હિસાબી કામમાં AIનો ઉપયોગ કેવી રીતે થઈ રહ્યો છે?

વ્યાવસાયિક સેવાઓ આપતી પેઢીઓ અને સંસ્થાની આંતરિક ટીમોમાં, AIનો ઉપયોગ મોટેભાગે આંકડાઓ માટે નહીં, પરંતુ તેમની આસપાસના લેખન અને સમજૂતી માટે થાય છે. ત્યાં તે સૌથી વધુ વિશ્વસનીય છે અને ભૂલ પકડવી સૌથી સહેલી છે.

ઘણાં હિસાબી અને નામાલેખન પ્લેટફોર્મમાં પણ AI સુવિધાઓ હોય છે, જેમ કે સૂચવેલી શ્રેણીઓ અથવા આપમેળે મેળવણી. તેનું ગોઠવણ સોફ્ટવેર પ્રદાતા અને તમારા વહીવટકર્તા કરે છે; આ માર્ગદર્શિકા વ્યક્તિગત હિસાબનીશો પોતાના કામમાં AI સહાયકોનો ઉપયોગ કેવી રીતે કરે અને AIનાં સૂચનોની સમીક્ષા કેવી રીતે કરે તે વિશે છે.

ગ્રાહક સાથે સંવાદ

ગુમ રેકોર્ડ માગવા માટેની વિનંતીઓ, દાખલ કરેલા દસ્તાવેજની સમજૂતી અથવા હિસાબનીસ ન હોય એવા ક્લાયન્ટ માટે હિસાબોના સમૂહનો સરળ ભાષામાં સારાંશ તૈયાર કરવો.

સંશોધન શરૂ કરવા માટેના સ્રોતો

મૂળ સ્રોત પાસે જતાં પહેલાં, તમને મળેલા લાંબા માર્ગદર્શનનો સારાંશ બનાવવો અથવા સંશોધન કરવા માટેના પ્રશ્નોની યાદી બનાવવી.

કાર્યપદ્ધતિની નોંધો

તમારી પોતાની કાર્યપદ્ધતિને જુનિયર સહકર્મી માટે સ્પષ્ટ ચેકલિસ્ટ અથવા પ્રક્રિયાના દસ્તાવેજમાં ફેરવવી.

મેળવણીની નોંધો

મેળવણી બાકી હોય તેવી બાબતોમાં શું જાણીતું છે અને શું હજી બાકી છે તે સ્પષ્ટ રીતે લખવું.

સ્પ્રેડશીટ માટે મદદ

અગાઉથી મળેલું સૂત્ર સમજાવવું અથવા વધુ સુવ્યવસ્થિત સૂત્ર સૂચવવું, અને તેના પર આધાર રાખતાં પહેલાં તેની ચકાસણી કરવી.

હિસાબનીશો દ્વારા AIના ઉપયોગ વિશે વ્યાવસાયિક માર્ગદર્શન શું કહે છે?

વ્યાવસાયિક સંસ્થાઓ સંપૂર્ણપણે અલગ નિયમાવલી ઘડવાને બદલે હાલના નૈતિક સિદ્ધાંતોને AI પર લાગુ કરી રહી છે. ICAEW ની જનરેટિવ AI માર્ગદર્શિકા આ સાધનોના ઉપયોગ પર પાંચ મૂળભૂત સિદ્ધાંતો લાગુ કરે છે: પ્રામાણિકતા, નિષ્પક્ષતા, વ્યાવસાયિક ક્ષમતા અને યોગ્ય કાળજી, ગોપનીયતા તથા વ્યાવસાયિક વર્તન.

તેના વ્યવહારુ મુદ્દાઓ એવા છે જેના પર દરેક હિસાબનીશ આજે જ અમલ કરી શકે છે. તે જાહેર જનરેટિવ AI સાધનોમાં ગોપનીય માહિતી મૂકવાની ના પાડે છે, કારણ કે ડેટા કોણ જુએ છે અને કેટલો સમય રાખવામાં આવે છે તેના પર વપરાશકર્તાઓનું નિયંત્રણ મર્યાદિત હોય છે. તે પરિણામની સમીક્ષા કરતી વખતે વ્યાવસાયિક શંકાશીલતા રાખવાનું કહે છે અને સ્વચાલિત પરિણામને સાચું માની લેવાના પૂર્વગ્રહ સામે ચેતવે છે. તે ગ્રાહકના કામમાં જનરેટિવ AIના ઉપયોગ અંગે પારદર્શક રહેવા પ્રોત્સાહિત કરે છે. અને તે સ્પષ્ટ કહે છે કે આ સાધનો વ્યાવસાયિક જ્ઞાન અને કુશળતાની ઊણપ પૂરી કરી શકતાં નથી, તેમજ તેમાં વર્તમાન કાયદાની માહિતી ન પણ હોય તે નોંધે છે.

