Γιατί το Excel θα μπορούσε να καθορίσει το μέλλον της AI στη λογιστική

Νέα έρευνα υποδηλώνει ότι το μεγαλύτερο εμπόδιο στην τεχνητή νοημοσύνη στη λογιστική μπορεί να μην είναι η δυσπιστία προς την AI αυτή καθαυτή. Μπορεί να είναι η άνεση, η ευελιξία και το θεσμικό βάρος του Microsoft Excel. Αυτό καθιστά το φύλλο εργασίας τόσο φραγμό για την αναστάτωση όσο και ενδεχόμενο ισχυρό σημείο εισόδου για τη Microsoft.

Μια νέα μελέτη 271 λογιστικών επαγγελματιών εξέτασε γιατί ορισμένες οργανώσεις υιοθετούν τεχνητή νοημοσύνη ενώ άλλες παραμένουν προσκολλημένες σε γνωστά εργαλεία ανάλυσης. ¹ Η κεντρική της εύρεση είναι παραπλανητικά απλή: η χρήση του Excel για ανάλυση δεδομένων συσχετιζόταν αρνητικά με την υιοθέτηση AI, ενώ η εκπαίδευση AI και η ευρύτερη υιοθέτηση εργαλείων ανάλυσης δεδομένων σχετίζονταν θετικά με αυτήν.

Αυτό δεν σημαίνει ότι το Excel είναι ξεπερασμένο ή ότι οι λογιστές είναι παράλογοι. Το Excel παραμένει ευέλικτο, ευρέως κατανοητό και βαθιά ενσωματωμένο στον προϋπολογισμό, την συμφωνία, τις προβλέψεις, τις αναφορές και την προετοιμασία ελέγχων. Το πιο σημαντικό μάθημα είναι ότι η υιοθέτηση τεχνολογίας εξαρτάται από τη ροή εργασίας, τις συνήθειες, την αντιληπτότητα του κινδύνου και την εκπαίδευση όσο και από την τεχνική δυνατότητα.

Για τους επενδυτές, αυτό αλλάζει τον τρόπο αξιολόγησης της επιχειρηματικής ευκαιρίας AI. Οι πιθανοί νικητές μπορεί να μην είναι οι εταιρείες που προσφέρουν την πιο δραματική αντικατάσταση της καθιερωμένης εργασίας. Μπορεί να είναι οι εταιρείες που μπορούν να ενσωματώσουν AI σε λογισμικό που οι εργαζόμενοι ήδη ανοίγουν κάθε πρωί.

Γιατί το Excel μπορεί να επιβραδύνει την υιοθέτηση AI στη λογιστική

Οι ερευνητές προσέγγισαν την υιοθέτηση AI μέσω ενός μοντέλου διπλού παράγοντα. Αντί να θεωρούν την υιοθέτηση ως απλή ερώτηση του εάν οι χρήστες βλέπουν αρκετά οφέλη, εξέτασαν τόσο τους οδηγούς όσο και τους αναστολείς. Ένας υπάλληλος μπορεί να αναγνωρίσει ότι η AI είναι χρήσιμη ενώ ταυτόχρονα να την αντιστέκεται επειδή η αλλαγή εργαλείων εισάγει αβεβαιότητα, κόστος εκπαίδευσης, εργασία ενσωμάτωσης και την πιθανότητα σφαλμάτων.

Αυτή η ένταση είναι ιδιαίτερα σημαντική στη λογιστική. Ένα πειραματικό προσχέδιο μάρκετινγκ μπορεί να διορθωθεί. Ένα λάθος σε οικονομικό μοντέλο, συμφωνία, κανονιστική υποβολή ή έγγραφο ελέγχου μπορεί να έχει ουσιώδεις συνέπειες. Οι λογιστές επομένως έχουν καλούς λόγους να προτιμούν συστήματα των οποίων τις φόρμουλες, τους ελέγχους και τους περιορισμούς τα κατανοούν.

Το Excel ωφελείται επίσης από τη συσσωρευμένη οργανωτική γνώση. Οι εταιρείες έχουν περάσει δεκαετίες χτίζοντας πρότυπα, μακροεντολές, μοντέλα, διαδικασίες αναφοράς και διαδικασίες έγκρισης γύρω από τα λογιστικά φύλλα. Οι υπάλληλοι ξέρουν πώς να ελέγχουν τις φόρμουλες και να παρακολουθούν τους υπολογισμούς. Η αντικατάσταση αυτού του περιβάλλοντος σημαίνει παραίτηση από περισσότερα από μια εφαρμογή. Σημαίνει διαταραχή ενός λειτουργικού συστήματος για οικονομική εργασία.

