ਲੇਖਾਕਾਰਾਂ ਲਈ AI: ਵਿਹਾਰਕ ਵਰਤੋਂ, ਜਾਂਚਾਂ ਅਤੇ ਸੀਮਾਵਾਂ

ਲੇਖਾ-ਜੋਖੇ ਦੇ ਕੰਮ ਵਿੱਚ AI ਕਿਵੇਂ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੈ?

ਪੇਸ਼ੇਵਰ ਸੇਵਾ ਫ਼ਰਮਾਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਦੀਆਂ ਅੰਦਰੂਨੀ ਟੀਮਾਂ ਵਿੱਚ AI ਜ਼ਿਆਦਾਤਰ ਅੰਕੜਿਆਂ ਲਈ ਨਹੀਂ, ਸਗੋਂ ਉਨ੍ਹਾਂ ਨਾਲ ਜੁੜੀ ਲਿਖਤ ਅਤੇ ਵਿਆਖਿਆ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਥੇ ਇਹ ਸਭ ਤੋਂ ਵੱਧ ਭਰੋਸੇਯੋਗ ਹੁੰਦਾ ਹੈ ਅਤੇ ਗ਼ਲਤੀ ਫੜਨੀ ਵੀ ਸਭ ਤੋਂ ਸੌਖੀ ਹੁੰਦੀ ਹੈ।

ਕਈ ਲੇਖਾਕਾਰੀ ਅਤੇ ਬਹੀ-ਖਾਤਾ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਵੀ AI ਸਹੂਲਤਾਂ ਹੁੰਦੀਆਂ ਹਨ, ਜਿਵੇਂ ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਸੁਝਾਅ ਜਾਂ ਆਪਣੇ ਆਪ ਮੇਲ ਕਰਨਾ। ਉਨ੍ਹਾਂ ਦੀਆਂ ਸੈਟਿੰਗਾਂ ਸਾਫਟਵੇਅਰ ਵਿਕਰੇਤਾ ਅਤੇ ਤੁਹਾਡਾ ਪ੍ਰਸ਼ਾਸਕ ਤੈਅ ਕਰਦੇ ਹਨ; ਇਹ ਗਾਈਡ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਲੇਖਾਕਾਰ ਆਪਣੇ ਕੰਮ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਤੌਰ ਉੱਤੇ AI ਸਹਾਇਕਾਂ ਦੀ ਵਰਤੋਂ ਅਤੇ AI ਦੇ ਸੁਝਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਕਿਵੇਂ ਕਰਦੇ ਹਨ।

ਲੇਖਾਕਾਰਾਂ ਵੱਲੋਂ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਪੇਸ਼ੇਵਰ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਕੀ ਕਹਿੰਦੇ ਹਨ?

ਪੇਸ਼ੇਵਰ ਸੰਸਥਾਵਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੀ ਨਿਯਮਾਵਲੀ ਲਿਖਣ ਦੀ ਬਜਾਏ ਮੌਜੂਦਾ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ AI ਉੱਤੇ ਲਾਗੂ ਕਰ ਰਹੀਆਂ ਹਨ। ICAEW ਦੀ ਜਨਰੇਟਿਵ AI ਮਾਰਗਦਰਸ਼ਿਕਾ ਇਨ੍ਹਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਉੱਤੇ ਪੰਜ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤ ਲਾਗੂ ਕਰਦੀ ਹੈ: ਇਮਾਨਦਾਰੀ, ਨਿਰਪੱਖਤਾ, ਪੇਸ਼ੇਵਰ ਯੋਗਤਾ ਅਤੇ ਬਣਦੀ ਸਾਵਧਾਨੀ, ਗੁਪਤਤਾ ਅਤੇ ਪੇਸ਼ੇਵਰ ਵਿਹਾਰ।

