استفاده از هوش مصنوعی در حسابداری مانند سایر حوزه‌های فناوری به شکل گسترده‌ای در حال رشد است. از آنجا که فراگیر و کاربردی شدن پدیده هوش مصنوعی به خودی خود موضوعی تازه است؛ بررسی ابعاد ارتباط آن با حوزه‌های گوناگون می‌تواند پیچیده باشد. با این حال در همین زمان کوتاه، مشخص شده که آینده اغلب فعالیت‌ها به شکل عمیقی با هوش مصنوعی گره خورده است. این موضوع در زمینه حسابداری نیز کاملا احساس می‌شود. طوری که قطعا طی سال‌های آینده باید منتظر تغییرات عمیقی در روش‌های مدیریت مالی و حسابداری کسب‌وکارها به کمک هوش مصنوعی باشیم.
به‌طور خلاصه ابزارهای مبتنی بر هوش مصنوعی می‌توانند کارهای تکراری را خودکار کنند؛ الگوها و نشانه‌های ریسک را زودتر نشان دهند؛ و گزارشهای تحلیلی را سریع‌تر و دقیق‌تر در اختیار شما قرار دهند. البته هوش مصنوعی در حسابداری همچنان با چالش‌هایی مثل کیفیت داده‌ها، تصمیم‌گیری‌ها و مسئولیت‌پذیری روبه‌رو است.
در این مقاله می‌خواهیم ابعاد گوناگون این مسئله را شکافته و تصویر روشن‌تری از فناوری‌های مورد استفاده، تاثیرگذاری‌ها، مزایا، چالش‌ها، تحولات در وظایف حسابداران و آینده حسابداری مبتنی بر هوش مصنوعی را در ذهن شما شکل دهیم.
پیش از هر چیز باید دقیقا بدانیم منظور از هوش مصنوعی چیست. این واژه به‌خصوص در میان متخصصان بیرون از حوزه فناوری ناآشنا است. بنابراین بیایید از ساده‌ترین تعریف آغاز کنیم. هوش مصنوعی در عمل مجموعه‌ای از فناوری‌ها و روش‌ها است؛ که هدفش یادگیری از داده‌ها و تصمیم‌گیری به شیوه انسانی است. با این تفاوت که هوش مصنوعی به دلیل ماهیت رایانه‌ای خود، این فعالیت را با سرعت و دقتی بسیار بالاتر انجام می‌دهد.
به‌طور دقیق‌تر فناوری هوش مصنوعی را می‌توان شامل چهار شاخه اصلی زیر دانست:
روش یادگیری ماشین بررسی داده‌های گذشته، یاد گرفتن از آنها و پیش‌بینی امور مختلف بر اساس این یادگیری است.
به عنوان مثال الگوریتم یادگیری ماشین در حسابداری می‌تواند با بررسی الگوهای مختلف در تراکنش‌های مالی، موارد غیر عادی یا احتمال وقوع خطا و تقلب را شناسایی کند.
یادگیری عمیق فرم پیشرفته‌تر یادگیری ماشین است. در واقع این سیستم نیز به همان روش، اما با تکیه بر شبکه‌های عصبی چند لایه کار می‌کند.
به عنوان مثال یادگیری عمیق در حسابداری می‌تواند محتوای فاکتورها یا اسناد تصویری و اسکن شده را تشخیص داده و اطلاعات آن را استخراج کند. کاری که بدون ورود هوش مصنوعی به حسابداری به صورت دستی انجام می‌شود.
پردازش زبان طبیعی شاخه‌ای از هوش مصنوعی است که تلاش می‌کند زبان انسان را درک و تفسیر کند. این ویژگی به هوش مصنوعی کمک می‌کند تا ارتباط دقیق‌تر و عمیق‌تری با انسان برقرار کند.
استفاده از پردازش زبان طبیعی در حسابداری برای ساخت چت‌بات‌های هوشمند، تهیه گزارشهای متنی و تبدیل دستورهای متنی انسان به عملیات مالی واقعی کاربرد دارد.
هوش مولد نسل جدید فناوری هوش مصنوعی محسوب می‌شود. جایی که هوش مصنوعی قادر است محتوا، گزارش یا حتی تحلیل‌های مورد نیاز شما را بسازد.
مثلا هوش مولد در حسابداری می‌تواند در تهیه گزارشهای مدیریتی و تشریح موضوعات پیچیده به زبان ساده کاربرد داشته باشد.