Η μελέτη ερμηνεύει αυτό μέσω της προκατάληψης της τρέχουσας κατάστασης. Η εξοικείωση παράγει αυτοπεποίθηση και αίσθηση ελέγχου, ενώ οι πιθανές απώλειες που σχετίζονται με τη μετάβαση μπορεί να φαίνονται πιο άμεσες από τα προοπτικά κέρδη. Αυτό βοηθά να εξηγηθεί γιατί η απλή επίδειξη ότι μια πλατφόρμα AI είναι πιο προηγμένη μπορεί να μην είναι αρκετή για την προώθηση της υιοθέτησης.

Τι διαπίστωσε η μελέτη AI στη λογιστική

Το τελικό δείγμα περιελάμβανε 271 λογιστικούς επαγγελματίες που είχαν συμμετάσχει σε πρωτοβουλίες AI, μηχανικής μάθησης ή ανάλυσης δεδομένων. Περίπου το 92 % εργαζόταν σε λογιστικές ή σχετικές υπηρεσίες-συμβουλευτικές οργανώσεις, και το 62 % εργαζόταν σε οργανισμούς με λιγότερους από 500 υπαλλήλους.

Μόνο το 33 % των ερωτηθέντων ανέφερε ότι έλαβε εκπαίδευση AI. Παράλληλα, μόλις το 36 % των ερωτηθέντων που χρησιμοποιούν το Excel για ανάλυση δεδομένων είχαν μεταβεί σε πιο προχωρημένες λύσεις AI. Η μόνο γνώση του Excel δεν ήταν στατιστικά σημαντικός προβλεπτικός παράγοντας όταν λήφθηκε υπόψη το πλήρες μοντέλο, αλλά η πραγματική χρήση του Excel για ανάλυση είχε σημαντική αρνητική συσχέτιση με την υιοθέτηση AI.

Η διάκριση είναι σημαντική. Η γνώση του Excel δεν εμποδίζει αυτόματα κάποιον από το να υιοθετήσει AI. Το εμπόδιο εμφανίζεται όταν οι καθιερωμένες ροές εργασίας των λογιστικών φύλλων ικανοποιούν ήδη τις άμεσες ανάγκες, καθιστώντας το κόστος και την αβεβαιότητα της αλλαγής συστημάτων δύσκολο να δικαιολογηθεί.

Η εκπαίδευση AI έχει μεγαλύτερη σημασία από μια επιπλέον άδεια λογισμικού

Οι οργανισμοί συχνά αντιμετωπίζουν την υιοθέτηση AI ως απόφαση προμηθειών. Αγοράζουν άδειες, ενεργοποιούν λειτουργίες και αναμένουν ότι η χρήση θα ακολουθήσει. Η μελέτη υποδεικνύει ότι αυτή η προσέγγιση συγχέει τη διαθεσιμότητα λογισμικού με την οργανωτική ικανότητα.

Η εκπαίδευση είχε θετική συσχέτιση με την υιοθέτηση AI, όπως και η προηγούμενη υιοθέτηση ευρύτερων εργαλείων ανάλυσης δεδομένων. Συνολικά, αυτά τα αποτελέσματα υποδεικνύουν ότι οι οργανισμοί ωφελούνται από την οικοδόμηση μιας προοδευτικής σειράς δυνατοτήτων. Οι λογιστές που έχουν ήδη ξεπεράσει την βασική ανάλυση φύλλων εργασίας είναι πιο προετοιμασμένοι να αξιολογούν, να επιβλέπουν και να ενσωματώνουν την AI.

Ένα πρακτικό πρόγραμμα υιοθέτησης θα πρέπει επομένως να εστιάσει σε συγκεκριμένες ροές εργασίας:

• Συμφωνία και ανίχνευση ανωμαλιών
• Ανάλυση διακυμάνσεων και διαχείριση αναφορών
• Πρόβλεψη και ανάπτυξη σεναρίων
• Ανασκόπηση εγγράφων και προετοιμασία ελέγχου

Αυτές οι περιορισμένες εφαρμογές είναι πιο εύκολες στην επικύρωση από μια γενική εντολή «χρήση AI». Δημιουργούν επίσης μετρήσιμα αποτελέσματα, όπως λιγότερα χειροκίνητα βήματα, ταχύτερους κύκλους κλεισίματος ή περισσότερες συναλλαγές που ελέγχονται. Αυτό γίνεται όλο και πιο σημαντικό καθώς τα τμήματα οικονομικών καλούνται να αποδείξουν απόδοση των δαπανών AI αντί να αναφέρουν μόνο αριθμούς αδειών ή ενδιαφέρον εργαζομένων.

