V širokém chápání termínu se do umělé inteligence zařazuje mnoho nástrojů, které navenek vypadají inteligentně, ale jsou to úzce zaměřené nástroje optimalizované na jeden úkon, který stále opakují. Na tom v principu není nic špatného a mívají i velmi dobré výsledky. Jen vás může čekat zklamání, až zjistíte, že umělá inteligence je v tomto případě spíše marketingový termín než skutečnost.
Jak moc je umělá inteligence používána v oboru účetnictví a poradenství? Začnu osobní vzpomínkou. Když jsem byl před pandemií covidu na poslední světové konferenci naší asociace Geneva Group International, umělá inteligence byla jedno z nejvíce diskutovaných témat. Jak jsem ale záhy zjistil, naráželi jsme na nepochopení, co to vlastně umělá inteligence je. V naší firmě jsme v té době experimentovali s různými nástroji pro automatizaci: generovali jsme automaticky účetní reporty, které dokážou analyzovat hospodaření a generovat textové vysvětlivky, zkoušeli jsme využití automatického vyčítaní údajů z faktur a další nástroje. Rozhodně jsme tedy šli s dobou. Na oné konferenci na začátku jedné přednášky padla otázka: „Kdo z vás používá umělou inteligence ve vaší firmě?“. Jaké bylo moje překvapení, když jsem byl jediný, kdo se ze 150 účastníků nepřihlásil. Následně jsem pochopil, že kolegové považovali import výpisů z banky do účetního systému za umělou inteligenci.
Proto je potřeba vůbec vysvětlit, co to je umělá inteligence a jak funguje. O umělé inteligenci budu tedy dále mluvit v širokém chápání významu tohoto slova, protože pokud bychom si význam zúžili na tzv. „general artificial intelligence“ (obecná umělá inteligence, která se dokáže učit a chápat stejně jako člověk), nemáme se o čem bavit. Protože žádný takový nástroj nyní neexistuje.
Příklady umělé inteligence
Umělá inteligence se nejčastěji využívá pro optimalizaci procesů, ve zlepšování funkčnosti produktů a v automatizaci kontaktů se zákazníky. Všechno jsou to poměrně vzdálené funkce od poradenství a má to logické důvody.
Umělá inteligence totiž funguje na principu, kdy se vytvoří model, který se trénuje na rozsáhlém souboru dat pro učení. Následně funguje umělá inteligence tak, že přenáší to, co se naučila v testovacím modelu, na ostrá data. To znamená, že se dobře hodí na problémy, ke kterým existuje velké množství popsaných dat, na kterých se model může učit. Bohužel oba tyto předpoklady v poradenství chybí. Jednak není tolik případů, na kterých by se mohl systém učit, a za druhé jsou tyto případy velmi složité, někdy až skoro „nepopsatelné“ ve smyslu nutnosti převést realitu do parametrů pochopitelných výpočty umělé inteligence.
