Smacc, et tysk-baseret softwarefirma, bruger kunstig intelligens til at hjælpe freelancere, små virksomheder og mellemstore virksomheder med at automatisere deres regnskabssystemer og finansielle rapportering. De modtog $3,5 mio. i serie A-finansiering fra en række højprofilerede venturekapitalister og engleinvestorer, og stiftere udviklede konceptet efter at have oplevet vanskeligheder med regnskabsføring i de indledende faser af deres egen opstart Selskab.
Smacc-klienter sender deres kvitteringer, som derefter konverteres til maskinlæsbar form. Kvitteringerne tildeles den rigtige konto efter kryptering. Over tid lærer systemet sig selv at forbedre sine funktioner: salg, udgifter, fakturahåndtering og likviditetsprofiler.
Selvlæring og forbedring
Softwaren bruger mere end 60 datapunkter til at gennemgå kvitteringer og fakturaer. Den kontrollerer, om regnestykket er nøjagtigt, og verificerer, om udstederen er korrekt, med detaljer som moms-identifikationsnumre. Når softwaren har lært at håndtere hver enkelt leverandør, bliver opgaverne efterfølgende håndteret automatisk. Dens kunstige intelligens giver den mulighed for selv at lære og konstant forbedre sin evne til at sortere og tildele information.
Kunder kan tjekke deres fakturerings- og udgiftsdata i realtid online og behøver ikke længere at indtaste data eller vente til slutningen af måneden for at se, hvor deres økonomi står. Flere virksomheder, såsom QuickBooks, tilbyder cloud-baseret regnskabssoftware, men Smacc er blandt de første til at udnytte kunstig intelligens til at forbedre softwarens evne til at automatisere opgaver.
Fremkomsten af AI
Regnskabsverdenen er blot den seneste i en række af brancher, der er ramt af den hastige stigning i brugen af kunstig intelligens. Bill Gates omtalte endda fremkomsten af kunstig intelligens som datalogiens "Hellige gral". Efter mange mislykkede bestræbelser i fortiden, nøjagtigheden og hastigheden af nutidens kunstige intelligens er meget forbedret.
Du kan ikke gå en dag, uden at nogen på dit Facebook-feed deler en artikel om kunstig intelligens, og hvordan det vil tage dit job i de næste par år, men disse bekymringer er ikke nye. Den samme frygt var forrest i folks sind, da fabrikker spredte sig over hele Storbritannien for 200 år siden.
Robotter bruges allerede i hele vores hjem, arbejdspladser og underholdningscentre og over hele De næste 10 år vurderer Forrester Research, at kunstig intelligens vil overtage op til 16 % af jobs i USA stater. Google mener, at robotter vil opnå menneskelige intelligensniveauer i 2029, og Gartner anslår, at 33 % af alle erhverv vil blive udført af smarte robotter i 2025. FOW forudser, at fem områder vil føle størst effekt: sundhedspleje, fremstilling, transport, kundeservice og finans.
Virkelighedstjek
Med alt det sagt, behøver revisorer mere end sandsynligt ikke at bekymre sig om kunstig intelligens i lang tid. Smacc udvikler interessante AI-applikationer for at hjælpe med at automatisere og strømline bogføring yderligere opgaver og cloud-baserede regnskabssoftwarepakker som QuickBooks siger, at de allerede er 75 % automatiseret. Når det er sagt, gør professionelle revisorer meget mere end at holde styr på kvitteringer og levere grundlæggende rapporter. De fungerer som konsulenter, der rådgiver om skatteplanlægning, diskuterer operationer, gennemgår kundernes mål og mere. Det hurtige forandringstempo i kundebrancher og udvidelsen af komplicerede reguleringer betyder, at menneskelige controllertjenester vil være nødvendige for at sikre, at overholdelseskravene er opfyldt og økonomiske kontroller er det lyd.
Flere lande
Dette gælder især for virksomheder, der opererer i flere lande. Det er svært nok at håndtere skatter i dit hjemland, men det er skræmmende at forstå skattelovgivningen og forretningsreglerne i en række fremmede lande. Er AI-robotter klar til at håndtere det sammenfiltrede net af regler, der er forbundet med Den Europæiske Union eller overholdelseskravene fra Organisationen for Økonomisk Samarbejde og Udvikling (OECD)? Der eksisterer i øjeblikket ingen kunstig intelligens-algoritmer, der kan sortere disse komplekse interaktioner.
Kontekst udfordringer
Maskinlæring kan trænes til at håndtere en forbløffende række af opgaver, hvis du giver den et bredt nok udvalg af eksempler at trække fra. Dataforskere er ikke helt sikre på, hvordan dette sker. Matematikken er så kompleks, at det er svært at omkonstruere det for at se, hvordan systemet lærer, hvilket gør det vanskeligt at diagnosticere problemer.
AI kan gøre fantastiske ting, men den er ikke så god til de mange ting, mennesker gør naturligt. Vi træffer mange beslutninger baseret på kontekst. Professionelle controllertjenester forstår de regler og bestemmelser, som deres kunder skal overholde, og de er i stand til at præsentere muligheder og anbefalinger på en måde, som kunden kan forstå.
Nutidens maskinlæringssystemer håndterer ikke denne type kontekst godt. Fremtidsforskere har proklameret fordelene ved kunstig intelligens i årtier nu og beskrevet fantastiske verdener, hvor robotter gør din hverdag til en lethed og afslapning. Den fremtid kan være her hurtigere, end du tror, men i øjeblikket har outsourcede regnskabstjenester en fordel, som de mest avancerede algoritmer ikke kan duplikere - den menneskelige berøring.
