بررسی بکارگیری مدل‌های زبانی بزرگ در حسابداری

ظهور مدل‌های زبانی بزرگ (llm) تحولات قابل‌توجهی را در حوزه حسابداری به همراه داشته است. این مدل‌ها توانایی بهینه‌سازی فرآیندهای حسابداری، استخراج و تحلیل داده‌های مالی و به‌روزرسانی روش‌های سنجش را دارند. بااین‌حال، چالش‌هایی مانند محدودیت‌های شناختی در مقایسه با توانایی‌های انسانی، پیچیدگی در پیاده‌سازی، هزینه‌های اجرایی و شکاف مهارتی، موانعی برای پذیرش گسترده این فناوری ایجاد کرده‌ است. پژوهش حاضر با ارائه مرور کلی از مدل‌های llm و مقایسه آن‌ها با توانایی‌های انسانی، چالش‌ها و محدودیت‌های آن‌ها را در حسابداری بررسی می‌کند. همچنین، روش‌های اصلی استفاده از این مدل‌ها، شامل رابط کاربری (ui)، رابط برنامه‌نویسی کاربردی (api)، و یک روش مبتنی بر ادغام با اتوماسیون فرآیند رباتیک (rpa) تشریح می‌گردد. علاوه بر این، مزایا و معایب هر روش ارائه و تاثیر بکارگیری آن‌ها در اجرای یک وظیفه حسابداری از لحاظ زمان، نیروی کار و بهای پیاده سازی، ارزیابی می‌شود. در نهایت، تلاش می‌شود با ارائه نمونه‌های عملی از پیاده‌سازی llm در حسابداری، به درک بهتر کاربردهای آن کمک کرده و به کاهش فاصله بین نوآوری‌های فناورانه و استفاده عملی از آن‌ها در این حوزه اشاره می شود.

examining the application of large language models in accounting

the emergence of large language models (llms) has brought significant transformations to the field of accounting. these models have the capability to optimize accounting processes, extract and analyze financial data, and update measurement methods. however, challenges such as cognitive limitations compared to human capabilities, implementation complexity, operational costs, and skill gaps have created barriers to the widespread adoption of this technology. this study provides a comprehensive review of llms and compares them to human capabilities while examining their challenges and limitations in accounting. additionally, it explores the primary methods of utilizing these models, including user interface (ui), application programming interface (api), and a method based on integration with robotic process automation (rpa). moreover, the advantages and disadvantages of each approach are analyzed, and their impact on performing an accounting task in terms of time, workforce, and implementation cost is evaluated. ultimately, by presenting practical examples of llm implementation in accounting, this study contributes to a better understanding of their applications and helps bridge the gap between technological innovations and their practical use in this field.