Де AI помиляється у бухгалтеріі та фінансах
Якщо вже цей AI і припустився помилки, головне, щоб вона не була стратегічною 😀 .
AI помиляється з дуже «впевненим обличчям». Це складно помітити.
Зібрав 7 антитрендів осені у роботі з AI:
1. Дослідження: AI помилився у 57% фінансових порад. Зате відповідав без пауз і сумнівів. Британська fintech-компанія Saturn протестувала понад 10 000 відповідей AI на фінансові запитання. 57% виявилися неправильними.Але якщо завдання складне, AI помилявся вже у 88% випадків. Висновок для нас тут дуже простий: AI можна використовувати для чернеткового аналізу, але не як останню інстанцію для податків, розрахунків і фінансових рішень. (Financial Times) Інакше потім можемо заплатити втричі більше штрафів.
2. AI вигадав податкове правило, якого не існує. У тому ж дослідженні одна з моделей дала пораду, яка могла призвести до штрафу приблизно £17 500.Для бухгалтера/аналітика це дуже показово: якщо питання стосується закону, податків або зобов’язань, відповідь AI потрібно звіряти з офіційним джерелом. (Financial Times) Я б ще просив конкретне посилання і йшов його перевіряти, але навіщо тоді тут AI, теж питання.
3. AI-звітність не зійшлася з банком і кредитними картками. У кейсі Corient, міжнародної компанії з аутсорсингу бухгалтерії та фінансових процесів, у групі з трьох компаній AI допомагав формувати фінансову звітність, але цифри не сходилися з банківськими та картковими виписками. У підсумку облік довелося перебудовувати заново і вручну звіряти банк, позики та міжкомпанійні операції.
Ручна праця тепер у пошані (знову 😊). Особливо під час перевірки роботів. (corientbs.com)
4. AI вміє побудувати фінансову модель, але все ще помиляється у формулах і логіці.ICAEW, професійна організація бухгалтерів Англії, окремо випустила у червні чеклист саме для пошуку помилок у моделях, створених AI. Вони прямо попереджають про галюцинації, неправильні посилання, формули та припущення. Для нас це означає, що AI може зробити перший варіант моделі, але перевірки балансу, cash flow, debt і ключових формул нікуди не зникають. (ICAEW)
5. Коли ніхто не може пояснити, звідки взялася цифра, AI стає проблемою. CCAB, об’єднання британських бухгалтерських організацій, наводить кейс, де AI розраховував визнання виручки та оцінку нематеріальних активів, але CFO і finance team не могли пояснити логіку окремих значень.Навіть якщо результат виглядає добре, такий звіт небезпечно використовувати для ради директорів, аудитора чи інвестора. (CCAB)
6. AI знайшов «підозрілі» операції, але команда не змогла пояснити чому. В іншому кейсі CCAB система аудиту позначила частину транзакцій як high risk, високий ризик, але аудитор не міг пояснити клієнту причину, окрім «так вирішив AI».
Для нас це хороший урок: знайти аномалію мало, потрібно ще розуміти, чому вона аномальна. (CCAB)
Цікаво, кому в підсумку заплатили, аудитору чи AI 🏆
7. Навіть великі компанії визнають, що AI поки сам по собі не дає обіцяної віддачі.CFO SAP, однієї з найбільших у світі компаній з автоматизації, влітку прямо сказав Reuters, що чатботи та прості сценарії поки не дали компаніям масового зростання продуктивності. Головна проблема не в моделі AI, а в поганих даних і кривих процесах.
Для бізнесу висновок практичний: якщо безлад у довідниках, аналітиці та обліку, AI просто швидше розповсюдить його по всій компанії. (Reuters)
А вам AI вже десь «накосячив»?)
Гарного дня! 🏆
Валентин Воробйов,
MBA, фінансовий консультант і викладач фінансів.
Професійний сайт: vorobiovpractice.com
