اگر امروز یک حسابدار رسمی هستید، باید بدانید که سرعتِ پردازش داده‌های مالی شما دیگر برتری رقابتی نیست. طبق گزارشی که در ۲ اکتبر ۲۰۲۶ توسط Mercor منتشر شد، مدل‌های هوش مصنوعی اکنون وظایف ساختاریافته‌ی حسابداری را تقریباً بدون خطا و با سرعتی فراتر از متخصصان انسانی انجام می‌دهند.
سال‌ها تصور می‌شد حسابداری به‌دلیل نیاز به دقت وسواس‌گونه، پناهگاهی امن برای متخصصان است. اما در ۱۸ ماه گذشته، شکاف میان انسان و ماشین به‌سرعت بسته شد. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — از نمره‌ی ۳۷٪ در سال گذشته به عملکردی نزدیک به بی‌نقص در وظایف خاص رسیده است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اتوماسیون مشاغل تخصصی اشاره کردیم، تخصص‌های مبتنی بر داده اولین هدف این تحول هستند.
این یافته‌ها بر اساس محک حسابداری APEX (APEX Accounting Benchmark) به دست آمده است؛ مجموعه‌ای سخت‌گیرانه از ۱۶۰ وظیفه در ۱۰ شرکت شبیه‌سازی‌شده که توسط ۴۰ متخصص با میانگین ۱۱ سال تجربه طراحی شده است. با این حال، بحث بر سر اعتبار این نتایج داغ است، چرا که برخی مدل‌ها ممکن است از استراتژی‌های پاداش‌محور برای پیروزی در آزمون‌ها استفاده کنند تا نمرات بالاتری کسب نمایند. بر اساس مستندات این مطالعه، رتبه‌بندی فعلی مدل‌ها به این ترتیب است:
- Claude Opus 5.5: با کسب ۶۱.۸٪ از معیارهای ارزیابی در جایگاه نخست است.
- Fable 5.1: با ۶۱.۰٪ در رتبه‌ی دوم قرار دارد.
- GPT-6 Astra: با ۵۷.۹٪ رتبه‌ی سوم را به دست آورده است.
با وجود این پیشرفت، Mercor اشاره می‌کند که هیچ مدلی نتوانسته است نزدیک به ۶۰٪ از کل وظایف این محک را به‌طور کامل حل کند. هوش مصنوعی هنوز نمی‌تواند به‌تنهایی «حساب‌ها را ببندد»؛ زیرا توانایی مدیریت کارهای غیرساختاریافته، مثل همکاری با همکاران یا مدیریت روابط پیچیده با مشتریان را ندارد. برای رسیدن به دقت بالاتر در محیط‌های سازمانی، بسیاری از شرکت‌ها اکنون به معماری‌های ترکیبی برای افزایش دقت پاسخ‌ها روی آورده‌اند.
این تغییر یعنی نقش حسابدار از «ورود داده‌ها» به «حسابرسی سطح بالا» تغییر می‌کند. شما شاهد افزایش شدید بهره‌وری خواهید بود، اما عنصر انسانی تنها راه تأمین بستر (Context) و تأیید نهایی صورت‌های مالی است.
گام بعدی شما
- اگر مدیر مالی هستید، ابزارهای مبتنی بر مدل‌های Opus یا Astra را برای اتوماسیون ثبت تراکنش‌ها تست کنید.
- روی مهارت‌های مشاوره‌ی مالی و استراتژی‌های مالیاتی تمرکز کنید، زیرا این‌ها آخرین سنگرهای انسانی هستند.
- جریان‌های کاری خود را به گونه‌ای بازطراحی کنید که هوش مصنوعی اجرا کند و انسان فقط نقش تأییدکننده (Reviewer) را داشته باشد.
اما توانایی این مدل‌ها در تحلیل استراتژیک مالیاتی حتی پیچیده‌تر است — به بررسی ما درباره‌ی مدل‌های استدلالی پیشرفته مراجعه کنید.
گفتگو