حسابداران، مدیران مالی و سازمان‌ها به دنبال خطای کمتر، تصمیم‌گیری‌های دقیق‌تر، سرعت عمل بیشتر و به‌طور کلی کارایی بهتر در ابزارهای حسابداری هستند. بنابراین هیچ‌کس صرفا به واسطه جذابیت فناوری هوش مصنوعی به‌سراغ آن نمی‌رود. بلکه به دلیل توانایی این فناوری در انجام کارهای انسانی با دقت و سرعت بیشتر و بدون خستگی، هوش مصنوعی توانسته در حوزه حسابداری به عنوان یک فناوری کاربردی شناخته شود. جایی که حجم بالای داده و تکرار مداوم کارها، انسان را خسته می‌کند.
اصلی‌ترین کاربردهای هوش مصنوعی در حسابداری
ورود اطلاعات و تطبیق تراکنش‌ها از جمله کارهای وقت‌گیر در حسابداری است. انتظار می‌رود نرم‌افزارهای حسابداری هوشمند بتوانند با خواندن اتوماتیک فاکتورها، رسیدها و اسناد مالی، اطلاعات آنها را به‌صورت خودکار در سیستم ثبت کنند. درک مغایرت‌های احتمالی در این فرآیند نیز بخش دیگری از وظایف هوش مصنوعی در حسابداری است. این ویژگی امکان انجام آنی یکی از وقت‌گیرترین و تکراری‌تری کارهای حسابداری را ممکن می‌کند.
جمع‌آوری اتوماتیک داده‌ها کاری بود که پیش از ظهور هوش مصنوعی نیز تا حدی ممکن شده بود؛ اما هوش مصنوعی علاوه بر جمع‌آوری، می‌تواند داده‌ها را تفسیر کند. به عنوان مثال این ویژگی امکان طراحی سیستم‌های تحلیل مبتنی بر هوش مصنوعی را برای شناسایی تغییرات غیرعادی در هزینه‌ها یا درآمدها ممکن می‌کند. چنین سیستمی حتی می‌تواند با یک توضیح کوتاه و قابل فهم به زبان انسان، موضوع را با کاربر خود مطرح کند. مثلا تصور کنید سیستم به‌طور خودکار اعلام کند:
«افزایش ۲۱ درصدی هزینه حمل و نقل در ماه گذشته به دلیل رشد قیمت سوخت بوده است.»
در سازمان‌های بزرگ متکی بر حسابداری سنتی، معمولا حجم بالایی از تراکنش‌ها وجود دارد. بنابراین بررسی تک‌تک تراکنش‌ها به کمک نیروی انسانی کاری تقریبا غیرممکن است. در اینجا نیز هوش مصنوعی می‌تواند با مطالعه و تحلیل همه تراکنش‌ها، الگوهای مشکوک و غیرمعمول را تشخیص دهد. به عنوان مثال انجام تراکنش در زمانی غیرقابل انتظار، یا موضوع تراکنشی با مبلغ غیرمعمول، از جمله این الگوها است. در واقع این ویژگی به حسابداران کمک می‌کند تا با بررسی حجم بسیار کمتری از داده‌ها، نقاط پرریسک را شناسایی کنند.
مدل‌های پیش‌بینی مبتنی بر یادگیری ماشین می‌توانند بر اساس داده‌های تاریخی، روندهای مالی آینده را پیش‌بینی کنند. مثلا پیش‌بینی جریان نقدی، میزان فروش یا هزینه پروژه‌ها از جمله این موارد است. این ویژگی ابزاری مناسب برای مدیران جهت اخذ تصمیمات بهتر و تخصیص بودجه دقیق‌تر است.
پایش مداوم قوانین مالیاتی و یافتن خطاهای احتمالی در اظهارنامه‌ها و حتی خودکار کردن فرآیند تهیه و ارسال گزارشهای رسمی، از دیگر کارهایی است که هوش مصنوعی در حسابداری ابری قادر به انجام آن است. چنین قابلیتی در سازمان‌هایی با تراکنش‌های انبوه و روبه‌رو با قوانین متنوع، ابزاری بسیار مفید است.
هوش مصنوعی اگرچه در پشت صحنه ابزاری پیچیده است؛ اما در کاربرد، مزایای واضحی همچون دقت، سرعت و بینش را فراهم می‌کند. مزایایی که مدیریت مالی و حسابداری را برای متخصصان این حوزه ساده‌تر می‌کند.