ਇਸ ਦੇ ਅਮਲੀ ਨੁਕਤੇ ਅਜਿਹੇ ਹਨ ਜਿਨ੍ਹਾਂ 'ਤੇ ਹਰ ਲੇਖਾਕਾਰ ਅੱਜ ਹੀ ਅਮਲ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਗੁਪਤ ਜਾਣਕਾਰੀ ਨੂੰ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਾਲੇ AI ਸਾਧਨਾਂ ਵਿੱਚ ਪਾਉਣ ਤੋਂ ਮਨ੍ਹਾ ਕਰਦਾ ਹੈ, ਕਿਉਂਕਿ ਡਾਟਾ ਕੌਣ ਦੇਖਦਾ ਹੈ ਅਤੇ ਕਿੰਨੀ ਦੇਰ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਇਸ 'ਤੇ ਵਰਤੋਂਕਾਰਾਂ ਦਾ ਕੰਟਰੋਲ ਸੀਮਤ ਹੁੰਦਾ ਹੈ। ਇਹ ਨਤੀਜੇ ਦੀ ਸਮੀਖਿਆ ਵੇਲੇ ਪੇਸ਼ੇਵਰ ਸੰਦੇਹ ਦੀ ਨਜ਼ਰ ਰੱਖਣ ਲਈ ਕਹਿੰਦਾ ਹੈ ਅਤੇ ਸਵੈਚਾਲਿਤ ਨਤੀਜਿਆਂ 'ਤੇ ਬਿਨਾਂ ਜਾਂਚੇ ਭਰੋਸਾ ਕਰਨ ਦੇ ਪੱਖਪਾਤ ਤੋਂ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ। ਇਹ ਗਾਹਕਾਂ ਦੇ ਕੰਮ ਵਿੱਚ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਾਲੇ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਖੁੱਲ੍ਹ ਕੇ ਦੱਸਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ। ਅਤੇ ਇਹ ਸਾਫ਼ ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਹ ਸਾਧਨ ਪੇਸ਼ੇਵਰ ਗਿਆਨ ਅਤੇ ਹੁਨਰ ਦੀ ਘਾਟ ਪੂਰੀ ਨਹੀਂ ਕਰਦੇ, ਅਤੇ ਦੱਸਦਾ ਹੈ ਕਿ ਹੋ ਸਕਦਾ ਹੈ ਇਨ੍ਹਾਂ ਵਿੱਚ ਮੌਜੂਦਾ ਕਾਨੂੰਨ ਦੀ ਝਲਕ ਨਾ ਹੋਵੇ।

ਜੇ ਤੁਸੀਂ ਕਿਸੇ ਹੋਰ ਸੰਸਥਾ ਦੇ ਮੈਂਬਰ ਹੋ, ਤਾਂ ਉਸ ਦਾ ਆਪਣਾ ਮਾਰਗਦਰਸ਼ਨ ਅਤੇ ਨੈਤਿਕ ਆਚਾਰ-ਸੰਹਿਤਾ ਵੇਖੋ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਮੀਦਾਂ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਦਰਸਾਈਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਹ ਪੰਨਾ ਆਮ ਜਾਣਕਾਰੀ ਹੈ, ਪੇਸ਼ੇਵਰ ਜਾਂ ਕਾਨੂੰਨੀ ਸਲਾਹ ਨਹੀਂ।

AI ਨਾਲ ਲਿਖੀ ਅਤੇ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਗਾਹਕ ਲਈ ਈਮੇਲ ਕਿਹੋ ਜਿਹੀ ਹੁੰਦੀ ਹੈ?

ਪ੍ਰਿਆ ਨਾਇਰ ਇਕੱਲੀ ਮਾਲਕ ਵਜੋਂ ਅੰਦਰੂਨੀ ਸਜਾਵਟ ਦਾ ਇੱਕ ਕਾਲਪਨਿਕ ਕਾਰੋਬਾਰ ਚਲਾਉਂਦੀ ਹੈ। ਉਸ ਦੇ ਲੇਖਾਕਾਰ ਨੂੰ ਸਾਲ ਦੇ ਅੰਤ ਦੇ ਖਾਤੇ ਤਿਆਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੁਝ ਅਧੂਰੇ ਦਸਤਾਵੇਜ਼ ਅਤੇ ਜਾਣਕਾਰੀ ਚਾਹੀਦੀ ਹੈ: ਤਿੰਨ ਮਹੀਨਿਆਂ ਦੀਆਂ ਬੈਂਕ ਸਟੇਟਮੈਂਟਾਂ, ਸਾਜ਼ੋ-ਸਾਮਾਨ ਦੀਆਂ ਦੋ ਵੱਡੀਆਂ ਖ਼ਰੀਦਾਂ ਦੀਆਂ ਰਸੀਦਾਂ ਅਤੇ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਿ ਉਹ ਆਪਣੇ ਘਰ ਦਾ ਕਿੰਨਾ ਹਿੱਸਾ ਕੰਮ ਲਈ ਵਰਤਦੀ ਹੈ।

