چگونه هوش مصنوعی تیم‌های مالی را متحول می‌کند؟

اگر با تیم‌های مالی یا امور حسابداری خود یا یک سازمان سروکار داشته باشید، احتمالا بارها به این که هوش مصنوعی چگونه بر عملکرد تیم‌های مالی تاثیرگذار است، فکر کرده‌اید. فناوری AI دیگر یک ابزار جانبی برای پاسخ به پرامپت‌های ساده یا دریافت گزارش‌های ساده نیست؛ بلکه می‌تواند در درون فرایندهای بستن حساب، تحلیل ریسک، پیش‌بینی نقدینگی و حتی تصمیم‌گیری‌های استراتژیک جای داشته باشد. در این مقاله بررسی می‌کنیم که هوش مصنوعی دقیقا چه تغییر و تحولی در ساختار و نقش تیم‌های مالی ایجاد کرده است و کدام ابزارها در حال حاضر بیشترین کاربرد را دارند. همچنین به این موضوع اشاره می‌کنیم که ایجنت‌های هوشمند مالی (Agentic AI) چه چشم‌اندازی را رقم می‌زنند و در نهایت این‌که آیا واقعا جای متخصصان مالی را می‌گیرد یا این‌که به کمک آن‌ها می‌آید.

 

هوش مصنوعی چه تغییری در ساختار تیم‌های مالی ایجاد کرده است؟

ورود هوش مصنوعی به هر حوزه‌ای، تغییرات بسیاری ایجاد کرده است. در امور مالی نیز ساختار سنتی  تیم‌های مالی شامل کارهای تکراری، ثبت داده و تهیه گزارش شکل گرفته بود، دگرگون شد. توضیح آن که بخشی از وظایف عملیاتی تیم‌های مالی، به AI سپرده شده است و در نتیجه، انتظارات از نیروی انسانی در امور مالی، به سمت تحلیل و مشارکت در تصمیم‌های استراتژیک سازمان سوق پیدا کرده است.

این جابه‌جایی هم در نرخ استفاده از هوش مصنوعی و هم در پیش‌بینی‌های مربوط به آینده نیروی انسانی این حوزه، با آمار قابل‌توجهی همراه است:

 

• نرخ استفاده از هوش مصنوعی در بین متخصصان مالی در سال 2026 به 56 درصد رسیده که دو برابر نرخ سال 2023 است، هرچند واحد مالی همچنان در مقایسه با سایر بخش‌های سازمان، دیرتر از هوش مصنوعی استقبال کرده است.

 

• طبق نظرسنجی دلویت از حدود 1800 رهبر و کارمند مالی، 63 درصد از واحدهای مالی می‌گویند راهکارهای هوش مصنوعی را به‌طور کامل در فرایندهای خود مستقر کرده‌اند، اما 84 درصد هنوز مشاغل و نقش‌ها را متناسب با این تغییر بازطراحی نکرده‌اند.

 

• بر اساس داده‌های Cambridge Judge Business School، دیدگاه‌ها درباره اثر هوش مصنوعی بر اشتغال مالی تا سال 2030 همچنان دوقطبی است؛ بخش زیادی از پاسخ‌دهندگان انتظار «بازآموزی گسترده مهارت‌ها» را دارند بدون کاهش خالص شغلی، در حالی که در برخی زیربخش‌ها مانند پرداخت‌ها، بخش قابل‌توجهی از فعالان همچنان کاهش نیرو را پیش‌بینی می‌کنند.

 

• بانک استاندارد چارترد اعلام کرده تا سال 2030 حدود 15 درصد از کارکنان بخش پشتیبان (back-office) خود را با اتکا به هوش مصنوعی کاهش خواهد داد.

 

• در بخش فعالیت‌های مالی آمریکا، در سال 2026 به‌طور میانگین حدود 28 هزار شغل در ماه از بین رفته و به گفته تحلیلگران بازار کار، این بخش می‌تواند صنعت بعدی باشد که بیشترین اثر هوش مصنوعی بر اشتغال را تجربه کند؛ چرا که نزدیک به یک‌چهارم مشاغل این حوزه، اداری و پشتیبانی هستند و بیشترین آسیب‌پذیری را در برابر اتوماسیون دارند.

 

• استفاده از ایجنت‌های هوشمند مالی (Agentic AI) نیز با شتاب چشمگیری در حال رشد است؛ برآوردها نشان می‌دهد سهم تیم‌های مالی که تا پایان 2026 از این فناوری استفاده می‌کنند به حدود 44 درصد می‌رسد؛ رشدی بیش از 600 درصدی نسبت به سال‌های گذشته.

