Τι έμαθα χτίζοντας μια οικονομική λειτουργία με AI

Η οικονομική λειτουργία λειτουργεί πλέον σε πραγματικό χρόνο. Για μένα, η ευκαιρία είναι πολύ μεγαλύτερη από το ταχύτερο κλείσιμο των βιβλίων ή τη συχνότερη ανανέωση μιας πρόβλεψης. Σημασία έχει να βλέπουμε την επιχείρηση καθώς αλλάζει, να βοηθάμε τα στελέχη να ενεργούν νωρίτερα και να δίνουμε στις οικονομικές ομάδες περισσότερο χρόνο για να διαμορφώνουν όσα θα ακολουθήσουν.

Όταν εντάχθηκα στην OpenAI πριν από δύο χρόνια, μια μικρή μόνο οικονομική ομάδα υποστήριζε μια εταιρεία που αναπτυσσόταν με εξαιρετική ταχύτητα. Έπρεπε να δημιουργήσουμε την οικονομική λειτουργία από το μηδέν και να καταστήσουμε την AI θεμελιώδη για τον τρόπο με τον οποίο εργαζόμαστε, παίρνουμε αποφάσεις και υποστηρίζουμε την επιχείρηση.

Είδα επίσης μια γνώριμη αφετηρία. Το κλείσιμο των βιβλίων και η ενημέρωση των προβλέψεων εξακολουθούσαν να απαιτούν επαναλαμβανόμενη, χειροκίνητη εργασία: αναζήτηση πληροφοριών, αιτιολόγηση των αλλαγών και συγκέντρωση των δεδομένων για μια απόφαση. Είχαμε πρόσβαση στα πιο προηγμένα εργαλεία AI στον κόσμο, αλλά ακόμη μαθαίναμε πώς να ανασχεδιάσουμε την οικονομική λειτουργία γύρω από αυτά.

Θέσαμε λοιπόν δύο τολμηρούς στόχους: κλείσιμο μηδενικής ημέρας και αυτοματοποιημένες προβλέψεις που ενημερώνονται διαρκώς.

Η ιδέα πίσω από το κλείσιμο μηδενικής ημέρας είναι να παρέχει στα στελέχη μια συμφωνημένη και ανιχνεύσιμη εικόνα της οικονομικής θέσης της εταιρείας σε πραγματικό χρόνο. Η συνεχής πρόβλεψη αξιοποιεί αυτή τη βάση, δείχνοντας πώς αλλάζει η επιχείρηση, τι μπορεί να ακολουθήσει και ποιες αποφάσεις θα μπορούσαν να μεταβάλουν το αποτέλεσμα.

Εξακολουθούμε να εργαζόμαστε για την επίτευξη και των δύο στόχων. Η προσπάθεια έχει ήδη αλλάξει τον τρόπο λειτουργίας της ομάδας μας. Μας έχει οδηγήσει πέρα από τους περιορισμούς των στατικών υπολογιστικών φύλλων, των χειροκίνητων αναζητήσεων για τεκμήρια και των παρουσιάσεων, προς δυναμικά εργαλεία που αξιοποιούν όλο το πλαίσιο και τα δεδομένα της επιχείρησης. Έχει επίσης δώσει στους επαγγελματίες των οικονομικών τη δυνατότητα να δημιουργούν τα εργαλεία που απαιτεί η δουλειά τους και να αξιοποιούν ευρύτερα την τεχνογνωσία τους.

Για μένα, αυτή είναι η πραγματική υπόσχεση μιας οικονομικής λειτουργίας με την AI στον πυρήνα της: μια ομάδα που κατανοεί τις εξελίξεις σε πραγματικό χρόνο, βοηθά τα στελέχη να βλέπουν τις διαθέσιμες επιλογές και δίνει στην επιχείρηση περισσότερο χρόνο να δράσει όσο το αποτέλεσμα μπορεί ακόμη να αλλάξει.

Για να φτάσουμε εκεί, δεν αρκεί η υιοθέτηση νέας τεχνολογίας. Απαιτείται ανασχεδιασμός της εργασίας γύρω από τις αποφάσεις που έχουν σημασία, περιθώριο για πειραματισμό, σαφείς ευθύνες σε κάθε ροή εργασίας και μέτρηση της αξιόπιστης εργασίας που ολοκληρώνει η AI, ώστε να προκύπτει σαφής απόδοση επένδυσης.

Ακολουθούν πέντε πρακτικά διδάγματα από την εμπειρία μας, τα οποία μπορεί να εφαρμόσει κάθε CFO.

Το πρώτο βήμα ήταν η ευρεία πρόσβαση. Οι άνθρωποι χρειάζονται την ελευθερία να εξερευνούν την AI στο πλαίσιο της δικής τους εργασίας. Η πρόσβαση δημιουργεί τη μεγαλύτερη αξία όταν συνδυάζεται με δομημένο πειραματισμό πάνω σε πραγματικά προβλήματα.