ਜਦੋਂ ਸਹਾਇਕ ਨੂੰ 'ਕਲਾਇੰਟ ਨੂੰ ਸਾਲ ਦੇ ਅੰਤ ਦੇ ਬਾਕੀ ਦਸਤਾਵੇਜ਼ ਮੰਗਣ ਲਈ ਇੱਕ ਦੋਸਤਾਨਾ ਈਮੇਲ ਲਿਖੋ' ਕਿਹਾ ਗਿਆ, ਤਾਂ ਉਸ ਨੇ ਇੱਕ ਸੁਖਾਵੀਂ ਈਮੇਲ ਤਿਆਰ ਕੀਤੀ ਜਿਸ ਵਿੱਚ ਰਿਟਰਨ ਦਾਖ਼ਲ ਕਰਨ ਦੀ ਆਖ਼ਰੀ ਤਾਰੀਖ ਵੀ ਦੱਸੀ ਗਈ, ਜੁਰਮਾਨੇ ਦੀ ਇੱਕ ਖ਼ਾਸ ਰਕਮ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਗਈ ਅਤੇ ਕਿਹਾ ਗਿਆ ਕਿ ਘਰ ਵਿੱਚ ਦਫ਼ਤਰ ਦੇ ਖ਼ਰਚਿਆਂ ਦਾ ਦਾਅਵਾ '30 ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਇਕਸਾਰ ਦਰ ਨਾਲ' ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਗੱਲ ਲੇਖਾਕਾਰ ਨੇ ਨਹੀਂ ਦਿੱਤੀ ਸੀ। ਆਖ਼ਰੀ ਤਾਰੀਖ ਅਤੇ ਜੁਰਮਾਨਾ ਉਸ ਦੇ ਕਾਨੂੰਨੀ ਅਧਿਕਾਰ-ਖੇਤਰ ਅਤੇ ਰਿਟਰਨ ਦਾਖ਼ਲ ਕਰਨ ਦੀ ਸਥਿਤੀ 'ਤੇ ਨਿਰਭਰ ਸਨ, ਅਤੇ ਘਰ ਵਿੱਚ ਦਫ਼ਤਰ ਬਾਰੇ ਗੱਲ ਇੱਕ ਆਮ ਬਿਆਨ ਵਜੋਂ ਸਿਰਫ਼ ਗ਼ਲਤ ਸੀ।

ਸਮੀਖਿਆ ਕੀਤੀ ਹਿਦਾਇਤ ਵਿੱਚ ਤਿੰਨ ਚੀਜ਼ਾਂ, ਉਹ ਤਾਰੀਖ ਜਿਸ ਤੱਕ ਲੇਖਾਕਾਰ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਲੋੜ ਸੀ ਅਤੇ ਅੱਪਲੋਡ ਕਰਨ ਦਾ ਤਰੀਕਾ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਜੋੜਿਆ ਗਿਆ ਸੀ: 'ਟੈਕਸ ਦਾ ਕੋਈ ਨਿਯਮ, ਅੰਤਿਮ ਤਾਰੀਖ, ਦਰ ਜਾਂ ਜੁਰਮਾਨਾ ਨਾ ਦੱਸੋ।' ਲੇਖਾਕਾਰ ਨੇ ਫਿਰ ਅੰਤਿਮ ਤਾਰੀਖ ਬਾਰੇ ਆਪਣਾ ਇੱਕ ਵਾਕ ਜੋੜਿਆ, ਜਿਸ ਦੀ ਜਾਂਚ ਟੈਕਸ ਅਥਾਰਟੀ ਦੀਆਂ ਪ੍ਰਕਾਸ਼ਿਤ ਤਾਰੀਖਾਂ ਨਾਲ ਕੀਤੀ ਗਈ। ਅੰਤਿਮ ਈਮੇਲ ਛੋਟੀ ਅਤੇ ਸਪਸ਼ਟ ਸੀ ਅਤੇ ਇਸ ਵਿੱਚ ਕੁਝ ਵੀ ਅਜਿਹਾ ਨਹੀਂ ਸੀ ਜਿਸ ਦੀ ਲੇਖਾਕਾਰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾ ਲੈ ਸਕੇ।

