現在、Large Language Model (LLM) は CPA 試験に合格すると主張できますが、本当に会計の世界を引き継ぐ準備ができているのでしょうか?この記事では、実際の AI 自動化がどのようなものなのか (そして、それがそれほど単純ではない理由) について詳しく説明します。
概要
2024 年に AI がインターネット上で最も話題になっているという事実から逃れることはできません。OpenAI によって開発された LLM (Large Language Model) 機能を探索するための人気のあるチャットベースのインターフェイスである Chat-GPT が一般公開されました。今年の初めに。
ほんの数分間遊んでみると、なぜみんなとその犬がこのことについて話しているのかが理解できるようになります。Chat-GPT は、事実上あらゆる分野で超人的な能力を実証できます。 AI は、多くの仕事分野を大きく変えることを明らかに約束していますが、同時に何百万もの仕事やキャリアに影響を与える可能性があります。
人工知能は現在、ソフトウェア、法律、会計、コンサルティング、財務などの業務分野など、自動化の機が熟している専門分野全体に適用されています。金融業界では、会計機能はやや特殊なものとして注目を集めています。特に、AI 推進派と否定派の両方が、何が起こるか (あるいは何が起こるか) について激しい議論を繰り広げており、議論の両側に同じ量のノイズがあるように見えるためです。起こらない）
この急速な変革が正確にどのように達成されるかについては、まだ陪審の結論が出ていません。そして、特に ChatGPT (および AI 一般) の利点に関するほとんどの議論がこの点で一線を画す傾向があります。
会計におけるAIの必要性
従来の会計業務では、多くの場合、企業は買掛業務を処理するために手動プロセス、膨大な事務処理、反復的なタスクに依存しています。これらのタスクは、データ入力、請求書処理、財務分析などの活動であり、意思決定、業務計画、リスク管理に重要です。
ただし、これらのプロセスには時間 (およびお金) がかかります。手動による会計作業の主な欠点は次のとおりです。
手動でデータを入力すると、人間が大量のデータを入力するときに間違いを犯す可能性が高いため、エラーが発生する可能性が高くなります。 請求書番号、日付、金額などのフィールドを考えてみましょう。これらのいずれかを間違えると、重大な結果が生じます。
アカウントの照合、レポートの作成、財務分析の実行には時間がかかり、長時間の作業が必要です。
同期通信に負荷がかかります。 以下のような状況に遭遇したことはありませんか?
ａ．クライアントとCPAに電話をかけるまで承認は行われません
b.明細項目は、クライアントが請求書のデータ入力と文書管理を行うチームとの会議をスケジュールするまで解決されません。
これらすべてが、顧客の月次決算の遅れ、ベンダーへの支払いの遅れ、不適切な経費計画、財務健全性の維持の困難につながります。
会計用 AI は完全な見直しを意味する必要はない
上記の問題は十分に文書化されており、質問すると、ほとんどの会計チームは AI の導入が確実に解決することに同意するでしょう。機械学習や自然言語処理などのテクノロジーは、適切な方法で実装および統合されていれば、会計機能を非常に深く変革することができます。
しかし、このため多くの人は、AI ベースの自動化は自分には向いていない、つまり導入には面倒で時間と費用がかかるのではないかという結論に達します。
しかし、現実はこれ以上ありません。今日では、会計プロセスに AI を数分以内に使用し始めることができます。そして、現在のプロセスの信頼性、セキュリティ、効率を損なうことなくこれを達成できます。
生成 AI と LLM については少し脇に置きます。現実には、エントリーレベルの AI 自動化でさえ、これらの問題の解決に大きく役立ちます。何十年も前から使われている簡易的な OCR でさえ、請求書の処理にかかる時間を少なくとも 60% 短縮し、経理チームは毎月数日節約できます。しかし、このテクノロジーの採用はまだ普及していません。
会計プロセスにおける AI の潜在的なユースケース
では、AI を会計プロセスに具体的にどのように統合すればよいのでしょうか?どこから始めますか?
まず最初に、プロセスのどの部分が実際にほとんどの時間を費やしているのかを確認することから始めます。会計チームによって報告される典型的なボトルネックは、次のようなアクティビティです。
- 請求書のコーディング
- 総勘定元帳 (GL) のマッピング
- 支払い詳細の確認（不正行為をチェックするため）
- 重複検出
ここには非常に明確な根底にあるテーマがあります。つまり、手作業によるデータ入力と検証が、これらのタスクを退屈で時間のかかる原因としているのです。
上のこの調査図 (Automation Trends 2022 レポートより) は多くのことを明らかにしています。ほぼ 70% の人が、会計プロセスにおける最も差し迫った問題をまだ自動化できていません。上記のタスクはすべて手動です。先に進む前に、誰かが請求書の実際のデータを見て、それが正しいことを確認する必要があります。
そのため、機械が（訓練された）人間と同じレベルの裁量権を持っていると信頼しているため、これらのタスクを自動化するのは大変だと感じるかもしれません。
良いニュース？ AI も同様にうまくトレーニングできます。 以下で、これのいくつかの使用例について詳しく説明します。
1. 請求書のコーディングと総勘定元帳 (GL) 勘定のマッピング
おそらく、自動化するのが最も難しいタスクの XNUMX つは、請求書と領収書を会計システム内の適切なカテゴリと GL コードに割り当てることです。 これが特に難しいのはなぜですか?