જો તમે બીજી કોઈ સંસ્થાના સભ્ય હો, તો તેનું પોતાનું માર્ગદર્શન અને આચારસંહિતા તપાસો, જેમાં અપેક્ષાઓ અલગ શબ્દોમાં વ્યક્ત કરેલી હોઈ શકે. આ પૃષ્ઠ સામાન્ય માહિતી આપે છે, વ્યાવસાયિક કે કાનૂની સલાહ નહીં.

AI દ્વારા લખાયેલો અને સમીક્ષા કરાયેલો ગ્રાહક માટેનો ઇમેઇલ કેવો હોય છે?

પ્રિયા નાયર એકમાત્ર માલિક તરીકે આંતરિક સજાવટનો એક કાલ્પનિક વ્યવસાય ચલાવે છે, અને તેના હિસાબનીશને વર્ષના અંતના હિસાબો તૈયાર કરતાં પહેલાં કેટલીક ખૂટતી વિગતો જોઈએ છે: ત્રણ મહિનાનાં બેંક સ્ટેટમેન્ટ, સાધનોની બે મોટી ખરીદીની રસીદો અને તે પોતાના ઘરનો કેટલો ભાગ કામ માટે વાપરે છે તેની પુષ્ટિ.

'વર્ષાંતના બાકી દસ્તાવેજો માગતો ગ્રાહકને મોકલવા માટે મૈત્રીપૂર્ણ ઇમેઇલ લખો' એવું કહેતાં સહાયકે સૌહાર્દપૂર્ણ ઇમેઇલ તૈયાર કર્યો, પણ તેમાં રિટર્ન ભરવાની અંતિમ તારીખ પણ જણાવી, દંડની ચોક્કસ રકમની ચેતવણી આપી અને કહ્યું કે ઘરેથી કામ કરવાની જગ્યાના ખર્ચનો દાવો '30 ટકા ના નિશ્ચિત દરે' કરી શકાય છે. આમાંથી કંઈ પણ એકાઉન્ટન્ટે આપ્યું નહોતું. અંતિમ તારીખ અને દંડ તેના પર લાગુ પડતા અધિકારક્ષેત્ર અને રિટર્ન ભરવાની સ્થિતિ પર આધારિત હતાં, અને ઘરેથી કામ કરવાની જગ્યાના ખર્ચ વિશેની વાત સામાન્ય નિવેદન તરીકે સીધી જ ખોટી હતી.

સમીક્ષા કરેલા પ્રોમ્પ્ટમાં ત્રણ વસ્તુઓ, એકાઉન્ટન્ટને તે કઈ તારીખ સુધીમાં જોઈતી હતી તે અને અપલોડ કરવાની રીતની યાદી હતી, અને આ સૂચના ઉમેરાઈ હતી: 'કર અંગેનો કોઈ નિયમ, સમયમર્યાદા, દર કે દંડ જણાવશો નહીં.' પછી એકાઉન્ટન્ટે કર સત્તાધિકારીએ પ્રકાશિત કરેલી તારીખો સામે ચકાસીને સમયમર્યાદા વિશે પોતાનું એક વાક્ય ઉમેર્યું. અંતિમ ઇમેઇલ વધુ ટૂંકો અને ચોક્કસ હતો અને તેમાં એવું કશું નહોતું જેની જવાબદારી એકાઉન્ટન્ટ ન લઈ શકે.

શું AI બેંક ખાતાના હિસાબના મેળવણીની નોંધો તૈયાર કરવામાં મદદ કરી શકે છે?

તે તેમને સ્પષ્ટ રીતે લખવામાં મદદ કરી શકે છે, પરંતુ તેણે તેમનો ઉકેલ લાવવો જોઈએ નહીં. ધારો કે એક કાલ્પનિક ગ્રાહકના બેંક હિસાબના મેળવણીમાં બે ન મળતી નોંધો છે: સપ્લાયરને કરેલી 1,240ની ચુકવણી, જે બેંકમાંથી આવતી વ્યવહારની નોંધોમાં બે વાર દેખાય છે, અને 380ની આવક, જેનું કોઈ મેળ ખાતું બીલ નથી.