ਕੀ AI ਬੈਂਕ ਖਾਤੇ ਦੇ ਮਿਲਾਨ ਸੰਬੰਧੀ ਨੋਟ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ?

ਇਹ ਉਨ੍ਹਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤਰੀਕੇ ਨਾਲ ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਉਨ੍ਹਾਂ ਦਾ ਨਿਪਟਾਰਾ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ। ਮੰਨ ਲਵੋ ਕਿ ਇੱਕ ਕਾਲਪਨਿਕ ਗਾਹਕ ਦੇ ਬੈਂਕ ਖਾਤੇ ਦੇ ਮਿਲਾਨ ਵਿੱਚ ਦੋ ਮੱਦਾਂ ਦਾ ਮੇਲ ਨਹੀਂ ਬੈਠਦਾ: ਸਪਲਾਇਰ ਨੂੰ ਕੀਤੀ 1,240 ਦੀ ਅਦਾਇਗੀ ਜੋ ਬੈਂਕ ਫੀਡ ਵਿੱਚ ਦੋ ਵਾਰ ਦਿਖਦੀ ਹੈ, ਅਤੇ 380 ਦੀ ਪ੍ਰਾਪਤੀ ਜਿਸ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਕੋਈ ਬਿੱਲ ਨਹੀਂ ਹੈ।

AI ਦੇ ਇੱਕ ਖਰੜੇ ਨੇ ਪਹਿਲੀ ਮਦ ਨੂੰ 'ਦੁਹਰਾ ਭੁਗਤਾਨ ਜੋ ਸਪਲਾਇਰ ਤੋਂ ਵਾਪਸ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ' ਅਤੇ ਦੂਜੀ ਨੂੰ 'ਸੰਭਵ ਤੌਰ 'ਤੇ ਗਾਹਕ ਵੱਲੋਂ ਅਗਾਊਂ ਭੁਗਤਾਨ' ਦੱਸਿਆ। ਦੋਵੇਂ ਗੱਲਾਂ ਸੱਚ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਦੋਵੇਂ ਅੰਦਾਜ਼ੇ ਹਨ। ਦੁਹਰਾ ਭੁਗਤਾਨ ਇੱਕੋ ਰਕਮ ਦੇ ਦੋ ਅਸਲ ਬਿੱਲਾਂ ਲਈ ਹੋ ਸਕਦਾ ਹੈ; ਪ੍ਰਾਪਤ ਰਕਮ ਵਾਪਸੀ, ਤਬਾਦਲਾ ਜਾਂ ਜਮ੍ਹਾਂ ਰਕਮ ਹੋ ਸਕਦੀ ਹੈ। ਲਾਭਦਾਇਕ ਰੂਪ ਵਿੱਚ ਹਰ ਮਦ, ਉਸ ਦੀ ਮਿਤੀ ਅਤੇ ਰਕਮ, ਸੰਭਵ ਵਿਆਖਿਆਵਾਂ ਅਤੇ ਉਸ ਨੂੰ ਨਿਪਟਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਸਬੂਤ ਦਰਜ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਨਤੀਜਾ ਉਸ ਵਿਅਕਤੀ 'ਤੇ ਛੱਡਿਆ ਜਾਂਦਾ ਹੈ ਜੋ ਸਪਲਾਇਰ ਦੀ ਖਾਤਾ-ਸਟੇਟਮੈਂਟ ਅਤੇ ਗਾਹਕ ਦੇ ਰਿਕਾਰਡਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।

ਕੀ AI ਟੈਕਸ ਅਤੇ ਲੇਖਾਕਾਰੀ ਦੇ ਤਕਨੀਕੀ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦੀ ਹੈ?

