استفاده از هوش مصنوعی برای ساختن مدل مالی هر روز رایج‌تر می‌شود. کسی که پیش‌زمینه‌ی مالی ندارد می‌گوید «با AI مدل را سر هم کردم»؛ و دقیقاً اینجاست که مشکل شروع می‌شود. در این نوشته می‌بینیم هوش مصنوعی در مدل‌سازی مالی کجا کمک می‌کند، کجا خطرناک می‌شود و چگونه باید از آن استفاده کرد.
«با AI ساختمش…»
سناریوی فرضی ولی بسیار رایج را در نظر بگیرید: شخصی مدلی ساخته که صورت جریان وجوه نقدش با ترازنامه نمی‌خواند و منطقش در همه‌جا پراکنده است. وقتی علت را می‌پرسید، می‌گوید: «پیشینه‌ی این کار را ندارم؛ با هوش مصنوعی جمعش کردم.»
تلاش ستودنی است، ولی خطاها برای کسی که مبانی را بداند آشکار است. بدتر اینکه چند ساعت صرف سر هم‌کردن یک مدل خراب شده، در حالی که با کمی زمان برای یادگیری روش غیرمستقیم جریان نقد، می‌شد از اول درست پیش رفت. مطالعه‌ی خطای شماره یک در مدل سه صورت مالی دقیقاً همین ریشه را نشان می‌دهد.
ضرب‌المثل «کمی بلدم و همین خطرناکم می‌کند» حالا نسخه‌ی جدیدی دارد: «بلدم و واقعاً خطرناکم.»
هوش مصنوعی ضریب‌دهنده است، نه مربی
این به معنای مخالفت با AI نیست. در دست آدم درست، ابزار فوق‌العاده‌ای است و می‌تواند به سؤال‌های بی‌شمار در لحظه پاسخ دهد، توضیح دهد چرا چیزی کار می‌کند و فرمول‌های پیچیده‌ای را که ساعت‌ها پژوهش لازم داشت سریع پیشنهاد کند.
ولی همین ویژگی یک ریسک هم هست: پرسش و پاسخ بی‌ساختار با یادگیری ساختارمند فرق دارد. بدون برنامه‌ی درسی یا پایه‌ی محکم، دیدن تصویر کلی دشوار است و اعتمادبه‌نفس روی زمین سست شکل می‌گیرد. اینجاست که خطاهای کوچک روی هم انباشته می‌شوند.
جمله‌ی معروفی هست که می‌گوید دردسر از چیزی که نمی‌دانید نمی‌آید، از چیزی می‌آید که مطمئنید می‌دانید ولی درست نیست. (نکته‌ی جالب اینکه نسبت‌دادن این جمله به برخی نویسندگان مشهور مستند نیست؛ خودش نمونه‌ای است از «گفته‌ای که بدون راستی‌آزمایی قانون می‌شود».)
مشکل «شاخص ساختگی»
برای فهم خطر، به این مثال توجه کنید: یک مدل‌ساز، به شوخی، شاخصی ساختگی ساخت به نام «EBITDA تعدیل‌شده با فضا-زمان»، مفهومی خیالی که «هر چیزی را که تا به حال اتفاق افتاده به سود اضافه می‌کند». بعدها دید که این عبارت در خلاصه‌های هوش مصنوعی موتورهای جست‌وجو طوری ظاهر می‌شود که انگار شاخص واقعی است.
خنده‌دار است و عمدتاً بی‌ضرر. ولی نه همیشه. در دست غلط، محتوای تولیدشده با AI می‌تواند واقعی به نظر برسد و در بدترین حالت وارد مدل‌هایی شود که تصمیم‌های واقعی را شکل می‌دهند. این سامانه‌ها شوخی را بهتر تشخیص خواهند داد، پس این مثال خاص قدیمی می‌شود. اما خطر در شکل‌های جدید برمی‌گردد. اگر چنین شاخصی را در یک ارائه‌ی سرمایه‌گذاری دیدید، احتمالاً باید از آن گذشت.
مبانی چرا هنوز مهم است؟
سه دلیل ساده:
- تشخیص خطا. اگر مبانی را ندانید، خروجی غلط را از درست جدا نمی‌کنید.
- پرسیدن سؤال درست. کیفیت پاسخ AI به کیفیت پرسش شما بستگی دارد، و پرسش خوب از درک مفهومی می‌آید.
- مسئولیت. مدل با اسم شماست. اگر بپرسند «چرا این عدد را وارد کردی؟»، نمی‌توانید بگویید «هوش مصنوعی گفت».
برای تعیین اینکه مبانی دقیقاً چه هستند، سه پایه‌ی مدل‌سازی مالی راهنمای مفیدی است: حسابداری، مالی و ابزار.
چگونه درست از AI استفاده کنیم؟
سه قاعده‌ی عملی:
- برای شتاب بگیرید، نه میان‌بر. AI را برای سریع‌تر شدن در کاری که می‌فهمید به کار ببرید.
- مبانی را کوتاه نیاورید. ابتدا ساختار سه‌صورتی، روش غیرمستقیم جریان نقد و منطق ترازنامه را یاد بگیرید.
- همه‌چیز را راستی‌آزمایی کنید. هر عدد و فرمول پیشنهادی را با یک آزمون ساده بسنجید: آیا ترازنامه تراز می‌شود؟ آیا مانده‌ی نقد با جریان نقد می‌خواند؟
سپس بگذارید AI شما را در آنچه از قبل می‌فهمید تندتر کند. این‌گونه از منطق خراب و ساخت «شاخص ساختگی» بعدی دور می‌مانید.
یک چک‌لیست کوتاه قبل از اعتماد به خروجی AI
- آیا ترازنامه در همه‌ی دوره‌ها تراز می‌شود؟
- آیا مانده‌ی پایان دوره‌ی صورت جریان وجوه نقد با نقد ترازنامه برابر است؟
- آیا علامت‌ها (مثبت و منفی) در تغییرات دارایی و بدهی درست است؟
- آیا هر مفروضه ریشه‌ای قابل‌دفاع دارد؟
- آیا شاخص‌هایی که AI معرفی کرده در منابع معتبر وجود دارند؟
پرسش‌های متداول
آیا باید از هوش مصنوعی در مدل‌سازی مالی استفاده نکنم؟
نه. اتفاقاً استفاده کنید، اما به عنوان تقویت‌کننده‌ی مهارت خودتان، نه جایگزین یادگیری.
از کجا بفهمم مبانی‌ام کافی است؟
اگر بتوانید بدون کمک ابزار توضیح دهید چرا استهلاک به سود خالص اضافه می‌شود و چرا افزایش دریافتنی‌ها نقد را کم می‌کند، پایه‌ی خوبی دارید.
AI می‌تواند خطای مدل را پیدا کند؟
گاهی بله، اما نباید تنها ممیز باشد. آزمون‌های ساختاری (ترازبودن ترازنامه، تطابق نقد) را خودتان بسازید.
بزرگ‌ترین خطر استفاده‌ی بی‌ساختار از AI چیست؟
اعتمادبه‌نفس کاذب: مدلی که ظاهر حرفه‌ای دارد ولی منطقش خراب است.
جمع‌بندی
هوش مصنوعی ضریب‌دهنده‌ی مهارت است. اگر پایه نداشته باشید، خطاهایتان را سریع‌تر و با اعتمادبه‌نفس بیشتر تولید می‌کند؛ و اگر پایه داشته باشید، سرعتتان را چند برابر می‌کند. اول مبانی، بعد شتاب.