اصلی‌ترین کاربردهای هوش مصنوعی در حسابداری
از گذشته تا امروز کارهای تکراری و خسته‌کننده بخش بزرگی از فعالیت‌های حسابداری هستند. مثلا ورود اطلاعات، تطبیق حساب‌ها و تهیه گزارشهای دوره‌ای، به‌راحتی می‌توانند بخش بزرگی از وقت روزانه این افراد را بگیرند. بنابراین هوش مصنوعی تنها با خودکار کردن همین موارد می‌تواند صرفه‌جویی زیادی در زمان ایجاد کند. افزایش تمرکز و زمان متخصصان مالی و حسابداری، برای انجام کارهای پیچیده‌تر مانند تجزیه و تحلیل و تصمیم‌گیری، جنبه دیگری از این مزیت است.
یک اشتباه کوچک در حسابداری می‌تواند اختلاف‌های مالی بزرگی ایجاد کند. دقت و سرعت بالای هوش مصنوعی در تحلیل داده‌های ورودی و یافتن سریع مغایرت‌ها و ورودی‌های مشکوک، مزیت دیگری است که احتمال خطا را در حسابداری بسیار کم می‌کند. فراموش نکنید که هوش مصنوعی خسته نشده و تمرکز خود را از دست نمی‌دهد.
هوش مصنوعی در حسابداری فراتر از جمع‌آوری داده‌ها، قادر به درک و برقراری ارتباط میان آنها است. این ویژگی کمک می‌کند تا الگوهای مختلف داده‌ها را بشناسد؛ و بر اساس آن بینش‌های واضحی را ارائه دهد. بینش‌هایی که به مدیران مالی در اخذ تصمیمات مبتنی بر داده‌های دقیق کمک می‌کند. مثلا هوش مصنوعی می‌تواند نشان دهد چه بخش‌هایی از هزینه‌های عملیاتی، بیشترین تاثیر را بر سودآوری دارند.
هوش مصنوعی در کنار ارائه گزارشهای مالی مبتنی بر جدول و عدد، آنها را در قالب گزارشهای متنی و توصیفی نیز ارائه می‌دهد. این ویژگی به درک مفاهیم پشت اعداد و جداول مختلف، برای افراد غیرمتخصص در حوزه مالی و حسابداری کمک می‌کند.
بحث‌هایی بسیار پیرامون جایگزینی هوش مصنوعی با نیروی کار انسانی در جریان است. با این حال اغلب تحلیل‌ها نشان می‌دهد که هوش مصنوعی قرار نیست جایگزین نیروی انسانی شود. بلکه تنها موجب تغییر وظایف و تقسیم مسئولیت‌ها خواهد شد. به عنوان مثال در این مسیر نقش حسابداران از «ثبت‌کننده داده» به «تحلیل‌گر مالی و مشاور استراتژیک» تغییر می‌کند. در واقع حسابداران آینده با استفاده از قابلیت‌های هوش مصنوعی، به سازمان خود کمک می‌کنند تا مسیرهای بهینه‌تری را برای مصرف منابع یا کنترل هزینه‌ها شناسایی کنند.
هوش مصنوعی با وعده دقت و سرعت وارد دنیای حسابداری شده است. با این حال همچنان چالش‌های زیادی پیش روی استفاده از این فناوری در حسابداری وجود دارد. شاید به همین دلیل است که همچنان اغلب نرم‌افزارهای حسابداری با احتیاط از مزایای این فناوری برای افزایش امکانات و کارایی خود استفاده می‌کنند.
در این بخش می‌خواهیم به بررسی مهم‌ترین ریسک‌ها و چالش‌های مرتبط با این موضوع بپردازیم.
هوش مصنوعی وابستگی زیادی به داده‌های ورودی دارد. در ابتدای مقاله گفته شد که هوش مصنوعی بر اساس داده‌های دریافتی موضوعات مختلف را یاد می‌گیرد. بنابراین در صورت ورود داده‌های ناقص، ناهماهنگ و نادرست به آن، خروجی هوش مصنوعی هم بی‌ارزش خواهد بود. بنابراین استانداردسازی و پاک‌سازی داده‌ها پیش از به کار بردن هوش مصنوعی، موضوع مهمی است؛ و بدون آن هیچ‌یک از الگوریتم‌های هوش مصنوعی نمی‌توانند نتیجه معناداری ارائه دهند.