ਟੈਕਸ ਜਾਂ ਲੇਖਾਕਾਰੀ ਮਿਆਰਾਂ ਬਾਰੇ AI ਦੇ ਕਿਸੇ ਵੀ ਜਵਾਬ ਨੂੰ ਖੋਜ ਦੀ ਸ਼ੁਰੂਆਤੀ ਦਿਸ਼ਾ ਸਮਝੋ, ਪੱਕਾ ਜਵਾਬ ਨਹੀਂ। ਆਮ ਸਹਾਇਕ ਪੁਰਾਣੀ ਜਾਂ ਅਧੂਰੀ ਸਮੱਗਰੀ ਵਰਤ ਸਕਦੇ ਹਨ, ਵੱਖ-ਵੱਖ ਦੇਸ਼ਾਂ ਦੇ ਨਿਯਮ ਰਲਾ ਸਕਦੇ ਹਨ ਅਤੇ ਅਜਿਹੀਆਂ ਹੱਦਾਂ ਦੱਸ ਸਕਦੇ ਹਨ ਜੋ ਬਾਅਦ ਵਿੱਚ ਬਦਲ ਚੁੱਕੀਆਂ ਹੋਣ—ਇਹ ਸਭ ਪੂਰੇ ਭਰੋਸੇ ਵਾਲੇ ਲਹਿਜ਼ੇ ਵਿੱਚ। ਇੰਗਲੈਂਡ ਅਤੇ ਵੇਲਜ਼ ਦੇ ਚਾਰਟਰਡ ਅਕਾਊਂਟੈਂਟਾਂ ਦੀ ਸੰਸਥਾ ਦੀ ਗਾਈਡ ਵੀ ਮੌਜੂਦਾ ਕਾਨੂੰਨਾਂ ਬਾਰੇ ਇਹੋ ਗੱਲ ਕਹਿੰਦੀ ਹੈ।

ਸਵਾਲ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਦੇਣ, ਸੰਬੰਧਿਤ ਖੇਤਰ ਪਛਾਣਨ ਅਤੇ ਕੀ ਲੱਭਣਾ ਹੈ ਉਸ ਦੀ ਸੂਚੀ ਬਣਾਉਣ ਲਈ AI ਵਰਤੋ, ਫਿਰ ਮੂਲ ਸਰੋਤ ਵੇਖੋ: ਕਾਨੂੰਨ, ਟੈਕਸ ਅਥਾਰਟੀ ਦੀ ਆਪਣੀ ਸੇਧ ਜਾਂ ਲੇਖਾ ਮਿਆਰ। ਤੁਸੀਂ ਕਿਸ ਸਰੋਤ ’ਤੇ ਭਰੋਸਾ ਕੀਤਾ, ਇਹ ਦਰਜ ਕਰੋ। ਜੇ ਟੂਲ ਕਿਸੇ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਉਸ ਨੂੰ ਖੋਲ੍ਹੋ ਅਤੇ ਸੰਬੰਧਿਤ ਹਿੱਸਾ ਲੱਭੋ; ਅਸਲੀ ਲੱਗਦਾ ਹਵਾਲਾ ਸਹੀ ਹਵਾਲੇ ਦੇ ਬਰਾਬਰ ਨਹੀਂ ਹੁੰਦਾ।

ਵਹੀ-ਖਾਤੇ ਰੱਖਣ ਵਾਲਿਆਂ ਨੂੰ AI ਵੱਲੋਂ ਕੀਤੇ ਵਰਗੀਕਰਨ ਦੀ ਸਮੀਖਿਆ ਕਿਵੇਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?

ਨਿਯਮਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ, ਸਿਰਫ਼ ਲੈਣ-ਦੇਣ ਦੀ ਨਹੀਂ। ਹਿਸਾਬ-ਕਿਤਾਬ ਦੇ ਸਾਫਟਵੇਅਰ ਵਿੱਚ AI ਰਾਹੀਂ ਵਰਗੀਕਰਨ ਆਮ ਤੌਰ 'ਤੇ ਪਹਿਲਾਂ ਕੀਤੀ ਖਾਤਾ-ਸ਼੍ਰੇਣੀ ਨਿਰਧਾਰਨਾ ਤੋਂ ਸਿੱਖਦਾ ਹੈ, ਇਸ ਲਈ ਸ਼ੁਰੂ ਦੀ ਇੱਕ ਗ਼ਲਤੀ ਹਰ ਮਹੀਨੇ ਦੁਹਰਾਈ ਜਾ ਸਕਦੀ ਹੈ। ਨਵੇਂ ਸਪਲਾਇਰਾਂ, ਮਿਲੀ-ਜੁਲੀ ਵਰਤੋਂ ਵਾਲੇ ਖ਼ਰਚਿਆਂ, ਪੂੰਜੀਗਤ ਅਤੇ ਆਮਦਨੀ-ਸਬੰਧੀ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਹੱਦ ਦੇ ਨੇੜੇ ਆਉਂਦੀਆਂ ਮਦਾਂ ਅਤੇ ਅਸਪਸ਼ਟ ਵੇਰਵਿਆਂ ਵਾਲੇ ਲੈਣ-ਦੇਣ ਦੀ ਜਾਂਚ ਕਰੋ, ਜਿਵੇਂ ਆਨਲਾਈਨ ਬਾਜ਼ਾਰਾਂ ਨੂੰ ਕਾਰਡ ਰਾਹੀਂ ਕੀਤੇ ਭੁਗਤਾਨ।

ਉਨ੍ਹਾਂ ਭੁਗਤਾਨ ਪ੍ਰਾਪਤਕਰਤਾਵਾਂ ਅਤੇ ਪੈਟਰਨਾਂ ਦੀ ਅਪਵਾਦ ਸੂਚੀ ਰੱਖੋ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਸੁਝਾਅ ਗ਼ਲਤ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਹਰ ਹਿਸਾਬੀ ਮਿਆਦ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਕਰੋ। ਮਿਲਾਨ ਦੇ ਸੁਝਾਅ ਸਪਸ਼ਟ ਮਾਮਲਿਆਂ ਵਿੱਚ ਸਮਾਂ ਬਚਾ ਸਕਦੇ ਹਨ; ਅਸਪਸ਼ਟ ਮਾਮਲਿਆਂ ਵਿੱਚ ਅਜੇ ਵੀ ਰਸੀਦ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਕੀ AI ਲੇਖਾਕਾਰਾਂ ਦੀ ਥਾਂ ਲੈ ਲਵੇਗਾ?

ਇਸ ਦਾ ਭਰੋਸੇਯੋਗ ਜਵਾਬ ਕੋਈ ਨਹੀਂ ਦੇ ਸਕਦਾ, ਅਤੇ ਤੱਥਾਂ ਵਾਂਗ ਪੇਸ਼ ਕੀਤੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਨੂੰ ਸਾਵਧਾਨੀ ਨਾਲ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਲੇਖਾਕਾਰੀ ਵਿੱਚ AI ਖਰੜੇ ਬਣਾਉਣ, ਸਾਰ ਕੱਢਣ ਅਤੇ ਪੈਟਰਨ ਮਿਲਾਉਣ ਦਾ ਵੱਧ ਕੰਮ ਸੰਭਾਲ ਰਿਹਾ ਹੈ। ਪਰ ਸੂਝ-ਬੂਝ ਨਾਲ ਫ਼ੈਸਲੇ ਲੈਣ, ਪੇਸ਼ੇਵਰ ਤੌਰ ਉੱਤੇ ਸਵਾਲ ਉਠਾਉਣ, ਗਾਹਕ ਦੀ ਗੁਪਤਤਾ ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਅੰਕੜਿਆਂ ਨੂੰ ਅੰਤਿਮ ਮਨਜ਼ੂਰੀ ਦੇਣ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਪੇਸ਼ੇਵਰ ਨਿਯਮਾਂ ਅਧੀਨ ਯੋਗ ਲੋਕਾਂ ਕੋਲ ਹੀ ਰਹਿੰਦੀ ਹੈ।