Προσκαλέσαμε μηχανικούς πωλήσεων σε έναν μαραθώνιο καινοτομίας της οικονομικής ομάδας και ζητήσαμε από τα μέλη της να φέρουν εργασίες που ήθελαν να μετασχηματίσουν. Ένα από τα αποτελέσματα ήταν το IR-GPT, ένα προσαρμοσμένο GPT που βασίζεται στο εγκεκριμένο υλικό το οποίο χρησιμοποιεί η ομάδα σχέσεων με επενδυτές για να απαντά σε ερωτήσεις δέουσας επιμέλειας. Αρχίσαμε επίσης να δημιουργούμε προσαρμοσμένα GPT για τομείς όπως οι προμήθειες και η φορολογία.

Ο μαραθώνιος καινοτομίας μετέτρεψε την AI από μια αφηρημένη δυνατότητα σε λειτουργικό εργαλείο. Μέσα σε μία ημέρα, οι συμμετέχοντες μπορούσαν να εντοπίσουν μια επαναλαμβανόμενη εργασία, να δημιουργήσουν μια λύση, να τη δοκιμάσουν με συναδέλφους και να τη βελτιώσουν. Οι περιπτώσεις χρήσης προέρχονταν από τους ανθρώπους που βρίσκονταν πιο κοντά στην εργασία, ενώ οι τεχνικοί ειδικοί τούς βοηθούσαν να προχωρούν ταχύτερα.

Για τους CFO, το δίδαγμα είναι απλό: χρειάζεται πειραματισμός από τη βάση προς τα πάνω και στρατηγική από την ηγεσία προς τα κάτω. Δώστε στους ανθρώπους ασφαλή και ισχυρή AI και αφήστε όσους βρίσκονται πιο κοντά στην εργασία να εντοπίσουν καλύτερους τρόπους εκτέλεσής της. Παράλληλα, εστιάστε την προσοχή και τους πόρους της ηγεσίας στις αλλαγές που θα έχουν τον μεγαλύτερο αντίκτυπο στην επιχείρηση. Η πραγματική ευκαιρία προκύπτει όταν συνδυάζονται τα δύο: πρακτικές ιδέες από την πρώτη γραμμή που εφαρμόζονται στις σημαντικότερες προτεραιότητές σας.

Οι οικονομικές ομάδες αφιερώνουν τεράστια ενέργεια στη συγκέντρωση των δεδομένων που απαιτούνται για μια απόφαση. Η εξέταση μιας πρόβλεψης μπορεί να απαιτεί την εύρεση των πιο πρόσφατων δεδομένων, τη συμφωνία υπολογιστικών φύλλων, την αιτιολόγηση αποκλίσεων, τη δημιουργία γραφημάτων, την προετοιμασία εγγράφων και τη μετατροπή τους σε διαφάνειες. Η ανάλυση φτάνει τελικά σε εκείνον που λαμβάνει την απόφαση, αλλά μεγάλο μέρος του χρόνου της ομάδας έχει ήδη δαπανηθεί για τη συγκρότησή της.

Η AI αλλάζει τη μονάδα εργασίας. Τα οικονομικά στελέχη μπορούν να ανασχεδιάσουν ολόκληρη τη διαδρομή από τα δεδομένα πηγής έως την απόφαση.

Ας εξετάσουμε το κλείσιμο. Κάθε CFO γνωρίζει τη μηνιαία διαδικασία: τα πραγματικά μεγέθη βρίσκονται σε ένα σύστημα, οι εντολές αγοράς σε άλλο, τα δεδουλευμένα σε ένα υπολογιστικό φύλλο και η αιτιολόγηση μιας απόκλισης θαμμένη σε μια αλυσίδα μηνυμάτων.

Εργαζόμαστε προς ένα διαφορετικό λειτουργικό μοντέλο. Η φιλοδοξία πίσω από το κλείσιμο μηδενικής ημέρας είναι να συνδεθούν τα εγκεκριμένα σχέδια δαπανών, τα πραγματικά μεγέθη του γενικού καθολικού, οι εντολές αγοράς, τα δεδουλευμένα και οι λεπτομέρειες συναλλαγών σε μια προβολή που συμφωνείται διαρκώς. Κάθε απόκλιση μπορεί να εντοπιστεί έως την υποκείμενη δραστηριότητα. Η AI μπορεί να συντάξει μια αρχική αιτιολόγηση και να επισημάνει τις εξαιρέσεις που απαιτούν προσοχή. Η οικονομική ομάδα επαληθεύει τους αριθμούς, ασκεί κρίση και έχει την ευθύνη της τελικής έγκρισης.

