İktisadi perspektiften bakıldığında, teknolojik gelişmenin yönünü belirleyecek temel ayrım, Daron Acemoğlu gibi ekonomistlerin de vurguladığı üzere; teknolojinin insan emeğini destekleyen bir "asistan" mı olacağı, yoksa doğrudan sermaye ile değiştirerek insanı "ikame" mi edeceğidir.
Muhasebe Mesleği Neden "İkame" Riski Altında?
Frey ve Osborne’un (2013) meşhur araştırmasından günümüze dek, muhasebecilik otomasyona uğrama riski en yüksek meslekler arasındadır. Bunun temel nedeni; muhasebenin büyük ölçüde veri girişi, mutabakat ve deterministik (kurala bağlı) hesaplamalardan oluşmasıdır. Bugün ön muhasebe birimlerine ihtiyaç duymadan, masrafları kendi sınıflandırıp yatırımcı raporu hazırlayan yapay zeka ajanları halihazırda şirketlerde kullanılmaktadır.
Zorunlu Dönüşüm: Veri Operatörlüğünden "Eleştirel Küratörlüğe"
Muhasebe mesleği mutlak bir yok oluşa gitmemektedir. Ancak mevcut iş gücünün rutinlerden sıyrılarak yapay zeka çıktılarını doğrulayan, bağlamsal yorumlar üreten entelektüel seçicilere (küratörlere) dönüşmesi şarttır. Geleceğin finans profesyonelleri için "Yeniden Beceri Kazandırma (Reskilling)" programları şu 4 ana yetkinliğe dayanmalıdır:
Yalnızca araç kullanımı değil, Yapay Zeka Okuryazarlığı şarttır. Veri biliminin temellerini bilmek, Bulut Bilişim ve API entegrasyonlarını yönetebilmek ve AI'dan doğru finansal çıktıları alabilmek için "Prompt Mühendisliği" (doğru soruyu sorma sanatı) geliştirilmelidir.
AI veriyi insandan çok daha hızlı işler; ancak bu çıktıları Eleştirel Kürasyon ile doğrulamak insanın görevidir. Belirsizlik altında stratejik karar alma süreçleri ve algoritmik çıktıların "Etik Muhakemesi" geleceğin en değerli yetkinlikleri arasındadır.
Yapay zekanın simüle etmekte en çok zorlandığı alan, insanın vazgeçilmez "kalesi" olacaktır. Yatırımcıları ikna ve müzakere yeteneği, müşteriyle kurulacak empatik güven ilişkisi ve klasik kayıt tutuculuğun yerini alacak olan Stratejik Finansal Mentorluk öne çıkacaktır.
Meslek profili disiplinler arası (Tarak Tipi) bir modele evrilmelidir. Sektöre özel karmaşık maliyet analizleri, ince vergi kanunları gibi derin teknik (Domain) bilgiler ve teknolojinin hızına ayak uydurmak için "Sürekli Öğrenme (Life-long Learning)" disiplini kaçınılmazdır.
İlginç Bir İkilem: Moravec Paradoksu
Yapay zeka devrimiyle birlikte Moravec Paradoksu tam anlamıyla yüzümüze çarpmıştır. Bir robotun bozulan bir musluğu tamir etmesi (motor ve uzaysal beceriler) yapay zeka için hala çok maliyetli ve zorken; binlerce sayfalık karmaşık bir finansal veriyi analiz etmesi milisaniyeler sürmektedir. Bu da gelecekte bir tesisatçının, rutin bilişsel işler (veri girişi) yapan bir muhasebeciden çok daha fazla iş güvencesine sahip olabileceği anlamına gelmektedir.