多くの場合、同じ経費に適用される複数の GL コードが、品目/個々の製品コードごとに分割されています。 これらの GL コードの割り当ては通常手動で行われ、ビジネス チームおよび CFO と相談して行う必要があります。
請求書への GL コードの割り当ては主観的な場合があります。たとえば、通常の売上請求書は常に勘定科目表の「売上」に割り当てられますが、場合によっては、請負業者や非従業員に対してまったく同じ請求書の形式が使用されることがあります。これにより、基本的な自動化ツールによって契約上の経費が誤って「売上」としてタグ付けされる可能性があります。
AI はここでどのように役立つでしょうか?
LLM 処理に基づいて請求書のコーディングを自動化します。ここでは、AI は基本的に、この請求書がどの GL に分類されるべきかを教えてくれます。これは、適切と考えられる複数の提案を提供するように構成できます。これにより、ユーザーのタスクがいくらか簡単になります。
ユーザー入力を学習して記憶する – ユーザーが実際に GL コードを選択すると、システムはその選択を記憶し、次回同じベンダーに対して自動化することができます。
2. 不正行為の検出とエラー処理
会計チームのもう 1 つの重要なタスクは、エラーが発生する前にそれを発見することです。それは、間違った支払い詳細や請求書の詐欺と同じくらい深刻な場合もあれば、重複した請求書のような単純な場合もあります。
間違いなく、これらの問題は発生する前に防ぐのが最善です。ほとんどの組織は、このプロセスをマニュアル化することを強く求めています。ただし、人間が各請求書をチェックすると、次のような理由から作業が難しくなります。
これにより、プロセスに単一障害点 (およびボトルネック) が生じます。従業員にすべての経費に誤りがないかチェックさせるのは良いことですが、場合によっては問題がすり抜けてしまうことがあります。
これにより、会計エントリに関するコンテキストを最もよく知っている人 (CFO/会計責任者) のみが修正を行うことができ、他の者は修正を行うことができなくなります。すべての知識とコンテキストは少数の人々にのみ存在し、組織全体には広がりません。
AI はここでどのように役立つでしょうか?
よりスマートな重複検出/間違った情報 – 基本的なファイル重複チェックでは、2 つのファイルが同じであるかどうかのみが検証されます。高度な AI 重複チェックを使用すると、さらに一歩進んで、2 つの異なるファイルの内容が疑わしいほど似ているかどうかをチェックできます。
請求書データに対する複数のデータ検証 – いずれにしても誰かがログインして検証する必要がある場合、請求書データを自動で読み取るだけでは役に立ちません。高度な AI ツールがデータ検証を実行して、衛生チェックを確実に実行できるようになりました (たとえば、請求書の新しい銀行口座番号がベンダーの通常の番号と一致しない場合は、通知が届きます)。
3. 繰り返し可能な単純な動作を学習する
AI に本当に何をしてもらいたいかを誰にでも尋ねると、これがトップに来る答えです。AI の本当の価値は、AI がパターンを学習して時間を節約できるところにあると多くの人が感じています。
たとえば、複数の種類の請求書/領収書に対して、まったく同じ方法で実行される多くの小さなタスクがあります。 いくつかの例：
ERP の適切なカテゴリ/クラス/プロジェクトに請求書を割り当てる
請求書の XNUMX つの特定の明細に対する GL マッピングの変更
特定のベンダーの請求書を承認のために毎回同じ人に送信する
AI はここでどのように役立つでしょうか?
最初のステップは、反復再学習に最適な会計プロセスのステップを特定することです (つまり、毎日継続して行い、最終的には AI に記憶され、90% の確率で自動化されるアクティビティ)。
この良い例は次のとおりです。
GLコードの割り当て – ここでのロジックは単純です。アプリケーションが正しい GL コードを請求書に割り当てれば、素晴らしいことになります。 そうでない場合は、自分で変更すると、次回のために AI がこの変更を記憶します。 その結果、自動 GL コード割り当ては、クリックするたびに改善され続けます。
カテゴリ/クラス/プロジェクト分類 – 特定のベンダーの請求書を適切なカテゴリに自動分類できない場合、AI は選択のパターンを学習できます (たとえば、Uber の領収書を常に「出張」ではなく「プロジェクト費用」として分類していますか?)。 時間の経過とともに、これはプラットフォーム内のルールセットとなり、自動的に適用されます。
Nanonets が会計プロセスへの AI の導入にどのように役立つか
上記の例はおそらく氷山の一角にすぎません。会計プロセスで AI ができることは他にもたくさんありますが、これは自動化と機械学習のプロセスにどれだけ深く踏み込むことができるかによってのみ制限されます。
幸いなことに、今日では会計プロセスに AI 機能の導入を開始するために技術的に精通している必要はありません。ほぼすぐに開始できるツールがあります。
たとえば、Nanonets は、現在の会計プロセスを変革し、重要な AI 要素をワークフローに追加できる AI プラットフォームです。これまでに説明したすべてのこと、そしてさらに多くのことを行うことができます。
導入は簡単ですが機能は複雑なので、会計プロセスを本格的に強化し、ワークロードをより効率的に拡張したいと考えている人にとって、これは理想的な出発点です。この AI プラットフォームが会計機能で何ができるかを無料でデモするには、今すぐお問い合わせください。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： https://nanonets.com/blog/ai-automation-for-accounting-2/
