Будущее искусственного интеллекта в бухгалтерском учете

Искусственный интеллект с его возможностями автоматизации процессов и агрегации данных оказывает значительное влияние на бизнес. Одно из таких последствий, исходя из этого изменения, относится к области бухгалтерского учета, где широко распространены опасения по поводу неограниченного использования автоматизированных процессов. Целью статьи является всестороннее исследование текущих тенденций и прогнозов, а также анализ потенциального влияния этих технологий на различные сферы человеческой деятельности и общественные процессы. Искусственный интеллект выступает как одна из самых быстроразвивающихся областей современной науки и техники, предоставляя новые возможности для оптимизации производственных процессов, улучшения качества жизни и создания интеллектуальных систем, способных решать сложные задачи без вмешательства человека. Основные методы исследования основаны на общих принципах формулирования и проверки гипотез, логических рассуждениях, а также методах контент-анализа. Это позволило собрать аналитический материал и сделать обзор всей информации, представленной в исследовании. Рассматривая преимущества и недостатки искусственного интеллекта, автор показывает сходства и различия между искусственным интеллектом и человеческим интеллектом. Автор знакомит с историей искусственного интеллекта, чтобы понять последствия его внедрения в сферу бухгалтерского учета. Результаты исследования показали, что будущее бухгалтерского учета в эпоху доминирования искусственного интеллекта предполагает не только автоматизацию и повышение эффективности процессов, но и полную трансформацию роли бухгалтера в организации. Это открывает новые горизонты для профессионалов, готовых адаптироваться к условиям быстро меняющегося цифрового мира.

1. Frey C., Osborne M. The future of employment. How susceptible are jobs to computerization? Working Paper. Oxford: Oxford Martin School; 2013. 79 p.

2. Schatsky D., Muraskin C., Gurumurthy R. Cognitive technologies: The real opportunities for business. Deloitte review. 2015;(16):115–129.

3. Gamage P. Big Data: are accounting educators ready? Accounting and Management Information Systems. 2016;15(3):588–604.

4. Gardner H. Frames of mind: The theory of multiple intelligences. Basic Books. New York; 2011, 529 p.

5. Dickson B. Architects of Intelligence: A reflection on the now and future of AI. Nov. 11, 2019. URL: https://bdtechtalks.com/2019/11/11/martin-ford-architects-of-intelligence-ai (accessed on 11.09.2024).

6. Kokina J., Davenport T.H. The emergence of artificial intelligence: How automation is changing auditing. Journal of Emerging Technologies in Accounting. 2017;14(1):115–122.

7. Stewart I., De D., Cole A. Technology and people: The great job-creating machine. Sep. 8. 2016. London. URL: http://www2.deloitte.com/uk/en/pages/finance/articles/technology-andpeople (accessed on 11.09.2024).

8. A future that works: automation, employment and productivity. McKinsey Global Institute, 2017. URL: https://www.mckinsey.com/~/media/mckinsey/featured%20insights/Digital%20Disruption/Harnessing%20automation%20for%20a%20future%20that%20works/MGI-A-future-that-works-Executive-summary.ashx (accessed on 11.09.2024).

9. Weil G., Pistillo M., S. Van Arsdale, Ikegami J., Onuma K., Okawa M., Osborne A. Insuring emerging risks from AI. 2024, 44 р.

10. Frey C.B., Osborne М. Generative Ai and the future of work: a reappraisal. The Brown Journal of World Affairs. 2023;30(1):1–17.

11. Douglas J. These American workers are the most afraid of A.I. taking their jobs. Nov. 7, 2019. URL: https://www.cnbc.com/2019/11/07/these-american-workers-are-the-most-afraid-of-ai-taking-their-jobs.html (accessed on 11.09.2024).

12. Никифорова Н.А. Анализ состояния нейросетевых моделей в различных сферах их применения. Экономические науки. 2023;4(221):260–265. DOI: 10.14451/1.221.260

13. Reuel A., Bucknall B. et al. Open problems in technical AI governance. 2024. 95 p. URL: https://www.researchgate.net/publication/382458935_Open_Problems_in_Technical_AI_Governance (accessed on 11.09.2024).

14. Michalski R. S., Carbonell J. G., T. M. Mitchell T. M. Machine learning: An artificial intelligence approach. Springer Science and Business Media; 2013. 572 р. URL: https://books.google.ru/books/about/Machine_Learning.html?id=–eqpCAAAQBAJ&redir_esc=y (дата обращения: 11.09.2024).

15. Frey C.B., Presidente G., Andres P. Data-biased innovation: Directed technological change and the future of artificial intelligence. The Oxford Martin Working Paper Series on Technological and Economic Change, 21 May 2024, 36 р. URL: https://www.oxfordmartin.ox.ac.uk/publications/data-biased-innovation-directedtechnological-change-and-the-future-of-artificial-intelligence (accessed on 11.09.2024).