У сучасних умовах стрімкої цифрової трансформації економіки зростає потреба у фахівців, здатних опановувати та впроваджувати інноваційні технології у сферу бухгалтерського обліку та оподаткування. Методи штучного інтелекту й цифрові інструменти, зокрема засоби аналітики великих даних, автоматизації облікових процесів, а також інтерактивні онлайн-платформи для викладання, відкривають нові можливості для вдосконалення якості освітнього процесу та професійної підготовки здобувачів. Разом із тим, поява таких технологій вимагає переосмислення традиційних підходів до навчання і викладання, щоб забезпечити відповідність сучасним вимогам ринку праці та високому рівню конкуренції [1].
Так, сучасний ринок праці вимагає від випускників не лише класичних теоретичних знань, а й умінь створює новітні технології для ефективного аналізу фінансово-економічних даних, оптимізації. Цифрові інструменти, зокрема платформи для автоматизованої обробки бухгалтерської інформації, інтелектуальні системи розпізнавання даних, аналітичні програми на основі великих даних (Big Data), істотно полегшують облікові операції та дають змогу оперативно виявляти наявні ризики. Водночас, на нашу думку, використання ШІ сприяє кращому розумінню динаміки ринку, дозволяє моделювати різноманітні сценарії господарської діяльності та прогнозувати їх.
Таким чином, інтеграція штучного інтелекту й відповідних цифрових інструментів у процес підготовки фахівців з бухгалтерcького обліку та оподаткування є ключовою передумовою для формування конкурентоспроможних і затребуваних спеціалістів, здатних оперативно реагувати на виклик цифрової ери та впроваджувати передові технології.
Розглянемо використання ШІ при викладанні дисциплін «Управлінський облік». Зокрема, метою викладання дисципліни є оволодіння методами виявлення, накопичення, аналізу, підготовки, інтерпретації та передачі інформації, що використовується управлінською ланкою для планування, оцінки і контролю внутрішньогосподарської діяльності підприємства. Однією із основних особливостей вітчизняного обліку витрат є облік та розподіл загальновиробничих витрат [2]. Найпростіший підхід до розподілу загальновиробничих витрат (ЗВВ) у навчальних кейсах – це використання певної визначеної бази (заробітна плата основних робітників, прямі витрати тощо) та розрахунок коефіцієнта розподілу. Але в реальній практиці розподіл ЗВВ може бути значно складнішим [3]. Потрібно позбутися багатьох факторів, які впливають на формування собівартості. Тому, саме тут штучний інтелект (ШІ) може надати суттєву допомогу, зокрема за такими напрямками:
1) автоматизований збір та обробка даних: за допомогою алгоритмів ШІ можна автоматизувати процес завантаження й структурування даних про витрати (прямі та непрямі витрати, обсяги виробництва, тривалість технологічних процесів, енергоспоживання тощо). Наприклад, система інтегрується з програмним забезпеченням обліку та виробничими системами (MES/ERP), отримує потрібну інформацію про фактичне споживання ресурсів, відомості про зарплату, амортизацію тощо та формує єдину «базу даних» для подальшого аналізу;
2) вибір та оптимізація бази розподілу витрат. Традиційно бухгалтер може вручну вибрати базу розподілу (зарплату, машино-години, матеріали тощо). За допомогою ШІ (наприклад, методів машинного навчання) можна проаналізувати історичні дані щодо витрат та виявити, яка саме база найкраще відображає причинно-наслідковий зв’язок між непрямими витратами та виробництвом конкретної продукції. Система може «підказати» бухгалтеру, що розподіл через зарплату не завжди оптимальний: у деяких випадках точнішою базою є, наприклад, витрати електроенергії чи кількість відпрацьованих машино-год;
3) прогнозування та моделювання різних сценаріїв. Так, ми попросили ШІ згенерувати рішення задачі на розподіл ЗВВ. В навчальному кейсі відомі прямі витрати та загальновиробничі витрати, які розподіляються на основі зарплати основних робітників. ШІ не можна лише виконувати розподіл за формулою, а й змоделювати, що станеться з собівартістю, якщо змінитися виробнича програма (скажімо, зросте частка продукції А і зменшитися частина продукції Б) або збільшитися витрати на ремонт обладнання. Це допоможе керівництву підприємства прийняти більш обґрунтовані управлінські рішення (наприклад, перерозподіл ресурсів, зміна технологічних ліній, оптимізація витрат);
4) виявлення аномалій і контроль витрат [4]. Алгоритми ШІ можуть відстежувати «нехарактерні» зміни у витратах та сигналізувати про якісь помилки в облікових даних або про збільшення витрат окремих статей (наприклад, різке збільшення витрат на електроенергію чи зростання ремонтних робіт). Це дасть можливість оперативно реагувати та запобігати ситуації, коли підприємство несе зайві витрати через технічні збої, недобросовісних постачальників або неефективне планування;
5) автоматичне формування бухгалтерських записів. Система штучного інтелекту може інтегруватися з програмою бухгалтерського обліку та автоматично формувати проводки для Журналу господарських операцій. Наприклад, після затвердження алгоритму суми розподілених ЗВВ, він одразу формує проведення «Дт 231 (або 232) / Кт 91» на відповідну суму витрат. Це спрощує роботу бухгалтера, зменшує ймовірність механічних помилок і суттєво економити час;
6) адаптивне навчання та вдосконалення моделей. З часом алгоритми машинного навчання «навчаються» на нових даних підприємства, а отже можуть все точніше визначити закономірності у витратах і краще прогнозувати собівартість за різними виробничими сценаріями. У випадках, коли змінюються технологічні умови (нове обладнання, модифіковані рецептурні продукти, інші тарифи на комунальні послуги тощо), система динамічно підвищує свої моделі розподілу ЗВВ і пропонує оновлені коефіцієнти.
