Istoria inteligenței artificiale: din 1950 până azi

Istoria inteligenței artificiale este aventura de decenii a visului de a crea mașini capabile să gândească. Astăzi această aventură are o semnificație aparte pentru echipele financiare: sistemele care citesc bonurile, clasifică cheltuielile și depistează tranzacțiile suspecte nu au apărut peste noapte. Pentru a evalua corect inteligența artificială care transformă astăzi gestiunea cheltuielilor și a achizițiilor, trebuie să știm de unde vine această tehnologie și încotro se îndreaptă. În acest articol vom analiza mai întâi, printr-o scurtă cronologie, momentele-cheie ale inteligenței artificiale, iar apoi vom examina cum a ajuns această tehnologie în procesele financiare — în special în gestiunea cheltuielilor.

Cum a apărut ideea de inteligență artificială?

Întrebarea dacă mașinile pot gândi se întoarce la epoca în care computerele aveau dimensiunea unei camere. În 1950, matematicianul britanic Alan Turing a pus întrebarea sa devenită deja clasică: „Pot mașinile să gândească?” Această întrebare a pus bazele conceptului pe care astăzi îl cunoaștem drept testul Turing: dacă o mașină poate purta o conversație suficient de naturală încât să convingă un evaluator uman, se poate considera că „gândește”.

Nașterea oficială a domeniului este însă Conferința de la Dartmouth din 1956. John McCarthy, Marvin Minsky și ceilalți pionieri ai vremii au discutat aici ideea că mașinile pot învăța și pot rezolva probleme; termenul „inteligență artificială” a fost folosit pentru prima dată tocmai la această conferință.

Primele speranțe și iernile inteligenței artificiale

În cei douăzeci de ani de după Dartmouth, primele programe care demonstrau teoreme matematice și puteau conversa prin tipare simple au stârnit un mare entuziasm. Unii cercetători prevedeau că mașinile care gândesc la nivel uman sunt deja foarte aproape. Realitatea a rămas sub așteptări.

Domeniul a trecut prin două mari perioade de stagnare, numite „iernile inteligenței artificiale”. În prima (1974–1980), puterea de calcul limitată și lipsa datelor au arătat că promisiunile nu pot fi îndeplinite; finanțarea a fost tăiată. În anii '80, sistemele expert bazate pe reguli au devenit populare în lumea afacerilor: aceste structuri, care codificau cunoștințele experților sub forma „dacă există această condiție, atunci fă asta”, funcționau în domenii specifice, dar erau greu de întreținut, puțin flexibile și costisitoare. Când limitele lor au devenit evidente, a venit a doua iarnă (1987–1993).

Lecția acelei perioade este valabilă și astăzi: regulile scrise manual nu pot ține pasul cu complexitatea lumii reale. Aceeași lecție, după cum vom vedea mai departe, avea să se repete identic și în evoluția software-ului financiar.

De la învățarea automată la învățarea profundă

Începând cu sfârșitul anilor '90 a avut loc o schimbare tăcută de paradigmă: cu învățarea automată (machine learning), sistemele au început să învețe regulile singure din date, în loc să le primească gata făcute de la oameni. Creșterea puterii de calcul, abundența de date adusă de internet și progresele în rețelele neuronale artificiale au făcut posibilă această transformare. În 1997, victoria lui Deep Blue asupra campionului mondial de șah Garry Kasparov a devenit simbolul faptului că mașinile pot depăși omul în domenii specifice.

Anii 2010 sunt însă era învățării profunde (deep learning). Rețelele neuronale artificiale cu mai multe straturi, antrenate pe seturi mari de date, au deschis un drum nou în recunoașterea imaginilor și procesarea limbajului natural: în 2012, modelele de învățare profundă au depășit concurenții în competițiile de recunoaștere a imaginilor, în 2016 AlphaGo l-a învins pe campionul mondial de Go, iar arhitectura „transformer” publicată în 2017 a pus bazele actualelor modele lingvistice mari. În anii 2020, inteligența artificială generativă — modele care scriu texte, generează imagini și rezumă documente — a intrat în fluxul de lucru zilnic al milioanelor de oameni.

Sosirea inteligenței artificiale în gestiunea financiară și a cheltuielilor

Fiecare etapă din istoria inteligenței artificiale și-a găsit un corespondent în software-ul financiar. Această evoluție poate fi citită în trei etape.

