چرا هوش مصنوعی در حسابرسی؟
تحولات شگرف هوش مصنوعی به‌ویژه مدل‌های زبانی بزرگ (LLM) فرصت‌های نوینی را برای صنعت مالی و حسابرسی فراهم کرده است. این فناوری‌ها توانسته‌اند بسیاری از وظایف داده‌محور و زمان‌بر حسابرسی را خودکار کرده و سرعت و دقت عملیات را به‌طور چشمگیری افزایش دهند.
سامانه پیشنهادی یک هوش مصنوعی تخصصی در حوزه حسابرسی مالی است که با تمرکز بر نیازهای منحصر به فرد بازار ایران توسعه می‌یابد. این پلتفرم با بهره‌گیری از مدل‌های زبانی پیشرفته و انطباق کامل با استانداردهای ملی حسابرسی ایران طراحی خواهد شد.
مالک محصول: دکتر زکی‌زاده
دکتر زکی‌زاده، خبره برجسته حوزه حسابرسی و مالک محصول این سامانه، هدایت استراتژیک پروژه را بر عهده دارد. با بهره‌گیری از سال‌ها تجربه حرفه‌ای در حسابرسی مستقل و دانش عمیق از استانداردهای ملی و بین‌المللی، ایشان تضمین می‌کنند که خروجی سامانه با نیازهای واقعی صنعت و الزامات حرفه‌ای کاملاً منطبق باشد.
هدف اصلی، ارتقای دقت، سرعت و کارایی حسابرسی مستقل از طریق خودکارسازی فرایندهای تکراری، تحلیل هوشمند داده‌های مالی و ارائه بینش‌های عمیق به حسابرسان و مدیران است.
۱. ارتقای کیفیت حسابرسی
کاهش خطاهای انسانی و بررسی ۱۰۰٪ داده‌ها به‌جای نمونه‌گیری‌های محدود، با استفاده از الگوریتم‌های یادگیری ماشین و کشف خودکار ناهنجاری‌ها. این امر منجر به اطمینان‌بخشی بیشتر به ذینفعان می‌شود.
در یک نمونه خارجی (پلتفرم MindBridge) دیده شده که بهره‌گیری از AI موجب کاهش ریسک و افزایش سطح اطمینان فراتر از استانداردهای صنعتی شده است. سامانه ما با الهام از این موفقیت‌ها، قادر است تمامی تراکنش‌های مالی را به جای نمونه‌های محدود مورد بررسی قرار دهد.
۴. رعایت استانداردها و مقررات
با فاین‌تیون (Fine-tune) کردن مدل زبانی بر اساس استانداردهای ملی حسابرسی (استانداردهای مصوب سازمان حسابرسی ایران) و قوانین مالی، سامانه قادر خواهد بود انطباق اقدامات مالی با استانداردها را به‌صورت خودکار بررسی کند.
هرگونه عدم رعایت استاندارد یا کنترل داخلی بلافاصله پرچم‌گذاری شده و در گزارش‌ها به آن اشاره می‌شود. این ویژگی اطمینان از رعایت الزامات قانونی را برای ذینفعان داخلی و خارجی فراهم می‌کند و ریسک عدم انطباق را به حداقل می‌رساند.
تحلیل داده‌های بزرگ مالی
سامانه با توان پردازش بالا، حجم عظیمی از تراکنش‌ها و داده‌های مالی را در مدت کوتاه تحلیل می‌کند تا الگوها و ناهنجاری‌ها را شناسایی کند. این شامل بررسی کل اقلام دفاتر روزنامه و معین جهت شناسایی موارد غیرعادی است.
- ورودی‌های دوباره‌کاری شده
- مبالغ نامتعارف و غیرمعمول
- تراکنش در زمان‌های غیرعادی
- الگوهای مشکوک رفتاری
این موارد ممکن است نشانگر خطا یا تقلب باشد و سیستم آنها را به‌صورت خودکار برای بررسی بیشتر علامت‌گذاری می‌کند.
