پیشرفت‌های شتابان در حوزه فناوری اطلاعات و نفوذ هوش مصنوعی به بخش‌های مختلف اقتصادی، پویایی جدیدی در حرفه حسابداری، حسابرسی و مدیریت مالی ایجاد کرده است. تجربه دانشکده‌های بزرگ بازرگانی، از جمله استادان دوره‌های حسابداری پیشرفته در دانشگاه ملبورن (University of Melbourne)، نشان‌دهنده یک تغییر پارادایم اساسی است. چهار سال پیش، این مرکز دانشگاهی استفاده از پلتفرم‌های هوش مصنوعی برای حل مسائل مالی را ممنوع کرده بود، اما دو سال پیش با ارزیابی مجدد رویکردهای تکنولوژیک، همکاری با فناوری را جایگزین رقابت بی‌حاصل با ماشین کرد. داده‌های گوناگون نشان می‌دهد طی سه قرن گذشته، ورود فناوری مرزهای فعالیت انسانی را جابه‌جا کرده و اکنون نیز ارزش‌آفرینی متخصصان مالی از «ثبت و محاسبه» به سمت «داوری، نظارت و ارزیابی انتقادی برونداد ماشین‌ها» سوق یافته است.

انتقال مرز از عملیات محاسباتی به داوری و ارزیابی ریسک

در مدل‌های سنتی، توانمندی کارشناسان مالی عمدتاً مبتنی بر ثبت تراکنش‌ها، طبقه‌بندی، تطبیق حساب‌ها و تهیه گزارش‌های مالی ارزیابی می‌شد. اما با تجاری‌سازی ابزارهای جدید و کاهش هزینه‌های عملیاتی، این وظایف تکراری به سیستم‌ها واگذار شده‌اند. در نتیجه، ارزش واقعی متخصص مالی در پاسخ به پرسش‌های بنیادی نهفته است: آیا داده‌های ورودی قابل اعتماد هستند؟ آیا الگوریتم دچار سوگیری نشده است؟ و چگونه می‌توان تصمیمات هوش مصنوعی را در برابر حسابرسان، سهامداران یا نهادهای تنظیم‌گر توجیه کرد؟

گستره فناوری‌های موثر بر این حوزه فراتر از هوش مصنوعی ساده است و حوزه‌های متعددی را در بر می‌گیرد:

  • فناوری مالی (FinTech): شامل پرداخت‌های دیجیتال، بانکداری باز (Open Banking)، مالیه بسترسازی‌شده (Embedded Finance)، وام‌دهی برخط و ارزیابی ریسک الگوریتمی.
  • فناوری بیمه (InsurTech): ارزیابی ریسک، تحلیل رفتار، کشف تقلب و ارزیابی خسارت بر پایه کلان‌داده و مدل‌های بزرگ زبانی (LLM).
  • فناوری تنظیم‌گری (RegTech): خودکارسازی پایش مقررات، شناسایی تراکنش‌های مشکوک، گزارش‌دهی نظارتی و مدیریت الزامات ضدپول‌شویی (AML) و شناخت مشتری (KYC).
  • فناوری قانونی (LegalTech): تحلیل هوشمند قراردادها، استخراج تعهدات و ارزیابی الحاقیات حقوقی و فرایند اطمینان از صحت (Due Diligence).

مدل متخصص «T-شکل» و راهبرد هسته ثابت

گزارش‌های جدید انجمن حسابداران رسمی تأییدشده (ACCA) تأکید می‌کنند که با افزایش نفوذ هوش مصنوعی، نقش حسابداران به سمت ارائه اطمینان‌بخشی، حاکمیت شرکتی و پشتیبانی از تصمیم‌گیری تغییر می‌کند. برای ایفای این نقش، الگوی توسعه مهارت‌ها به سمت «متخصص T-شکل» (T-Shaped Professional) حرکت کرده است. در این مدل، محور عمودی نشان‌دهنده دانش عمیق تخصصی در حسابداری، حسابرسی، مالیات یا مدیریت ریسک است و محور افقی شامل درک کافی از ابزارهای مکمل مانند کلان‌داده، امنیت سایبری، فناوری‌های ابری و هوش مصنوعی است.

کارشناسان توصیه می‌کنند که متخصصان مالی برای مواجهه با این تحولات از مدل فکری «هسته ثابت، لایه متغیر» استفاده کنند:

  1. هسته ثابت: مفاهیم پایه مالی، اصول حسابرسی، استانداردهای گزارشگری و تحلیل ریسک که عمر طولانی دارند.
  2. لایه متغیر: ابزارها و فناوری‌های نوظهور مانند هوش مصنوعی مولد (Generative AI)، رایانش ابری (Cloud Computing) و خودکارسازی رباتیک فرایندها (RPA) که نیازمند به‌روزرسانی مستمر هستند.

در این چارچوب، یادگیری ابزارهایی مانند زبان پایتون (Python) یا مفاهیم کوئری‌نویسی برای جایگزینی متخصصان داده نیست، بلکه هدف ایجاد «زبان مشترک» میان متخصصان مالی، مهندسان نرم‌افزار و ممیزان فناوری اطلاعات است.

ظهور نقش «معمار سیستم تصمیم‌گیری» و عناوین شغلی آینده

تحول در فرایندهای کاری، عناوین شغلی جدیدی را به بازار کار مالی معرفی کرده است. عناوینی مانند متخصص هوش مصنوعی در حوزه مالی (AI Finance Specialist)، تحلیل‌گر داده‌های مالی (Finance Data Analyst)، ممیز دیجیتال (Digital Auditor)، متخصص فناوری تنظیم‌گری (RegTech Specialist)، متخصص حکمرانی هوش مصنوعی (AI Governance Specialist) و متخصص گزارشگری پایداری و ESG (ESG Data Assurance Specialist) حاصل این بازتعریف هستند.

در این اکوسیستم جدید، حسابدار آینده بیشتر شبیه به یک «معمار سیستم تصمیم‌گیری» عمل می‌کند. او به‌جای ورود دستی اطلاعات، زنجیره عملیاتی شامل تضمین، داوری، کنترل و مدلسازی داده‌ها را طراحی و پایش می‌کند تا مشخص شود داده‌ها از چه منبعی استخراج شده، چگونه کنترل گردیده و خروجی‌های محاسباتی تا چه حد در دادگاه‌ها و مراجع نظارتی قابل اثبات هستند.