Как нейросети меняют работу бухгалтерии и финансовых служб
Среди процессов, которые уже подходят для внедрения ИИ — те сценарии, где много ручной работы. Особенно ИИ полезен там, где специалисту нужно быстро разобрать типовые документы или совершить разного рода расчеты, провести анализ данных, которые сложно проверить вручную.
Софья Бурцева, Эксперт по внедрению AI в работу финансовых директоров, сооснователь сообщества «Финансовый директор Мастер CFO»: «Нейросети полезны в задачах, где много первичных документов, PDF- и Excel-файлов, выгрузок из учетных систем, расчетов и нормализации информации. Качественный результат можно получить в том случае, когда мы имеем дело с понятным процессом. Если понятна последовательность действий, которую необходимо совершить, нейросеть может сделать это за вас, даже, если данные требуют нормализации и структуризации».
Искусственный интеллект не стоит воспринимать как безошибочный источник готовых ответов. Все ответы необходимо проверять, пропускать через критический взгляд живого человека: нейросети не несут ответственности за качество своего результата.
Мария Зырянова, Менеджер проектов центра искусственного интеллекта Контура: «ИИ хорошо работает в точечных задачах, но даже в таких сценариях модель может ошибаться. Поэтому важно не перекладывать на нее ответственность за итоговое решение. Искусственный интеллект помогает быстрее обработать данные или подготовить черновик, а специалист проверяет результат, оценивает риски и понимает, можно ли использовать вывод в работе».
Фото: Контур
Контролирующие органы уже работают с большими массивами данных из разных источников и оперативнее направляют требования о пояснениях или документах. В этих условиях компаниям важно регулярно поддерживать надлежащее качество учета и отчетности.
Наталья Наталюк, Советник налоговой службы РФ, эксперт по налоговому праву АКГ Правовест Аудит: «Цифровизация налогового контроля уже изменила подход бизнеса к работе с отчетностью и ошибками. Контролирующие органы видят данные быстрее, сопоставляют больше источников и оперативнее замечают отклонения. Поэтому компаниям важно работать на опережение и не откладывать выявление ошибок в учете, налогах и отчетности до конца года, а регулярно отслеживать и исправлять упущения в течение года, не реже 1 раза в квартал».
Спикеры подчеркнули, что компании не должны передавать во внешние инструменты ИИ персональные данные, коммерческую тайну и чувствительную финансовую информацию без оценки рисков и внутренних правил.
Софья Бурцева считает работающим подходом мэппинг: компания заменяет чувствительные данные условными обозначениями, сохраняет структуру массива и в таком виде передает данные на анализ. Так нейросеть может работать с логикой и связями, но не получает информацию, по которой можно идентифицировать компанию, контрагента или человека. Этот процесс можно автоматизировать с помощью вайбкодинга.
Мария Зырянова отметила, что выбор инструментов ИИ зависит от типа данных и уровня риска. Для быстрой проверки гипотез можно использовать внешние решения, если это не противоречит внутренним правилам компании и нет чувствительной информации. Задачи с клиентскими данными, персональной и коммерческой информацией требуют защищенного контура, локальных моделей или корпоративных инструментов.
Для применения ИИ в финансовом анализе и принятии управленческих решений особенно важна цифровая зрелость компании: если нет понятной методики проведения финансового анализа и интерпретации полученных расчетов, нейросеть вряд ли выдаст анализ, на который можно опираться для принятия управленческих решений. Для внедрения ИИ рекомендуется выбирать понятные сценарии: обработку первичных документов, подготовку черновиков ответов на запросы контролирующих органов, первичный анализ договоров, проверку контрагентов, подготовку управленческой отчетности и анализ больших массивов данных под контролем специалиста.
