هزینه‌یابی تعهدات الگوریتم‌های قیمت‌گذاری پویا در ایران (بخش دوم)

مقدمه

ظهور پلتفرم‌های آنلاین در ایران، مانند دیجی‌کالا، اسنپ و تپسی، انقلابی در قیمت‌گذاری پویا ایجاد کرده است. الگوریتم‌های هوش مصنوعی با تحلیل لحظه‌ای داده‌های عرضه و تقاضا، قیمت‌ها را تنظیم می‌کنند. اما این فناوری گاه به تخلفات رقابتی مانند تبعیض قیمتی، تبانی ضمنی یا سوءاستفاده از موقعیت مسلط منجر می‌شود. از منظر حسابداری، این تخلفات تعهداتی ایجاد می‌کنند که باید به‌درستی هزینه‌یابی و افشا شوند. این مقاله با رویکردی عملی، چارچوبی برای شناسایی، اندازه‌گیری و گزارش‌دهی این تعهدات در شرکت‌های ایرانی ارائه می‌دهد.

ماهیت تعهدات ناشی از الگوریتم‌های قیمت‌گذاری پویا

تعهدات ناشی از الگوریتم‌های قیمت‌گذاری پویا به دو دسته اصلی تقسیم می‌شوند: تعهدات ناشی از تخلفات رقابتی (مانند جریمه‌های سازمان حمایت از مصرف‌کنندگان و تولیدکنندگان) و تعهدات ناشی از جرایم مصرف‌کننده (مانند بازپرداخت اضافه‌قیمت). برای مثال، فرض کنید یک پلتفرم تاکسی اینترنتی در تهران، در ساعات شلوغی، قیمت را سه برابر می‌کند. اگر سازمان حمایت این افزایش را غیرمنصفانه تشخیص دهد، شرکت موظف به پرداخت جریمه و بازپرداخت به کاربران می‌شود. از دیدگاه حسابداری، این تعهدات مشمول استاندارد حسابداری شماره ۵ (تعهدات احتمالی) و استاندارد بین‌المللی گزارشگری مالی (IFRS) شماره ۳۷ (ذخایر، بدهی‌های احتمالی و دارایی‌های احتمالی) هستند.

شناسایی و اندازه‌گیری هزینه‌ها

برای شناسایی این تعهدات، حسابداران باید ابتدا به شناسایی رویدادهای الزام‌آور بپردازند. یک رویداد الزام‌آور زمانی رخ می‌دهد که شرکت تشخیص دهد الگوریتم آن باعث زیان مصرف‌کننده شده است. به عنوان مثال، اگر پلتفرمی در یک بازه سه‌ماهه به دلیل خطای الگوریتم، ۱۰٪ اضافه‌قیمت از کاربران دریافت کرده باشد، باید ذخیره‌ای معادل ۱۰٪ از درآمد آن بازه (پس از کسر هزینه‌های وصول) ایجاد کند. اندازه‌گیری این ذخایر نیاز به برآورد دارد: بهترین برآورد بر اساس میانگین وزنی سناریوهای محتمل (مانند ۷۰٪ احتمال جریمه ۵ میلیارد تومانی و ۳۰٪ احتمال جریمه ۲ میلیارد تومانی) محاسبه می‌شود. در عمل، شرکت‌های ایرانی اغلب از روش ارزش مورد انتظار استفاده می‌کنند: (۰.۷ × ۵) + (۰.۳ × ۲) = ۴.۱ میلیارد تومان.

افشای اطلاعات در صورت‌های مالی

طبق استاندارد حسابداری ایران، افشای این تعهدات باید شامل ماهیت تعهد، مبلغ ذخیره، زمان مورد انتظار تسویه و عدم‌قطعیت‌های مرتبط باشد. برای نمونه، در یادداشت‌های توضیحی صورت‌های مالی یک شرکت تجارت الکترونیک ایرانی می‌توان نوشت: «شرکت ذخیره‌ای به مبلغ ۴.۱ میلیارد ریال بابت ادعاهای مصرف‌کنندگان ناشی از خطای الگوریتم قیمت‌گذاری پویا در سهماهه سوم ۱۴۰۳ شناسایی کرده است. این مبلغ بر اساس میانگین وزنی سناریوهای محتمل (جریمه احتمالی ۵ میلیارد ریال با احتمال ۷۰٪ و ۲ میلیارد ریال با احتمال ۳۰٪) برآورد شده و انتظار می‌رود ظرف ۱۲ ماه تسویه شود.» همچنین، اگر احتمال خروج منابع اندک باشد (کمتر از ۵۰٪)، این تعهد به‌عنوان بدهی احتمالی در یادداشت‌ها افشا می‌شود، نه در ترازنامه.