Η εύρεση συμπληρώνει επίσης μια ευρύτερη ανάλυση του Securities.io που υποστηρίζει ότι τα ιδιωτικά δεδομένα και η θεσμική γνώση ενδέχεται να γίνουν το πιο πολύτιμο άμυλο AI. Στη λογιστική, το μοντέλο είναι μόνο ένα συστατικό. Το πιο δύσκολο πλεονέκτημα προς αναπαραγωγή είναι ο συνδυασμός αξιόπιστων οικονομικών δεδομένων, εδραιωμένων ελέγχων, διαδικασιών ειδικών για την εταιρεία και εργαζομένων που κατανοούν πώς πρέπει να φαίνεται ένα έγκυρο αποτέλεσμα.

Γιατί το Γνωστό Λογισμικό Μπορεί να Γίνει το Καλύτερο Κανάλι Διανομής AI

Το έγγραφο περιγράφει το Excel ως αναστολέα, αλλά αυτό δεν σημαίνει ότι το λογιστικό φύλλο πρέπει να εξαφανιστεί. Η πιο ισχυρή εμπορική αντίληψη είναι ότι η μείωση του κόστους αλλαγής μπορεί να είναι πιο αποτελεσματική από το να ζητηθεί από τους χρήστες να εγκαταλείψουν τα γνωστά εργαλεία.

Η Microsoft ήδη ακολουθεί αυτή τη διαδρομή. Το Finance Agent συνδέει το Excel με υπάρχοντα χρηματοοικονομικά συστήματα και έχει σχεδιαστεί για να υποστηρίζει δραστηριότητες όπως η συμφωνία, η ανάλυση διακυμάνσεων και η παροχή σε πραγματικό χρόνο οικονομικής πληροφόρησης. Αυτό είναι στρατηγικά σημαντικό επειδή φέρνει την AI στη διεπαφή που οι λογιστές ήδη εμπιστεύονται.

Η ενσωμάτωση AI σε υπάρχον λογισμικό μπορεί να αντιμετωπίσει πολλαπλά εμπόδια υιοθέτησης ταυτόχρονα. Περιορίζει τη διαταραχή των ροών εργασίας, διατηρεί τα γνωστά φύλλα εργασίας, επιτρέπει την επανεξέταση των αποτελεσμάτων σε καθιερωμένη μορφή και μειώνει το ψυχολογικό κόστος του πειραματισμού με νέα δυνατότητα. Δεν ζητείται από τον χρήστη να αντικαταστήσει το Excel με AI. Ο χρήστης προσκαλείται να επεκτείνει το Excel μέσω AI.

Αυτό το μοτίβο δεν περιορίζεται στη λογιστική. Η επιχειρηματική AI ανταγωνίζεται όλο και περισσότερο σε διανομή, ενσωμάτωση, διακυβέρνηση και πρόσβαση στο πλαίσιο, παρά μόνο στην απόδοση του μοντέλου. Η πρόσφατη κάλυψη του Securities.io για το UiPath και τη μετάβαση προς την αυτοματοποίηση επιχειρήσεων με πράκτορες απεικονίζει την ίδια εμπορική πραγματικότητα: η αυτοματοποίηση γίνεται πιο πολύτιμη όταν μπορεί να λειτουργεί σε όλες τις εφαρμογές και διαδικασίες που ήδη χρησιμοποιεί η εταιρεία.

Η Υιοθέτηση Δεν Παράγει Αυτόματα Οικονομικές Αποδόσεις

Η μελέτη δεν πρέπει να ερμηνευθεί ως απόδειξη ότι η υλοποίηση AI θα βελτιώσει αναγκαστικά την κερδοφορία. Μετρήθηκε η υιοθέτηση, όχι η οικονομική απόδοση που προκύπτει από αυτήν. Η έρευνά του ήταν σχετικά μικρή, συγκεντρωμένη κυρίως σε συμβουλευτικές εταιρείες σχετικές με τη λογιστική, και διεξήχθη σε σύντομο χρονικό διάστημα. Τα αποτελέσματα της παλινδρόμησης εντοπίζουν συσχετισμούς αντί να αποδεικνύουν ότι η εκπαίδευση ή τα εργαλεία ανάλυσης προκάλεσαν την υιοθέτηση AI από τους οργανισμούς.

Υπάρχουν επίσης κίνδυνοι που το μοντέλο δεν κατέγραψε πλήρως, όπως η προστασία δεδομένων, η κυβερνοασφάλεια, η εμπιστοσύνη σε τρίτους παρόχους, η αξιοπιστία των αποτελεσμάτων και η ρυθμιστική λογοδοσία. Αυτά τα ζητήματα είναι ιδιαίτερα σημαντικά όταν η AI εφαρμόζεται στην οικονομική αναφορά.

