Dragan Stojanovic — August 04, 2026
Savremeno poslovanje stavlja finansijske direktore, vlasnike
preduzeća i računovođe pred stalan izazov: kako precizno analizirati
strukturu troškova, pravedno raspodeliti opšte troškove i na vreme
uočiti prilike za uštedu. Sa brzom evolucijom alata kao što su Microsoft
Copilot u Excelu, ChatGPT Enterprise, specijalizovane FP&A platforme
i modeli mašinskog učenja, računovodstvo troškova prolazi kroz najveću
transformaciju u poslednjih nekoliko decenija. Sposobnost obrade velikih
količina podataka u realnom vremenu i automatska identifikacija
anomalija menjaju način na koji posmatramo upravljačko računovodstvo.
Međutim, dok jedni u ovim tehnologijama vide potpunu automatizaciju i
oslobađanje od rutinskog rada, drugi ukazuju na ozbiljne tehničke
rizike, nedostatak determinističke preciznosti i opasnost od slepog
oslanjanja na algoritme.
Optimistična
perspektiva: Rekordna produktivnost i strateški uvidi
Za zagovornike primene veštačke inteligencije u finansijama, napredak
koji donose moderni alati predstavlja renesansu produktivnosti.
Tradicionalni procesi troškovnog računovodstva godinama su bili
opterećeni ručnim čišćenjem podataka, preoblikovanjem izvoza iz ERP
sistema i dugotrajnim usaglašavanjem računovodstvenih kartica. Danas
alati poput Microsoft Copilot u Excelu automatski prepoznaju tipove
kolona, popunjavaju nedostajuće vrednosti i direktno se povezuju sa ERP
sistemima poput SAP-a i Dynamics 365 Finance. Kroz koncept prilagođenih
veština (custom skills), finansijski timovi mogu standardizovati
ponovljive postupke, poput mesečnog zatvaranja knjiga, analize
odstupanja troškova u odnosu na budžet (Variance to Budget) ili pripreme
izveštaja za upravne odbore.
Dodatno, integracija finansijskih konektora za servise kao što su
FactSet, LSEG, Moody’s ili S&P Global omogućava ulazak proverenih
eksternih podataka direktno u radne sveske. Kada je reč o analizi
kompleksnih setova podataka, ChatGPT Enterprise sa svojim Python
okruženjem omogućava dubinsku statističku analizu, prepoznavanje
trendova i automatsko vizuelno prikazivanje raspodele opštih troškova
bez potrebe da analitičar sam piše složene skripte.
Na nivou naprednog planiranja, specijalizovane FP&A platforme kao
što su Workday Adaptive Planning, Anaplan, Planful ili Board podižu
analizu troškova na viši nivo. Funkcionalnosti poput Workday Illuminate
ili Planful Predict: Signals deluju kao rani sistem upozorenja. One
kontinuirano prate dnevnike transakcija i automatski identifikuju
anomalije i odstupanja pre nego što se knjige zatvore. Zahvaljujući
naprednim algoritmima mašinskog učenja — kao što su Autoencoder mreže za
otkrivanje neobičnih stavki, Graph Neural Networks (GNN) za mapiranje
strukturnih relacija između računovodstvenih konta, i gradijentno
pojačana stabla poput LightGBM-a — alati prepoznaju obrasce koje ljudsko
oko lako spregleda.
Ključni argument optimista leži u konceptu objašnjive veštačke
inteligencije (Explainable AI – XAI). Primena metoda poput SHAP-a ili
RESHAPE-a omogućava finansijskim stručnjacima da tačno razumeju zašto je
algoritam označio određeni trošak kao anomaliju. Time se ukida efekat
“crne kutije” i omogućava finansijskim direktorima da sa punim
poverenjem i jasnim argumentima odbrane svoje predloge za optimizaciju
troškova pred menadžmentom.
Pesimistična
perspektiva: Tehnička ograničenja, rizik od grešaka i gubitak
kontrole
S druge strane, skeptici i finansijski konzervativci upozoravaju da
nekritička primena veštačke inteligencije u troškovnom računovodstvu
nosi ozbiljne opasnosti. Prva i najvažnija stavka jeste činjenica da su
generativni AI modeli po svojoj prirodi probabilistički, a ne
deterministički. I sam Microsoft izričito upozorava da se Copilot ne bi
trebao koristiti za zadatke gde je neophodna apsolutna matematička
preciznost ili regulatorna odgovornost, već se za izračunavanje ključnih
finansijskih pokazatelja mora i dalje oslanjati na nativne Excel formule
poput SUM, AVERAGE ili IF.
