ИИ в работе финансиста и бухгалтера: между точностью и безопасностью
Недавно мои товарищи — владельцы небольшой бухгалтерской компании — написали мне. Хотели просто пообщаться, как обычно, «по душам». Но разговор быстро свернул в интересную сторону.
Они рассказали, что всё чаще слышат от экспертов:
К 2030 году профессия бухгалтера может исчезнуть, потому что все задачи в этой сфере алгоритмичны и автоматизируемы.
К этому времени, по их словам, все рутинные операции будут выполнять роботы и искусственный интеллект.
История зацепила. Тем более, что действительно — всё больше разговоров о том, что 1С и зарубежные платформы уже активно внедряют ИИ, а роботизированные алгоритмы там давно работают в фоне.
Я решил копнуть глубже и разобраться: что искусственный интеллект уже умеет делать в работе бухгалтера и финансиста, а где пока остаются белые пятна.
Тема эта чувствительная и непростая по нескольким причинам.
Во-первых, большие языковые модели до сих пор ошибаются в вычислениях. Во-вторых, мы имеем дело с чувствительными и конфиденциальными данными, а значит — с вопросами безопасности и законодательства. И вот тут специалист оказывается между двух огней.
Обе проблемы в той или иной степени решаемы. Причём каждая — по-своему. История с конфиденциальностью и безопасностью зависит от законов конкретной страны. А вот история с галлюцинациями — уже универсальная.
Сегодня я хочу закинуть удочку и показать, как я вижу возможные направления решений.
1. Конфиденциальность и безопасность
Важно понимать, ИИ - это территория исследований и разработок (R&D). Это сфера, где непредсказуемость и абстрактность — часть процесса. Сейчас я работаю над фреймворком, который позволит интегрировать ИИ в процессы с чувствительными данными, не нарушая закон о персональных данных (в России за это огромные штрафы) и при этом сохраняя свободу для экспериментов и внедрения.
Эту часть мы развернём в отдельном посте, потому что она заслуживает самостоятельного разговора.
2. Ошибки и «галлюцинации» моделей
Вот здесь, на мой взгляд, ключ — в детализации задач. Большие языковые модели не вычисляют, они предсказывают наиболее вероятный ответ. Именно поэтому им сложно справляться с точными расчётами.
Что можно сделать? Разложить задачу на атомы. Каждую операцию прописать алгоритмически, а потом маркировать эти действия.
Тогда, когда мы говорим агенту:
«Построй кэш-флоу»,
для него это значит: выбрать определённый набор маркеров, за каждым из которых стоит один элементарный акт вычисления.
Так мы приближаем модель к логике машины, а не к попыткам угадать пользователя.
3. Где ИИ может помочь уже сегодня
Есть и другая группа задач — те, что не требуют точных вычислений. Формирование отчётов, анализ данных, выявление трендов, подготовка выводов. Здесь нейросети уже могут брать на себя часть нагрузки.
Поэтому следующим постом я сделаю перечень таких задач:
- соберу весь спектр бухгалтерских и финансовых функций,
- разделю их на группы и покажу, какие можно уже сейчас передать искусственному интеллекту.
Расскажите в комментариях:
- сталкивались ли вы с ИИ-решениями в финансах?
- видели ли стартапы, которые уже идут в эту сторону?
- что, по вашему мнению, сейчас самое узкое место?
Я за одним таким проектом уже наблюдаю — и о нём тоже расскажу чуть позже. А пока — добро пожаловать в дискуссию.