Отже, алгоритм формування кейсу про розподіл ЗВВ для двох видів продукції з використанням ШІ:
- система отримує з бухгалтерської програми або хмарного сервісу дані про прямі та загальновиробничі витрати. Аналізує історичний період: як раніше змінювалися витрати (на ремонт, амортизацію, комунальні послуги) та як корелювали з обсягами виробництва продукції А та Б;
- ШІ рекомендує (або підтверджує) базу розподілу витрат, наприклад, зарплату основних робітників, або інше, якщо за статистикою вона виявиться більш точною;
- алгоритм розраховує коефіцієнт розподілу, виконує відповідні операції та забезпечує бухгалтерське проведення до Журналу господарських операцій (Дт 231/232 – Кт 91);
- створює аналітичний звіт: «Виробнича (остаточна) собівартість продукції А – ХХ грн. Собівартість продукції Б – ХХ грн.»;
- для необхідності можна провести аналіз «що буде, якщо» (що буде, якщо зросте ціна на сировину, або виникнуть інші фактори).
Отже, використання ШІ дає можливість підвищити точність розподілу ЗВВ, спростити розрахунки, мінімізувати людський фактор у формуванні собівартості й, головніше, забезпечити більш оперативне прийняття рішень щодо управління витратами та виробництвом.
Таким чином, використання ШІ під час викладання дисципліни «Управлінський облік» істотно розширює можливості як формування навчальних кейсів, так і спрощення або прискорення їх розв’язання. Завдяки ШІ можна створити більш реалістичні ситуації (за рахунок великого обсягу даних та факторів), автоматизувати рутинні розрахунки, швидко сформувати модельні сценарії розвитку подій та навіть імітувати нетипові або кризові елементи на підприємствах. Це полегшує формування у здобувачів не лише глибшого розуміння теоретичних основ управлінського обліку, а й практичних навичок у прийнятті.
З іншого боку, алгоритми машинного навчання та аналітичні платформи дають змогу виявити закриті закономірності у витратах, прогнозувати структуру собівартості, оптимізувати розподіл ресурсів і моделювати різні варіанти змін у виробничих процесах. Такі інструменти стимулюють студентів до критичного мислення та вчать опрацьовувати великі масиви інформації, що є надзвичайно популярним у сучасних умовах цифровізації економіки. Викладач при цьому може зосередитися на поглибленому аналізі результатів і розвиткові професійних компетентностей здобувачів, тоді як рутинні або обчислювально складні операції виконує штучний інтелект.
Література:
1. Khmeliuk A.V., Okhrimchuk O.V. Using artificial intelligence when writing a thesis. The XV International Scientific and Practical Conference "Distance learning: problems, ways of development and the latest technologies", December 25-27 2023, Munich, Germany. Р.27-31.
2. Національне Положення (стандарт) бухгалтерського обліку №16 «Витрати»: Наказ Міністерства фінансів України від 31.12.1999 р. №318 URL: http://zakon4.rada.gov.ua/show/z0027-00
3. Хмелюк А. В., Хвостов В. К. Організація обліку та розподіл загальновиробничих витрат на металургійних підприємствах. Економічний аналіз. 2019. Т. 29. № 4. С. 106-112.
4. Alona Khmeliuk, Maksym Semenikhin, Olena Fomina, Oksana Aksyonova Management accounting of payment risks of online trade during military operations Theoretical and Practical Research in Economic Fields Vol 14 No 2 (2023): TPREF, Volume XIV, Issue 1(28), 2023, 50–63.
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter