Muhasebeciler için yapay zeka: pratik kullanım alanları, kontroller ve sınırlar

Muhasebe işlerinde yapay zeka nasıl kullanılıyor?

Muhasebe bürolarında ve şirket içi ekiplerde yapay zeka, çoğunlukla sayıların kendisinden ziyade sayılarla ilgili metinleri ve açıklamaları hazırlamak için kullanılır. En güvenilir olduğu ve bir hatanın en kolay fark edilebildiği alan budur.

Birçok muhasebe ve defter tutma platformunda kategori önerileri veya otomatik eşleştirme gibi yapay zeka özellikleri de bulunur. Bunları yazılım sağlayıcısı ve sistem yöneticiniz yapılandırır; bu kılavuz ise muhasebecilerin kendi işlerinde yapay zeka asistanlarını nasıl kullandığını ve yapay zeka önerilerini nasıl kontrol ettiğini ele alır.

Mesleki rehberler, muhasebecilerin yapay zeka kullanımı hakkında ne diyor?

Meslek kuruluşları, tamamen ayrı bir kurallar bütünü yazmak yerine mevcut etik ilkeleri yapay zekaya uyguluyor. ICAEW'nin üretken yapay zeka rehberi; dürüstlük, tarafsızlık, mesleki yeterlilik ve özen, gizlilik ve mesleğe uygun davranıştan oluşan beş temel ilkeyi bu araçların kullanımına uyguluyor.

Uygulamaya yönelik önerileri, her muhasebecinin bugün hayata geçirebileceği türdendir. Verileri kimin göreceği ve ne kadar süre saklanacağı konusunda kullanıcıların kontrolü sınırlı olduğundan, gizli bilgilerin herkese açık üretken yapay zeka araçlarına yüklenmemesini önerir. Çıktılar incelenirken mesleki şüphecilik gösterilmesini ister ve otomasyon yanlılığına karşı uyarır. Müşteri işlerinde üretken yapay zeka kullanımı konusunda açık olmayı teşvik eder. Ayrıca bu araçların güncel mevzuatı yansıtmayabileceğine dikkat çekerek mesleki bilgi ve beceri eksikliğini telafi etmediğini açıkça belirtir.

Başka bir meslek kuruluşuna üyeyseniz beklentileri farklı şekilde ifade edebilecek kendi rehberlerini ve etik kurallarını kontrol edin. Bu sayfa genel bilgi içerir, mesleki veya hukuki danışmanlık niteliğinde değildir.

Yapay zekanın hazırladığı ve gözden geçirilmiş bir müşteri e-postası nasıl olur?

Priya Nair, tek kişi işletmesi olarak faaliyet gösteren kurgusal bir iç tasarım işletmesini yönetiyor. Muhasebecisinin yıl sonu hesaplarını hazırlamadan önce eksik olan bazı belgelere ve bilgilere ihtiyacı var: üç aylık banka hesap dökümleri, iki büyük ekipman alımının makbuzları ve evinin ne kadarını iş için kullandığına dair teyit.

Asistandan 'bir müşteriye, eksik yıl sonu belgelerini isteyen samimi bir e-posta yazması' istendiğinde, hoş bir e-posta hazırladı; ancak e-postada bir beyanname verme son tarihi belirtti, belirli bir ceza tutarı konusunda uyarıda bulundu ve evden çalışma giderlerinin 'yüzde 30 sabit oranla' beyan edilebileceğini söyledi. Bu bilgilerin hiçbiri muhasebeciden gelmemişti. Son tarih ve ceza, muhasebecinin tabi olduğu hukuk düzenine ve beyanname durumuna bağlıydı; evden çalışma giderleriyle ilgili ifade ise genel bir kural olarak yanlıştı.

Gözden geçirilmiş istem üç kalemi, muhasebecinin bunlara ihtiyaç duyduğu son tarihi ve yükleme yöntemini listeledi; ardından şunu ekledi: 'Herhangi bir vergi kuralı, son tarih, oran veya ceza belirtme.' Muhasebeci daha sonra son tarihle ilgili kendi yazdığı bir cümleyi ekledi ve bunu vergi idaresinin yayımladığı tarihlerle karşılaştırarak kontrol etti. Son e-posta daha kısa ve somuttu; muhasebecinin arkasında duramayacağı hiçbir şey içermiyordu.

Yapay zeka banka mutabakatı notları hazırlamaya yardımcı olabilir mi?

Bunları açıkça yazmanıza yardımcı olabilir, ancak çözüme bağlamamalıdır. Varsayımsal bir müşterinin banka mutabakatında eşleşmeyen iki kalem olduğunu düşünün: banka işlem akışında iki kez görünen, bir tedarikçiye yapılmış 1,240 tutarında bir ödeme ve eşleşen faturası bulunmayan 380 tutarında bir tahsilat.

Bir yapay zeka taslağı ilkini 'tedarikçiden geri alınması gereken mükerrer bir ödeme', ikincisini ise 'muhtemelen bir müşteri ön ödemesi' olarak tanımladı. İkisi de doğru olabilir, ancak ikisi de tahmindir. Çift ödeme, aynı tutardaki iki gerçek faturaya ait olabilir; gelen tutar bir iade, transfer veya depozito olabilir. Yararlı olan sürüm, her kalemi, tarihini ve tutarını, olası açıklamaları ve konuyu kapatmak için gereken kanıtları kaydeder; sonucu ise tedarikçi hesap ekstresini ve müşterinin kayıtlarını kontrol eden kişiye bırakır.