 

نکته مشترک در همه این آمارها این است: هوش مصنوعی لزوماً به معنای حذف کامل نیروی انسانی نیست، اما ساختار تیم‌های مالی، نسبت کارکنان جونیور به سنیور و مهارت‌های موردنیاز برای استخدام را به‌طور اساسی بازتعریف کرده است.

 

از داده‌ورزی دستی تا تحلیل استراتژیک؛ تغییر نقش متخصصان مالی

حدود 5 سال پیش، بخش بیشتری از زمان حسابداران و متخصصان مالی صرف اموری مانند ورود داده‌های مالی، تطبیق حساب‌ها و تهیه گزارش‌ها و رسیدگی به فاکتورها می‌شد. اما اکنون هوش مصنوعی می‌تواند این وظایف را به‌تدریج بر عهده گرفته و به صورت خودکار پیش ببرد و در نتیجه، فرصت بیشتری برای تحلیل و مشاوره استراتژیک به متخصصان مالی داده است.

 

کاهش زمان بستن حساب‌های مالی

یکی از ملموس‌ترین تغییرات پس از جای‌گیری AI در فرآیندهای مالی، سرعت‌گرفتن فرایند بستن حساب‌هاست. طبق پژوهش مشترک دانشگاه‌های ام‌آی‌تی و استنفورد، حسابدارانی که از هوش مصنوعی استفاده می‌کنند، به‌طور میانگین 7.5 روز از زمان بستن حساب ماهانه خود کم می‌کنند، 8.5 درصد از وقت خود را از کارهای پردازشی به فعالیت‌های باارزش‌تر منتقل می‌کنند و سطح جزئیات گزارش‌های مالی را نیز تا 12 درصد ارتقا می‌دهند. 

 

مهارت‌های جدید موردنیاز: تفکر انتقادی و قضاوت اخلاقی

با سپردن کارهای عملیاتی تکراری به هوش مصنوعی، آنچه که برای متخصصان مالی ارزش‌آفرینی می‌کند، مهارت‌هایی است که هوش مصنوعی هنوز در آن‌ها ضعیف است یا نمی‌تواند به آن دست پیدا کند؛ مواردی از قبیل تفکر انتقادی، قضاوت اخلاقی، خلاقیت، همدلی و … .

امروزه صاحبان کسب‌وکار به دنبال کسانی هستند که علاوه‌بر دانش حسابداری و مهارت‌های کاری، بتوانند در روند تصمیم‌گیری، ایجاد ارزش کنند و به آن‌ها جهت دهند. از سوی دیگر، زمانی که هوش مصنوعی مسئول تحلیل، جمع‌آوری داده‌ها و پیشنهاد تصمیم می‌شود، کماکان مسئولیت قضاوت و ارزیابی تصمیم‌ها و پیشنهاد‌های AI، برعهده افراد متخصصی که مهارت‌های نرمی همچون قضاوت اخلاقی و تفکر نقادانه دارند، باقی می‌ماند؛ چیزی که هنوز نمی‌توان به الگوریتم هوش مصنوعی واگذار کرد.

 

ابزارها و کاربردهای هوش مصنوعی در تیم‌های مالی

هوش مصنوعی تقریبا در همه لایه‌های عملیات مالی کاربرد دارد؛ از پردازش داده‌های خام گرفته تا تحلیل معاملات مالی و همچنین پیش‌بینی نقدینگی و پیشنهاد استراتژی‌های مالی. جدول زیر برخی از مهم‌ترین حوزه‌های کاربرد را به همراه نمونه ابزار، کارکرد اصلی و تأثیر قابل‌اندازه‌گیری آن نشان می‌دهد:

 

 

ظهور ایجنت‌های هوشمند مالی (Agentic AI)

نسل جدید هوش مصنوعی در حوزه مالی، دیگر صرفا به دادن پرامپت و دریافت پاسخ محدود نیستند؛ ایجنت‌های هوشمند (Agentic AI) این توانایی را دارند که فرایندهای چندمرحله‌ای را به‌صورت خودکار برنامه‌ریزی، اجرا و پایش کنند و تنها موارد استثنا و مواردی که محدودسازی شده‌اند را برای تصمیم‌گیری نهایی به انسان بازگردان کنند. استفاده از ایجینت‌های هوشمند مالی کمک‌های بسیاری به تیم مالی می‌کند که در ادامه به 2 مورد از مهم‌ترین آن‌ها اشاره می‌کنیم.

 

مدیریت خودکار نقدینگی و سرمایه در گردش

در حوزه خزانه‌داری، ایجنت‌های هوشمند در حال جایگزینی فرایندهای دستی تحلیل جریان نقدی با فرایند هوشمند هستند. برای مثال، بانک‌هایی که به ایجنت‌های هوشمند روی آورده‌اند، گزارش داده‌اند که هزینه‌های عملیاتی را بیش از 20درصد کاهش داده‌اند. 

