Izveštaj o novčanim tokovima često otkriva ono što bilans uspeha ne
pokazuje dovoljno jasno: da li se iskazana dobit zaista pretvara u
gotovinu. Njegova priprema, naročito indirektnom metodom, zahteva
povezivanje glavne knjige, bilansa stanja, bilansa uspeha i evidencija o
investiranju i finansiranju. Upravo zato predstavlja privlačno područje
za primenu veštačke inteligencije.
AI već može da ubrza rekonstrukciju podataka, predloži formule,
klasifikuje transakcije, pronađe neuobičajena odstupanja i pomogne u
prognoziranju likvidnosti. Ipak, istraživanja ne potvrđuju postojanje
standardizovanog, potpuno pouzdanog postupka kojim opšti AI alat
samostalno sastavlja propisani izveštaj od početka do kraja. Najrealniji
model zato nije „AI umesto računovođe“, već AI kao pomoćnik unutar
kontrolisanog procesa u kojem čovek zadržava računovodstvenu procenu,
pregled i konačno odobrenje.
Optimisticna perspektiva
Indirektna metoda počinje neto dobiti, a zatim je usklađuje sa
novčanim tokom iz poslovnih aktivnosti. Prvo se koriguju nenovčane
stavke, poput amortizacije, kao i druge stavke koje utiču na rezultat,
ali ne predstavljaju tekući priliv ili odliv gotovine. Potom se obrađuju
promene obrtnog kapitala, uključujući kretanja potraživanja, zaliha i
tekućih obaveza. Rast potraživanja, na primer, može objasniti zašto je
dobit porasla bez odgovarajućeg priliva novca.
Nakon poslovnog toka odvojeno se prikazuju investicione aktivnosti,
kao što su kupovine ili prodaje dugoročne imovine i ulaganja, i
finansijske aktivnosti, poput zaduživanja, otplate duga i transakcija
koje neposredno utiču na vlasnike ili poverioce. Tačna klasifikacija je
važna čak i kada greška ne menja konačno stanje gotovine, jer pogrešno
predstavljanje vrste toka može iskriviti sliku o poslovnom modelu i
kvalitetu finansiranja.
AI može da pomogne u svakoj od ovih faza. Može da objedini izvoze iz
različitih ERP sistema, prepozna neusaglašene nazive konta, predloži
mapiranje stavki i označi transakcije čija klasifikacija odstupa od
uobičajenog obrasca. Može da rekonstruiše vezu između promena bilansnih
pozicija i knjiženja, proveri da li su zbirni tokovi usklađeni sa
promenom gotovine i izdvoji stavke koje zahtevaju ljudsku procenu.
Posebno je korisna analiza kvaliteta novčanog toka. Ako neto dobit
raste, a operativni novčani tok stagnira ili opada, AI može brzo da
izdvoji moguće pokretače: rast potraživanja, gomilanje zaliha, promenu
obaveza ili nenovčane prihode i rashode. Takvo razilaženje nije
automatski dokaz problema, ali predstavlja signal koji finansijski tim
treba da protumači u poslovnom kontekstu.
Alati kao što su Microsoft Copilot u Excelu i ChatGPT Enterprise mogu
da pomažu pri čišćenju tabela, pisanju i objašnjavanju formula, izradi
grafikona, otkrivanju trendova i sažimanju odstupanja. Anaplan, Workday
Adaptive Planning i Planful podržavaju planiranje, scenarije,
prediktivne prognoze, analizu varijansi i detekciju anomalija. Vena i
Cube predstavljaju dodatne primere platformi iz šireg okruženja
finansijskog planiranja. Njihova vrednost je najveća kada rade nad
uređenim, integrisanim i kontrolisanim podacima.
Prognoziranje je još jedno snažno područje. AI može da poveže
istorijske tokove sa pokretačima kao što su prodaja, broj zaposlenih,
obim poslovanja ili rokovi naplate. Umesto jedne procene, tim može da
razmatra osnovni, povoljan i nepovoljan scenario, kao i verovatnosne
raspone. Tako izveštaj o novčanim tokovima postaje osnova za aktivno
upravljanje likvidnošću, a ne samo periodični istorijski dokument.
Pesimisticka perspektiva
Najveća opasnost nastaje kada se sposobnost AI alata da proizvede
uverljiv odgovor pomeša sa računovodstvenom pouzdanošću. Generativni
modeli mogu da haluciniraju, odnosno da iznesu netačne zaključke
sigurnim i profesionalnim tonom. Mogu pogrešno da klasifikuju
transakciju, primene neodgovarajuću logiku ili prikriju grešku uredno
napisanim objašnjenjem.
