
فرض کنید صبح وارد شرکت میشوید. لازم نیست مثل همیشه نرمافزار حسابداری را باز کنید و کارهای عقبمانده را یکییکی انجام دهید.
هوش مصنوعی از شب قبل کارش را شروع کرده است.
به سیستم حسابداری و بانک دسترسی دارد. تراکنشهای جدید را بررسی و دستهبندی کرده، موجودی انبار و فاکتورهای خرید و فروش را با هم مقایسه کرده و بهای تمامشده را محاسبه کرده است. مغایرتهای بانکی را پیدا کرده و موارد مشکوک را کنار گذاشته است.
بعد سراغ گزارشهای مالی رفته است. صورتهای مالی دورهای را آماده کرده، اطلاعات موردنیاز برای محاسبه مالیات و مالیات بر ارزش افزوده را استخراج کرده و گزارشها را برای تأیید شما آماده گذاشته است.
اما هنوز تمام نشده.
ایجنت متوجه شده چند مشتری بدهی سررسیدشده دارند. طبق دستورالعمل شرکت، برای آنها ایمیل یادآوری فرستاده و موارد مهمتر را برای پیگیری انسانی علامتگذاری کرده است. در طرف دیگر، افزایش غیرعادی بعضی هزینهها را تشخیص داده و پیشنهادهایی برای کاهش هزینه ارائه کرده است.
حتی ممکن است با بررسی قوانین مالیاتی و اطلاعات شرکت، فرصتهای قانونی برای کاهش مالیات را به حسابدار پیشنهاد دهد.
این دیگر یک چتبات نیست.
این یک ایجنت هوش مصنوعی است.
چتبات فقط جواب میدهد؛ ایجنت میتواند کار را جلو ببرد
برای درک تفاوت، ChatGPT را تصور کنید. شما میپرسید:
«این گزارش مالی را تحلیل کن.»
هوش مصنوعی گزارش را بررسی و تحلیل میکند.
اما ایجنت میتواند یک هدف دریافت کند:
«وضعیت مالی این ماه را بررسی کن و مواردی را که نیاز به اقدام دارند مشخص کن.»
سپس، در صورت داشتن دسترسی و ابزارهای لازم، میتواند اطلاعات را از سیستمهای مختلف دریافت کند، آنها را با یکدیگر مقایسه کند، محاسبات انجام دهد، تصمیمهای مشخص و از پیش تعریفشده بگیرد و اقدامات بعدی را اجرا کند.
بنابراین تفاوت ساده است:
چتبات بیشتر منتظر دستور شما میماند؛ ایجنت میتواند برای رسیدن به یک هدف، زنجیرهای از اقدامات را انجام دهد.
و همین ویژگی است که ماجرا را برای حسابداری جدی میکند.
این آینده از کجا آمده است؟
نمونههای واقعی این تغییر همین حالا وجود دارند.
Intuit در محصولات QuickBooks خود از ایجنتهایی استفاده میکند که برای کارهای مالی و حسابداری طراحی شدهاند؛ از جمله خودکارسازی حسابداری، دستهبندی تراکنشها، پاکسازی دادهها و برخی فرایندهای مالی.
مایکروسافت نیز Account Reconciliation Agent را برای خودکارسازی بخشی از فرایند تطبیق حسابها ارائه کرده است. این سیستم میتواند حجم زیادی از دادههای مالی را بررسی کند و نیاز به کار دستی را کاهش دهد.
در حوزه شرکتهای حسابداری نیز اتفاقات جدی در حال رخ دادن است. برای مثال، Basis ایجنتهای تخصصی برای شرکتهای حسابداری توسعه داده که طبق گزارش OpenAI، میتوانند در برخی فرایندها تا ۳۰ درصد از زمان کاری را کاهش دهند.
حتی همکاریهای بزرگ صنعتی نیز به سمت همین مدل حرکت کردهاند. OpenAI و PwC در سال ۲۰۲۶ همکاری خود را برای استفاده از ایجنتهای هوش مصنوعی در گردشکارهای مالی، پیشبینی و کنترلهای مالی اعلام کردند.
بنابراین مسئله دیگر این نیست که «آیا AI وارد حسابداری میشود؟»
این اتفاق شروع شده است.
