Роль финтех-решений в поддержке женского предпринимательства в Центральной Азии: анализ трансформационного потенциала цифровых финансовых технологий
7 июн. 2025 г.
Применение искусственного интеллекта в налоговом учёте и финансовых процессах: современное состояние и перспективы развития
Искусственный интеллект стремительно трансформирует финансовую индустрию, становясь критически важным инструментом для повышения эффективности, точности и скорости обработки данных. Согласно прогнозам МВФ, финансовые организации планируют удвоить расходы на технологии ИИ к 2027 году, что подтверждает стратегическую важность этого направления. В банковской сфере решения на базе генеративного ИИ могут принести от 2,8% до 4,7% дополнительной годовой прибыли. Исследования показывают, что организации, активно внедряющие ИИ в финансовые операции, увеличивают ежегодную прибыль на 80% быстрее, при этом количество ошибок в работе финансовых отделов снижается в среднем на 37%.
Современное состояние ИИ в финансовом секторе
Машинное обучение и алгоритмы прогнозирования
Предиктивная аналитика в финансах использует статистические алгоритмы и модели машинного обучения для анализа исторических данных и выявления закономерностей для прогнозирования будущих финансовых тенденций. Этот подход значительно улучшает оценку рисков, обнаружение мошенничества и принятие обоснованных инвестиционных решений. ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени, включая транзакции, экономические и рыночные тенденции, а также потребительское и корпоративное поведение.
Риск-менеджмент представляет собой наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается внедрению ИИ. Алгоритмы способны прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, эффективно заменяя функции риск-менеджеров. Передовые алгоритмы искусственного интеллекта способны обрабатывать огромные объемы данных, выявляя нарушения и потенциальное налоговое мошенничество.
Обработка естественного языка (NLP)
NLP позволяет машинам понимать, интерпретировать и генерировать человеческий язык, что особенно важно для финансовой отрасли, где понимание и управление сложными текстовыми данными имеют решающее значение. В контексте обработки документов NLP позволяет системам извлекать ключевую информацию из неструктурированного текста, классифицировать документы по их содержанию и выявлять тенденции и выводы из больших наборов данных.
Решения на базе ИИ, оснащенные средствами обработки естественного языка, могут извлекать соответствующие данные из различных документов, автоматизируя процесс обработки контрактов, счетов, нормативных отчетов и коммуникаций с клиентами. Для глобальных финансовых операций NLP может обрабатывать документы на нескольких языках, устраняя барьеры и повышая эффективность международных операций.
Автоматизация налоговых процессов
Обработка документов и соблюдение требований
ИИ революционизирует обработку налоговых документов, устраняя необходимость ручного ввода данных. Системы автоматизируют ввод налогов непосредственно в бухгалтерские программы или бизнес-системы, исключая человеческий фактор при вводе данных и предоставляя контрольный журнал каждого действия пользователя. ИИ может обнаруживать расхождения между двумя наборами цифр, предотвращая ошибки при обработке налоговых деклараций.
Для автоматизации обработки первичной бухгалтерской документации используются решения на базе компьютерного зрения и обработки естественного языка. Алгоритмы машинного обучения распознают текст в сканированных документах, автоматически классифицируют их по типам и сопоставляют с внутренними транзакциями. Это позволяет ускорить процесс обработки первичной документации и значительно снизить вероятность ошибок.
Мониторинг соблюдения требований и оценка рисков
ИИ может классифицировать транзакции в соответствии с их налогооблагаемостью, при этом 86% налогоплательщиков находят это полезным для автоматизации процессов. Инструменты на основе искусственного интеллекта помогают налоговым консультантам анализировать налоговые толкования и судебные решения, что позволяет быстрее подготавливать рекомендации для клиентов.
В Латвии использование алгоритма машинного обучения, который анализирует задекларированные зарплаты, данные статистических управлений и финансовые показатели предприятий, позволяет с точностью почти 90% идентифицировать предприятия, выплачивающие зарплаты "в конвертах". Данный метод показал, что 37% предприятий в производственной, торговой, транспортной и строительной сферах применяют подобные схемы.
