تصور کنید شرکت CPA محلی شما بیسروصدا در حال تغذیه هر فاکتور، هر تطابق، هر تعدیل پایان سالی است که تا به حال برایش فرستادهاید، به یک مدل هوش مصنوعی خصوصی - مدلی که منحصراً بر اساس قضاوت جمعی هزاران مشتری مثل شما آموزش دیده است. این یک آزمایش فکری نیست. این برنامهای است که CLA، یکی از ده شرکت بزرگ حسابداری در ایالات متحده، به تازگی با Digits، یک استارتآپ حسابداری بومی هوش مصنوعی، اعلام کرده است: ساخت مشترک یک مدل هوش مصنوعی اختصاصی که بر روی پایگاه مشتریان خود CLA آموزش دیده و طی سه سال آینده برای «هزاران مشتری فعلی و آینده» عرضه میشود.
اگر تا به حال فکر کردهاید که آیا «حسابداری با هوش مصنوعی» یک کلمه کلیدی بازاریابی است یا یک تغییر واقعی در نحوه انجام دفاتر حسابداری کسبوکارهای کوچک، این معامله یک مورد آزمایشی مفید است - زیرا این یک استارتآپ فناوری مالی نوپا نیست که بخواهد حسابداران را مختل کند. این یک شرکت قدیمی با درآمد نزدیک به ۲ میلیارد دلار و ۹۰۰۰ نفر است که شرط میبندد آینده حسابداری مشتریان هیچ شباهتی به گذشته نخواهد داشت.
CLA و Digits دقیقاً چه چیزی اعلام کردند
CLA (کلیفتون لارسون آلن) یک شرکت حسابداری جزو ده شرکت برتر ایالات متحده با بیش از ۱۲۰ دفتر و مشتریانی از کسبوکارهای کوچک محلی تا شرکتهای بزرگ خصوصی است. Digits یک پلتفرم حسابداری نسبتاً جدید است که «از دفتر کل به بالا بهصورت بومی هوش مصنوعی» ساخته شده است - به این معنی که خود دفتر کل به گونهای طراحی شده است که دستهبندی خودکار، تطابق و بسته شدن پایان ماه را انجام دهد، نه اینکه ویژگیهای هوش مصنوعی پس از ساخت به یک سیستم حسابداری دوطرفه سنتی اضافه شده باشد. Digits از سرمایهگذارانی از جمله Benchmark، GV و SoftBank سرمایه جذب کرده است.
این دو شرکت اکنون در حال ساخت یک مدل هوش مصنوعی خاص شرکت هستند که منحصراً بر روی تراکنشها و گردشهای کاری مشتریان خود CLA آموزش دیده است. هر فاکتوری که یک حسابدار CLA دستهبندی میکند، هر تعدیلی که یک کنترلکننده CLA اعمال میکند، هر اصلاحی که یک بازبین انسانی در داخل Digits اعمال میکند، به سیگنال آموزشی تبدیل میشود که مدل را دقیقتر میکند. برنامه CLA این است که هوش مصنوعی حاصل را ابتدا در بخش خدمات حسابداری و مشاوره مشتریان (CAAS) خود عرضه کند - بخشی از شرکت که از قبل برای دهها هزار کسبوکار خصوصی کار حسابداری برونسپاریشده، کنترلکنندگی و سبک مدیر مالی انجام میدهد - و سپس گسترش دهد.
شعار، به زبان رهبری Digits: «هوش مصنوعی نباید فقط متعلق به بزرگترین شرکتها باشد.» ایده این است که یک کسبوکار متوسط یا کوچک که هرگز توانایی مالی استخدام یک تیم علوم داده اختصاصی را نداشته است، از مزایای مدلی بهرهمند میشود که بر روی الگوهای جمعآوریشده و ناشناس هزاران کسبوکار مشابه آموزش دیده است و از طریق همان رابطه شرکت حسابداری که از قبل دارند، ارائه میشود.
چرا یک شرکت CPA سنتی این کار را انجام میدهد (نه فقط یک استارتآپ)
سالهاست که «حسابداری با هوش مصنوعی» بیشتر داستانی درباره استارتآپها بوده است - Bench، Pilot، خود Digits، Puzzle، Zeni، Docyt - که سعی میکنند کسبوکارهای کوچک را متقاعد کنند که حسابدار خود را برای نرمافزار رها کنند. این معامله آن سناریو را برعکس میکند. CLA توسط نرمافزار بومی هوش مصنوعی مختل نمیشود؛ بلکه وارد معماری بومی هوش مصنوعی میشود و قضاوت نهادی خود را حول آن میپیچد.
این به یک دلیل اقتصادی ساده مهم است: کار حسابداری و خدمات CAAS پربازدهترین و تکراریترین خط خدمات CLA است و همچنین خطی است که در آن اتوماسیون هوش مصنوعی واضحترین و فوریترین بازدهی را دارد - دستهبندی تراکنشها، تطبیق فاکتورها با سفارشهای خرید، علامتگذاری ناهنجاریها، تهیه پیشنویس اولیه تطابق. خودکارسازی این موارد، کارکنان CLA را آزاد میکند تا زمان بیشتری را برای کارهای مشاورهای صرف کنند که واقعاً به قضاوت انسانی نیاز دارند: استراتژی جریان نقدی، برنامهریزی مالیاتی، ساختاردهی معاملات. از دیدگاه شرکت، یک هوش مصنوعی که بر روی روششناسی خودش آموزش دیده است، راهی برای مقیاسسازی تخصص بدون افزایش همزمان تعداد کارکنان است.