ਇਸ ਨਾਲ ਜੁੜਿਆ ਇੱਕ ਸਵਾਲ ਕਿ ਕੀ AI ਕਿਸੇ ਯੋਗ ਲੇਖਾਕਾਰ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ, ਦੋ ਵੱਖਰੀਆਂ ਕਿਸਮਾਂ ਦੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਇੱਕੋ ਜਿਹਾ ਮੰਨਣ ਦੀ ਗ਼ਲਤੀ ਉੱਤੇ ਟਿਕਿਆ ਹੈ। AI ਸਾਧਨ ਅਜਿਹਾ ਲਿਖਤ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਸਲਾਹ ਵਰਗਾ ਲੱਗੇ; ਪਰ ਉਹ ਇਸ ਦੀ ਪੇਸ਼ੇਵਰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਲੈ ਸਕਦਾ, ਗਾਹਕ ਦੀ ਪੂਰੀ ਸਥਿਤੀ ਨਹੀਂ ਜਾਣ ਸਕਦਾ ਅਤੇ ਨਾ ਹੀ ਉਸ ਨੂੰ ਨੈਤਿਕ ਜ਼ਾਬਤੇ ਲਈ ਜਵਾਬਦੇਹ ਠਹਿਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਲਾਭ ਉਨ੍ਹਾਂ ਲੇਖਾਕਾਰਾਂ ਨੂੰ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਜੋ ਇਹ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਆਪਣੇ ਹੱਥ ਵਿੱਚ ਰੱਖਦਿਆਂ ਇਨ੍ਹਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਸਿੱਖਦੇ ਹਨ।

ਗਾਹਕ ਦੀ ਕਿਹੜੀ ਜਾਣਕਾਰੀ AI ਟੂਲ ਵਿੱਚ ਪਾਈ ਜਾ ਸਕਦੀ ਹੈ?

ਸਿਰਫ਼ ਉਹੀ ਜਾਣਕਾਰੀ ਜਿਸ ਨੂੰ ਤੁਹਾਡੀ ਫ਼ਰਮ ਨੇ ਉਸ ਖ਼ਾਸ ਟੂਲ ਅਤੇ ਪਲਾਨ ਲਈ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ ਹੈ, ਅਤੇ ਜੇ ਗਾਹਕ ਦੀ ਜਾਣਕਾਰੀ ਗੁਪਤ ਹੈ ਤਾਂ ਆਮ ਖਪਤਕਾਰਾਂ ਲਈ ਜਨਤਕ ਟੂਲ ਵਿੱਚ ਬਿਲਕੁਲ ਕੁਝ ਵੀ ਨਾ ਪਾਓ। ਸੇਵਾ ਸਮਝੌਤੇ ਦੀਆਂ ਸ਼ਰਤਾਂ ਇਸ ਗੱਲ ਨੂੰ ਵੀ ਸੀਮਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਕਿ ਗਾਹਕ ਦੇ ਡੇਟਾ ਉੱਤੇ ਕਾਰਵਾਈ ਕਿਵੇਂ ਅਤੇ ਕਿਸ ਵੱਲੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਅਭਿਆਸ ਅਤੇ ਨਮੂਨੇ ਬਣਾਉਣ ਲਈ, ਇਸ ਪੰਨੇ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਵਰਗਾ ਕਾਲਪਨਿਕ ਡਾਟਾ ਵਰਤੋ। ਜਦੋਂ ਕਿਸੇ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਸਿਸਟਮ ਵਿੱਚ ਗਾਹਕਾਂ ਦੇ ਅਸਲ ਕੰਮ ਲਈ AI ਵਰਤਿਆ ਜਾਵੇ, ਤਾਂ ਸਮੀਖਿਆ ਦਾ ਉਹੀ ਰਿਕਾਰਡ ਰੱਖੋ ਜੋ ਤੁਸੀਂ ਕਿਸੇ ਹੋਰ ਕੰਮ ਲਈ ਰੱਖਦੇ ਹੋ: ਸਰੋਤ, ਕੀਤੀਆਂ ਜਾਂਚਾਂ ਅਤੇ ਅੰਤਿਮ ਰੂਪ ਨੂੰ ਕਿਸ ਨੇ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ।

ਲੇਖਾਕਾਰੀ ਟੀਮ ਇਹਨਾਂ ਆਦਤਾਂ ਦਾ ਅਭਿਆਸ ਕਿਵੇਂ ਕਰ ਸਕਦੀ ਹੈ?

