Объектная инфраструктура бухучета для моделей предприятия, основанных на знании
Гвидо Гиртс, Вильям Маккарти
Начало в выпусках: #135, #136, #137, #138
"IEEE Intelligent Systems & Their Applications",июль-август 1999, стр. 89-94
Проблемы с уникальностью
Необходимость полной автоматизации заставила разработчиков FSA из Arthur Andersen столкнуться с уникальной природой старых бухгалтерских систем.
Во-первых, в FSA пришлось встраивать подробнейшую структуру знаний плана счетов. Это связано с тем, что в разных компаниях для счетов активов, пассивов, капитала, доходов и расходов используются различные индивидуальные и синонимичные наименования.
Во-вторых, так как часть информации о счетах хранится в тестовых сносках, пришлось снабдить FSA функциями анализа естественного языка для некоторых случаев (контрарные счета для амортизации - в товарно-материальных запасах или субаренда - в расходах по арендной плате).
Такие корректировки не представляют сложности для опытного аналитика, но создают серьезные проблемы интерпретации в полностью автоматизированной системе.
В своей узкой сфере FSA работал хорошо, хотя и требовал от операторов глубокого понимания: структур представления знаний; проблем сбора данных; методов объектно-ориентированного программирования.
По договору с SEC, Arthur Andersen (приблизительно в то же время) создала для Edgar вспомогательную систему искусственного интеллекта Eloise. Задача Eloise - анализировать естественный язык других материалов отчета 10-К.
Ни одна из упомянутых систем, как и остальные попытки создания искусственного интеллекта в конце 80-х, не стала частью промышленных версий Edgar, реализованных в 90-е годы. Поэтому единственный вариант, доступный потенциальным пользователям, - прямая связь с файлами Edgar.
SEC не объясняла причин такой недоработки, но, очевидно, дело здесь не в финансах. При уникальной и синтаксической природе систем бухгалтерской отчетности всю семантику для работы FSA должен был обеспечить сам механизм искусственного интеллекта. Характерный пример такой уникальности - многочисленные соглашения о покрытии дебиторской задолженности (13).
Если бы рассматриваемые бухгалтерские системы имели более обширную семантическую базу, создание интеллектуальных систем для работы с такими требованиями не было бы столь пугающей задачей. Распространяемая информация Edgar содержит много данных, но плохо помогает понять их значение.
Неудивительно, что рынок предлагает более сложные и дорогие альтернативы, обеспечивающие анализ и реструктуризацию результатов работы Edgar. Для тех, кто считает эти результаты малопригодными в исходном виде.
Связать внутреннее и внешнее
На Рис. 3 (см. предыдущий выпуск) показано, как реконфигурированную систему поддержки принятия решений (такую как FSA) можно использовать для принятия финансовых решений в среде REA. Процесс и (что в данном случае важнее) объектная семантика остаются при этом нетронутыми и хранятся в модели предприятия.
В отличие от FSA, который приходилось дополнять иерархией счетов и структурами знаний о примечаниях, нашей новой системе, основанной на знаниях, понадобятся лишь структуры, связанные с конкретным опытом принятия решений.
Если перекодировать этот опыт в семантическую сеть, которая имеет те же онтологические функции представления на основе REA, это обеспечит тесную связь двух систем. В сущности, интеллектуальная система определяет концепции лишь на уровне типа, а отдельные консультации реализуются прямой связью "объект - объект".
Организационная и рыночная разветвленность подобных прямых связей внутренних баз данных с внешним принятием решений включает факторы и изменения, описанные многими теоретиками и практиками бухучета (15).
Основная идея - инвесторы должны получить такой же доступ к публичным финансовым данным, как и аналитики, имеющие больше возможностей для обработки знаний. Несмотря на множество технологических препятствий созданию прямых каналов информации, необходимость такого создания очевидна.
Продолжение в следующем выпуске.
Библиография
13. C. Mui and W.E. McCarthy, "FSA: Applying AI Techniques to the Familiarization Phase of Financial Decision Making," IEEE Expert, Vol. 2, No. 3, Fall 1987, pp. 33-41.
14. K.M. Nelson et al., "Virtual Auditing Agents: The EDGAR Agent Challenge," to be published in Decision Support Systems, 1999.
15. S.M.H. Wallman, "The Future of Accounting and Financial Reporting, Part IV: ▒Access'
