Ново истражување покажува дека вештачката интелигенција може однапред да сигнализира сериозни грешки во финансиското известување, пред тие да предизвикаат милионски штети за компании и инвеститори. Тимот предводен од Чањуан (Абигејл) Жанг Паркер од Универзитетот на Тексас во Сан Антонио развил модел за машинско учење што прогнозира т.н. материјални погрешни прикажувања во извештаите.
Материјалните погрешни прикажувања се грешки, намерни или ненамерни, кои можат суштински да ја променат проценката на инвеститорите. За анализата биле користени повеќе од 59.000 податоци од пријави до американската SEC во периодот 2001–2014. Според резултатите, моделот бил поуспешен од стандардните пристапи и за едногодишни и за двегодишни предвидувања.
Истражувачите издвоиле и клучни индикатори што најмногу помагаат во прогнозата: должина на односот меѓу ревизор и клиент, сеопфатна добивка, статус на странска фирма, натрупани камати и казни, ранг на надоместоци за неревизорски услуги и нестабилност на приносот на акциите. Со ова, алатката не служи само за „ловење“ веќе направени пропусти, туку и за рано предупредување.
Во академска симулација, моделот покажал практична корист за три групи: инвеститори, менаџери и регулатори. Инвеститорите би можеле подобро да проценуваат ризик, менаџерите порано да ги затвораат слабостите во внатрешните контроли, а регулаторите поефикасно да ги насочуваат инспекциите кон поризични компании.
Паркер нагласува дека вештачката интелигенција во сметководството не значи замена на луѓето, туку пренасочување на работата. Рутинските задачи ќе се автоматизираат, додека стручната проценка, контекстот и етичката одговорност ќе останат човечки домен. Затоа, покрај технолошката примена, клучни се и добри системи за управување и надзор.
