Искусственный интеллект (ИИ) меняет мир во многих отношениях, и мир финансов в этом случае не является исключением: от обнаружения мошенничества и управления рисками до обслуживания клиентов и анализа инвестиций.

Однако, хотя все уже знают, что ИИ меняет правила игры, ИИ медленно завоевывает популярность в сфере налогообложения и бухгалтерского учета. И на первый взгляд кажется, что первопроходцев в этой области так же мало, как и скептиков. Кажется, что все ждут, что кто-то другой проложит путь.

Когда мы хотим изучить подходящие варианты использования, в которых может помочь ИИ, мы в первую очередь рассматриваем те, которые связаны с одной из двух самых известных категорий ИИ: Классификация и Регрессия.

Классификация – это задача присвоения входным данным категориальных меток (да/нет, мошенничество/не мошенничество, собака/кошка/мышь и т. д.), а Регрессия – это задача прогнозирования числовых результатов (цены дома, срока службы оборудования и т. д.) на основе входных данных.

Большинство попыток внедрить ИИ в повседневные финансы прибегали к какой-то автоматизации вместо ИИ. Автоматизация менее требовательна к данным, быстрее внедряется и требует меньше обслуживания и поддержки после этого. Это безопасная запасная стратегия, когда организация сталкивается с любым из многочисленных препятствий на пути к ИИ.

Если мы хотим уточнить единственную наиболее важную причину неудач ИИ, то это будет недостаток данных, и не просто данных, а чистых, структурированных и непредвзятых данных!

Данные по финансам и особенно по налогам и бухгалтерскому учету доступны редко. Любая отдельная сущность имеет часть данных, а не целостное представление о ландшафте. Например, аудиторская фирма будет иметь данные об отрасли, в которой она специализируется, или о наборе клиентов, которые решили работать с ней, а не о коллективном взгляде на рынок. Это, безусловно, создает предвзятость в наборе данных и препятствует созданию межотраслевой непредвзятой модели.

Это сделано не для того, чтобы отговорить игроков от использования приложений с поддержкой ИИ в сфере налогообложения и бухгалтерского учета, а для того, чтобы правильно охарактеризовать проблему и понять ограничения. На самом деле, вот пара идей, которые мы можем рассмотреть для преодоления именно этой проблемы:

а. Работайте с налоговыми органами над созданием таких приложений: налоговые органы достаточно долго хранят исторические данные и имеют объективные данные по всем отраслям и всем размерам бизнеса.

б. Создавайте отраслевые модели: используйте трансферное обучение для создания одинаково эффективных приложений в других отраслях.

ИИ в сфере налогообложения и бухгалтерского учета

В этом разделе я рассмотрю некоторые из успешных применений ИИ в сфере налогообложения и бухгалтерского учета и расскажу, как каждое из них может извлечь выгоду за пределы этой границы. Варианты использования:

  1. Обнаружение целей налогового аудита
  2. Пробное сопоставление баланса
  3. Отчет о налоговой амортизации

Теперь давайте углубимся в каждый пример.

Обнаружение целей налогового аудита

Когда мы впервые думаем о «обнаружении мошенничества», первое приложение, которое приходит на ум, относится к финансовой сфере, и это правильно. Хотя люди могут быть не в состоянии легко вывести закономерности и выбросы из многомерных числовых наборов данных, когда дело доходит до компьютеров и алгоритмов, цифры являются для них более показательными, чем другие типы данных. Это, наряду с явным финансовым влиянием мошенничества на бизнес, привело к значительному успеху в обнаружении мошенничества в финансовых приложениях.

Будь то мошенничество с налоговой отчетностью или мошенничество с публикацией точных финансовых отчетов, ИИ имеет прекрасную возможность поддержать налоговых инспекторов в выявлении подозрительных юридических или физических лиц за такие неправомерные действия и назначении их в качестве следующих объектов налоговых проверок.

Налоговые органы никогда не смогут привлечь достаточно ресурсов для проверки каждого предприятия. Вместо случайного выбора объектов для проверки или нормализации выборки по определенным сегментам (размер, отрасль бизнеса, предыдущие нарушения и т. д.) налоговые органы могут использовать ИИ, чтобы предложить следующий объект для налоговой проверки на основе выявленных закономерностей. от ранее заявленных нарушений.

Пробное сопоставление баланса

Сопоставление пробного баланса — это процесс сопоставления или сверки остатков на счетах из главной бухгалтерской книги компании с остатками, показанными в отчете о пробном балансе. Целью сопоставления пробного баланса является выявление любых несоответствий или ошибок в учетных записях, которые могли возникнуть в процессе бухгалтерского учета, таких как двойные записи, неправильные проводки или ошибки ввода данных.

В то время как кропотливая, душераздирающая работа по согласованию может быть в основном возложена на плечи автоматизации, у ИИ есть возможность помочь в предполагаемом отображении несоответствующих записей на основе исторических данных для устранения предыдущих несоответствий.

Что ИИ сможет сделать, так это сформулировать понимание некоторых неписаных правил вокруг порогов и шаблонов несовпадающих записей и возможных совпадений с незначительными расхождениями.

С учетом вышеизложенного бухгалтеры/бухгалтеры могут меньше сосредотачиваться на назначении различных записей и больше на консультативной стороне своей работы по усовершенствованию, чтобы избежать подобных несоответствий в будущем.

Налоговая отчетность по амортизации

Налоговая амортизация — это сумма амортизационных отчислений на основные средства, которую компания может вычесть из налоговых платежей в данном году.

Для этого активы классифицируются по классам активов, и им назначается предполагаемый срок службы в зависимости от типа использования и политики компании.

ИИ может помочь в категоризации активов по классам, а затем в дальнейшем выборе метода амортизации на основе класса и оценке амортизации этого актива на основе моделей, демонстрируемых аналогичными активами, о которых ранее сообщала организация.

Хотя это одни из самых эффективных применений ИИ в налоговой сфере, есть и другие заслуживающие внимания приложения:

  • Классификация франшиз от невычитаемых
  • Распределение расходов по международному налогу
  • Извлечение и осмысление неструктурированных данных в отчетах K — 1

Заключительное примечание

Поиск правильного варианта использования является ключом к раскрытию ценности искусственного интеллекта. Однако на простом выборе правильного варианта использования далеко не уедешь. Вам нужно убедиться, что ваши процессы стандартизированы, ваши данные структурированы и готовы к использованию ИИ, ваши заинтересованные стороны вовлечены в работу, и, самое главное, вам нужно начать сегодня и сейчас!

Если вы достигли этого момента и вас интересует пересечение финансов и технологий, [рассмотрите возможность подписки]для получения аналогичного контента. А пока вы можете прочитать больше таких историй из списка ниже: