بر اساس گزارش فایننشال تایمز و مجله تجارت اروپایی، بازوی بریتانیایی KPMG در این هفته فاش کرد که عوامل هوش مصنوعی که در طول یک آزمایش حسابرسی تاریخی مستقر شدهاند، گاهی مسائل مالی را عمیقتر - و سوالات بهتری - از تیم حسابرسی انسانی خود میپرسند. این آزمایش که با اسم رمز Project Exponential شناخته میشود، از بیش از 100 عامل هوش مصنوعی برای بررسی صورتهای مالی یک شرکت بزرگ در فهرست بریتانیا استفاده کرد.
این آزمایش یک گام مهم برای هوش مصنوعی در خدمات حرفهای است و از هوش مصنوعی به عنوان دستیار وظایف مجزا به سمت عوامل مستقلی که در کل گردش کار حسابرسی کار میکنند، حرکت میکند. این همچنین یک سوال ناراحت کننده را برای حرفه حسابداری ایجاد می کند: اگر ماشین ها بتوانند به طور فزاینده ای کار تحلیلی متخصصان بسیار آموزش دیده را انجام دهند، اقتصاد حسابرسی چقدر سریع تغییر خواهد کرد؟ این داستان و بقیه چشم انداز کسب و کار هوش مصنوعی را در [AI Buzz Wire] (https://aibuzzwire.news) دنبال کنید.
چگونه پروژه نمایی کار کرد
عوامل هوش مصنوعی، حسابهای یک شرکت FTSE 250 ناشناس را در کنار یک تیم حسابرسی معمولی بررسی کردند و وظایفی را در کل فرآیند حسابرسی به جای خودکار کردن کارهای اداری انجام دادند. بر اساس گزارش FT، ماموران اطلاعات را جمع آوری کردند، داده ها را تجزیه و تحلیل و مستند کردند، پیش نویس نتیجه گیری و مشاهدات را تهیه کردند و گام های بعدی را پیشنهاد کردند. آنها همچنین با یکدیگر هماهنگ کردند و به طور مؤثر مسئولیت ها را در سرتاسر تحقیقات تقسیم کردند.
کات برنت، رئیس حسابرسی KPMG انگلستان، گفت که این فناوری در چندین مورد به طور قابل توجهی عمیقتر از تیم حسابرسی معمولی به مسائل مربوط میشود و حوزههایی را که نیاز به بررسی بیشتر دارند و سؤالاتی را که حسابرسان انسانی مطرح نکرده بودند، شناسایی کرده است. این فناوری در طول تقریباً چهار ماه توسعه یافته است.
جایی که ماشینها هنوز به نظارت نیاز دارند
KPMG مراقب بود که بین آزمایش و ممیزی رسمی تایید شده قانونی مرزی ترسیم کند. اگرچه یکی از شرکای حسابرسی این تمرین را امضا کرد، اما از یافته های آن به عنوان مبنایی برای تأیید حساب های شرکت استفاده نشد. نظارت انسانی در طول کارآزمایی ضروری بود: در طول کارآزمایی، زمانی که یکی از عوامل هوش مصنوعی نتوانست به درستی الزامات نظارتی را با اسناد شرکت مطابقت دهد، یک حسابرس باید مداخله میکرد - قسمتی که هم قابلیتها و هم محدودیتهای سیستمهای فعلی را هنگام هدایت چارچوبهای نظارتی پیچیده نشان میدهد.
این شرکت قصد دارد ابتکار عمل را به 20 ممیزی بزرگتر گسترش دهد، در حالی که اذعان می کند که این فناوری هنوز به اندازه کافی بالغ نشده است تا در هزاران تعهدی که یک شرکت چهار بزرگ سالانه انجام می دهد، گسترش یابد. کیفیت داده ها همچنان یک مانع مهم است، زیرا برخی از کسب و کارها فاقد اطلاعات تمیز و ساختار یافته ای هستند که عاملان هوش مصنوعی برای عملکرد مؤثر نیاز دارند.
محاکمه متناسب با یک تصویر سازمانی ناهموار
آزمایش حسابرسی در لحظه ای پیچیده برای عوامل هوش مصنوعی سازمانی قرار می گیرد. یک نظرسنجی KPMG که در ماه آگوست منتشر شد، نشان داد که تقریباً نیمی از سازمانهای بزرگ - حدود 49 درصد - استقرار عاملهای هوش مصنوعی خود را محدود، به تأخیر انداخته یا متوقف کردهاند، زیرا هزینههای جاری از ارزش ارائهشده سیستمها فراتر رفته است. در مقابل این پسزمینه، Project Exponential یک مثال متقابل قابلتوجه است: یک شرکت خدمات حرفهای که نمایندگانی را به جای اتوماسیون اداری پشتیبان بر روی نیروی کار تحلیلی با ارزش کار میکند و نتایج را قابل رقابت با کارکنان آموزشدیده خود مییابد.
