هوش مصنوعی برای مدیر مالی

نه، و نباید بکند. محاسبه با پرس‌وجوی مشخص در لایه‌ی داده انجام می‌شود. مدل فقط متن را از روی اعداد آماده می‌نویسد.

با ردیابی اجباری. هر عدد باید به سطر منبعش قابل ردیابی باشد. عددی که این قابلیت را ندارد، در گزارش نمی‌آید. این را می‌شود به‌عنوان معیار پذیرش نوشت و سنجید.

گزارش تصمیم‌محور: مسئله، گزینه‌ها، ریسک هرکدام، و پیشنهاد با دلیل. کوتاه، با معیار پذیرش صریح. اگر مخاطب حسابرس باشد، سطح مستندسازی متفاوت و کامل‌تر می‌شود.

این راهکار ناسازگاری را حل نمی‌کند، ولی آشکارش می‌کند — و همین معمولاً ارزشمندترین نتیجه‌ی مرحله‌ی اول است. وقتی مجبور شوید برای هر عدد بنویسید از کجا می‌آید و چطور محاسبه می‌شود، اختلاف تعریف‌ها بین واحدها بیرون می‌زند. آن اختلاف باید پیش از ادامه حل شود.

پیش‌بینی کار مدل زبانی نیست. مدل‌های آماری و سری زمانی ابزار درست این کارند و حوزه‌ی جداگانه‌ای هستند. آنچه مدل زبانی می‌تواند بکند، نوشتن گزارشِ پیش‌بینی از روی اعدادی است که آن مدل‌ها تولید کرده‌اند.

سه چیز لازم است: ردیابی هر عدد به سطر منبع، ثبت اینکه گزارش با چه نسخه‌ای از قاعده‌های محاسبه ساخته شده، و لاگ اینکه چه کسی چه زمانی تأییدش کرده. اگر این سه باشد، گزارش قابل دفاع است؛ اگر نباشد، هرچقدر هم اعدادش درست باشند قابل دفاع نیست.

با همان کسی که امروز گزارش را امضا می‌کند. این تغییر نمی‌کند و نباید بکند. کاری که می‌شود کرد کوتاه‌کردن مسیر بررسی است: هر عدد به سطر منبعش وصل باشد تا راستی‌آزمایی چند دقیقه طول بکشد نه چند ساعت. ابزار سرعت بررسی را زیاد می‌کند، مسئولیت را جابه‌جا نمی‌کند.