Практические примеры внедрения
В Узбекистане Налоговый комитет запустил виртуального ассистента DavrOn на базе искусственного интеллекта для оказания налогоплательщикам круглосуточной справочной поддержки. База знаний ассистента включает Налоговый кодекс, постановления президента и Кабмина, приказы, разъяснения и другие нормативные документы. Кроме того, ИИ применяется в системе мониторинга грузового транспорта, где модель компьютерного зрения использует снимки с дорожных камер для выделения грузовиков и распознавания наличия или отсутствия груза.
Количественная оценка преимуществ
Повышение точности и сокращение ошибок
Внедрение ИИ в финансовые процессы приводит к значительному улучшению показателей точности. Число ошибок в работе финансовых отделов снижается в среднем на 37%, а 72% организаций, использующих технологии ИИ, сообщают о появлении более четкого представления об общей эффективности бизнеса. Организации, внедряющие новые технологии для управления финансами, получают гораздо большие преимущества, чем изначально рассчитывали.
В области страхования ИИ может помочь бороться с мошенничеством: по прогнозам Deloitte, при внедрении ИИ-технологий на протяжении всего жизненного цикла страховых претензий и интеграции анализа в реальном времени из множественных источников, страховщики имущества и от несчастных случаев могут сократить мошеннические претензии и сэкономить от $80 млрд до $160 млрд к 2032 году.
Экономия времени и повышение эффективности
Цифровые помощники на базе ИИ повышают производительность труда на 36% и позволяют выполнять финансовый анализ на 38% быстрее. В банковской сфере ИИ-инструменты могут революционизировать разработку программного обеспечения, потенциально снижая инвестиционные затраты на программное обеспечение на 20-40% к 2028 году. Банки, эффективно внедряющие ИИ-инструменты на протяжении всего жизненного цикла разработки программного обеспечения, могут сэкономить до $1,1 млн на одного инженера.
Финансовые результаты
По данным IHS Markit, в 2018 году банки заработали около $41,1 млрд благодаря использованию искусственного интеллекта. В эту сумму входят как прямые доходы от внедрения таких технологий, так и объем сокращенных расходов и выгода от повышения эффективности работы финансовых организаций. По прогнозам специалистов, к 2030 году коммерческие ИИ-проекты принесут банкам в общей сложности $300 млрд.
Техническая реализация
Требования к данным
Успешное внедрение ИИ в финансовые процессы требует наличия качественных и структурированных данных. Финансы представляют собой непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и "маяки". Для эффективной работы алгоритмов машинного обучения необходимо обеспечить интеграцию различных источников данных, включая внутренние системы учета, банковские выписки, документооборот и внешние базы данных.
В Узбекистане банки активно используют внешние базы данных, например, систему "Электронное правительство", для кредитного скоринга и лучшего понимания потребностей клиента. Без внедрения этих решений полноценное использование ИИ невозможно. Большинство банков в стране объединило свои банковские коды в единое целое, что централизовало клиента и очистило клиентские и продуктовые данные.
Обучение моделей и интеграция
Первоначальное обучение виртуального ассистента DavrOn в Узбекистане заняло три месяца, при этом база знаний включала не только нормативные документы, но и ответы на вопросы, наиболее часто задаваемые в колл-центре. Это демонстрирует важность накопления и структурирования исторических данных для эффективного обучения ИИ-систем.
Компания Vertex демонстрирует подход с использованием частных больших языковых моделей (LLM) для обеспечения генеративных возможностей в сочетании с экспертизой человека для поддержания строгих контрольных рамок и повышения точности налогового соответствия. Такой подход позволяет налоговым командам реализовать преимущества ИИ-технологий, сохраняя при этом контроль над своими данными.
Вызовы интеграции
В Узбекистане с технологической точки зрения существуют проблемы, поскольку банки страны все еще находятся в процессе цифровизации. В 2024 году банки продолжают оцифровку, внедряя BPM (управление бизнес-процессами) и CRM (система управления взаимоотношениями с клиентами) платформы, разрабатывая аналитику на BI (Business Intelligence). По оценке KPMG, уровень зрелости узбекских банков в области внедрения ИИ остается низким, в отличие от стран с более развитой цифровой инфраструктурой.