Yapay zeka, vergi ve teknik muhasebe sorularını yanıtlayabilir mi?

Vergi veya muhasebe standartları hakkındaki her yapay zeka yanıtını, kesin bir yanıt değil, araştırılacak bir ipucu olarak değerlendirin. Genel amaçlı asistanlar güncelliğini yitirmiş veya eksik kaynaklara dayanabilir, farklı ülkelerin kurallarını birbirine karıştırabilir ve sonradan değişmiş eşik değerlerini kendinden emin bir dille aktarabilir. ICAEW rehberi de güncel mevzuat konusunda aynı noktaya dikkat çeker.

Soruyu şekillendirmek, ilgili alanı belirlemek ve nelerin araştırılacağını listelemek için yapay zeka kullanın; ardından birincil kaynağa gidin: mevzuata, vergi idaresinin kendi rehberine veya muhasebe standardına. Hangi kaynağa dayandığınızı kaydedin. Araç bir kaynağa atıfta bulunuyorsa kaynağı açıp ilgili bölümü bulun; gerçek gibi görünen bir kaynak gösterimi, doğru bir kaynak gösterimiyle aynı şey değildir.

Muhasebe kayıtlarını tutan çalışanlar yapay zekanın yaptığı sınıflandırmayı nasıl gözden geçirmeli?

Yalnızca işlemleri değil, kuralları da gözden geçirin. Muhasebe yazılımlarındaki yapay zeka destekli sınıflandırma genellikle geçmiş hesap kodlamalarından öğrenir; bu nedenle başta yapılan bir hata her ay tekrarlanabilir. Yeni tedarikçileri, karma kullanımlı giderleri, sermaye gideri ile dönem gideri ayrımında sınırda kalan kalemleri ve pazar yerlerine yapılan kart ödemeleri gibi açıklaması belirsiz işlemleri kontrol edin.

Önerilerin yanlış eşleştirdiği ödeme alıcılarını ve işlem örüntülerini bir istisna listesinde tutun ve her dönem bunları kontrol edin. Eşleştirme önerileri açık durumlarda zaman kazandırabilir; belirsiz durumlarda yine de makbuz gerekir.

Yapay zeka muhasebecilerin yerini alacak mı?

Bu soruya kimse güvenilir bir yanıt veremez; gerçekmiş gibi sunulan tahminlere de temkinli yaklaşılmalıdır. Söylenebilecek olan şu: Yapay zeka, muhasebe işlerinde taslak hazırlama, özetleme ve örüntü eşleştirme görevlerinin daha fazlasını üstleniyor. Muhakeme, mesleki şüphecilik, müşteri gizliliği ve rakamları onaylama sorumluluğu ise meslek kuralları çerçevesinde yetkin kişilerde kalıyor.

Bununla bağlantılı bir soru olan, yapay zekanın yetkin bir muhasebeciden daha iyi olup olmadığı sorusu, farklı kategorileri aynı kefeye koyma hatasına dayanır. Bir yapay zeka aracı tavsiye gibi görünen metinler üretebilir; ancak bunların mesleki sorumluluğunu üstlenemez, müşterinin durumunu bütünüyle bilemez veya bir etik kurallar bütününe tabi tutulamaz. Bu araçlardan fayda görmesi muhtemel muhasebeciler, bu sorumlulukları sıkı biçimde üstlenmeye devam ederken araçları kullanmayı öğrenenlerdir.

Bir yapay zeka aracına hangi müşteri bilgileri girilebilir?

Yalnızca firmanızın söz konusu araç ve plan için onayladığı bilgileri kullanın. Müşterinin bilgileri gizliyse herkese açık bir bireysel kullanıcı aracına hiçbir bilgi girmeyin. Hizmet sözleşmesinin koşulları da müşteri verilerinin nasıl ve kim tarafından işlenebileceğini sınırlayabilir.

Alıştırma yapmak ve şablon oluşturmak için bu sayfadaki örnekler gibi kurgusal veriler kullanın. Yapay zeka, onaylı bir sistem içinde gerçek müşteri işleri için kullanıldığında, diğer işlerde tuttuğunuz inceleme kaydının aynısını tutun: kaynak, yapılan kontroller ve son sürümü kimin onayladığı.

Bir muhasebe ekibi bu alışkanlıkları nasıl pekiştirebilir?

Müşteri e-postası ve mutabakat örneklerini, kurgusal verilerle ekip alıştırmaları olarak kullanın. Herkes yapay zeka ile bir taslak hazırlasın, ardından neleri çıkardığını veya açık bıraktığını listelesin. Bu listeler, kimin uydurma kuralları fark ettiğini ve kimin kanıtlarla desteklenmeyen konuları sonuçlandırdığını gösterir.

Tosheo.ai, bu tür görevleri kullanan, herkesin görebildiği bir puanlama kılavuzuna göre geri bildirim veren ve yöneticilere sohbet kayıtları olmadan beceri gelişimini gösteren planlı bir finans ve muhasebe eğitim yoluyla hazırlanıyor. Ürünün geliştirilmesine henüz başlanmadığından bunlar planlanan kapsamdır. Muhasebe, vergi veya mevzuat eğitimi sağlamaz; bağlı olduğunuz meslek kuruluşu kabul etmedikçe sürekli mesleki gelişim gerekliliklerine sayılmaz.

Kaynaklar ve kapsam

ICAEW, Üretken yapay zeka rehberi: üretken yapay zeka ve etik ↗