هوش مصنوعی حسابداران را بیکار می‌کند؟

پارادوکس اتوماسیون: عبور از «ثبت وقایع» به «تحلیل سناریو»

پاسخ صریح به تهدید هوش مصنوعی در دوگانگی میان دفترداری (Bookkeeping) و حسابداری استراتژیک (Strategic Accounting) نهفته است. اگر تعریف ما از حسابدار، فردی باشد که فاکتورها را به‌صورت دستی تطبیق می‌دهد، فیش‌های حقوقی را وارد نرم‌افزار می‌کند و تراز آزمایشی می‌گیرد، چنین نقشی بدون تردید محکوم به حذف است. مدل‌های مدرن هوش مصنوعی با الگوریتم‌های پردازش زبان و بینایی ماشین (OCR پیشرفته)، اسناد مالی را با دقتی نزدیک به ۱۰۰درصد، در چند ثانیه و بدون خطای انسانی ثبت و تطبیق می‌دهند.

اما حسابداری در سطح کلان، ابزار قضاوت تجاری، مدیریت ریسک و تخصیص بهینه منابع است. موسسات بزرگ حسابرسی و مشاوره مالی جهان - چهار غول حسابرسی (شامل Deloitte، PwC، EY و KPMG) - سال‌هاست سرمایه‌گذاری‌های چند‌میلیارددلاری را روی سیستم‌های هوش مصنوعی اختصاصی خود آغاز کرده‌اند. به‌عنوان نمونه، شرکت PwC با پیاده‌سازی مدل‌های مبتنی بر هوش مصنوعی برای اعتبارسنجی معاملات و تحلیل ناهنجاری‌ها در اسناد بانکی، زمان صرف‌شده برای نمونه‌گیری آماری در حسابرسی را تا ۶۰درصد کاهش داد. نتیجه این تغییر، تعدیل نیروی متخصص نبود؛ بلکه تغییر جهت کارشناسان از بررسی کورکورانه نمونه‌های کاغذی به تحلیل ریسک‌های عملیاتی، کنترل فساد سیستماتیک و مذاکره با مدیران ارشد درباره استراتژی‌های کاهش بهای تمام‌شده بود.

درس‌هایی از بازارهای جهانی: تکامل تقاضای مهارت

تجربه شرکت‌های پیشرو آمریکایی و اروپایی نشان می‌دهد با استقرار نرم‌افزارهای خودکار، نقش‌های مالی سنتی حذف نمی‌شوند، بلکه دگرگون می‌شوند. طبق نظرسنجی موسسه حسابداران رسمی انگلستان و ولز (ICAEW)، بخش عمده مدیران مالی معتقدند فناوری جدید نیاز به تحلیلگران مالی با درک عمیق از مدل‌های کسب‌و‌کار و چارچوب‌های حاکمیت شرکتی را افزایش داده است.

چالش‌های اصلی که ماشین‌ها هنوز در حل آنها ناتوان مانده‌اند شامل موارد زیر است:

قضاوت در موارد عدم قطعیت: تشخیص ذخیره‌گیری برای مطالبات مشکوک‌الوصول یا ارزیابی ارزش منصفانه دارایی‌های نامشهود در بازارهای راکد، فرمول ثابتی ندارد و نیازمند شناخت شهودی از بازار و طرف‌های معامله است.

تجزیه و تحلیل‌های خاص: با وجود نفوذ و تاثیر فناوری‌های نوین همچنان مواردی همچون تجزیه و تحلیل کاهش مالیات با استفاده از پناهگاه‌های مالیاتی، رفع نقص مدارک فیزیکی و... نیازمند دخالت هوشمندانه کارشناسان خبره حوزه مالی و مالیاتی است.

اخلاق و تطبیق مقرراتی (Compliance): مسوولیت حقوقی و اخلاقی صورت‌های مالی امضا‌شده بر عهده شخص حسابدار و حسابرس رسمی است؛ دادگاه‌ها و نهادهای ناظر هرگز یک الگوریتم جعبه سیاه (Black-box) را پاسخگوی تقلب مالی نخواهند شناخت.