Регулятивные соображения
Алгоритмическая прозрачность
Эксперты Сообщества справедливости, подотчетности и прозрачности в области машинного обучения определяют пять принципов алгоритмической прозрачности: справедливость, проверяемость, объяснимость, ответственность разработчиков и точность работы. Однако требование о прозрачности алгоритмов может не принести желаемого результата, поскольку разобраться в логике алгоритма ИИ не всегда под силу даже специалисту.
Алгоритмическая прозрачность информационной модели позволяет получить представление о логике функционирования информационной модели, реализуемой ИИ. Прозрачность алгоритмического принятия решений служит тому, чтобы несправедливые дискриминации могли быть обнаружены и оспорены. Тем не менее, несправедливые дискриминации, заложенные в алгоритмы ИИ, не всегда могут быть обнаружены и оспорены.
Предотвращение предвзятости и требования к аудиту
В России Банк России активно работает над вопросом создания благоприятных условий для использования преимуществ ИИ на финансовом рынке, одновременно ограничивая возможные уязвимости. Единые подходы к регулированию применения ИИ на финансовом рынке в мировой практике еще не выработаны, но регуляторы активно работают над балансом между инновациями и безопасностью.
Развитие инструментов ИИ на финансовом рынке происходит в русле общей траектории совершенствования методов применения ИИ в экономике, при этом существует ряд особенностей использования этой технологии в финансовой сфере. Выделяются риски технологического, экономического, этического характера, риски в сфере данных и информационной безопасности.
Поставщики решений и технологические платформы
Крупные поставщики ИИ-решений
Компания Wolters Kluwer объявила о планах по предоставлению новых возможностей ИИ для налоговых и бухгалтерских специалистов в рамках инновационной стратегии, сосредоточенной на интеллекте фирм. Компания имеет долгую и успешную историю создания и использования ИИ-решений для решения самых сложных проблем клиентов.
Thomson Reuters запустила новую вертикально-ориентированную ИИ-платформу CoCounsel, предназначенную для автоматизации сложных налоговых, аудиторских и бухгалтерских задач. Это представляет "фундаментальный сдвиг" в использовании профессиональных ИИ-инструментов на практике. Агентивный ИИ способен планировать, рассуждать, действовать и реагировать для выполнения многоэтапных заданий с ограниченным надзором.
Специализированные решения
Avalara представила набор инноваций, основанных на ИИ, направленных на упрощение налогового соответствия. Компания представила генеративного ИИ-чатбота Avi, предназначенного для предоставления разговорной поддержки клиентам и партнерам. Автоматизированная классификация тарифных кодов использует ИИ, машинное обучение и обработку естественного языка для быстрой категоризации больших товарных запасов в коды HS или тарифные коды.
В России на финансовом рынке наибольшее распространение получили решения с использованием традиционного ИИ. Такие модели были усовершенствованы настолько, что в некоторых случаях могут применяться без привлечения узкоспециализированных экспертов. ИИ постепенно становится технологией общего назначения и способен трансформировать бизнес-процессы и рыночные практики финансовых организаций.
Прогнозы развития и временные рамки автоматизации
Перспективы полной автоматизации
83% руководителей полагают, что в течение пяти лет ИИ позволит сделать финансовое закрытие полностью автоматическим. Согласно данным International Data Corp., продажи программного обеспечения, технических средств и услуг для систем ИИ в текущем году возрастут на 29 процентов до 166 млрд долларов и в 2027 году превысят 400 млрд долларов.
Deloitte прогнозирует, что активы под управлением для активных биржевых фондов (ETF) в США вырастут с $856 млрд в 2024 году до $11 трлн к 2035 году – увеличение в 13 раз. Ожидается, что глобальный рынок токенизированной недвижимости расширится, достигнув $4 трлн к 2035 году, по сравнению с менее чем $300 млрд в 2024 году.
Модели сотрудничества человека и ИИ
Подход Vertex с "человеком в петле" демонстрирует, как ИИ-возможности сочетаются с автоматизацией, которая определяет, когда необходимо вмешательство человека. Это позволяет налоговым командам достичь большей скорости, эффективности и высочайшего уровня налоговой точности.