Prima etapă: controale bazate pe reguli

Prima generație de software financiar funcționa cu reguli scrise manual, exact ca sistemele expert din anii '80: „dacă cheltuiala pentru masă depășește această sumă, să meargă la aprobare”, „factura din această categorie să fie înregistrată în acest cont”. Aceste reguli erau utile, dar fragile. Când politica se schimba, regulile trebuiau actualizate una câte una; fiecare excepție care nu respecta o regulă era examinată manual. Introducerea bonurilor, alegerea categoriei și reconcilierea rămâneau în întregime în sarcina omului — o ordine lentă și predispusă la erori. Costul acestei încărcări manuale pentru companii l-am analizat în detaliu în articolul costul ascuns în timp al introducerii cheltuielilor.

A doua etapă: mașini care citesc documentele

Învățarea automată și învățarea profundă au vizat cea mai grea povară a echipelor financiare: procesarea documentelor. Datorită progreselor în recunoașterea imaginilor, sistemele au devenit capabile să citească bonuri și facturi dintr-o fotografie; suma, data, furnizorul și informațiile fiscale sunt extrase în câteva secunde și înregistrate în câmpurile corecte. Și categorizarea a început să se bazeze pe tipare, nu pe reguli: sistemul, învățând din cheltuielile trecute, plasează singur o cheltuială nouă în categoria corectă. Pe măsură ce introducerea manuală a datelor scădea, se reduceau atât rata de eroare, cât și timpul pe care angajații îl petreceau cu declararea cheltuielilor.

A treia etapă: detectarea anomaliilor și predicția

Etapa actuală este cea în care mașina nu se limitează la a citi și a clasifica, ci observă abaterile. Inteligența artificială învață tiparele de cheltuieli ale companiei și semnalează ceea ce este neobișnuit: bonuri duplicate, declarații suspecte care cad în weekend, cheltuieli care se repetă chiar sub limita politicii. Aceste semnale, pe care controlul manual prin eșantion le scapă, fac posibilă depistarea riscului de fraudă cu cheltuielile înainte să crească. Aceeași capacitate de învățare a tiparelor privește și înainte: pe baza datelor anterioare se pot prevedea tendințele de cheltuieli și se pot observa din timp abaterile de la buget. Nici regulile nu au dispărut; acum verificările politicii de cheltuieli, lucrând împreună cu sistemele care învață, prind cheltuiala anormală chiar în momentul declarării.

Masraff este o platformă de gestiune a cheltuielilor susținută de inteligență artificială, care reprezintă cea mai recentă verigă a acestei evoluții: de la citirea bonurilor și facturilor la categorizarea inteligentă, de la verificarea politicilor la semnalarea anomaliilor, automatizează procesul cheltuielilor de la un capăt la altul.

Întrebări frecvente (FAQ)

Când a apărut pentru prima dată inteligența artificială?

Conceptul a fost introdus oficial la Conferința de la Dartmouth din 1956; baza sa teoretică se sprijină însă pe lucrarea din 1950 a lui Alan Turing.

Care este diferența dintre sistemele bazate pe reguli și sistemele care învață?

În sistemele bazate pe reguli, oamenii scriu fiecare condiție una câte una; sistemul răspunde doar scenariilor definite. Sistemele care învață, în schimb, extrag tipare din date: pot lua decizii rezonabile și atunci când se confruntă cu situații noi și nedefinite anterior. În domeniul financiar, această diferență este cea dintre „controlul unei limite fixe” și „recunoașterea de la sine a unei cheltuieli neobișnuite”.

Cum este folosită inteligența artificială în gestiunea cheltuielilor?

În trei domenii principale: citirea automată a bonurilor și facturilor dintr-o fotografie, categorizarea inteligentă a cheltuielilor pe baza datelor anterioare și semnalarea imediată a cheltuielilor neobișnuite sau neconforme cu politica. Astfel, încărcarea manuală scade, erorile se reduc, iar echipa financiară se poate concentra pe strategie în loc de control.

Va înlocui inteligența artificială echipa financiară?

Nu; preia sarcinile repetitive. În timp ce introducerea datelor, potrivirea și controlul de prim nivel trec la mașină, deciziile care necesită judecată — proiectarea politicilor, aprobarea excepțiilor, strategia de buget — rămân la om.

---

Dezvoltarea de decenii a inteligenței artificiale a atins astăzi o maturitate capabilă să vă ușureze în mod concret procesele de cheltuieli. Dacă doriți să vedeți în propria companie trecerea de la controalele bazate pe reguli la sistemele care învață, contactați-ne — să examinăm împreună ce a schimbat inteligența artificială în gestiunea cheltuielilor.