AI દ્વારા તૈયાર કરાયેલા એક મુસદ્દામાં પહેલી બાબતને 'સપ્લાયર પાસેથી પાછી મેળવવી જોઈએ એવી બેવડી ચુકવણી' અને બીજીને 'સંભવતઃ ગ્રાહકની આગોતરી ચુકવણી' તરીકે વર્ણવી હતી. બંને સાચાં હોઈ શકે છે, અને બંને અનુમાન છે. બેવડી ચુકવણી એકસરખી રકમનાં બે સાચાં બીલ માટે હોઈ શકે; મળેલી રકમ પરતફેર, નાણાંની તબદીલી કે જમા રકમ હોઈ શકે. ઉપયોગી આવૃત્તિમાં દરેક બાબત, તેની તારીખ અને રકમ, સંભવિત સમજૂતીઓ અને તેને ઉકેલવા જરૂરી પુરાવાની નોંધ હોય છે, અને નિષ્કર્ષ સપ્લાયરનું ખાતાવિવરણ તથા ગ્રાહકના રેકોર્ડ તપાસનાર વ્યક્તિ પર છોડવામાં આવે છે.

આ કોઈ ભૂમિકા સાથે કેવી રીતે જોડાય છે તે જોવા માંગો છો?

ટીમ માટે આયોજન હેઠળના અજમાયશી ઉપયોગ વિશે જાણો ↗

શું AI કરવેરા અને હિસાબની તકનીકી બાબતોના પ્રશ્નોના જવાબ આપી શકે છે?

કરવેરા કે હિસાબી ધોરણો વિશે AIના કોઈપણ જવાબને સંશોધન માટેની દિશા ગણો, અંતિમ જવાબ નહીં. સામાન્ય સહાયકો જૂની કે અધૂરી સામગ્રીનો આધાર લઈ શકે છે, અલગ અલગ દેશોના નિયમો ભેળવી શકે છે અને બદલાઈ ગયેલી મર્યાદાઓ જણાવી શકે છે, અને આ બધું આત્મવિશ્વાસભર્યા સ્વરમાં કહી શકે છે. ICAEWની માર્ગદર્શિકા હાલના કાયદા વિશે આ જ મુદ્દો જણાવે છે.

પ્રશ્નનું માળખું તૈયાર કરવા, સંબંધિત ક્ષેત્ર ઓળખવા અને શું શોધવું તેની યાદી બનાવવા AI વાપરો, પછી મૂળ સ્રોત પર જાઓ: કાયદો, કર સત્તામંડળનું પોતાનું માર્ગદર્શન અથવા હિસાબી ધોરણ. તમે કયા સ્રોત પર આધાર રાખ્યો તેની નોંધ રાખો. જો સાધન કોઈ સ્રોત ટાંકે, તો તેને ખોલીને સંબંધિત લખાણ શોધો; સાચો લાગતો સંદર્ભ અને સાચો સંદર્ભ એક જ બાબત નથી.

નામું રાખનારાઓએ AI દ્વારા કરાયેલા વર્ગીકરણની સમીક્ષા કેવી રીતે કરવી જોઈએ?

નિયમોની સમીક્ષા કરો, માત્ર વ્યવહારોની નહીં. હિસાબી સોફ્ટવેરમાં AI દ્વારા થતું વર્ગીકરણ સામાન્ય રીતે અગાઉ કરેલી ખાતાવાર ફાળવણીમાંથી શીખે છે, તેથી શરૂઆતની ભૂલ દર મહિને ફરી થઈ શકે છે. નવા સપ્લાયરો, મિશ્ર ઉપયોગના ખર્ચ, મૂડી અને મહેસૂલી ખર્ચ વચ્ચેની સીમાની નજીક આવતી બાબતો અને ઓનલાઈન બજારોને કાર્ડથી કરેલી ચુકવણી જેવા અસ્પષ્ટ વર્ણનવાળા વ્યવહારો તપાસો.

સૂચનોમાં જે ચુકવણી મેળવનારાઓ અને વ્યવહારની પેટર્ન અંગે ભૂલો થાય છે તેમની અપવાદોની યાદી રાખો અને દરેક હિસાબી સમયગાળામાં તે તપાસો. સૂચવેલી મેળવણી સ્પષ્ટ કિસ્સાઓમાં સમય બચાવી શકે છે; અસ્પષ્ટ કિસ્સાઓમાં હજી પણ રસીદ જરૂરી છે.

શું AI હિસાબનીશોનું સ્થાન લઈ લેશે?