برای یک مشتری کسبوکار کوچک، تغییر عملی به این صورت است: به جای اینکه یک حسابدار کارمند سطح پایین یک بار در ماه دفاتر شما را بهصورت دستی تطابق دهد، یک مدل هوش مصنوعی - که بر اساس نحوه برخورد CLA با هزاران موقعیت مشابه آموزش دیده است - بخش بزرگی از آن کار را بهطور پیوسته انجام میدهد و یک انسان استثناها را بررسی میکند، نه اینکه هر چرخه از صفر شروع کند.
این موضوع اگر از یک شرکت حسابداری سنتی استفاده میکنید چه معنایی دارد
اگر کار حسابداری، تهیه اظهارنامه مالیاتی یا خدمات مشاورهای شما در حال حاضر از طریق یک شرکت CPA منطقهای متوسط یا بزرگ انجام میشود، چند نکته در یک یا دو سال آینده值得 توجه است، صرفنظر از اینکه شرکت خاص شما با Digits، یک فروشنده دیگر هوش مصنوعی شریک شود یا چیزی را در داخل بسازد.
بپرسید چه چیزی واقعاً خودکار شده است در مقابل چه چیزی بازبینی میشود. «مجهز به هوش مصنوعی» میتواند به معنای هر چیزی از «یک انسان ۱۰۰٪ از آنچه مدل پیشنهاد میکند را بررسی میکند» تا «مدل ورودیها را مستقیماً ثبت میکند و یک انسان نمونهای را بهصورت تصادفی بررسی میکند» باشد. مستقیماً از شرکت خود بپرسید که هوش مصنوعی آنها در این طیف برای حساب شما در کجا قرار دارد و چگونه خطاها قبل از ورود به دفاتر شما شناسایی میشوند.
بپرسید دادههای شما به کجا میرود و چگونه استفاده میشود. یک مدل خاص شرکت که «منحصراً» بر روی پایگاه مشتریان یک شرکت آموزش دیده است، باز هم به این معنی است که دادههای تراکنش شما - چه ناشناسسازی شده باشد یا نه - در آموزش سیستمی که در سراسر مشتریان دیگر آن شرکت استفاده میشود مشارکت دارد. این برای اکثر کسبوکارهای کوچک یک معامله منطقی است، اما ارزش این را دارد که خطمشی مدیریت داده و نگهداری شرکت خود را بدانید، همانطور که از هر فروشندهای میپرسید. در سطح صنعت، این یک نگرانی زنده است: نظرسنجیهای امسال نشان میدهد که سهم رو به رشدی از متخصصان حسابداری به طور خاص نگران محرمانه بودن دادههای مشتری هستند که به ابزارهای هوش مصنوعی وارد میشود، و تعداد واقعی از شرکتها اعتراف میکنند که به طور تصادفی اطلاعات مشتری را بدون محافظ در ابزارهای هوش مصنوعی عمومی قرار دادهاند. یک مدل متعلق به شرکت و آموزشدیده توسط شرکت (به جای اینکه کارکنان اعداد شما را در یک چتبات عمومی بچسبانند) معمولاً انتهای ایمنتر آن طیف است - اما «ایمنتر» به معنای «بدون ریسک» نیست و شما حق دارید سؤال را بپرسید.
انتظار داشته باشید گفتگوهای قیمتگذاری تغییر کند. با جذب حجم بیشتری از کارهای تکراری حسابداری توسط هوش مصنوعی، انتظار داشته باشید شرکتهای بیشتری به سمت قیمتگذاری مبتنی بر نتیجه یا اشتراک برای خدمات سبک CAAS حرکت کنند تا صورتحساب ساعتی خالص - خود Digits حول قیمتگذاری مبتنی بر نتیجه ساخته شده است. این میتواند برای پیشبینیپذیری خوب باشد، اما ارزش این را دارد که قبل از امضای هر چیز جدید، دقیقاً بدانید چه چیزی شامل میشود.
الگوی بزرگتر: هر لایه حسابداری در حال بومیشدن با هوش مصنوعی است
CLA/Digits یک رویداد منزوی نیست. شرکتهای بزرگ ۴ و ۲۰ شرکت برتر در طول سال ۲۰۲۶ مشارکتهای مشابهی با هوش مصنوعی منعقد کردهاند و ابزارهای اختصاصی خود را ساختهاند، و پلتفرمهای مستقل حسابداری با هوش مصنوعی به عرضه ویژگیهای بسته شدن خودکار پایان ماه، تشخیص ناهنجاری و تطابق به تنهایی ادامه دادهاند. موضوع مشترک در تقریباً تمام آنها - از اتوماسیون سطح دفتر کل Digits گرفته تا یکپارچهسازیهای دستیار هوش مصنوعی Expensify تا هر محصول «مدیر مالی هوش مصنوعی» که امسال راهاندازی میشود - همان ایده است: لایه نرمافزار حسابداری خود در حال بازسازی است تا یک مدل هوش مصنوعی بتواند مستقیماً اعداد شما را بخواند، درباره آنها استدلال کند و روی آنها عمل کند، به جای اینکه فقط آنها را به یک انسان نمایش دهد.