طبق گزارش مجله تجارت اروپایی، یافتهها همچنین نشان میدهند که پتانسیل هوش مصنوعی در خدمات حرفهای ممکن است فراتر از دستاوردهای بهرهوری باشد. این فناوری می تواند نحوه بررسی، تفسیر و به چالش کشیدن اطلاعات مالی پیچیده را تغییر دهد - کاری که هسته اصلی آنچه شرکت های حسابرسی می فروشند قرار دارد. بررسی مالی استرالیا همان آزمایش را تحت عنوانی پوشش داد و خاطرنشان کرد که هوش مصنوعی «سوالات بهتری» را نسبت به حسابداران KPMG مطرح کرده است که آن را اولین اجرای حسابرسی در نوع خود توصیف می کند.
چالشی برای مدل کسب و کار چهار بزرگ
پیامدها فراتر از یک شرکت است. حسابرسی سنتی بر تیم های بزرگی از حسابداران جوان متکی است که کارهای مفصل و تکراری را تحت نظارت مدیران و شرکای با تجربه انجام می دهند. عوامل هوش مصنوعی مدل عملیاتی متفاوتی را ارائه میدهند – خودکارسازی بسیاری از دادهها، تجزیه و تحلیل و مستندسازی در حالی که متخصصان ارشد بر قضاوتها و استثنائات پیچیده تمرکز میکنند.
برای KPMG، Deloitte، PwC و EY، جذابیت آشکار است: ممیزی سریع تر، هزینه های عملیاتی بالقوه کمتر و توانایی تجزیه و تحلیل حجم بسیار بیشتری از اطلاعات مالی. اینکه آیا این پساندازها به دست مشتریان میرسد یا نه، یک سوال باز است. مجله تجارت اروپایی گزارش داد که KPMG پتانسیل صرفه جویی در زمان قابل توجه را تایید کرده است، اما تایید نکرده است که آیا کارایی مبتنی بر هوش مصنوعی به هزینه های حسابرسی پایین تر تبدیل می شود یا خیر.
رگولاتورها به دقت زیر نظر دارند. شورای گزارشگری مالی بریتانیا هشدار داده است که استفاده از هوش مصنوعی نباید استقلال، صداقت یا شک حرفه ای حسابرس را تضعیف کند و نگرانی ها در مورد امنیت داده ها، اتکای بیش از حد به نتیجه گیری های خودکار و احتمال تولید اطلاعات نادرست یا ساختگی توسط هوش مصنوعی وجود دارد. بر اساس قوانین موجود، مسئولیت اظهارنظر حسابرسی بدون توجه به فناوری مورد استفاده بر عهده حسابرس انسانی است.
با این حال، اقتصاد به یک جهت اشاره دارد. شرکتهای حسابرسی به ارتشهایی از کارکنان پایینتر وابسته هستند که در مقیاس قابل پرداخت هستند، و آزمایش FTSE 250 به آیندهای اشاره میکند که در آن بسیاری از کارها به صورت ماشینی انجام میشود - با حفظ انسانها برای قضاوت، نظارت و مسئولیتپذیری. KPMG عمداً در حال حرکت است: ابتدا به چند ده ممیزی گسترش مییابد، شواهدی را جمعآوری میکند که در آن عوامل کمک میکنند و کجا شکست میخورند، قبل از هر عرضه گستردهتری. چهار شرکت بزرگ رقیب، خلبانهای عامل خود را اجرا میکنند، و احتیاط تنظیمکننده بریتانیا نشان میدهد که پذیرش به همان اندازه که توسط استانداردهای حسابرسی کنترل میشود، مطابق با فناوری خواهد بود. برای ادامه پوشش چگونگی تغییر شکل دانش توسط هوش مصنوعی، آخرین پیشرفتهای هوش مصنوعی را در AI Buzz Wire دنبال کنید.
چه معنایی برای این حرفه دارد
این کارآزمایی ثابت نمی کند که هوش مصنوعی بتواند جایگزین حسابداران شود یا به طور مستقل یک حسابرسی قانونی قابل اعتماد ارائه دهد. این نشان میدهد که عوامل هوش مصنوعی شروع به به چالش کشیدن حرفهایها در قلمرویی کردهاند که مدتهاست وابسته به تخصص انسانی در نظر گرفته میشود – و این سوال دیگر این نیست که آیا هوش مصنوعی بخشی از فرآیند ممیزی میشود یا خیر، بلکه این است که ماشینها در نهایت چقدر از آن را انجام خواهند داد. برای پوشش مداوم نحوه تغییر شکل یقه سفید توسط هوش مصنوعی، آخرین تحولات هوش مصنوعی را در AI Buzz Wire دنبال کنید.
---
از هوش مصنوعی جلوتر بمانیدآخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
بیشتر بخوانید اخبار هوش مصنوعی →