با این حال، رهبران مالی تأکید دارند اعتماد به این سیستم‌ها در گرو توضیح‌پذیری توصیه‌هاست، نه صرفاً دقت آن‌ها؛ یعنی تیم مالی باید بداند چرا یک ایجنت هوشمند پیشنهاد انتقال نقدینگی یا تغییر در سبد سرمایه‌گذاری کوتاه‌مدت را داده است.

 

گذار از بستن حساب ماهانه به مدل‌های مالی بلادرنگ (Real-Time Finance)

روند دیگری که با ظهور ایجنت‌های هوشمند شتاب گرفته، حرکت از مدل «بستن حساب ماهانه» به سمت «مالی بلادرنگ» است. در مدل سنتی، اعداد مالی تا روزهای پایانی هر دوره «نرم» و غیرقطعی باقی می‌مانند، اما در مدل مبتنی بر هوش مصنوعی، تطبیق و اعتبارسنجی داده‌ها به‌طور مستمر در طول ماه انجام می‌شود. بر اساس برآوردها، تنها حدود 8 تا 12 درصد از سازمان‌های مالی، عمدتاً شرکت‌های بزرگ فناوری‌محور، در حال حاضر به بستن حساب کاملاً بلادرنگ دست یافته‌اند، اما بخش بزرگ‌تری از سازمان‌ها در حال گذار به مدل «بستن حساب پیش‌فعال» هستند که در آن، کار تطبیق در طول ماه پخش می‌شود و خود رویداد بستن حساب به دو تا سه روز تحلیل و تأیید نهایی محدود می‌گردد.

 

هوش مصنوعی توضیح‌پذیر (Explainable AI) و اهمیت آن در مدیریت ریسک

هرچه نقش هوش مصنوعی در تصمیم‌های مالی پررنگ‌تر باشد، طبیعتا شفافیت در نحوه رسیدن این سیستم‌ها به نتیجه اهمیت بیشتری می‌یابد؛ موضوعی که با عنوان هوش مصنوعی توضیح‌پذیر یا Explainable AI شناخته می‌شود. طبق گزارش کمبریج در مقاله‌ای با عنوان 2026 Global AI in Financial Services Report – Adoption, Impact and Risks میزان 78 درصد از نهادهای ناظر مالی، توضیح‌پذیری را برای اهداف نظارتی خود  حیاتی دانسته‌اند. این در حالی است که تنها 50 درصد از فعالان صنعت، روش‌های هوش مصنوعی توضیح‌پذیر را در امور خود به کار برده‌اند. البته ابهام مدل و فقدان توضیح‌پذیری از سوی 56 درصد از نهادهای ناظر، به‌عنوان یکی از مهم‌ترین ریسک‌های هوش مصنوعی در حوزه مالی نیز مطرح شده است. شایان ذکر است که نگرانی ذکرشده، صرفا تئوری نیست. مقرراتی مانند قانون هوش مصنوعی اتحادیه اروپا (EU AI Act)، کاربردهایی مانند ارزیابی اعتبار اشخاص و امتیازدهی اعتباری را در زمره سیستم‌های هوش مصنوعی «پرریسک» قرار می‌دهد. این قانون ارائه‌دهندگان چنین سیستم‌هایی را ملزم به رعایت الزامات مشخصی از جمله مستندسازی فنی، حاکمیت داده، مدیریت ریسک و فراهم کردن سازوکارهای نظارت انسانی می‌کند.

آیا هوش مصنوعی جای متخصصان مالی را می‌گیرد؟

خیر، اما نقش افراد در حال تغییر است. هوش مصنوعی می‌تواند امور مالی و حسابداری را به‌طور چشمگیری تقویت کند و آن را انجام دهد، بدون آن‌که لزوما افرادی که این کار را انجام می‌دهند کنار گذاشته شوند. با این حال، باید اشاره کرد که آسیب‌پذیری در همه نقش‌ها یکسان نیست. مشاغلی که در حوزه مالی ماهیت تکراری، قاعده‌محور و کم‌قضاوت دارند، مانند ورود داده  و برخی وظایف اداری، بیشترین احتمال خودکارسازی را دارند؛ در حالی که نقش‌هایی که نیازمند قضاوت حرفه‌ای، درک زمینه کسب‌وکار، مذاکره و ارتباط انسانی هستند، همچنان به تخصص انسانی وابسته باقی می‌مانند. از همین رو پیشنهاد می‌کنیم که متناسب با نیاز شغلی خود، نسبت به به‌روزرسانی‌های هوش مصنوعی، خودتان را به‌روز نگه دارید.