Արհեստական բանականությունը ստանձնում է մեխանիկական աշխատանքի կատարումը նաեւ ֆինանսների եւ տնտեսագիտության ոլորտում, ինչը ստիպում է  ֆինանսական մասնագետներին վերագնահատել իրենց դերը՝ շեշտադրելով ռազմավարական մտածողությունը, էթիկական վերահսկողությունն ու թվերի հետեւում թաքնվածը գլոբալ մարտահրավերների համատեքստում վերծանելու կարողությունը:

Այս փոփոխությունների մասին Մեդիամաքսը զրուցել է Բորնմութի համալսարանի (ՄԹ) հաշվապահության, ֆինանսների եւ տնտեսագիտության բաժնի ղեկավար, ինչպես նաեւ Համաեվրոպական Executive MBA ծրագրի «Ֆինանսական հաշվետվություն եւ կառավարչական հաշվապահություն» (FRMA) մոդուլի դասախոս պրոֆեսոր Հասան Յազդիֆարի հետ։

Յորքի համալսարանի եվրոպական կամպուս CITY College-ի եւ ֆրանսիական Ստրասբուրգի համալսարանի տնտեսագիտության եւ կառավարման ֆակուլտետի համատեղ կրթական ծրագիրը հայաստանյան դիմորդներին հնարավորություն է ընձեռում ստանալու բարձրակարգ բրիտանական եւ եվրոպական կրթություն եւ երկու MBA դիպլոմներ Յորքի ու Ստրասբուրգի համալսարանից՝ շարունակելով ապրել, աշխատել եւ սովորել Հայաստանում։

Պրոֆեսոր Յազդիֆարի հետ զրուցել ենք նաեւ այն մասին, թե ինչպես է Executive MBA կրթական ծրագիրը օգնում մնալ մրցունակ ԱԲ-ի սրընթաց զարգացման պայմաններում:

- Թվային տեխնոլոգիաներն ու արհեստական բանականությունը (ԱԲ) վերափոխում են մի շարք ոլորտների հիմնական գործընթացները: Ինչպե՞ս են այս զարգացումները ազդել տնտեսագիտության եւ ֆինանսների ոլորտի վրա վերջին տարիներին։

- Թվային տեխնոլոգիաներն ու արհեստական բանականությունը ֆինանսների ու տնտեսագիտության ընկալման ու կիրառության մեջ առաջ են բերում պարադիգմի փոփոխություն: Ֆինանսների ոլորտում թվանշային փոխակերպումը ավտոմատացրել եւ արագացրել է գործարքների մշակումը, բարձրացրել է որոշումների կայացման ճշգրտությունը եւ հնարավորություն ստեղծել խելացի կանխատեսման գործիքների առաջացման համար: ԱԲ-ի հիման վրա աշխատող համակարգերն այժմ կարող են գնահատել վարկային ռիսկերը, կանխատեսել դրամական հոսքերի միտումները եւ իրական ժամանակում բացահայտել ֆինանսական խարդախությունները, այսինքն՝ այնպիսի գործառույթներ, որոնք ավանդաբար պահանջում էին մեծ մարդկային ռեսուրս եւ ոչ թե կանխարգելող բնույթ ունեինք, այլ ավելի շուտ արձագանք էին արդեն իսկ առկա վիճակին: 

Ինչ վերաբերում է տնտեսագիտության ոլորտին, ապա Մեծ տվյալների՝ Big data-ի եւ մեքենայական ուսուցման տարածումը տնտեսագետներին հնարավորություն է տվել ավելի մեծ ճշգրտությամբ մոդելավորել եւ վերլուծել մակրոտնտեսական փոփոխականները։ Քաղաքականության մոդելավորումը, որոնք նախկինում շաբաթներ էր խլում, այժմ կարելի է իրականացնել ժամերի ընթացքում՝ ներառելով վարքգծային տվյալներ, սպառողների տրամադրությունները եւ մատակարարման շղթայի վերլուծությունը։ Սկսած կենտրոնական բանկերից մինչեւ կորպորատիվ ֆինանսների բաժիններ՝ թվանշային նորարարությունն անցում է ապահովում հետահայաց վերլուծությունից դեպի կանխատեսող ու ուղղորդող մոտեցումներ։ 

