AI精度跑赢12名CPA 但结账仍要人审

时间: 2026年10月2日（北美时间），AI 人才平台 Mercor 发布最新论文《Human Baselines for Benchmarks: AI Now Outperforms Junior Accountants》，首次用人类基线量化 AI 对白领职业的替代速度。 地点: 美国旧金山（Mercor 总部）/ 全球发布 人物: - Mercor CEO Brendan Foody 及团队 - 12 名受聘注册会计师（CPA，平均 5.5 年从业经验，全部持证） - 沃顿商学院教授 Ethan Mollick（评论员） 事件详情: Mercor 邀请 12 名持证 CPA 完成 APEX-Accounting 基准的 4 个月度结账简化场景，与前沿 AI 模型进行直接对比。核心发现： - **AI 全面领先**：前沿模型在速度、精度、成本三个维度均显著优于人类 CPA，12 名 CPA 完成 4 场景平均耗时 8.7 小时，AI 几秒钟即可完成 - **18 个月加速度**：18 个月前最强 AI 模型得分仍低于 CPA 平均的 37%，如今几乎完美完成同类任务 - **成本降一个数量级**：前沿模型每任务判据成本比人类 CPA 低 10 倍以上 - **完整 APEX-Accounting 榜单**（160 任务，10 家模拟企业）：Opus 5.5 Max 61.8% 居首、Fable 5.1 Max 61.0% 次之、GPT-6 Astra 57.9% 第三 - **稳定性瓶颈**：58% 任务从未被任何模型在 8 次尝试中完整解决，最强模型 8 次全过的比例仅 2.6% 背景: APEX-Accounting 是 Mercor 与 Ramp 合作构建的闭源会计基准，含 160 任务、2186 条专家评分标准、10 家模拟企业（虚构但每笔交易均由德勤/普华永道/安永/毕马威前会计师设计），AI 评分法官与专家一致率 97%。Mercor 系列基准还包括 APEX-Agents（投行/律师/咨询，Opus 5.5 Max 73.5% 领先）和 APEX-SWE（软件工程，Opus 5 Max 63.7% 居首）。 影响: - **就业冲击**：Mercor 因研究"太过火辣"曾考虑不发表，承认 AI 已开始替代初级会计的部分工作 - **生产力拐点**：Ethan Mollick 称即使模型停止进步，会计行业即将获得的生产力红利已足够显著 - **基准设计转向**：前沿基准从"测量 AI 做人类工作"转向"测量原本不可能做到的事" - **企业实证**：Mercor 自身 ARR 突破 20 亿美元，财务团队仅 3 人，正在用 AI 重构会计部门 总结: Mercor 的人基线研究首次系统量化 AI 对白领职业的替代速度：18 个月内 AI 从落后 CPA 平均分到几乎满分，单位成本比人类低一个数量级。但完整月结账涉及客户沟通、经验沉淀、上下文判断等非结构化任务，仍需人工把关，初级会计师技能价值面临重估。 参考来源: 1. https://www.mercor.com/blog/human-baselines-for-benchmarks-ai-now-outperforms-junior-accountants/ 2. https://the-decoder.com/ai-beats-licensed-accountants-on-speed-and-accuracy-but-still-cant-close-the-books-without-supervision/ 3. https://mercor.com/apex/apex-accounting-leaderboard/ 4. https://agihunt.info/en/p/1a0fa625909f6aadcc25b251f0f 5. https://www.mercor.com/blog/introducing-the-ai-productivity-index-for-accounting 6. https://cdn.sanity.io/files/h6s14f4z/production/4048fb3eece18a56006026d212d25312f7ffc29a.pdf (full paper)