Top
GP Økonomi / Uncategorized @no  / Hvor mye må vi forstå av det kunstig intelligens kan hjelpe oss med?

Hvor mye må vi forstå av det kunstig intelligens kan hjelpe oss med?

Regnskap Norge mener det bør stilles krav til bruken av kunstig intelligens innen regnskap, og etterlyser særlig transparens og forklarbarhet.

23.09.20

Skrevet av  Regnskap Norge

Del

Foto: Unsplash/Drew Graham

Adm. direktør Lene Diesen i Semine AS ønsker at kundene selv skal være med på å definere når de er komfortable med teknologien, og hilser derfor debatten velkommen.

Kunstig intelligens er et fenomen man kan like eller hate, men det blir stadig mer vanlig på stadig flere områder – ikke minst i regnskapsfaget. Her spås det at denne teknologien vil overta mange arbeidsoppgaver, og ulike løsninger fra flere aktører er allerede i gang med å markere seg på området.

På Regnskap Norges hjemmesider har Hans Christian Ellefsen skrevet artikkelen «Forklarbar kunstig intelligens gir tillit», hvor han som leder av avdelingen Teknologi og innovasjon i Regnskap Norge oppfordrer til dialog om problemstillinger og utfordringer ved kunstig intelligens både på generell og regnskapsspesifikk basis. Et av hovedpoengene hans er at disposisjonene som den nye teknologien gjør, bør være transparente og forklarbare.

Norske miljøer på banen

Selv om kunstig intelligens er et fagfelt som det er vanlig å forbinde med store, amerikanske IT-konglomerater, finnes det også norske miljøer som er godt i gang – og norske Semine AS er blant dem. De utvikler og selger en plattform som automatiserer regnskap og fakturahåndtering gjennom kunstig intelligens. Riktignok bygger de løsningene sine på Azure-teknologien fra Microsoft (som jo er nettopp et slikt IT-konglomerat), men de forsterker dem gjennom egne algoritmer utviklet på anerkjente, åpne rammeverk.

– Vi bruker forskjellige typer kunstig intelligens til ulike deler av prosessene, og løsningene kan tilpasses kundene våre. Felles i de fleste tilfeller er at den kunstige intelligensen kan lære over tid, forklarer Lene Diesen, adm. direktør i Semine.

I sin artikkel nevner Ellefsen 95 prosent som et mulig minimum for hvor treffsikre maskinenes posteringsforslag bør være før regnskapsfolk blir komfortable med teknologien. Ifølge Diesen starter mange av deres kunder tidligere enn som så med å la Semine-plattformen gjøre jobben, men hun åpner for at de da har god støtte for transparens og kvalitetssikring i prosessen.

– Høy treffsikkerhet fordrer at man tilfører tilstrekkelig input og kvalitet i kompetanseoverføringen til maskinlæringen. For at systemet skal komme til et nivå hvor det kan dra verdi ut av fakturaene, må man imidlertid begynne et sted. Med god støtte for å øke kvaliteten under opplæringen av systemet, kan fakturaer bevege seg fra 40-50 prosents treffrate og opp til 90-99 prosents sannsynlighet. Det stemmer at dette er nivåer som letter arbeidet betraktelig, og vi har flere kunder som allerede har oppnådd dette på deler av sine fakturaer, sier Diesen.

– Siden kundene kan bestemme scenarier for når den kunstige intelligensen skal ta jobben fra A til Å, har de full fleksibilitet til å styre hva de er komfortable med å la maskinen gjøre. Det finnes med andre ord ikke ett enkelt svar for nøyaktigheten i vårt system – det vil alltid være tilpasset scenariet, og det er slik vi skaper fleksibilitet.

Læring og avlæring

Ellefsen påpeker i sin artikkel at kunstig teknologi – uansett om den er lært opp med aldri så god historikk – ikke selv oppdager avvik som kan oppstå ved endringer i forvaltningspraksis. Han understreker derfor at systemleverandører må finne metoder for å innføre andre dataelementer enn historikk i læringsprosessen. Semine-sjefen er klar på at dette er en problemstilling de har god kontroll over:

– Teknologien gjør det enklere både å få ting riktig og å korrigere hvis det er gjort feil. Det gjelder også hvis reglene endrer seg eller praksis justeres. Her kan man gå inn og «nullstille» læringen og trene modellen opp igjen etter nye regler. Faktisk kan man argumentere for at maskinen lærer seg nye regler og husker dem vel så lett som mange mennesker, poengterer Diesen.

Hva så med forklarbarheten til den kunstige intelligensens handlinger? Ellefsen påpeker at avansert, kunstig intelligens benytter såkalte «black box»-prosesser hvor det er umulig å etterprøve eller få forklart hvordan algoritmene har navigert gjennom komplekse, nevrale nettverk for å avgi akkurat den anbefalingen eller foreslå akkurat de konteringene.

– Som jeg var inne på, tar kundene i bruk vår løsning på en måte som gradvis utvikler treffsikkerheten på resultatene. Da ser de også hvordan algoritmene påvirkes av opplæringen, og de bestemmer selv når de er komfortable med å overlate en konkret arbeidsoppgave – for eksempel en bestemt fakturatype – til systemet, sier Diesen. 

– Det er også verd å påpeke at når det oppstår feil, loggfører jo systemet alt det gjør og på den måten «glemmer» det aldri noe. Selv om det ikke forklarer algoritmenes handlinger, gir det jo full sporbarhet på arbeidsflyten, legger hun til.

Andre fordeler

Jan Skjøy er direktør for operasjonell drift i Semine, og han fremholder at kunstig intelligens også kan gi fordeler utover arbeidsbesparelse – fordeler som knapt kan oppnås uten datamaskiner:

– Regnskap er et fag som i mange sammenhenger gir rom for tolkning. For eksempel benytter selskaper kontoplaner ulikt, og det kan være mange «riktige» måter å gjøre en ting på. Tidvis kan det ligge personavhengige tolkninger til grunn for hvordan ting gjøres, og dersom det er svært mange ansatte involvert i å føre regnskapet i et selskap, kan det gi forskjeller som skaper utfordringer. Siden maskiner er mer konsekvente, kan det gi virksomheter en helt annen innsikt i regnskapet sitt, sier Skjøy.

Han trekker også frem et annet moment som maskiner generelt – og Semines løsning spesielt – kan bidra med:

– Mange fakturaer må splittes for å kontere ulike varelinjer korrekt, og da er det heldig at systemet ikke kvier seg for å gå løs på «kjedelige» arbeidsoppgaver: Uansett om det er fire varelinjer eller fire tettskrevne sider med varelinjer, gyver maskinen løs med samme, kjølige entusiasme. Dette forenkler også oppgaver som momshåndtering, periodisering og føring på riktig prosjekt – algoritmene gir rett og slett et riktigere beslutningsgrunnlag, sier han.

Viktig diskusjon

Diesen understreker at det er en viktig debatt Ellefsen inviterer til:

– Ingen må være i tvil om at kunstig intelligens kan bidra med mye godt når den blir brukt riktig, men verden har allerede sett mange eksempler på bruk av denne typen teknologi som har gitt gale eller utilsiktede resultater. Siden kunstig intelligens vil bli aktuell på stadig flere områder fremover, må de aller fleste virksomheter ha en gjennomtenkt og informert tilnærming til problemstillingene eller utfordringene som kan dukke opp underveis, sier hun.

Denne artikkelen ble først publisert i Regnskap & Økonomi 3/2020.