ਗਾਹਕ ਨੂੰ ਈਮੇਲ ਲਿਖਣ ਅਤੇ ਹਿਸਾਬ ਮਿਲਾਉਣ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਨੂੰ ਕਾਲਪਨਿਕ ਡੇਟਾ ਨਾਲ ਟੀਮ ਅਭਿਆਸਾਂ ਵਜੋਂ ਵਰਤੋ। ਹਰ ਵਿਅਕਤੀ AI ਨਾਲ ਖਰੜਾ ਤਿਆਰ ਕਰੇ, ਫਿਰ ਸੂਚੀ ਬਣਾਏ ਕਿ ਉਸ ਨੇ ਕੀ ਹਟਾਇਆ ਜਾਂ ਅਣਸੁਲਝਿਆ ਛੱਡਿਆ। ਇਹ ਸੂਚੀਆਂ ਦੱਸਦੀਆਂ ਹਨ ਕਿ ਕੌਣ ਘੜੇ ਹੋਏ ਨਿਯਮ ਫੜਦਾ ਹੈ ਅਤੇ ਕੌਣ ਸਬੂਤਾਂ ਤੋਂ ਬਿਨਾਂ ਹੀ ਮਾਮਲਿਆਂ ਦਾ ਨਿਪਟਾਰਾ ਕਰ ਦਿੰਦਾ ਹੈ।

Tosheo.ai ਨੂੰ ਵਿੱਤ ਅਤੇ ਲੇਖਾਕਾਰੀ ਦੇ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸਿੱਖਣ-ਕ੍ਰਮ ਨਾਲ ਤਿਆਰ ਕਰਨ ਦੀ ਯੋਜਨਾ ਹੈ। ਇਸ ਵਿੱਚ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਕੰਮ, ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦਿਖਾਏ ਗਏ ਅੰਕਾਂਕਣ ਮਾਪਦੰਡਾਂ ਅਨੁਸਾਰ ਫੀਡਬੈਕ ਅਤੇ ਮੈਨੇਜਰ ਲਈ ਚੈਟ ਰਿਕਾਰਡਾਂ ਤੋਂ ਬਿਨਾਂ ਹੁਨਰ ਦੀ ਤਰੱਕੀ ਦੇਖਣ ਦੀ ਸਹੂਲਤ ਹੋਵੇਗੀ। ਉਤਪਾਦ ਹਾਲੇ ਬਣਿਆ ਨਹੀਂ ਹੈ, ਇਸ ਲਈ ਇਹ ਯੋਜਨਾਬੱਧ ਦਾਇਰਾ ਹੈ। ਇਹ ਲੇਖਾਕਾਰੀ, ਕਰ ਜਾਂ ਨਿਯਮਕ ਸਿਖਲਾਈ ਨਹੀਂ ਦਿੰਦਾ ਅਤੇ ਤੁਹਾਡੀ ਪੇਸ਼ੇਵਰ ਸੰਸਥਾ ਦੀ ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਿਨਾਂ ਲਗਾਤਾਰ ਪੇਸ਼ੇਵਰ ਵਿਕਾਸ ਦੀਆਂ ਲੋੜਾਂ ਵਿੱਚ ਨਹੀਂ ਗਿਣਿਆ ਜਾਂਦਾ।

ਸਰੋਤ ਅਤੇ ਦਾਇਰਾ

ICAEW, ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਾਲੀ AI ਲਈ ਮਾਰਗਦਰਸ਼ਕ: ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਾਲੀ AI ਅਤੇ ਨੈਤਿਕਤਾ ↗