هوش مصنوعی در حسابداری امروز بیشترین کمک را در کارهای حجمی و تکراری می‌کند: پیشنهاد جفت تراکنش‌های بانک و دفتر، پیشنهاد سرفصل برای هزینه‌ها و استخراج مبلغ و تاریخ از تصویر فاکتور. خروجی این ابزارها پیشنهاد است و باید کنترل شود. برای نرخ مالیات، سقف معافیت یا حکم قانونی منبع قابل اتکا نیست، چون ممکن است عددی قدیمی یا ساختگی را با لحن مطمئن ارائه کند.
سه فناوری که زیر یک نام گفته می‌شوند
| نوع | کار نمونه | رفتار خروجی |
|---|---|---|
| خودکارسازی قاعده‌محور | ثبت تکراری، تطبیق بانک با قاعده‌ی مبلغ و تاریخ | قطعی و قابل پیش‌بینی؛ همان ورودی همیشه همان خروجی را می‌دهد. |
| یادگیری ماشین | پیشنهاد سرفصل هزینه، پیش‌بینی دریافت و پرداخت | احتمالی؛ از داده‌ی گذشته‌ی همان شرکت یاد می‌گیرد و خطای آن باید سنجیده شود. |
| مدل‌های زبانی | پیش‌نویس گزارش، خلاصه‌ی قرارداد، توضیح مفهوم | متن روان و گاهی نادرست؛ ممکن است عدد یا ماده‌ی قانونی نادرست را مطمئن بیان کند. |
بخش بزرگی از آنچه با نام هوش مصنوعی فروخته می‌شود، در واقع خودکارسازی قاعده‌محور است که در اتوماسیون مالی توضیح داده شده است. پیش از خرید، بپرسید ابزار دقیقاً از کدام نوع است؛ هر نوع کنترل متفاوتی لازم دارد.
کاربردهایی که امروز قابل اجرا هستند
- تطبیق بانکی: سیستم تراکنش‌های منطبق را کنار می‌گذارد و فقط قلم‌های بی‌جفت را برای بررسی نشان می‌دهد.
- دسته‌بندی هزینه: بر اساس شرح و طرف‌حساب، سرفصل پیشنهاد می‌دهد و حسابدار تأیید یا اصلاح می‌کند.
- استخراج داده از فاکتور: شماره، تاریخ، مبلغ و شناسه‌ها از تصویر یا PDF خوانده می‌شوند؛ در تصاویر کم‌کیفیت، خطای خواندن ارقام رخ می‌دهد.
- پیش‌بینی نقد چند هفته‌ی آینده: از الگوی دریافت‌ها و پرداخت‌های گذشته، به شرط داده‌ی کافی و منظم
- پیش‌نویس متن: گزارش مدیریتی یا یادداشت توضیحی، که انسان عددها و نتیجه‌گیری‌هایش را کنترل می‌کند.
مثال فرضی: ورود و تطبیق ۱٬۲۰۰ فاکتور در ماه
| قلم | دستی | استخراج خودکار با بازبینی |
|---|---|---|
| فاکتورهایی که کار انسانی می‌خواهند | ۱٬۲۰۰ | ۳۶۰ (۳۰٪) |
| زمان برای هر فاکتور | ۴ دقیقه | ۱ دقیقه بازبینی |
| زمان ماهانه | ۸۰ ساعت | ۶ ساعت |
| هزینه‌ی ماهانه با ۱۵۰٬۰۰۰ تومان برای هر ساعت | ۱۲٬۰۰۰٬۰۰۰ تومان | ۹۰۰٬۰۰۰ تومان |
در این فرض، حدود ۷۴ ساعت کار ماهانه آزاد می‌شود. تصمیم اما به دو عدد دیگر هم بستگی دارد که در جدول نیست: هزینه‌ی ماهانه‌ی ابزار و نرخ واقعی خطای آن روی فاکتورهای همین شرکت. اگر ۷۰٪ «بدون دخالت» در عمل خطای ثبت بسازد و فقط در پایان سال پیدا شود، صرفه‌جویی ظاهری به هزینه‌ی اصلاح تبدیل می‌شود.
ریسک‌ها
- خطای مطمئن: مدل زبانی ممکن است نرخ یا ماده‌ی قانونی را اشتباه ولی قاطع بگوید. هیچ رقم مالیاتی یا بیمه‌ای را بدون منبع رسمی همان سال نهایی نکنید.
- محرمانگی: ارسال اسناد مالی و اطلاعات مشتریان به سرویس ابری بیرونی ممکن است با تعهدات محرمانگی شرکت در تضاد باشد. پیش از انتخاب ابزار، محل نگهداری و استفاده از داده را بررسی کنید.
- کیفیت داده: پیش‌بینی و دسته‌بندی روی دفاتر نامنظم و سرفصل‌های درهم نتیجه‌ی قابل اتکا نمی‌دهد.
- مسئولیت: مسئولیت اظهارنامه و صورت‌های مالی با شرکت و حسابدار است، نه با ابزار.
از کجا شروع کنیم
- یک کار حجمی و پرتکرار انتخاب کنید، مانند تطبیق بانک یا ورود فاکتور خرید.
- داده‌ی پایه را منظم کنید: کدینگ حساب‌ها، فهرست طرف‌حساب‌ها و شرح یکدست سندها.
- ابزار را روی نمونه‌ی واقعی آزمایش و خطای آن را اندازه بگیرید.
- نقطه‌ی بازبینی انسانی را مشخص و مکتوب کنید.
- محرمانگی و محل نگهداری داده را پیش از استفاده‌ی گسترده بررسی کنید.
طراحی و پیاده‌سازی کاربردهای هوش مصنوعی روی فرایندهای مالی خود کسب‌وکار، کار خدمت هوش مصنوعی و ابزارسازی مالی ویراف است. نحوه‌ی استفاده‌ی خود ویراف از هوش مصنوعی در تهیه‌ی مطالب در شیوه‌ی تهیه‌ی محتوا آمده است.