Ի վերջո, ֆինանսներն ու տնտեսագիտությունը այլեւս պարզապես թվերի մասին չեն. դրանք խելացի համակարգերի մասին են, որոնք վերլուծում են բարդ տեղեկատվություն եւ աջակցում ռազմավարական ճկունությանը։

- Որպես փորձագետ, որը զբաղվում է ինչպես գիտական հետազոտություններով, այնպես էլ խորհրդատվությամբ, հատկապես ֆինանսների ոլորտում ԱԲ-ի կիրառության ի՞նչ օրինակներ եք նկատել, որոնք առավելագույնս ազդեցիկ են: 

- Ֆինանսական ոլորտի ինչպես ակադեմիական հետազոտություններում, այնպես էլ խորհրդատվական աշխատանքի ընթացքում ես հանդիպել եմ ԱԲ-ի կիրառության մի շարք օրինակներ, որոնք զգալիորեն բարելավում են ֆինանսական բաժնի կատարողականը։ Ամենաազդեցիկներից է ԱԲ-ի օգտագործումը կանխատեսվող դրամական հոսքերի կանխորոշիչ վերլուծություններում, ինչը կազմակերպություններին հնարավորություն է տալիս ավելի արդյունավետ եւ պրոակտիվ կերպով կառավարել լիկվիդայնությունը։ Պատմական տվյալների եւ շուկայի ցուցանիշների վերլուծության միջոցով՝ ԱԲ մոդելները կարող են նախoրոք նշել հավանական պակասուրդն ու հավելուրդը: 

Ուշագրավ է նաեւ ԱԲ-ի կիրառումը վարկային գնահատման գործընթացում, հատկապես զարգացող շուկաների դեպքում: ԱԲ-ի հիմքով գործող հարթակները կարող են գնահատել անձի վարկունակությունը՝ ներառելով ոչ ավանդական աղբյուրներ, օրինակ՝ բջջային հեռախոսի օգտագործման վերաբերյալ տվյալներ, կամ գործարքների պատմությունը: Այս կերպ հնարավոր է դառնում ֆինանսական հասանելիություն ապահովել այն անձանց եւ ՓՄՁ-ներին, որոնք այլ պարագայում կարող էին մնալ համակարգից դուրս։

ԱԲ-ն նաեւ հեղափոխում է խարդախության հայտնաբերումն ու կիբերանվտանգության ոլորտը։ Մեքենայական ուսուցման ալգորիթմները այժմ կարող են միլիոնավոր գործարքների մեջ վայրկյանների ընթացքում հայտնաբերել անոմալիաները՝ էականորեն նվազեցնելով ֆինանսական հանցագործությունների ռիսկը։

Ի լրումն թվարկվածի, ԱԲ-ի միջոցով հզորացված կառավարման վահանակները ֆինանսների ղեկավարներին հնարավորություն են տալիս վիզուալիզացնելու միտումները, հետեւելու KPI-ներին, եւ այդպիսով կայացնելու տվյալահեն որոշումներ: Այս հարթակները կապ են ստեղծում ֆինանսների եւ ռազմավարության միջեւ՝ CFO-ներին հնարավորություն տալով իրական ժամանակում արձագանքելու կատարողականի ցուցանիշներում, արտաքին ճնշումներում կամ շուկայի դինամիկայում տեղի ունեցող փոփոխություններին: 

- Այս ամենը հիանալի է եւ մեծ առաջընթացի մասին է խոսում, սակայն կան նաեւ ԱԲ-ի կիրառման մի շարք ռիսկեր: Ի՞նչ էթիկական մտահոգություններ են տեսնում Դուք ֆինանսական գործընթացներում ԱԲ-ով աշխատող գործիքների եւ համակարգերի ներդրման հետ: Ինչպե՞ս է պետք կառավարել այդ ռիսկերը։

