Ο βραχίονας της KPMG στο Ηνωμένο Βασίλειο αποκάλυψε αυτή την εβδομάδα ότι οι πράκτορες τεχνητής νοημοσύνης που αναπτύχθηκαν κατά τη διάρκεια μιας δοκιμής ορόσημου ελέγχου μερικές φορές διερεύνησαν οικονομικά ζητήματα πιο βαθιά - και έκαναν καλύτερες ερωτήσεις - από τη δική της ομάδα ανθρώπινου ελέγχου, σύμφωνα με ρεπορτάζ των Financial Times και European Business Magazine. Το πείραμα, με την κωδική ονομασία Project Exponential, χρησιμοποίησε περισσότερους από 100 πράκτορες AI για να εξετάσει τις οικονομικές καταστάσεις μιας μεγάλης εταιρείας εισηγμένης στο Ηνωμένο Βασίλειο.
Η δοκιμή σηματοδοτεί ένα σημαντικό βήμα για την τεχνητή νοημοσύνη στις επαγγελματικές υπηρεσίες, μεταβαίνοντας από την τεχνητή νοημοσύνη ως βοηθός για μεμονωμένες εργασίες σε αυτόνομους πράκτορες που εργάζονται σε μια ολόκληρη ροή εργασιών ελέγχου. Εγείρει επίσης ένα άβολο ερώτημα για το επάγγελμα του λογιστή: εάν οι μηχανές μπορούν να εκτελούν όλο και περισσότερο την αναλυτική εργασία άριστα εκπαιδευμένων επαγγελματιών, πόσο γρήγορα θα αλλάξουν τα οικονομικά του ελέγχου; Παρακολουθήστε αυτήν την ιστορία και το υπόλοιπο επιχειρηματικό τοπίο AI στο AI Buzz Wire.
Πώς λειτούργησε το Project Exponential
Οι πράκτορες της τεχνητής νοημοσύνης εξέτασαν τους λογαριασμούς μιας ανώνυμης εταιρείας FTSE 250 μαζί με μια συμβατική ομάδα ελέγχου, αναλαμβάνοντας καθήκοντα σε όλη τη διαδικασία ελέγχου και όχι απλώς αυτοματοποιώντας τις διοικητικές δουλειές. Σύμφωνα με την έκθεση των FT, οι πράκτορες συνέλεξαν πληροφορίες, ανέλυσαν και τεκμηρίωσαν δεδομένα, ανέπτυξαν προσχέδια συμπερασμάτων και παρατηρήσεων και πρότειναν τα επόμενα βήματα. Συντονίστηκαν επίσης μεταξύ τους, κατανέμοντας ουσιαστικά τις ευθύνες σε όλη την έρευνα.
Ο επικεφαλής του τμήματος ελέγχου της KPMG UK, Cath Burnet, είπε ότι η τεχνολογία σε πολλές περιπτώσεις είχε εμβαθύνει σημαντικά σε ζητήματα από την τακτική ομάδα ελέγχου, εντοπίζοντας τομείς που απαιτούν περαιτέρω διερεύνηση και θέτοντας ερωτήσεις που δεν είχαν θέσει οι ανθρώπινοι ελεγκτές. Η τεχνολογία αναπτύχθηκε σε περίπου τέσσερις μήνες.
Όπου οι μηχανές εξακολουθούν να χρειάζονται επίβλεψη
Η KPMG φρόντισε να χαράξει μια γραμμή μεταξύ του πειράματος και ενός επίσημα εγκεκριμένου υποχρεωτικού ελέγχου. Αν και ένας συνεργάτης ελέγχου υπέγραψε την άσκηση, τα ευρήματά του δεν χρησιμοποιήθηκαν ως βάση για την έγκριση των λογαριασμών της εταιρείας. Η ανθρώπινη εποπτεία παρέμεινε απαραίτητη καθ' όλη τη διάρκεια της δοκιμής: κατά τη διάρκεια της δοκιμής, ένας ελεγκτής έπρεπε να παρέμβει όταν ένας πράκτορας τεχνητής νοημοσύνης δεν αντιστοιχούσε σωστά τις ρυθμιστικές απαιτήσεις με την τεκμηρίωση της εταιρείας - ένα επεισόδιο που απεικονίζει τόσο τις δυνατότητες όσο και τα όρια των υφιστάμενων συστημάτων κατά την πλοήγηση σε πολύπλοκα ρυθμιστικά πλαίσια.