Παρόλα αυτά, τα τρέχοντα στοιχεία της βιομηχανίας υποδεικνύουν ότι η υιοθέτηση αυξάνεται. Η 2026 Global AI in Finance Report της KPMG, βασισμένη σε περισσότερους από 1.000 ανώτερους ηγέτες οικονομικών, δείχνει ότι η ενεργή χρήση έχει αυξηθεί σημαντικά, ενώ η εξαιρετική απόδοση παραμένει λιγότερο συχνή από την ίδια την υιοθέτηση. Αυτό το χάσμα ενισχύει το βασικό μήνυμα του εγγράφου: η απόκτηση τεχνολογίας είναι πιο εύκολη από την αλλαγή του οργανισμού γύρω από αυτήν.

Επένδυση στη Διεπαφή για AI Λογιστικής

Για επενδυτές που αναζητούν έκθεση στην υιοθέτηση AI στη λογιστική, η Microsoft προσφέρει μια ιδιαίτερα σχετική θέση. Η εταιρεία κατέχει το Excel, το κυρίαρχο εργαλείο που εντοπίστηκε στη μελέτη, ενώ παράλληλα αναπτύσσει το στρώμα AI που προορίζεται να εκσυγχρονίσει τη χρηματοοικονομική εργασία.

Αυτό δημιουργεί ένα ασυνήθιστο στρατηγικό πλεονέκτημα. Η εδραιωμένη θέση του Excel μπορεί να επιβραδύνει τη μετάβαση προς ανταγωνιστικές πλατφόρμες AI, αλλά παρέχει επίσης στη Microsoft άμεση πρόσβαση σε μια τεράστια εγκατεστημένη βάση χρηματοοικονομικών επαγγελματιών. Αντί να ξεπεράσει την έμφυτη προτίμηση αφαιρώντας την κατάσταση‑από‑πρώτα, η Microsoft μπορεί να τη μονοποιήσει τοποθετώντας το Copilot και πράκτορες προσανατολισμένους στη χρηματοοικονομική λειτουργία μέσα στο υπάρχον περιβάλλον Microsoft 365.

Η επιχειρηματική περίπτωση εκτείνεται πέρα από μία λειτουργία λογιστικής. Η Microsoft μπορεί να συνδυάσει λογισμικό παραγωγικότητας, υποδομή cloud, ελέγχους ταυτότητας, συνδέσεις επιχειρηματικών δεδομένων και πράκτορες AI σε ένα ενιαίο εμπορικό οικοσύστημα. Η ευρύτερη ανάλυση της Microsoft ως επένδυση AI της Securities.io εξετάζει πώς το Copilot εντάσσεται σε αυτήν τη μεγαλύτερη πλατφόρμα.

Υπάρχουν σημαντικοί κίνδυνοι. Οι πελάτες μπορεί να αντισταθούν σε πρόσθετα κόστη συνδρομής, οι οικονομικές ομάδες μπορεί να περιορίσουν την πρόσβαση στην AI λόγω ανησυχιών για την ακρίβεια ή την ιδιωτικότητα, και οι ανταγωνιστικές πλατφόρμες μπορεί να προσφέρουν ισχυρότερες εξειδικευμένες δυνατότητες λογιστικής. Η Microsoft πρέπει επίσης να αποδείξει ότι η ενσωματωμένη AI παράγει μετρήσιμη αξία, αντί να προσθέτει απλώς μια ακόμη πληρωμένη λειτουργία σε ένα ήδη πολύπλοκο σύνολο λογισμικού.

Ωστόσο, η μελέτη υποδεικνύει μια ανθεκτική εμπορική αρχή. Η υιοθέτηση AI σε επιχειρήσεις δεν καθορίζεται μόνο από το ποιο σύστημα είναι το πιο έξυπνο. Καθορίζεται επίσης από το ποιο σύστημα απαιτεί από τους χρήστες την ελάχιστη αλλαγή. Στη λογιστική, το Excel μπορεί να καθυστερήσει τη μετάβαση στην AI, αλλά ενδέχεται τελικά να γίνει η πύλη μέσω της οποίας θα πραγματοποιηθεί αυτή η μετάβαση.

Αναφορές:

¹ Juma’h, A. H., & Li, Y. (2026). Αποκάλυψη του δυναμικού της AI στη λογιστική: Μία μελέτη για τα εμπόδια και τους παράγοντες υιοθέτησης. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905