- Թեեւ ԱԲ-ի ինտեգրումը ֆինանսական գործընթացներում զգալի առավելություններ է տալիս, այդուհանդերձ, այն զերծ չէ լուրջ ռիսկերից ու էթիկական մարտահրավերներից։ Ամենաճնշող մտահոգություններից են ալգորիթմիկ հակումները (անգլ.՝ algorithmic bias)։ Եթե ԱԲ համակարգերը վարժեցված են այնպիսի տվյալների վրա, որոնք արտացոլում են գոյություն ունեցող անհավասարությունները, այդ համակարգերը կարող են շարունակել կամ նույնիսկ խորացնել այդ կողմնակալ հակվածությունները՝ հանգեցնելով անարդար վարկավորման կամ խտրական ֆինանսական որոշումների։

Մեկ այլ խնդիր է ԱԲ մոդելներում թափանցիկության պակասը: ԱԲ գործիքներին հաճախ անվանում են «սեւ արկղեր»: Շատ ԱԲ համակարգերի որոշումների կայացման ձեւն այնպիսին է, որ մարդկանց համար դժվար է դրանք մեկնաբանել կամ վերահսկել, ինչն էլ առաջ է բերում հաշվետվողականության հետ կապված մտահոգություններ՝ հատկապես կարգավորվող ոլորտներում: 

Տվյալների անվտանգության եւ կիբերանվտանգության վերաբերյալ ռիսկերը մեծանում են, երբ ֆինանսական հաստատությունները ինտեգրում են մի քանի ԱԲ հարթակներ: Քանի որ մշակվում եւ պահվում են մեծ ծավալի զգայուն տվյալներ, տվյալների արտահոսքի կամ դրանց չարամիտ օգտագործման հավանականությունը մեծանում է։

Այս ռիսկերը կառավարելու համար կազմակերպությունները պետք է ներդնեն ամուր կառավարման մեխանիզմներ, որոնք ներառում են էթիկական վերահսկողություն, թափանցիկության չափանիշներ եւ ԱԲ համակարգերի պարբերական աուդիտներ։ Չափազանց կարեւոր է նաեւ պահպանել մարդկային վերահսկողությունը՝ հատկապես կարեւոր որոշումների կայացման դեպքում։ ԱԲ-ն պետք է աջակցի եւ ոչ թե փոխարինի մարդկային դատողությանը՝ ապահովելով, որ ֆինանսական նորարարության մեջ էթիկական նկատառումները մնան առաջնային։

- Արդյոք կա՞ն կոնկրետ ոլորտներ, որտեղ ընկերությունները այլեւս կարիք չեն ունենա ֆինանսական մասնագետների, եւ որտեղ արհեստական բանականությունը (ԱԲ) կարող է ամբողջությամբ փոխարինել մարդկանց։ Ինչպե՞ս է փոխվում ֆինանսիստների դերը այս համատեքստում։

- Իհարկե, ֆինանսների որոշակի ոլորտներում ԱԲ-ն արդեն այսօր կարող է կատարել առաջադրանքներ ավելի արագ եւ ճշգրիտ, քան մարդիկ։ Նման գործառույթներ են, օրինակ, հաշիվ-ապրանքագրերի մշակումը, աշխատավարձերի հաշվարկը, ծախսերի հսկումը եւ ցուցանիշների համադրումը։ Դրանք խիստ ստանդարտացված գործընթացներ են, որոնք զգալի օգուտ են ստանում հետեւողական ավտոմատացումից:

Այդուհանդերձ, ԱԲ-ի զարգացումն ամենեւին էլ չի նշանակում ֆինանսական մասնագետների կարիերայի ավարտ, փոխարենն այն ազդարարում է նրանց արժեքային առաջարկում փոփոխության մասին: Մեխանիկական առաջադրանքների կատարման փոխարեն՝ ֆինանսական մասնագետներից այժմ ակնկալվում է հավելյալ արժեք տալ վերլուծության, ռազմավարական մտածողության եւ էթիկական վերահսկման միջոցով: Նրանց դերն ընդլայնվել է՝ ներառելով ֆինանսական պատմությունների ներկայացում, ռազմավարական ռիսկերի վերլուծություն, սցենարային պլանավորում եւ գործարար համագործակցությունների ձեւավորում։

Լուսանկարը` City College

Լուսանկարը` City College