本年龄已经大于45岁，较难适应人工智能辅助的财务系统，因此医院应当结合自身财务发展，引入更多年轻的高学历人才（包括统计学、计算机科学等相关人才），从而使人工智能辅助系统在实际应用中发挥更大的作用[11]。
5.提高主观能动性
传统的财务业务办理工作量相对巨大，但工作流程简单也容易学习，而人工智能辅助的财务系统虽然效率高，但是因为需要学习新知识，从而更加容易被财务人员排斥。然而人工智能辅助财务系统是大势所趋，医院高层领导以及中层领导应当形成共识，大力推进人工智能在生产管理、财务管理以及人力管理等方面的应用。同时提高相关从业人员的主观能动性去学习相应的知识，以帮助医院更好地应用人工智能系统，对财务工作起到推动作用。
【参考文献】
［1］ 国家发改委，等.“十四五”优质高效医疗卫生服务体系建设实施方案［A］.发改社会〔2021〕893号，2021.
［2］ 邝鹏蝶，刘晶，朱咏梅.基于信息化平台的医院科研经费管理新模式探讨［J］.中华医学科研管理杂志，2022，35（2）：147-151.
［3］ 吴强，罗晓霞，李恒，等.构建医院财务管理信息化建设路径探索［J］.中国卫生经济，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 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］ 刘波，郭靖，张晓玮，等.人工智能时代下公立医院财务综合服务平台的构建与创新［J］.财政监督，2019（17）：93-98.
［8］ 吴卉.财务智能化背景下医院会计信息化建设问题分析［J］.财经界，2020（6）：153-154.
［9］ 艾学瑛.基于人工智能技术的医用财务自动管理系统［J］.信息技术，2019，43（11）：173-176.
［10］ 武婷婷，陈蕾，方佳伟，等.人工智能技术在医院患者服务场景中的应用［J］.中国数字医学，2018，13（12）：17-19.
［11］ 叶然，罗治民，田志伟，等.卓越绩效模式下医院财务管理体系构建［J］.中国医院，2018，22（6）：11-13.