В Узбекистане банки тестируют алгоритмы ИИ в сервисах поддержки пользователей и планируют системно увеличивать число задач, решаемых с помощью алгоритмов ИИ в ближайшие два года. Технологии искусственного интеллекта позволяют бороться с попытками мошенничества, улучшать операционные процессы, минимизировать риски ошибок в традиционном банковском сервисе.
Региональная готовность: Центральная Азия и Узбекистан
Текущее состояние внедрения
По мнению директора по взаимодействию с государственными органами по Центральной Азии корпорации Google, искусственный интеллект представляет собой следующий этап цифровой трансформации в регионе. Экспорт IT-услуг из Центральной Азии удвоился с 2020 года, в Казахстане 92% госуслуг оказываются онлайн, а Узбекистан поднялся на 18 позиций в индексе развития электронного правительства.
Центральная Азия демонстрирует технологическую зрелость, что видно по работе с местными технологическими компаниями и успехам акселераторов. Основные преимущества региона включают молодое население, готовность к новым технологиям и отсутствие устаревшей инфраструктуры, что упрощает быстрое внедрение новшеств.
Вызовы и барьеры
Согласно оценке KPMG, уровень зрелости узбекских банков в области внедрения ИИ остается низким. В отличие от стран с более развитой цифровой инфраструктурой, ИИ пока не применяется в критических процессах, таких как управление клиентским опытом, операционная автоматизация и принятие решений. Ключевые барьеры включают устаревшие IT-системы, слабую интеграцию данных и ограниченные человеческие ресурсы в области аналитики и технологий.
Существуют определенные проблемы, такие как необходимость улучшения регуляторных механизмов и разработки национальных стратегий развития ИИ. Проблемы передачи данных через границы и требования к локализации данных осложняют использование ИИ в полном объеме. Работа с ИИ также требует значительных объемов современного дорогостоящего оборудования.
Возможности и потенциал
Тем не менее, потенциал ИИ для банков в Узбекистане является существенным. Быстро растущий объем цифровых транзакций и высокая активность мобильного банкинга генерируют обширный набор поведенческих данных. Эти данные могут быть использованы для построения моделей кредитного скоринга, антимошеннических систем, персонализированного маркетинга и инструментов прогнозирования спроса.
В апреле 2024 года в Узбекистане была принята Стратегия развития технологий искусственного интеллекта до 2030 года, которая предусматривает создание регулятивной базы, развитие технической инфраструктуры для обработки данных и реализации ИИ-проектов. Реализация этих возможностей потребует от банков модернизации их IT-архитектур, развертывания систем управления данными и соблюдения новых стандартов алгоритмической прозрачности и интерпретируемости.
Заключение
Искусственный интеллект представляет собой трансформационную силу в налоговом учете и финансовых процессах, предлагая значительные возможности для повышения эффективности, точности и снижения затрат. Внедрение ИИ уже демонстрирует измеримые результаты: от 37% снижения ошибок до 80% ускорения роста прибыли у организаций-лидеров. В налоговой сфере технологии обеспечивают автоматизацию документооборота, улучшение соблюдения требований и повышение точности обнаружения мошенничества до 90%.
Региональный контекст показывает различные уровни готовности к внедрению ИИ. В то время как развитые рынки уже реализуют сложные решения на базе генеративного ИИ, развивающиеся регионы, такие как Центральная Азия, демонстрируют значительный потенциал благодаря молодому населению, отсутствию устаревшей инфраструктуры и государственной поддержке цифровизации. Успешная реализация этого потенциала требует комплексного подхода, включающего модернизацию IT-систем, развитие человеческого капитала и создание соответствующей регулятивной среды.
Будущее налогового учета и финансовых процессов будет характеризоваться гибридными моделями сотрудничества человека и ИИ, где технологии обеспечивают автоматизацию рутинных задач, а специалисты сосредотачиваются на стратегическом анализе, принятии решений и обеспечении соответствия этическим и регулятивным требованиям.
Автоматизируйте свою бухгалтерию с Azma
Упростите управление финансами вашего бизнеса. Получите готовое API решение по онлайн-бухгалтерии от Azma, чтобы сосредоточиться на росте, а не на рутине.
Оставьте заявку ниже, чтобы узнать больше и получить консультацию.