આનો વિશ્વસનીય જવાબ કોઈ આપી શકે નહીં અને હકીકત તરીકે રજૂ થતી આગાહીઓને સાવચેતીથી લેવી જોઈએ. એટલું કહી શકાય કે હિસાબી કામમાં મુસદ્દા બનાવવા, સારાંશ કાઢવા અને સમાન નમૂનાઓ શોધવાનું વધુ કામ AI સંભાળી રહ્યું છે. પરંતુ નિર્ણયશક્તિ, વ્યાવસાયિક સંશયભાવ, ગ્રાહકની ગોપનીયતા અને આંકડાઓને અંતિમ મંજૂરી આપવાની જવાબદારી વ્યાવસાયિક નિયમો હેઠળ યોગ્ય લાયકાત ધરાવતા લોકોની જ રહે છે.

AI લાયકાત ધરાવતા હિસાબનીશ કરતાં વધુ સારું છે કે કેમ, તે સંબંધિત પ્રશ્ન મૂળભૂત રીતે બે જુદી શ્રેણીની બાબતોને એકસરખી માનવાની ભૂલ પર આધારિત છે. AI સાધન સલાહ જેવું લાગતું લખાણ તૈયાર કરી શકે છે; પરંતુ તે તેની વ્યાવસાયિક જવાબદારી લઈ શકતું નથી, ગ્રાહકની સંપૂર્ણ સ્થિતિ જાણી શકતું નથી કે તેને નૈતિક આચારસંહિતા માટે જવાબદાર ઠેરવી શકાતું નથી. લાભ થવાની શક્યતા એવા હિસાબનીશોને છે જેઓ આ જવાબદારીઓ પોતાની પાસે જ રાખીને આ સાધનોનો ઉપયોગ શીખે છે.

ગ્રાહકની કઈ માહિતી AI સાધનમાં આપી શકાય છે?

તમારી પેઢીએ તે ચોક્કસ સાધન અને યોજના માટે જેટલી મંજૂરી આપી હોય તેટલું જ, અને જો ગ્રાહકની માહિતી ગોપનીય હોય તો જાહેર વપરાશકર્તાઓ માટેના સાધનમાં કંઈ પણ ન મૂકો. સેવાના કરારની શરતો પણ ગ્રાહકના ડેટા પર કેવી રીતે અને કોણ પ્રક્રિયા કરી શકે તેના પર મર્યાદા મૂકી શકે છે.

અભ્યાસ માટે અને નમૂનાઓ બનાવવા માટે આ પૃષ્ઠનાં ઉદાહરણો જેવા કાલ્પનિક ડેટાનો ઉપયોગ કરો. મંજૂર પ્રણાલીમાં ગ્રાહકના વાસ્તવિક કામ માટે AIનો ઉપયોગ થાય ત્યારે, બીજા કોઈ પણ કામ માટે રાખો એવો જ સમીક્ષાનો રેકોર્ડ રાખો: મૂળ સ્રોત, કરેલી તપાસ અને અંતિમ આવૃત્તિને કોણે મંજૂરી આપી.

હિસાબી ટીમ આ ટેવોની પ્રેક્ટિસ કેવી રીતે કરી શકે?

ગ્રાહકને મોકલવાના ઇમેઇલ અને હિસાબના મેળવણીનાં ઉદાહરણોનો કાલ્પનિક ડેટા સાથે ટીમના અભ્યાસ તરીકે ઉપયોગ કરો. દરેક વ્યક્તિ AI વડે મુસદ્દો તૈયાર કરે, પછી તેણે શું દૂર કર્યું અથવા શું અનિર્ણિત રાખ્યું તેની યાદી બનાવે. આ યાદીઓ દર્શાવે છે કે કોણ ઉપજાવી કાઢેલા નિયમો પકડે છે અને કોણ પુરાવાનો આધાર ન હોય તેવા મુદ્દાઓનો નિકાલ કરી દે છે.

Tosheo.ai નાણાં અને હિસાબના આયોજન હેઠળના અભ્યાસક્રમ સાથે વિકસાવવાની પ્રક્રિયામાં છે, જેમાં આ પ્રકારનાં કાર્યો, દેખાતા મૂલ્યાંકન માપદંડો મુજબ પ્રતિસાદ અને મેનેજર માટે ચેટના રેકોર્ડ વિના કૌશલ્યની પ્રગતિ જોવાની સુવિધા હશે. તેનું નિર્માણ હજી શરૂ થયું નથી, તેથી આ આયોજન હેઠળની બાબતો છે. તે હિસાબ, કર કે નિયમનકારી તાલીમ આપતું નથી અને તમારી વ્યાવસાયિક સંસ્થા માન્યતા આપે તે સિવાય વ્યાવસાયિક સતત વિકાસની જરૂરિયાતોની પૂર્તિમાં ગણાતું નથી.

સ્રોતો અને વ્યાપ

ICAEW, જનરેટિવ AI માર્ગદર્શિકા: જનરેટિવ AI અને નૈતિકતા ↗