Kvalitet rezultata neposredno zavisi od kvaliteta ulaza. Neusklađena
konta, duplikati, nedostajuća knjiženja, pogrešni periodi i složeni
dokumenti mogu proizvesti netačne korekcije. Što je transakcija
neobičnija, to je veća potreba za profesionalnim rasuđivanjem. AI može
da predloži klasifikaciju, ali ne treba samostalno da odlučuje o
materijalnim ili nestandardnim stavkama.
Poverljivost je dodatni rizik. Finansijski podaci ne bi smeli da se
unose u javne ili neodobrene alate bez odgovarajućih pravila pristupa.
Poslovne verzije, poput ChatGPT Enterprise, nude zaštitne mehanizme i
podrazumevano ne koriste sadržaj korisničkih radnih prostora za obuku
modela, ali organizacija i dalje mora da uređuje dozvole, čuvanje
podataka i revizijske evidencije.
Neophodan je i jasan trag revizije: izvor podataka, korišćena
pravila, AI predlog, izvršena izmena, osoba koja je proverila rezultat i
konačno odobrenje. Bez toga se brzina dobija po cenu dokazivosti.
Prognoze nose dodatne rizike pristrasnosti, preteranog oslanjanja na
istorijske obrasce i neopravdanog poverenja u precizne brojeve.
Usvajanje je ubrzano, ali neravnomerno. Krajem 2025. godine 44%
anketiranih finansijskih direktora navelo je više od pet primena
generativne AI, naspram 7% prethodne godine, dok približno dve trećine
organizacija još nije započelo širenje AI na nivou celog preduzeća.
Najviše napreduju organizacije sa standardizovanim procesima,
kvalitetnim podacima, integracijama i kontrolama.
Postoji i opravdana zabrinutost zbog promena poslova. Rutinsko
usaglašavanje, klasifikovanje i priprema prvih verzija analiza mogu se
smanjiti. Međutim, raste potreba za ljudima koji projektuju kontrole,
proveravaju modele, tumače odstupanja i preuzimaju odgovornost. Promena
uloga je realnija od senzacionalističke tvrdnje da računovođa postaje
suvišan.
Prakticni saveti
Dobar početak je ograničen, proverljiv radni tok. Tim može iz ERP
sistema da izveze probni bilans, glavnu knjigu i uporedne bilanse stanja
u Excel. Copilot zatim može da predloži formule za promene konta, označi
neuobičajena odstupanja i pripremi tabelu za mapiranje na poslovne,
investicione i finansijske tokove. ChatGPT Enterprise može da pomogne u
čišćenju datoteke, sažimanju razlika i formulisanju pitanja za
proveru.
Računovođa potom pregleda svako materijalno mapiranje, potvrđuje
nenovčane korekcije i proverava promene obrtnog kapitala. Investicione i
finansijske transakcije usaglašavaju se sa pomoćnim evidencijama,
ugovorima i izvodima. Na kraju se kontroliše da li početno stanje
gotovine, zbir tokova i završno stanje čine zatvorenu celinu. AI
objašnjenja treba čuvati kao radnu dokumentaciju, ali ne kao zamenu za
dokaze.
Za prognoze je korisno povezati odobrene stvarne podatke sa
kontrolisanim pretpostavkama u platformama kao što su Anaplan, Workday
Adaptive Planning ili Planful. Svaki scenario treba da ima vlasnika,
datum, verziju i dokumentovane pokretače. Pragovi za anomalije i
odstupanja moraju biti unapred definisani, a ne proizvoljno prihvaćeni
iz AI odgovora.
Uravnotezen zakljucak
AI može značajno da ubrza sastavljanje i analizu izveštaja o novčanim
tokovima, naročito kroz rekonstrukciju podataka, formule, klasifikacione
predloge, kontrole, tumačenje odnosa dobiti i operativnog toka i izradu
scenarija. Ne može se, međutim, tretirati kao samostalan i nepogrešiv
sastavljač propisanog izveštaja.
Najbolji rezultat nastaje kada se deterministički obračuni i formalne
kontrole odvoje od generativnih objašnjenja, a svaka važna odluka ostane
proverljiva. Organizacije sa uređenim podacima, integrisanim sistemima i
jasnim odgovornostima imaće najveću korist. AI tada ne ukida
profesionalno rasuđivanje, već računovođi daje više vremena da ga
primeni tamo gde je najpotrebnije.