Materiał Partnera: Deloitte
Sztuczna inteligencja, a w szczególności duże modele językowe, przyciągają coraz więcej uwagi w kontekście ich zastosowań w pracy podatkowo-finansowej. Uczenie maszynowe, głębokie uczenie i duże modele językowe (LLM) to obecnie kluczowe technologie AI.
LLM pozwalają na generowanie nowych treści, co jest ich najbardziej spektakularną funkcją. Jednocześnie nie wymagają głębokiego zrozumienia działania, co sprawia, że są dostępne dla użytkowników bez wykształcenia technicznego.
Praktyczne zastosowania AI
Zastosowanie AI w pracy podatkowo-finansowej jest szerokie i może przynieść znaczące korzyści, którymi są np.:
1. Analiza umów i dokumentów prawnych
Dzięki wprowadzeniu do modelu AI tekstu umowy, odpowiednich przepisów, a także dodatkowych publikacji, jak interpretacje indywidualne, narzędzie może dokonać samodzielnej analizy i dostarczyć odpowiedź na pytanie czy np. płatność z tytułu licencji podlega opodatkowaniu WHT. Tego rodzaju analiza wykonywana manualnie często jest czasochłonna, a dzięki AI można ją znacznie przyspieszyć.
2. Automatyzacja procesów księgowych
AI może pobierać dane z faktur zakupowych, automatycznie je klasyfikować oraz księgować w systemie ERP na odpowiednich kontach. Modele AI radzą sobie z różnymi typami dokumentów, co zwiększa elastyczność i bezobsługowość procesu. Mogą one odczytywać dane z każdego rodzaju dokumentu oraz dają się szybko aktualizować, wykazując dużą przewagę nad tradycyjnymi systemami rozpoznawania tekstu (OCR).
3. Identyfikacja ryzyka podatkowego
Na podstawie określonych przez spółkę założeń modele AI mogą analizować duże zbiory danych tekstowych w celu wykrywania potencjalnych nieprawidłowości oraz ryzyka. Analizy te mogą być dokonywane np. na bazie wszystkich zawartych umów lub poprzez identyfikowanie transakcji wymagających dodatkowej uwagi i analizy ze względu na niewpisywanie się w zakładane kryteria.
4. Przygotowanie raportów i analiz
AI może generować wstępne wersje raportów finansowych i analiz podatkowych na podstawie założonych kryteriów, np. poprzez porównanie danych wielu podmiotów lub szerzej – poprzez wspieranie prognozowania i modelowania finansowego. Znacząco oszczędza to czas pracowników, umożliwiając im skupienie się na weryfikacji i interpretacji wyników.
Warto pamiętać, że w zależności od wybranego rozwiązania, AI wprowadzona w obszarze podatkowo-finansowym może wspierać również inne działy przedsiębiorstwa, z każdym kolejnym zastosowaniem obniżając jednostkowy koszt wdrożenia narzędzia.
W testach przeprowadzonych przez Deloitte na bazie dotychczasowych doświadczeń projektowych rozwiązania oparte na AI wykazały znaczącą poprawę efektywności. W jednym przypadku czas przetwarzania faktur skrócił się 100-krotnie przy jednoczesnym zwiększeniu dokładności. W innym zastosowanie AI w procesie zakupowym pozwoliło na zmniejszenie zaangażowania pracowników w proces przetargowy z ok. 20–30 godzin do zaledwie 7–12 minut.
Zagrożenia i ograniczenia
Mimo licznych korzyści, wdrożenie AI w działach podatkowo-finansowych niesie ze sobą zagrożenia i ograniczenia:
1. Bezpieczeństwo danych – istnieje ryzyko wycieku poufnych informacji, szczególnie przy korzystaniu z otwartych modeli AI. Kluczowe jest wykorzystanie modeli działających w zamkniętym środowisku, w których dane są przechowywane na określonych serwerach i nie są wykorzystywane poza organizacją.
2. Jakość danych wejściowych – efektywność AI zależy od dostarczonych danych. Modele działające na podstawie danych z internetu mogą wprowadzać w błąd, dlatego ważne jest stosowanie zamkniętych zasobów wiedzy.
3. Weryfikacja wyników – wyniki generowane przez AI wymagają starannego sprawdzenia, w szczególności we wstępnej fazie wdrożenia, co może zwiększać początkowy nakład pracy, ale pozwala na osiągnięcie większej pewności w dłuższej perspektywie.
4. Ograniczenia techniczne – modele generatywnej AI mogą mieć trudności z przetwarzaniem dużych ilości danych liczbowych lub wykonywaniem skomplikowanych obliczeń arytmetycznych – w takich przypadkach warto rozważyć łączenie narzędzi lub wykorzystanie innych rodzajów AI.
5. Kwestie prawne i odpowiedzialność za podejmowane decyzje – istotne jest stworzenie odpowiednich matryc decyzyjnych.
Wdrożenie AI
Warto rozpocząć od analizy istniejących procesów i zidentyfikowania obszarów, w których AI może przynieść największe korzyści. Zwykle są to obszary o dużej powtarzalności, ale zróżnicowanych danych (np. analiza umów).
Rekomendowane jest stopniowe wdrażanie, rozpoczynając od obszarów, które mogą najbardziej skorzystać na automatyzacji. Istotne jest, aby cały zespół korzystający z rezultatów pracy AI został odpowiednio przeszkolony i zrozumiał wykorzystywaną technologię, możliwości i ograniczenia. Najlepsze efekty uzyskuje się, gdy zespół zostanie zaangażowany już na etapie wdrożenia AI.
Ze względu na zmienność biznesu, a także ciągły rozwój AI, warto stale monitorować efekty wdrożenia i optymalizować jej działanie.
Przyszłość
Sztuczna inteligencja ma potencjał do znaczącej zmiany sposobu funkcjonowania działów podatkowo-finansowych. Oferuje automatyzację rutynowych zadań i przyspieszenie procesów. Aby w pełni wykorzystać potencjał AI, konieczne jest odpowiednie przygotowanie, zrozumienie technologii i stopniowe wdrażanie.
Należy uwzględnić wyzwania związane z bezpieczeństwem danych, jakością wyników i kwestiami prawnymi. Firmy, które skutecznie zaimplementują AI, mogą zyskać znaczącą przewagę konkurencyjną, zwiększając efektywność i redukując koszty.
Jednocześnie trzeba pamiętać, że AI nie zastąpi ekspertów, a raczej stanie się potężnym narzędziem wspierającym ich pracę. Przyszłość działów podatkowo-finansowych leży we właściwym połączeniu doświadczenia ekspertów z możliwościami AI.
Więcej o tym jak sztuczna inteligencja usprawnia pracę działów podatkowo-finansowych dowiesz się z webinaru Deloitte: Wykorzystanie rozwiązań Gen AI w pracy działu podatkowego
Materiał Partnera: Deloitte