Pored osnovnog rizika od generisanja netačnih rezultata, praktičan
rad sa AI alatima opterećen je strogim tehničkim ograničenjima koja
često frustriraju korisnike u realnom radnom okruženju. Na primer,
Copilot u Excelu zahteva da datoteka bude sačuvana na servisu OneDrive
ili SharePoint uz obavezno uključenu opciju AutoSave i podešavanje
kalkulacije na “Automatic”. Funkcija COPILOT poseduje
striktno ograničenje od 100 proračuna u intervalu od 10 minuta, nakon
čega izbacuje grešku #CONNECT. Pored toga, ova
funkcionalnost je potpuno onemogućena u radnim sveskama koje su označene
kao “Confidential” ili “Highly Confidential”, što stvara ozbiljnu
prepreku za obradu najosetljivijih troškovnih podataka.
Slična ograničenja postoje i kod alata kao što je ChatGPT. Unos
spojenih ćelija (merged cells), prisustvo više nezavisnih tabela na
jednom listu ili složeni vizuelni raspredi u Excelu često dovode do
grešaka u Python bibliotekama za obradu podataka. Datoteke veličine
preko 50MB za CSV ili radne sveske ne mogu se analizirati u ChatGPT-ju,
a njegovo interno okruženje ne može upućivati vanjske API pozive niti
pristupati podacima van otpremljenog fajla.
Pesimisti takođe naglašavaju opasnost od erozije ljudskog znanja i
ugrožavanja radnih mesta početnih finansijskih analitičara. Ako AI
preuzme raspodelu opštih troškova i uočavanje odstupanja, mlađi kadrovi
gube priliku da kroz rutinski rad shvate suštinu troškovnih struktura.
Slepo verovanje algoritmima bez razumevanja metodologije raspodele može
dovesti do pogrešnih poslovnih odluka, sankcija pri reviziji i gubitka
finansijske kontrole nad poslovanjem.
Praktični
saveti za finansijske timove i rukovodioce
Da bi se iskoristile prednosti veštačke inteligencije uz minimizaciju
rizika, preduzećima se preporučuje primena sledećih praktičnih
koraka:
- Pripremite i strukturirajte podatke: Pre unosa u AI
alate, obezbedite čiste podatke. Koristite jasne nazive kolona u prvom
redu, izbegavajte spojene ćelije i prazne redove koji prekidaju nizove.
Za ChatGPT primenu, pretvaranje složenih radnih sveski u čist CSV format
znatno smanjuje mogućnost greške. - Zadržite nativne formule za matematičke proračune:
Koristite AI za identifikaciju trendova, analizu odstupanja i
generisanje narativa, ali matematičko sabiranje, raspodelu i obračune
uvek vršite putem proverenih Excel formula (SUM, AVERAGE, IF,
XLOOKUP). - Osigurajte bezbednost i privatnost podataka:
Koristite isključivo poslovne licence (ChatGPT Enterprise, Microsoft 365
Copilot) koje podrazumevano garantuju da se vaši finansijski podaci ne
koriste za treniranje javnih AI modela, uz AES-256 enkripciju i
usklađenost sa GDPR i SOC 2 standardima. - Definišite prilagođene veštine (Custom Skills): U
Copilot-u ili FP&A platformama kreirajte dokumentovane, ponovljive
tokove rada za mesečnu raspodelu opštih troškova kako bi algoritam
dosledno pratio odobrene interne računovodstvene procedure.
Zaključak:
Uravnotežen pristup i princip ljudskog odlučivanja
Veštačka inteligencija u troškovnom računovodstvu ne predstavlja
zamenu za finansijske stručnjake, već izuzetno snažan analitički
instrument. Dok optimistima pruža neprocenjivu brzinu i dubinske uvide u
realnom vremenu, pesimisti s pravom podsećaju na tehnička ograničenja i
rizik od netačnih proračuna.
Ključ uspešne primene leži u jasnom razdvajanju uloga: veštačka
inteligencija treba da funkcioniše kao analitički asistent koji predlaže
alokacije, uočava anomalije i priprema nacrte izveštaja, dok sve
formalne računovodstvene odluke, odobrenja raspodele troškova i konačne
finansijske izveštaje mora verifikovati i potpisati čovek
(Human-in-the-Loop). Samo takvim uravnoteženim pristupom organizacije
mogu ostvariti vrhunsku operativnu efikasnost bez ugrožavanja
finansijske stabilnosti i revizorskog integriteta.