По материалам: Accountancy Age
ИИ уже давно не фантастика. Технологические компании активно предлагают широкую линейку разработок на его основе, способных значительно упростить жизнь современным бухгалтерам. Давайте посмотрим, что сейчас есть на рынке, как эти продукты меняют индустрию, и какие еще существуют возможности для дальнейшего развития в данной области.
Автоматизация уже давно является очень важной составляющей бухгалтерской сферы. Профессиональные бухгалтеры всегда были охочи до технологических инноваций, которые позволяют им повысить эффективность и результативность оказываемых клиентам услуг. Но, несмотря на высокий спрос на динамичные и “умные” системы, внедрение традиционно шло неспешно - и еще больше замедлилось, когда речь дошла до искусственного интеллекта. Лишь теперь начинает что-то меняться.
Компьютерные специалисты работают с ИИ уже около десятилетия. Несмотря на весь налет фантастики вокруг этого, сама концепция довольно проста: речь идет об использовании определенных алгоритмов приложениями, функционирующими на принципах машинного обучения, способными извлекать информацию из больших объемов данных, анализировать ее, проводить объемные операции, выявлять характерные взаимосвязи и даже принимать решения. На самом деле, все это уже очень активно принимается в бухгалтерской сфере во всем мире.
Согласно исследованию британского разработчика программных решений для бизнеса Sage, 58% профессиональных бухгалтеров ожидают автоматизации рутинных задач с помощью ИИ в течение следующих трех лет, причем четыре из пяти уверены, что это значительно повысит эффективность, производительность, прибавит их компаниям стоимости и создаст для них конкурентные преимущества. И хотя полному потенциалу ИИ-решений еще только предстоит раскрыться силами технологических компаний, уже сейчас на рынке много инструментов, способных значительно упростить жизнь профессиональным бухгалтерам.
Все знают, что “время-деньги”, а ручное введение данных забирает у бухгалтеров чрезвычайно много времени. Им приходится копаться в кипах бухгалтерских счетов, чтобы зафиксировать транзакции и выдать это в виде удобоваримых отчетов для клиентов. По оценкам McKinsey Global Institute, такие повторяющиеся задачи “съедают” от шести часов рабочего времени каждую неделю. Хорошо что с ИИ это освободившееся время теперь можно потратить на более полезные дела, ведь машинное обучение позволяет приложениям автоматически извлекать данные из всех возможных бухгалтерских документов, классифицировать их по заранее определенным категориям и выдавать в виде готовых отчетов. Более того, машинное обучение позволяет программам анализировать взаимосвязи в наборах объемных данных и выдавать прогнозы, предлагая различные варианты инвестирования свободных средств, как пример. Очень многие производители ПО уже вывели такие решения на рынок - примером является удобный инструмент для категоризации QuickBooks Auto Categorization.
Также большую популярность получили ИИ-ассистенты типа chata.ai, Hey Xero или Sage’s Pegg, которые не просто умеют работать с данными, но и владеют навыками коммуникации, так что теперь профессиональные бухгалтеры и финансовые аналитики не просто получают готовые отчеты с построенными прогнозами, но и обмениваются репликами с чатботами (как они называются). Например, Pegg от компании Sage - бесплатный серфис, совместимый с популярным Messenger от Facebook и Скайпом. А американский разработчик ПО для планирования ресурсов предприятия Acumatica чуть раньше в этом году анонсировал запуск бета-версии своего нового продукта, который позволяет получать озвученные голосом отчеты с помощью специального устройства - виртуального ассистента Alexa в “умных” колонках от Amazon. Казалось бы, мелочь, но как полезно иногда бывает получить готовый отчет, просто дав голосовую команду!
Пусть голосовые отчеты кто-то воспримет скорее как излишество и развлечение, есть и более критичные для деятельности любой компании области применения технологий ИИ - например, предотвращение финансовых хищений. По мере роста организаций затраты становятся все менее и менее централизованными, а это значит, что намного труднее минимизировать риски финансовых хищений и выполнить требования законодательного регулирования. Точно так же как с вводом данных, время становится ключевым фактором.