ارزیابی ریسک و تحلیل پیش‌بینی
سیستم با تحلیل روندهای تاریخی مالی شرکت مورد حسابرسی، می‌تواند ریسک‌های آتی را نیز پیش‌بینی کند. این قابلیت به حسابرسان امکان می‌دهد تا برنامه‌ریزی حسابرسی مبتنی بر ریسک داشته باشند.
برای مثال، کاهش مستمر جریان نقد عملیاتی نسبت به سال‌های گذشته می‌تواند به‌عنوان ریسک کسری نقدینگی آتی گزارش شود. یا نسبت‌های مالی کلیدی (سودآوری، بدهی) مدل‌سازی شده و احتمال وجود ابهام در تداوم فعالیت شرکت ارزیابی می‌گردد.
کاربردهای آتی
علاوه بر موارد فوق، سایر کاربردهای ممکن در فازهای آتی شامل موارد زیر خواهد بود:
- تحلیل احساسات پیرامون شرکت از طریق داده‌های بازار و شبکه‌های اجتماعی
- هشدار در خصوص نگرانی‌های ذینفعان و تغییرات بازار
- ارائه مشاوره مالی هوشمند به مدیریت شرکت
- گسترش به واحدهای حسابرسی داخلی سازمان‌ها
- خدمات مشاوره برای مدیران مالی و تحلیلگران
- پشتیبانی از نهادهای نظارتی و سرمایه‌گذاران
لایه ۱: مدل زبانی (LLM)
هسته سیستم یک یا چند مدل زبان بزرگ تخصصی است. با توجه به ملاحظات حریم خصوصی داده‌های مالی و همچنین محدودیت‌های دسترسی در ایران، رویکرد مدل مستقل ترجیح داده می‌شود.
مدل پایه منتخب، با داده‌های متنی حوزه حسابرسی (استانداردهای حسابداری و حسابرسی، کتب مرجع، گزارش‌های حسابرسی و قوانین مالیاتی) تخصیص داده/فاین‌تیون خواهد شد تا با اصطلاحات و رویه‌های بومی ایران تطبیق یابد.
لایه ۳: ارائه و رابط کاربری
شامل یک وب اپلیکیشن داشبورد برای نمایش نتایج و دریافت تعاملات کاربر، و نیز APIهایی برای یکپارچه‌سازی با سیستم‌های دیگر.
- گزارش‌های تصویری و متنی (نمودارهای روند، جداول)
- جستجوی تعاملی و پرسش زبانی
- تنظیمات سیستم و سطوح دسترسی
- مدیریت استانداردهای مرجع
- تنظیم حساسیت کشف ناهنجاری‌ها
این سرویس ابری می‌تواند بر بستر ابرهای داخلی (به منظور ذخیره داده‌ها در داخل کشور و رعایت الزامات امنیتی) یا روی سرور اختصاصی موسسه حسابرسی (در صورت نیاز به استقرار On-Premise) ارائه گردد.
مدل پیشنهادی ۱: Llama 2
یک مدل زبان بزرگ ۷ تا ۷۰ میلیارد پارامتری که متن‌باز است و قابلیت فاین‌تیون برای زبان فارسی را دارد.
مزایا:
- عملکرد رقابتی در سطح GPT-3
- متن‌باز و قابل اجرا بر روی سرورهای داخلی
- پشتیبانی قوی از جامعه توسعه‌دهندگان
- مستندات جامع و منابع آموزشی فراوان
لاما۲ در نسخه‌های جدید خود عملکرد بسیار خوبی نشان داده و از آنجا که متن‌باز است، می‌توان آن را به‌طور کامل سفارشی‌سازی کرد.
مدل پیشنهادی ۳: FinGPT
یک مدل زبان بزرگ مالی متن‌باز که مشخصاً برای کاربردهای حوزه مالی طراحی شده است.