ترجمه زبان مالی به استراتژی کسب‌وکار: هوش مصنوعی ارقام را خلاصه می‌کند، اما این مدیر مالی است که باید به مدیرعامل توضیح دهد چگونه یک شوک نرخ بهره یا ریسک زنجیره تامین باید ساختار سرمایه شرکت را تغییر دهد.

همچنین لازم به اشاره است که داده‌های بازار کار نیز میان «حسابداری» و «دفترداری» تمایز مهمی قائل می‌شوند. اداره آمار کار آمریکا پیش‌بینی کرده است اشتغال کارکنان دفترداری، حسابداری و حسابرسی در فاصله سال‌های ۲۰۲۴ تا ۲۰۳۴حدود ۶درصد کاهش یابد؛ درحالی‌که برای حسابداران و حسابرسان حرفه‌ای در همان دوره رشد ۵درصدی پیش‌بینی شده است. این شکاف نشان می‌دهد که فناوری لزوما حرفه حسابداری را حذف نمی‌کند؛ بلکه ابتدا آن بخش از وظایف را هدف می‌گیرد که استانداردپذیر، تکراری و قابل تبدیل به الگوریتم هستند.

وضعیت ایران؛ تقاطع ریسک‌های بومی و فرصت‌های تحول

بررسی وضعیت ایران تصویری چندوجهی ارائه می‌دهد. از یک سو، اقتصاد ایران به دلایلی چون تورم مزمن دو رقمی، چندگانگی نرخ ارز، مقررات‌‌گذاری خلق‌الساعه و سیستم‌های مالیاتی در حال گذار، یکی از پیچیده‌ترین و پرریسک‌ترین محیط‌های مالی در دنیا به شمار می‌رود. چنین فضایی، وابستگی بنگاه‌ها به قضاوت‌های انسانی و تطبیق‌های لحظه‌ای با قوانین را دوچندان می‌کند.

با این وجود، اکوسیستم مالی ایران با دو چالش بنیادین در مواجهه با موج هوش مصنوعی روبه‌روست:

انباشت نیروی کار با مهارت‌های سنتی: هزاران فارغ‌التحصیل و شاغل رشته حسابداری در کشور، مهارت‌هایی در حد ثبت دفاتر، کار با سامانه‌های پایه و بستن سندهای ابتدایی دارند. با فراگیر شدن سامانه مودیان، اتصال مستقیم پایانه‌های فروشگاهی به پایگاه‌های داده سازمان امور مالیاتی و ظهور نرم‌افزارهای یکپارچه ابری در داخل کشور، نیاز به اپراتور ثبت فاکتور به‌سرعت رو به افول است. این لایه از شاغلان، نخستین گروهی هستند که خطر بیکاری واقعی آنها را تهدید می‌کند.

تحریم‌های فناورانه و شکاف زیرساختی: درحالی‌که شرکت‌های بین‌المللی به راهکارهای سازمانی پیشرفته دسترسی دارند، بنگاه‌های ایرانی با چالش عدم اتصال مستقیم به سرویس‌های ابری معتبر جهانی و محدودیت‌های انتقال داده روبه‌رو هستند. این موضوع هرچند سرعت نفوذ سیستم‌های نسل جدید را تا حدی کند کرده، اما از دست رفتن بهره‌وری و بازماندن از استانداردهای شفافیت بین‌المللی را به همراه دارد.

با ورود قانون پایانه‌های فروشگاهی و سامانه مودیان به فازهای اجرایی، شفافیت مالیاتی وارد عصر تطبیق ماشینی شده است. این تحول نشان داد که هر فرآیند متکی بر کاغذ و فاکتور سنتی، دیر یا زود با اراده حاکمیتی اتوماسیون خواهد شد؛ سناریویی که مستقیما حسابداران سنتی را تحت فشار قرار داده است.