مطالعه موردی: تخلفات رقابتی در یک پلتفرم حمل‌ونقل آنلاین

یک پلتفرم حمل‌ونقل آنلاین ایرانی به نام «ایران‌سفر» از الگوریتمی استفاده می‌کرد که در ساعات اوج ترافیک، قیمت را تا ۴۰۰٪ افزایش می‌داد. سازمان حمایت از مصرف‌کنندگان پس از شکایت کاربران، این رفتار را تبعیض قیمتی و سوءاستفاده از موقعیت مسلط تشخیص داد. جریمه‌ای معادل ۱۵ میلیارد تومان و الزام به بازپرداخت ۸ میلیارد تومان به کاربران صادر شد. در حسابداری، ایران‌سفر باید در پایان سال مالی، ذخیره‌ای به مبلغ ۲۳ میلیارد تومان (۱۵+۸) شناسایی کند. هزینه این ذخیره در صورت سود و زیان به‌عنوان «هزینه‌های قانونی و جرایم» ثبت می‌شود. افشا در یادداشت‌ها شامل جزئیات رویداد، مبنای برآورد و ریسک‌های حقوقی باقی‌مانده است. این افشا به سرمایه‌گذاران هشدار می‌دهد که مدل کسب‌وکار شرکت در معرض ریسک‌های نظارتی است.

چالش‌های عملی در ایران

چالش اصلی در ایران، نبود رویه‌های شفاف برای تعیین جرایم و بازپرداخت‌هاست. بسیاری از پلتفرم‌ها داده‌های کافی برای برآورد دقیق ذخایر ندارند. برای مثال، اگر الگوریتمی قیمت را بر اساس موقعیت جغرافیایی (مانند مناطق مرفه) تغییر دهد، تشخیص اینکه کدام کاربران متضرر شده‌اند دشوار است. راهکار عملی، استفاده از تکنیک‌های داده‌کاوی برای تفکیک تراکنش‌های مشکوک و همکاری با واحد حقوقی برای تخمین احتمال محکومیت است. همچنین، حسابداران باید از نرم‌افزارهای حسابداری یکپارچه با الگوریتم‌ها استفاده کنند تا گزارش‌های لحظه‌ای از انحرافات قیمتی دریافت کنند. عدم‌قطعیت در قوانین ایران نیز چالش‌آفرین است؛ زیرا گاه جرایم به‌صورت علی‌الحساب تعیین می‌شوند و بعداً تجدیدنظر می‌شوند. در این موارد، بهترین عمل ایجاد ذخیره برای محتمل‌ترین سناریو و افشای دامنه عدم‌قطعیت است.

نتیجه‌گیری

هزینه‌یابی و افشای تعهدات ناشی از الگوریتم‌های قیمت‌گذاری پویا نیازمند رویکردی سیستماتیک و مبتنی بر استانداردهای حسابداری است. حسابداران ایرانی باید با شناسایی رویدادهای الزام‌آور، برآورد ذخایر با روش ارزش مورد انتظار و افشای شفاف در یادداشت‌های توضیحی، ریسک‌های حقوقی و مالی شرکت‌ها را مدیریت کنند. با افزایش نظارت سازمان حمایت و رشد پلتفرم‌ها، این حوزه به یکی از چالش‌های اصلی حسابداری در ایران تبدیل خواهد شد. توصیه می‌شود شرکت‌ها سیستم‌های کنترلی داخلی را برای پایش الگوریتم‌ها تقویت کنند تا از بروز تعهدات غیرمنتظره جلوگیری شود.