Η εταιρεία σχεδιάζει να επεκτείνει την πρωτοβουλία σε έως και 20 μεγαλύτερους ελέγχους, ενώ αναγνωρίζει ότι η τεχνολογία δεν είναι ακόμη αρκετά ώριμη για να αναπτύξει τις χιλιάδες δεσμεύσεις που διεκπεραιώνει μια εταιρεία Big Four ετησίως. Η ποιότητα των δεδομένων παραμένει σημαντικό εμπόδιο, καθώς ορισμένες επιχειρήσεις δεν διαθέτουν τις καθαρές, δομημένες πληροφορίες που χρειάζονται οι πράκτορες τεχνητής νοημοσύνης για να λειτουργήσουν αποτελεσματικά.
Η δοκιμή ταιριάζει σε μια ανομοιόμορφη εταιρική εικόνα
Το πείραμα ελέγχου προσγειώνεται σε μια περίπλοκη στιγμή για τους πράκτορες τεχνητής νοημοσύνης επιχειρήσεων. Μια έρευνα της KPMG που δημοσιεύθηκε τον Αύγουστο διαπίστωσε ότι σχεδόν οι μισοί από τους μεγάλους οργανισμούς - περίπου το 49% - είχαν περιορίσει, καθυστερήσει ή διακόψει την ανάπτυξη πρακτόρων τεχνητής νοημοσύνης επειδή το λειτουργικό κόστος υπερέβαινε την αξία που παρείχαν τα συστήματα. Σε αυτό το πλαίσιο, το Project Exponential είναι ένα αξιοσημείωτο αντιπαράδειγμα: μια εταιρεία παροχής επαγγελματικών υπηρεσιών που βάζει αντιπροσώπους να εργαστούν σε αναλυτική εργασία υψηλής αξίας αντί για αυτοματισμούς back-office, και βρίσκει τα αποτελέσματα ανταγωνιστικά με το δικό της εκπαιδευμένο προσωπικό.
Τα ευρήματα υποδηλώνουν επίσης ότι οι δυνατότητες της τεχνητής νοημοσύνης στις επαγγελματικές υπηρεσίες μπορεί να επεκταθούν πολύ πέρα από τα κέρδη παραγωγικότητας, σύμφωνα με την έκθεση του European Business Magazine. Η τεχνολογία θα μπορούσε να αλλάξει τον τρόπο με τον οποίο εξετάζονται, ερμηνεύονται και αμφισβητούνται περίπλοκες χρηματοοικονομικές πληροφορίες – έργο που βρίσκεται στον πυρήνα του τι πωλούν οι ελεγκτικές εταιρείες. Η Αυστραλιανή Οικονομική Επιθεώρηση κάλυψε την ίδια δοκιμή με τίτλο, σημειώνοντας ότι η τεχνητή νοημοσύνη έκανε «καλύτερες ερωτήσεις» από τους λογιστές της KPMG σε αυτό που περιέγραψε ως μια πρώτη στο είδος του έλεγχο.
Μια πρόκληση για το επιχειρηματικό μοντέλο των τεσσάρων μεγάλων
Οι επιπτώσεις ξεπερνούν τη μία εταιρεία. Ο παραδοσιακός έλεγχος βασίζεται σε μεγάλες ομάδες κατώτερων λογιστών που εκτελούν λεπτομερείς, επαναλαμβανόμενες εργασίες υπό την επίβλεψη έμπειρων διευθυντών και συνεργατών. Οι πράκτορες τεχνητής νοημοσύνης προσφέρουν ένα διαφορετικό μοντέλο λειτουργίας — αυτοματοποιώντας μεγάλο μέρος της συλλογής δεδομένων, της ανάλυσης και της τεκμηρίωσης, ενώ οι ανώτεροι επαγγελματίες επικεντρώνονται σε περίπλοκες κρίσεις και εξαιρέσεις.
