چالشهای هوش مصنوعی در حرفه حسابداری و مالی
نخستین چالش را میتوان، مساله اعتماد و شفافیت در تصمیمات مبتنی بر هوش مصنوعی است. بسیاری از مدلهای یادگیری ماشین از منطقهای پیچیده استفاده میکنند و همین موضوع سبب میشود مدیران نتوانند بهطور دقیق تشخیص دهند که خروجی سیستم بر اساس چه الگوهایی تولیدشده است. در فرآیندهای مالی که مسئولیت و پاسخگویی نقش حیاتی دارد و همچنین کوچکترین خطا در برآورد ریسک اعتباری، ارزشگذاری داراییها یا پیشبینی جریان نقدی میتواند پیامدهای حقوقی و اقتصادی در سطح کلان به همراه داشته باشد، نبود شفافیت میتواند ریسکهای حقوقی و اخلاقی ایجاد کند به عبارتی نبود شفافیت در منطق تصمیمگیری الگوریتمها و عملکرد هوش مصنوعی یک تهدید جدی محسوب میشود.
چالش دوم، کیفیت و یکپارچگی دادهها است. حسابداری بر مبنای دادههای دقیق شکل میگیرد، اما در بسیاری از سازمانها دادهها در سامانههای (سیستمها) پراکنده یا با استانداردها و سلایق متفاوت نگهداری میشود. یک مدل هوش مصنوعی، تنها زمانی خروجی قابلاتکا ارائه میدهد که دادههای ورودی پاکسازی، یکپارچه و استانداردشده باشند زیرا هرگونه ناسازگاری، خطا یا تکرار در دادهها، مستقیماً بر عملکرد مدلهای هوش مصنوعی اثر میگذارد. تحقق این امر نیازمند سرمایهگذاری در زیرساخت و بازطراحی فرآیندهای دادهای است؛ موضوعی که بسیاری از شرکتها هنوز برای آن برنامهریزی جدی نکردهاند.
موضوع مهم بعدی، چالش نیروی انسانی و مهارتها است. باید تغییرات عمدهای در مهارتها و نقشهای حرفهای نیروی انسانی ایجاد شود. درحالیکه نگاه عمومی، هوش مصنوعی را تهدیدی برای جایگزینی نیروی انسانی میداند، واقعیت آن است که این فناوری بیشتر ماهیت توانمند ساز دارد؛ اما عدم آشنایی متخصصان مالی با معماری سامانههای هوشمند و مفاهیم یادگیری ماشین، سبب میشود بهرهبرداری مؤثری از این فناوری صورت نگیرد لذا آموزش نیروی انسانی و بازآموزی مهارتها اکنون یک ضرورت است، نه توصیهای اختیاری. در راستای این چالش میتوان به مقاومت روانی و سازمانی کارکنان نیز اشاره کرد که نگرانیهای حسابداران از جایگزین شدنشان و یا پیچیدهتر شدن کارشان میتواند سرعت استقرار فناوری را کاهش دهد. همچنین متاسفانه گاهی کارکنان بیشازحد به خروجی عملکرد هوش مصنوعی اعتماد میکنند و قدرت قضاوت حرفهای خود را کمتر به کار میگیرند. این وابستگی میتواند در شرایط خاص مشکلساز شود. چالش دیگر نگهداری و بهروزرسانی مداوم سیستمها است. مراحل اولیه پیادهسازی، خرید نرمافزارهای تخصصی، ارتقای سختافزار، یکپارچهسازی سیستمها، بهروزرسانی نرمافزارهای مالی و همچنین بازآموزی جدید هزینههای سنگینی به شرکتها تحمیل میکند. درنهایت، باید به محرمانگی اطلاعات و همچنین خلأهای مقرراتی و استاندارد گذاری اشاره کرد. فناوری با سرعتی بسیار بیشتر از نظامهای قانونی و حسابداری رشد میکند. هنوز استانداردهای روشنی برای حسابرسی الگوریتمها، پاسخگویی مدلهای هوش مصنوعی و نحوه ثبت و افشای تصمیمات خودکار وجود ندارد. این مسئله میتواند منجر به اختلافنظر میان حسابرسان، نهادها و سازمانهای ناظر و مدیران مالی شود. همچنین تدوین سیاستهای جامع امنیت اطلاعات و ارزیابی مداوم ریسکهای فناوری، از پیشنیازهای ضروری استفاده از هوش مصنوعی در حوزه مالی است.
درمجموع، هوش مصنوعی نه تهدیدی برای حرفه حسابداری و مالی است و نه راهحلی جادویی؛ بلکه ابزاری قدرتمند است که تنها با شناخت دقیق چالشها و مدیریت هوشمندانه آن میتواند ارزشآفرینی کند. آینده از آنِ نهادهایی خواهد بود که فناوری را نه جایگزین نیروی انسانی، بلکه مکمل تفکر حرفهای و قضاوت مالی میدانند.