Согласно данным Ассоциации сертифицированных специалистов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE), в среднем компании теряют около $130 тыс. на каждом случае мошенничества. Но у организаций сегодня в распоряжении имеются ресурсы лишь на то, чтобы проверить 10% отчетов по затратам в ручном режиме, так что без автоматизации оставшиеся 90% проходят незамеченными. И вот когда на помощь приходит ИИ, способный проверить 100% всех отчетов по затратам, автоматически выявляя при этом аномалии и строя прогнозы. Правда, далеко не все инструменты для внутреннего аудита даже на основе технологий искусственного интеллекта неуязвимы перед все тем же человеческим фактором, из-за чего финансовые потери все равно случаются.
Стартап из Кремниевой долины AppZen предлагает перспективное решение, которое сегодня привлекает все большее внимание профессиональных бухгалтеров. Оно интегрируется с использующимися финансовыми системами и использует машинное обучение для проверки расходов, счетов к оплате и контактов, причем немедленно - в момент поступления. Далее, оно извлекает оттуда конкретные слова и фразы, имена, процентные ставки и другую контекстную информацию, позволяющую затем провести проверку на соответствие корпоративной политике компании и требованиям регулирования. Более того, приложение также автоматически присваивает каждой транзакции уровень риска и зажигает “красные флажки” напротив тех, которые могут потребовать более внимательного изучения живым человеком.
Поскольку ИИ-системы (AppZen в их числе) способны распознавать термины и названия брэндов, их можно использовать и для отлавливания нарушителей, которые, например, заказывают с корпоративного счета дорогой алкоголь в ресторанах во время деловых поездок. AppZen вполне может осуществить интернет-поиск средних цен на блюда в ресторанах и сопоставить их с отчетом по затратам сотрудника в деловой командировке - так можно сделать вывод, не превышает ли он своих полномочий.
Если подойти к вопросу с другого угла зрения, приложения не только выявляют нарушения действующей политики затрат в той или иной организации, но и способны оценить их эффективность. Для примера, если применяется определенная политика расходов, а проводимые проверки регулярно выявляют нарушения, тут можно сделать вывод, что, вероятно, руководству стоит несколько повысить максимальную планку допустимых расходов, потому что оговариваемый уровень просто не соответствует сегодняшним ценам.
Будущее уже началось
Когда речь заходит о применении искусственного интеллекта в бухгалтерской сфере, присутствует некое ощущение какой-то неизбежности. Пусть только чуть более половины практикующих специалистов ожидают внедрения ИИ-систем в их компаниях в течение трех следующих лет, 90% согласны с тем, что сегодня происходит настоящий культурный сдвиг. Но на пути внедрения все еще есть одно значительное препятствие, которое мешает массовости этого явления.
Дело в том, что доступность данных имеет ключевую важность для успеха внедрения любого ИИ-продукта, ведь данные - это то, с чем работают эти приложения. Обеспечить такой объем данных без облачных вычислений невозможно. “Облако” обеспечивает легкий доступ к данным приложениям на основе искусственного интеллекта, избавляя их от необходимости продираться через ограничения устаревших и просто несовместимых систем. Но, как показывают результаты исследования IDG, более чем одна из каждых четырех организаций еще даже не обзавелась облачной инфраструктурой. К сожалению, 10% опрошенных даже не собираются этого делать в течение следующих трех лет, о чем сообщили по ходу опроса. Если не будет свободного доступа к данным, ИИ-решения просто не смогут обеспечить практически стопроцентную точность проверки, которой от них ждут.
На все требуется время. “Революция ИИ” не случится за одну ночь. Вместо нее большиство мировых компаний будут двигаться в нужном направлении постепено, возможно, даже не переходя к новым производителям ПО, но оставаясь с прежними, которые просто будут встраивать в свои продукты отдельные модули с машинным обучением и автоматизированным функционалом. И все же приятно, что хотя бы психологически отрасль уже готова к переходу на новый уровень развития и воспринимает это как неизбежность.