در اغلب الگوریتم‌ها یادگیری ماشین، در نهایت منطق پشت ارائه یک نتیجه خاص توسط هوش مصنوعی قابل تشخیص نیست. در واقع هوش مصنوعی بر خلاف شباهت نسبی‌اش با سیستم‌های مبتنی بر شروط، مانند یک جعبه سیاه عمل می‌کند. این ویژگی شاید در بسیاری از حوزه‌ها یک مزیت باشد؛ اما در حسابداری چنین نیست. در واقع تصمیمات مالی نیازمند سطح بالایی از شفافیت و قابلیت پیگیری هستند. مثلا وقتی هوش مصنوعی تشخیص می‌دهد که یک تراکنش مشکوک است؛ حسابدار باید بتواند چرایی آن را توضیح دهد. چراکه نبود یک پاسخ شفاف به این سوال می‌تواند موجب کاهش اعتماد کاربران شود.
هوش مصنوعی در حسابداری برای موفقیت نیازمند دسترسی به حجم بالایی از اطلاعات حساس مالی است. بنابراین هرگونه ضعف امنیتی یا دسترسی غیر مجاز ابزارهای هوش مصنوعی، می‌تواند ریسک‌هایی را از نظر امنیت و حریم خصوصی برای داده‌ها ایجاد کند. بنابراین استفاده از رمزنگاری قوی، محدودسازی دسترسی‌های هوش مصنوعی و ذخیره‌سازی ایمن داده‌ها، از پیش‌شرط‌های اصلی استفاده مسئولانه از آن است.
ورود فناوری‌های جدید به سازمان‌ها همیشه با مقاومت کارکنان روبه‌رو بوده است. در مورد هوش مصنوعی، نگرانی از جایگزین شدن سرمایه انسانی با ابزارهای هوشمند مسئله‌ای جدی است. بنابراین اگر سازمان‌ها نتوانند این نگرانی را در کارکنان خود برطرف کنند؛ احتمالا قادر به استفاده بهینه از هوش مصنوعی در امور خود نیز نخواهند بود.
مسئولیت اشتباهات هوش مصنوعی با کیست؟ آیا هوش مصنوعی را می‌توان جریمه یا مجازات کرد؟ در اغلب کشورها هنوز پاسخ روشنی به این سوالات و سوالات مشابه آنها وجود ندارد. در واقع نهادهای نظارتی هنوز در مرحله تدوین مقررات و چارچوب‌های اولیه هستند. بنابراین مشخص شدن این مقررات و پیاده‌سازی ابزارهای هوش مصنوعی بر اساس آنها بسیار مهم است. همچنین هر سازمانی نیازمند سیاست‌های کنترلی خاص خود برای استفاده، کنترل و پایش فعالیت‌های هوش مصنوعی است.
فارغ از چالش‌های مطرح شده، هوش مصنوعی در نهایت و البته به مرور وارد امور حسابداری خواهد شد. بنابراین در آینده نزدیک، حسابداری دیگر شغلی محدود به ثبت و گزارش اعداد نخواهد بود. در واقع حرفه حسابداری در حال یک پوست‌اندازی تدریجی است. در این آینده حسابداران از کارهای تکراری به سمت تحلیل، تصمیم‌سازی و نظارت بر خروجی‌های هوشمند حرکت می‌کنند. به عبارت دیگر نقش حسابدار آینده نه در مقابل ماشین، بلکه در تعامل با ماشین تعریف می‌شود.
هوش مصنوعی با انجام کارهای تکراری و وقت‌گیر مانند ورود اطلاعات، کنترل فاکتورها و جمع‌بندی گزارش‌ها، با دقت و سرعتی بسیار بیشتر از نیروی انسانی، زمان و فضا را برای انجام کارهای مهم‌تر توسط حسابداران فراهم می‌کند. تمرکز بر تحلیل نتایج، ارزیابی ریسک‌ها و ارائه بینش‌های مالی به مدیران بخشی از این وظایف مهم‌تر است. به بیان دیگر ارزش یک حسابدار در آینده نه در ثبت داده‌ها، بلکه در درک داده‌ها خواهد بود.
در دنیای هوش مصنوعی تنها حسابدارانی موفق خواهند بود که با این فناوری هم‌گام شده و مهارت‌های مورد نیاز برای امور حسابداری در عصر هوش مصنوعی را بیاموزند.
از جمله این مهارت‌ها می‌توان به موارد زیر اشاره کرد:
با توسعه روز‌افزون فناوری، به مرور حسابداران به نقش‌های مبتنی بر تصمیم‌گیری‌های مدیریتی نزدیک‌تر می‌شوند. در این فضا حسابدار فقط یک مجری ساده نیست؛ بلکه شریک فکری مدیریت در تصمیمات مالی است. چنین تغییری علاوه بر افزایش سطح مسئولیت حسابداران، اعتبار حرفه‌ای آنها را نیز افزایش می‌دهد.