خطر واقعی کجاست؟
اگر هوش مصنوعی فقط میتوانست یک گزارش را خلاصه کند، تهدید چندان بزرگی برای حسابدار نبود.
اما وقتی بتواند به سیستمهای مختلف متصل شود، داستان تغییر میکند.
تصور کنید یک شرکت به ایجنت خود اجازه دهد به نرمافزار حسابداری، سیستم انبار، بانک، ایمیل و سایر ابزارهای کاری دسترسی داشته باشد.
در چنین شرایطی، ایجنت میتواند از یک ابزار پاسخگو به یک هماهنگکننده دیجیتال فرایندهای مالی تبدیل شود.
حتی در حوزه مالیاتی نیز نمونههای جدید در حال ظهورند. برای مثال، OpenAI اخیراً درباره توسعه یک Tax Agent گزارش داده که با هدف خودکارسازی فرایندهای مالیاتی و ارسال اظهارنامه توسعه یافته است.
البته این به معنای آن نیست که فردا تمام شرکتها حسابداران خود را کنار میگذارند. قوانین، دسترسیهای نرمافزاری، مسئولیت حقوقی و ضرورت تأیید انسانی همچنان محدودیتهای مهمی هستند.
اما جهت حرکت فناوری کاملاً قابل مشاهده است.
انسان از حلقه حذف نمیشود؛ نقش او تغییر میکند
اینجا مفهوم مهمی به نام Human-in-the-Loop یا «انسان در حلقه» مطرح میشود.
در این مدل، هوش مصنوعی کارهای محاسباتی و تکراری را انجام میدهد، اما انسان همچنان در نقاط حساس فرایند حضور دارد.
مثلاً ایجنت میتواند هزاران تراکنش را بررسی کند، بهای تمامشده را محاسبه کند و حتی یک پیشنهاد مالیاتی ارائه دهد؛ اما حسابدار باید بتواند نتیجه را بررسی کند، خطا را تشخیص دهد و در تصمیمهای حساس تأیید نهایی را انجام دهد.
در نتیجه، آینده الزاماً «انسان یا ماشین» نیست.
ممکن است یک حسابدار با کمک چند ایجنت، کاری را انجام دهد که قبلاً به یک تیم کامل نیاز داشت.
و این شاید مهمترین تغییر باشد.
حسابداران چگونه از این موج جان سالم به در ببرند؟
راه مقابله با هوش مصنوعی، جنگیدن با آن نیست. حسابداری که فقط کارهای قبلی را سریعتر انجام دهد، در نهایت از اتوماسیون عقب میماند. مسیر درست، حرکت به سمت کارهایی است که AI بهتنهایی نمیتواند انجام دهد.
اولین قدم، یادگیری استفاده از ابزارهای هوش مصنوعی است؛ نه برای برنامهنویس شدن، بلکه برای تحلیل داده، بررسی اسناد، کشف خطا و خودکارسازی کارهای تکراری.
دوم، تغییر نقش از «اپراتور نرمافزار» به «تحلیلگر مالی» است. کسی که فقط داده وارد میکند در خطر جایگزینی است، اما کسی که از دادهها تحلیل و تصمیمسازی ارائه میدهد، ارزش بیشتری پیدا میکند.
سوم، یادگیری تحلیل داده است تا حسابدار بتواند از دل اعداد، الگو و مسئله استخراج کند.
چهارم، شناخت اتوماسیون و ایجنتها اهمیت دارد؛ اینکه کدام بخشها قابل خودکارسازی هستند و چگونه میتوان آنها را مدیریت کرد بدون از دست دادن کنترل مالی.
پنجم، مهارتهای انسانی مثل قضاوت حرفهای، مذاکره و تصمیمگیری در شرایط مبهم همچنان حیاتی هستند و بهسادگی قابل جایگزینی نیستند.
در نهایت، مهمترین نکته این است: به خروجی هوش مصنوعی اعتماد کورکورانه نکنید. ارزش واقعی حسابدار آینده در این است که بتواند تشخیص دهد AI چه زمانی اشتباه میکند.
برنده این تغییر، نه کسی است که هوش مصنوعی را نادیده میگیرد و نه خود AI؛ بلکه حسابداری است که آن را به ابزار و همکار خود تبدیل میکند