ویژگی‌های کلیدی:
- آموزش روی داده‌های مالی (اخبار اقتصادی، گزارش‌های بازار)
- قابلیت تطبیق سریع با داده‌های جدید
- درک عمیق اصطلاحات مالی
- بهینه‌سازی برای تحلیل‌های مالی
می‌توان از این مدل به‌عنوان پایه استفاده کرده و سپس آن را با داده‌های استانداردهای حسابرسی و قوانین ایران تخصصی‌تر کرد.
تحلیل رقابتی: رقبای داخلی
در بازار ایران تاکنون محصول جامعی که مشخصاً یک دستیار هوشمند حسابرسی باشد عرضه نشده است.
هرچند برخی شرکت‌های نرم‌افزاری مالی، ماژول‌هایی برای اتوماسیون حسابداری یا گزارشگری مالی مبتنی بر هوش مصنوعی ارائه داده‌اند، اما این راهکارها عموماً بر حسابداری عملیاتی متمرکز بوده و حوزه حسابرسی مستقل را پوشش نداده‌اند.
این وضعیت یک فرصت استراتژیک برای سامانه ما ایجاد می‌کند تا به عنوان اولین ارائه‌دهنده چنین سرویسی در کشور، سهم بازار قابل توجهی کسب کند.
رقبای خارجی: MindBridge Ai Auditor
یک محصول پیشرو در حوزه حسابرسی مبتنی بر هوش مصنوعی است که توسط یک شرکت کانادایی ارائه شده و در سال‌های اخیر توسط برخی موسسات حسابرسی (از جمله BDO) به کار گرفته شده است.
قابلیت‌های کلیدی:
- تحلیل ۱۰۰٪ داده‌های تراکنش
- کشف خودکار خطاها و بی‌نظمی‌های مالی
- رابط کاربری بصری و ساده
- امتیازدهی ریسک معاملات
- انطباق با استانداردهای بین‌المللی
این سامانه تاکید زیادی بر تشخیص آنومالی‌ها دارد و ادعا می‌کند می‌تواند مواردی را که از چشم حسابرسان انسانی پنهان می‌ماند بیابد. به دلیل تحریم‌ها حضور مستقیمی در ایران ندارد و سامانه ما می‌تواند جایگزین بومی آن باشد.
مدل درآمدی
در فاز اول که مشتریان هدف موسسات حسابرسی مستقل هستند، مدل درآمدی به صورت اشتراک سالیانه (SaaS) تعریف می‌شود.
هر موسسه در ازای تعداد کاربران مشخص یا حجم داده معینی، اشتراک استفاده از سامانه را خریداری می‌کند. موسسات حسابرسی بزرگ (با ۵۰+ کاربر) پلن Enterprise و موسسات کوچکتر پلن‌های Basic/Professional را انتخاب خواهند کرد.
پیش‌بینی درآمد
با فرض متوسط درآمد سالانه ۵۰۰ میلیون تومان از هر مشتری سازمانی، بازار هدف اولیه سالانه ۱۵ میلیارد تومان برآورد می‌شود.
البته در عمل بسته به ارزش پیشنهادی که ارائه می‌کنیم و صرفه‌جویی هزینه‌ای که برای مشتریان دارد، می‌توان قیمت‌گذاری را تنظیم کرد. این رقم یک برآورد محافظه‌کارانه است.
نکته سر‌به‌سر شدن
نقطه سر‌به‌سر ما در سال ۳ پیش‌بینی می‌شود، زمانی که درآمد به ۳۰ میلیارد تومان می‌رسد و هزینه‌ها نیز در همین حد است.
پس از آن، هرچه مشتریان بیشتری اضافه شوند، کسب‌وکار به سوددهی خالص وارد می‌شود. ما راهبردی محافظه‌کارانه خواهیم داشت که هزینه‌ها را متناسب با رشد درآمد افزایش دهیم.