در سپردن تصمیمات مالی به الگوریتم‌های هوش مصنوعی، در کنار درست کار کردن سیستم، اخذ تصمیم درست نیز از اهمیت بالایی برخوردار است. وجود این نکته اهمیت قانون‌گذاری و اصول اخلاقی را در حسابداری مبتنی بر هوش مصنوعی مهم کرده است.
پیش از این در بخش‌ها چالش‌ها اشاره کردیم که هوش مصنوعی گاهی مانند یک جعبه سیاه عمل می‌کند. به زبان ساده نتیجه را بدون مطرح کردن فرآیند رسیدن به نتیجه ارائه می‌دهد. این مسئله در حسابداری شفافیت تصمیم‌گیری را تحت شعاع قرار می‌دهد. بنابراین شرکت‌ها باید از ابزارها و مدل‌هایی استفاده کنند که قابلیت توضیح‌پذیری داشته باشند. یا حداقل بتوانند مسیر تصمیم‌گیری الگوریتم را مستند کنند.
اطلاعات مالی جزو حساس‌ترین دارایی‌های هر سازمان است. بنابراین اگر این داده‌ها به شکل عمومی برای آموزش یا اجرای مدل‌های هوش مصنوعی استفاده شود؛ باید از قوانین حفاظت از داده‌ها تبعیت شود. در واقع سیاست‌های امنیتی باید تضمین کنند که هیچ داده‌ای بدون مجوز در اختیار یک سرویس خارجی هوش مصنوعی قرار نمی‌گیرد.
چه کسی در قبال خطای هوش مصنوعی پاسخ‌گو است؟ شرکت توسعه‌دهنده؟ استفاده‌کننده؟ یا حسابدار ناظر؟ این پرسش هنوز در بسیاری از نظام‌های حقوقی بی‌پاسخ مانده است. بنابراین تا زمان تدوین قوانین روشن‌تر، سازمان‌ها باید با سیاست‌های داخلی، سطح مسئولیت هر نقش را تعریف کنند. به زبان ساده در شرایط فعلی همچنان وجود کنترل‌های انسانی و نظارت مستقیم انسان بر فرآیندهای انجام شده توسط هوش مصنوعی ضروری است.
جالب است بدانید هوش مصنوعی هم می‌تواند در قضاوت‌هایش دچار سوگیری شود. وجود داده‌های آموزشی اشتباه یا نامتوازن، از جمله دلایل رخ دادن این سوگیری‌ها است. در این وضعیت نتایج هوش مصنوعی در حسابداری می‌تواند منجر به خطاهای سیستماتیک شود. بنابراین شفاف‌سازی منبع داده‌ها، بررسی کیفیت آنها و پایش مداوم عملکرد مدل مورد استفاده، از ملزومات اخلاقی استفاده از هوش مصنوعی در حسابداری است.
نهادهای بین‌المللی و سازمان‌های حسابرسی در کشورهای توسعه‌یافته در حال تدوین دستورالعمل‌هایی برای استفاده مسئولانه از هوش مصنوعی هستند. این دستورالعمل‌ها به‌دنبال ایجاد تعادل میان نوآوری و اعتماد عمومی‌اند. این موضوع به‌خصوص در حسابداری مهم است؛ چراکه این تخصص بیش از هر حوزه دیگری به اعتماد وابسته است.
واقعیت امروز حسابداری با هوش مصنوعی
هوش مصنوعی دیگر موضوع فیلم‌ها و کتاب‌های علمی و تخیلی نیست. بلکه واقعیت در حال شکل‌گیری امروز است. هوش مصنوعی در حسابداری نیز با همین سرعت در حال توسعه و نشان دان مزایای خود است. البته که مانند هر فناوری تازه‌ای، این تحول نیز بدون چالش نخواهد بود.
با این وجود و حداقل در آینده قابل پیش‌بینی، حسابداری نه فعالیتی تماما ماشینی و نه کاملا انسانی است. بنابراین حسابدارانی که درک عمیق‌تری از فناوری پیدا کنند؛ در دنیای پیش رو نه‌تنها جایگاه خود را حفظ خواهند کرد؛ بلکه در قلب تحولات مالی قرار خواهند گرفت.
آنچه در این مقاله میخوانید
سوالی دارید از ما بپرسید
تلفن: ۸۴۳۶۳۰۰۰-۰۲۱
خیابان خالد اسلامبولی (وزرا) خیابان هجدهم شماره ۳۰
خیابان ولیعصر نرسیده به توانیر خیابان لنکران شماره ۵
۰۲۱−۸۴۳۶۳۰۰۰
info[@]rayvarz.com