این الگو بدون توجه به اینکه کدام فروشنده یا شرکت را ارزیابی میکنید، همان سؤال اساسی را مطرح میکند: چقدر میتوانید واقعاً در مورد آنچه هوش مصنوعی با دفاتر شما انجام میدهد، تأیید کنید؟ یک مدل آموزشدیده بر روی هزاران تعدیل مشتری قدرتمند است، اما همچنین از یک صفحه گسترده یا یک دفتر کل ساده که میتوانید خط به خط بخوانید، مبهمتر است. هرچه کار حسابداری شما بیشتر از طریق یک جعبه سیاه انجام شود - اختصاصی یا غیره - داشتن یک کپی از تاریخچه تراکنشهای پایه خود در قالبی که میتوانید به طور مستقل حسابرسی کنید، صادر کنید و به هر حسابداری، با یا بدون کمک هوش مصنوعی، بدهید، ارزشمندتر میشود.
این دقیقاً همان شکافی است که حسابداری متنمحور برای پر کردن آن ساخته شده است. با Beancount، هر تراکنش در یک فایل متنی قابل خواندن توسط انسان و کنترل نسخه زندگی میکند - نه قفلشده در پایگاه داده اختصاصی یک فروشنده یا مدل اختصاصی یک شرکت. شما میتوانید بررسیهای خود را انجام دهید، تاریخچه خود را با ماه قبل مقایسه کنید و دقیقاً ببینید چه چیزی و چه زمانی تغییر کرده است، صرفنظر از اینکه کدام ابزار هوش مصنوعی (شما، حسابدار شما یا شخص ثالث) در طول مسیر به دادههای شما دست زده است. آن را با ابزاری مانند Fava برای تجسم همان دفتر کل جفت کنید و بهترین هر دو جهان را دریافت میکنید: اتوماسیون عصر هوش مصنوعی بر روی سوابقی که میتوانید کاملاً به آنها اعتماد کنید، زیرا میتوانید کاملاً آنها را ببینید.
سؤالاتی که قبل از پذیرش حسابداری هوش مصنوعی آموزشدیده توسط شرکت باید بپرسید
اگر حسابدار شما یک ابتکار هوش مصنوعی مانند این را اعلام کرد، یک چکلیست کوتاه به بریدن از زبان بازاریابی کمک میکند:
- مدل ابتدا چه چیزی را لمس میکند - دستهبندی، تطابق یا چیزی با ریسک بالاتر مانند مواضع مالیاتی؟ با آنچه امروز واقعاً خودکار است شروع کنید، نه نقشه راه نهایی.
- چه کسی استثناها را بررسی میکند و هر چند وقت یکبار؟ یک بازبین انسانی نامبرده با یک برنامه زمانی مشخص، پاسخ بهتری از «سیستم ناهنجاریها را علامتگذاری میکند» است.
- آیا میتوانید دادههای خود را در قالبی قابل حمل در صورت تغییر شرکت یا ابزار دریافت کنید؟ این مهمترین سؤال است و این همان سؤالی است که سوابق متنمحور و قابل صادر کردن، پاسخ «بله» به آن را آسان میکنند.
- آیا قیمتگذاری تغییر میکند و چه چیزی باعث آن میشود؟ مدلهای قیمتگذاری مبتنی بر نتیجه و اشتراک رایجتر میشوند؛ بدانید واقعاً برای چه چیزی پرداخت میکنید.
- خطمشی نگهداری داده و استفاده از آموزش شرکت چیست؟ شما حق دارید این را از هر فروشندهای که امور مالی شما را مدیریت میکند، بپرسید، چه هوش مصنوعی داشته باشد چه نداشته باشد.
دفاتر خود را قابل حمل نگه دارید، مهم نیست چه کسی آنها را خودکار میکند
چه دفاتر شما تحت تأثیر یک ابتکار هوش مصنوعی بزرگ ۴، یک مدل اختصاصی یک شرکت متوسط، یا یک پلتفرم بومی دفتر کل یک استارتآپ قرار گیرند، اصل اساسی تغییر نمیکند: امنترین موقعیت برای یک کسبوکار کوچک، داشتن یک کپی شفاف، قابل حسابرسی و قابل حمل از تاریخچه مالی خود است. Beancount.io دقیقاً این را به شما میدهد - حسابداری متنمحور که شفاف، کنترل نسخهشده و قابل خواندن توسط هر حسابداری، هر ابزار هوش مصنوعی یا خود شما، بدون وابستگی به فروشنده است. رایگان شروع کنید و کنترل اعداد خود را حفظ کنید، مهم نیست ابزارهای اطراف آنها چگونه تکامل مییابند.