ریسک رقابتی و ورود رقبا
ممکن است در میانه راه توسعه یا پس از عرضه محصول، شرکت دیگری محصولی مشابه ارائه کند.
راهکارهای مقابله:
- تمرکز بر کیفیت بالاتر مدل
- سرمایه‌گذاری پیوسته در تحقیق و توسعه
- ایجاد اکوسیستم مکمل
- قیمت‌گذاری منعطف
- رصد مداوم بازار و علایم ورود رقبا
- واکنش سریع به تغییرات بازار
تحلیل SWOT: نقاط ضعف
- نو بودن و نیاز به اعتمادسازی: فناوری AI در حسابرسی ایران تازه است و اثبات ارزش آن زمان می‌برد
- محدودیت داده آموزشی فارسی: منابع داده عظیم فارسی برای آموزش مدل کمتر از انگلیسی است
- چالش نگهداری مدل: نیاز به به‌روزرسانی مداوم و تیم R&D دائمی
- سرمایه‌بر بودن: هزینه اولیه بالا و وابستگی به تامین مالی پایدار
جمع‌بندی تحلیل SWOT
تحلیل SWOT نشان می‌دهد که پروژه ما با وجود داشتن چالش‌ها و تهدیداتی، از مزایا و فرصت‌های چشمگیری برخوردار است.
نقاط قوت ما در زمینه تخصص بومی، تیم ترکیبی و فناوری متن‌باز بسیار قوی است. فرصت‌های موجود در بازار نیز قابل توجه می‌باشد.
با مدیریت صحیح می‌توانیم بر مخاطرات فائق آییم و از فرصت‌ها بهره‌برداری کنیم.
امکان‌پذیری فنی تایید شده
از دید فنی، ما امکان‌پذیری پروژه را با استفاده از مدل‌های متن‌باز نظیر Llama2، Bloom و به‌ویژه مدل‌های مالی مانند FinGPT بررسی کردیم.
راهکار معماری سه‌لایه‌ای پیشنهادی شامل لایه مدل زبانی، لایه پردازش داده‌های مالی و لایه ارائه و رابط کاربری است.
تمامی نیازمندی‌های فنی از جمله سخت‌افزار، نرم‌افزار و منابع انسانی از نظر فنی قابل تامین هستند.
فعالیت‌های برندسازی
همچنین فعالیت‌های برندسازی به‌موازات توسعه فنی پیش خواهند رفت:
- انتخاب نهایی نام تجاری و ثبت برند
- راه‌اندازی وب‌سایت حرفه‌ای
- تولید محتوا برای معرفی مزایا
- شرکت در نمایشگاه‌های تخصصی
- برگزاری وبینارهای آموزشی
- ایجاد شبکه ارتباطی با موسسات
تاثیر بر صنعت
این پروژه نه تنها برای سازندگان آن سودآور خواهد بود، بلکه تاثیر گسترده‌ای بر کل صنعت مالی کشور خواهد داشت:
- ارتقای کیفی خدمات حسابرسی
- افزایش اعتماد عمومی به گزارش‌های مالی
- کاهش هزینه‌های حسابرسی برای شرکت‌ها
- افزایش شفافیت در بازارهای مالی
- حمایت از تصمیم‌گیری‌های آگاهانه سرمایه‌گذاران
- کمک به رشد اقتصادی پایدار
تماس با ما
آماده پاسخگویی به سوالات شما هستیم
برای کسب اطلاعات بیشتر درباره این پروژه، بررسی فرصت‌های همکاری، یا هر گونه سوال و پیشنهاد، لطفاً با ما در تماس باشید.
دکتر زکی‌زاده
مالک محصول و مدیر پروژه
مالک محصول و مدیر پروژه
با تشکر از توجه شما به این پروپوزال. امیدواریم بتوانیم با همکاری یکدیگر، آینده‌ای روشن برای حسابرسی در ایران بسازیم.