بازتعریف نقشه راه حرفه‌ای؛ گذار از حسابدار به «معمار داده‌های مالی»

بقا و رشد در این عصر مستلزم تغییر پارادایم اساسی در جامعه حرفه‌ای، دانشگاه‌ها و مدیران مالی است. شکاف میان حسابداری سنتی و حسابداری عصر هوش مصنوعی را می‌توان در چهار محور بنیادین خلاصه کرد:

تمرکز و افق دید: در الگوی سنتی، تمرکز اصلی بر ثبت وقایع گذشته، تطبیق اسناد تاریخی و نگهداری دفاتر مالی است. در نقطه مقابل، حسابدار مجهز به هوش مصنوعی به گذشته بسنده نکرده و به سمت پیش‌بینی روندها، مدل‌سازی مالی و تحلیل سناریوهای آینده حرکت می‌کند.

ابزارها و مهارت‌های فنی: در مدل گذشته، تسلط بر ورود دستی داده‌ها، صفحات گسترده اکسل ساده و کار با نرم‌افزارهای مالی جزیره‌ای کفایت می‌کرد؛ اما در عصر نوین، جعبه‌ابزار حسابدار شامل سامانه‌های هوش تجاری (BI)، کدنویسی برای تحلیل داده با پایتون و SQL، و مدیریت پلتفرم‌های اتوماسیون فرآیندهاست.

نوع ارزش‌آفرینی در بنگاه: حسابدار سنتی ارزش خود را در انطباق شکلی با قوانین و ارائه گزارش‌های دوره‌ای روتین تعریف می‌کرد. درحالی‌که حسابدار داده‌محور با رصد لحظه‌ای داده‌ها، فرصت‌های بهینه‌سازی نقدینگی، پیشگیری از تقلب و راه‌های کاهش بهای تمام‌شده را شناسایی و خلق ارزش می‌کند.

جایگاه در تصمیم‌گیری سازمانی: تعامل الگوی سنتی با مدیریت معمولا به ارسال گزارش‌های مالی قطور و دوره‌ای محدود می‌شد؛ اما معماران داده‌های مالی، در نقش شریک استراتژیک کسب‌وکار ظاهر می‌شوند و مستقیما در جلسات راهبردی و تصمیم‌گیری‌های کلان هیات‌مدیره حضور اثرگذار دارند.

برای حسابداران ایرانی، بقا در بازار کار نیازمند پوست‌اندازی سریع در سه محور عملیاتی است:

فراگیری ابزارهای تحلیل و مصورسازی داده: مسلط شدن بر تحلیل داده‌های مالی از طریق ابزارهایی مانند Power BI و درک ساختار پایگاه‌های داده، حسابدار را از یک ثبت‌کننده به ارائه‌دهنده بینش‌های تجاری ارتقا می‌دهد.

تعمیق دانش حقوقی، مالیاتی و استانداردهای IFRS: در اقتصادی که قوانین مالیاتی و تجاری آن مدام دستخوش دگرگونی است، تسلط به ظرایف قوانین مالیاتی، بیمه‌ای و استانداردهای بین‌المللی حسابداری سرمایه‌ای دست‌نیافتنی برای ماشین‌ها محسوب می‌شود.

ارتقای مهارت‌های نرم و مذاکره: توانایی مدیریت جلسات، شفاف‌سازی ابهامات مالی برای سهامداران و حل تعارض‌های مالی نیازمند هوش هیجانی و درک انسانی است؛ فضایی که الگوریتم‌ها کمترین بخت را برای تسخیر آن دارند.

پاسخ واقع‌بینانه به این پرسش که «آیا هوش مصنوعی حسابداران را بیکار می‌کند؟» این است: هوش مصنوعی حسابداران را بیکار نخواهد کرد، اما حسابدارانی که با هوش مصنوعی کار می‌کنند، حسابدارانی را که در الگوهای گذشته متوقف مانده‌اند، به حاشیه خواهند راند. زمان آن رسیده است که جامعه مالی کشور، به جای مقاومت منفعلانه در برابر فناوری، پیشگام طراحی معماری جدیدی برای انضباط، شفافیت و تصمیم‌سازی در بنگاه‌های اقتصادی ایران شود.

* کارشناس حوزه مالی و مالیاتی