Για τις KPMG, Deloitte, PwC και EY, η έλξη είναι προφανής: ταχύτεροι έλεγχοι, δυνητικά χαμηλότερο λειτουργικό κόστος και ικανότητα ανάλυσης πολύ μεγαλύτερου όγκου οικονομικών πληροφοριών. Το αν αυτές οι οικονομίες φτάνουν στους πελάτες είναι ένα ανοιχτό ερώτημα. Η KPMG έχει αναγνωρίσει τη δυνατότητα για σημαντική εξοικονόμηση χρόνου, αλλά δεν έχει επιβεβαιώσει εάν η αποτελεσματικότητα που βασίζεται στην τεχνητή νοημοσύνη θα μεταφραστεί σε χαμηλότερα τέλη ελέγχου, ανέφερε το European Business Magazine.
Οι ρυθμιστικές αρχές παρακολουθούν στενά. Το Συμβούλιο Οικονομικών Αναφορών του Ηνωμένου Βασιλείου προειδοποίησε ότι η χρήση τεχνητής νοημοσύνης δεν πρέπει να υπονομεύει την ανεξαρτησία, την ακεραιότητα ή τον επαγγελματικό σκεπτικισμό των ελεγκτών και εξακολουθούν να υπάρχουν ανησυχίες σχετικά με την ασφάλεια των δεδομένων, την υπερβολική εξάρτηση από αυτοματοποιημένα συμπεράσματα και την πιθανότητα η τεχνητή νοημοσύνη να δημιουργεί ανακριβείς ή κατασκευασμένες πληροφορίες. Σύμφωνα με τους ισχύοντες κανόνες, η ευθύνη για τη γνώμη ελέγχου παραμένει στον ανθρώπινο ελεγκτή ανεξάρτητα από την τεχνολογία που χρησιμοποιείται.
Ωστόσο, τα οικονομικά δείχνουν προς μια κατεύθυνση. Οι ελεγκτικές εταιρείες εξαρτώνται από στρατούς κατώτερου προσωπικού που μπορεί να χρεωθεί σε κλίμακα, και η δοκιμή FTSE 250 υποδηλώνει ένα μέλλον όπου μεγάλο μέρος αυτής της εργασίας εκτελείται από μηχανής - με τους ανθρώπους να διατηρούνται για κρίση, επίβλεψη και υπευθυνότητα. Η KPMG κινείται σκόπιμα: επεκτείνεται σε μερικές δεκάδες ελέγχους πρώτα, συλλέγει στοιχεία σχετικά με το πού βοηθούν οι πράκτορες και πού αποτυγχάνουν, πριν από οποιαδήποτε ευρύτερη διάθεση. Οι ανταγωνιστικές εταιρείες Big Four εκτελούν τους δικούς τους πιλότους αντιπροσώπων και η προσοχή της ρυθμιστικής αρχής του Ηνωμένου Βασιλείου σηματοδοτεί ότι η υιοθέτηση θα διέπεται τόσο από τα πρότυπα ελέγχου όσο και από την τεχνολογία. Για συνεχή κάλυψη του τρόπου με τον οποίο η τεχνητή νοημοσύνη αναδιαμορφώνει τη δουλειά της γνώσης, ακολουθήστε τις τελευταίες εξελίξεις της τεχνητής νοημοσύνης στο AI Buzz Wire.
Τι σημαίνει για το επάγγελμα
Η δοκιμή δεν αποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να αντικαταστήσει τους λογιστές ή να πραγματοποιήσει ανεξάρτητα έναν αξιόπιστο υποχρεωτικό έλεγχο. Αποδεικνύει όντως ότι οι πράκτορες της τεχνητής νοημοσύνης αρχίζουν να αμφισβητούν επαγγελματίες σε περιοχές που θεωρούνταν από καιρό εξαρτώμενες από την ανθρώπινη τεχνογνωσία - και ότι το ερώτημα δεν είναι πλέον αν η τεχνητή νοημοσύνη θα γίνει μέρος της διαδικασίας ελέγχου, αλλά πόσο από αυτό θα εκτελέσουν τελικά τα μηχανήματα. Για συνεχή κάλυψη του τρόπου με τον οποίο η τεχνητή νοημοσύνη αναδιαμορφώνει τη δουλειά του λευκού γιακά, ακολουθήστε τις τελευταίες εξελίξεις της τεχνητής νοημοσύνης στο AI Buzz Wire.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →