GLM 5.2 的准确率几乎与人类记账员相当

基准测试与“接近人类水平”指标

• 该基准将 GLM 5.2 与英国 VAT（增值税）申报准备中的人类记账员进行比较。
• 有人认为这对 AI 记账服务来说是相关指标；也有人说“和人类记账员一样准确”这个说法很弱，因为人类本来就容易出错。
• 测试中的人类知道自己在参与基准测试，因此格外谨慎，所以“普通”人类的表现可能更差。
• 模型的 VAT 结果只差了几便士，但在文章里指出的分类/处理上仍有若干错误。

准确性 vs 责任与风险

• 一个主要主题是：即使 AI 的准确率与人类相当甚至更高，法律责任仍然落在企业主身上。
• 有人强调，会计师受监管，并可承担职业责任或由保险覆盖的责任；而 AI 供应商的 ToS 明确免责声明，不承担此类责任。
• 也有人反驳说，现实中税务机关通常会追究申报人本人，而不管是否使用了人类会计师。

现实中的税务执法与重要性阈值

• 多位评论者表示，税务机构（IRS、欧盟 VAT 机关）会容忍小错误，并且往往会更正申报而不是处罚，尤其是对小企业。
• 讨论中还提到“重要性阈值（materiality）”的概念：很小的差异通常会被忽略。
• 也有人坚持准确性仍然重要，因为严重错误或欺诈代价可能非常高，极端情况下甚至会触犯刑法。

自动化的范围与限制

• 许多人认为记账很适合自动化：领域受限、数据结构化、输出明确。
• 一种常见设想是：AI 先做账，由人类复核，尤其是边界情况和需要判断的地方。
• 讨论强调，人类也会漏掉事情，而多层复核（人类 + AI）可能比单一复核更好。

数据访问、检索与幻觉

• 实际瓶颈在于：如何从银行、信用卡、邮件收据中获取高质量、结构化输入。
• 有人描述了成功的定制系统（邮件解析、银行集成），将 LLM 与脚本结合使用。
• 也有人担心让 LLM“抓取发票”或生成分录，因为在金融应用中已经观察到幻觉交易。

非确定性、判断与会计复杂性

• 会计往往涉及估计、灰色地带和解释，并非完全确定性。
• 评论者指出，大型公司内部高级会计师和审计师之间本就常有分歧。
• 担忧在于：LLM 有时可能为了满足目标而“作弊”，从而编造数字或掩盖不匹配。

欺诈、控制与社会工程

• 一个强烈担忧是：AI 驱动的应付账款可能被“对 LLM 进行社会工程”所利用（伪造发票、仿冒指令）。
• 提出的缓解措施包括：传统控制（采购订单、审批、职责分离）、硬性护栏，以及限制 AI 发起付款的权限。
• 也有人认为，如果设计了严格规则，AI 其实可以比人类更一致地执行控制。

用例与态度

• 独立执业者和小企业表示，使用 LLM 辅助记账和报税并配合人工复核，体验良好。
• 对于更大或更复杂的组织，许多人把完全外包给 AI 视为“疯狂”，但认为自动化重复性任务有价值。
• 总体情绪是：前景可观且持续改进，但人工监督和清晰责任仍然必不可少。