Το κλείσιμο δεν καταργείται. Αυτό που αρχίζει να εξαφανίζεται είναι ο αγώνας δρόμου για την ανασύνθεση της εικόνας της επιχείρησης μετά τη λήξη της περιόδου.

Αυτή η συμφωνημένη βάση μπορεί να τροφοδοτεί μια πρόβλεψη που ενημερώνεται διαρκώς. Η ομάδα μας δημιουργεί ροές εργασίας που συνδυάζουν στατιστικά μοντέλα, συζητήσεις πωλήσεων, στοιχεία σε επίπεδο λογαριασμού, επιχειρησιακά δεδομένα και την κρίση της οικονομικής ομάδας.

Ξεπερνάμε τους περιορισμούς των υπολογιστικών φύλλων και περνάμε σε πιο διαδραστικά εργαλεία, τα οποία συγκεντρώνουν τη στατιστική πρόβλεψη, τα τεκμήρια και τα σενάρια σε μία δυναμική προβολή. Τα στελέχη μπορούν να δουν τι άλλαξε, γιατί άλλαξε και ποιες αποφάσεις θα μπορούσαν να μεταβάλουν το αποτέλεσμα. Όταν μια νέα δέσμευση πελάτη απουσιάζει από τη γραμμή βάσης, το σύστημα μπορεί να εμφανίσει τα σχετικά στοιχεία και να δείξει πώς μια προσαρμογή θα επηρέαζε το τρίμηνο ή το έτος. Η οικονομική ομάδα μπορεί να εξετάσει τις παραδοχές, να συγκρίνει σενάρια και να αποφασίσει αν θα ενημερώσει την εγκεκριμένη πρόβλεψη.

Η ίδια προβολή μπορεί να βοηθήσει τα στελέχη να πάρουν καλύτερες αποφάσεις κατανομής κεφαλαίου. Μια οικονομική ομάδα μπορεί να δει πού αποδίδουν οι δαπάνες μάρκετινγκ, πού οι αποδόσεις φθίνουν και τι θα μπορούσε να αποφέρει η ανακατανομή του επόμενου ευρώ.

Ο προορισμός είναι η αυτοματοποιημένη πρόβλεψη. Για να φτάσουμε εκεί, χρειαζόμαστε μια προβολή που ανανεώνεται διαρκώς, ταχύτερη ανάλυση σεναρίων και σαφή ανάληψη ευθύνης από την οικονομική ομάδα.

Το ευρύτερο δίδαγμα είναι να ξεκινάμε από μια απόφαση με ουσιαστικό αντίκτυπο και να δουλεύουμε προς τα πίσω. Καταγράψτε τα δεδομένα, τα εργαλεία, τις εγκρίσεις και τις μεταβιβάσεις που απαιτούνται για την υποστήριξή της. Στη συνέχεια, καθορίστε ποια μέρη μπορεί να αναλύσει, να συντονίσει ή να ολοκληρώσει η AI. Έτσι βελτιώνεται η ταχύτητα και η ποιότητα ολόκληρου του κύκλου λήψης αποφάσεων.

Ο μεγαλύτερος μετασχηματισμός είναι ότι οι επαγγελματίες των οικονομικών μπορούν πλέον να δημιουργούν τα εργαλεία που απαιτεί η δουλειά τους.

Πρόσφατη έρευνα της OpenAI δείχνει ότι το 40% της εξειδικευμένης χρήσης AI από επαγγελματίες των οικονομικών αφορά εργασία εκτός των παραδοσιακών οικονομικών λειτουργιών, ενώ το 22% αφορά εργασίες σχετικές με τη μηχανική.

Όλοι στην ομάδα μου δημιουργούν προσαρμοσμένους πίνακες ελέγχου και εργαλεία AI με το ChatGPT Work και το Codex. Η εργασία μεταβαίνει από τα στατικά μοντέλα Excel και τις παρουσιάσεις PowerPoint σε δυναμικούς πίνακες ελέγχου που αξιοποιούν όλο το πλαίσιο και τα δεδομένα της επιχείρησης. Αυτά τα εργαλεία μπορούν να προωθούν μια ανάλυση, να απαντούν σε συμπληρωματικές ερωτήσεις και να ενημερώνονται καθώς αλλάζουν τα υποκείμενα δεδομένα.

Ένα μέλος της ομάδας που υποστήριζε τη διαφημιστική μας δραστηριότητα δεν είχε γράψει ποτέ κώδικα. Χρησιμοποίησε το Codex για να δημιουργήσει ένα εργαλείο που μετατρέπει τη μηνιαία διαφημιστική μας πρόβλεψη σε εβδομαδιαία και ημερήσια πλάνα. Λαμβάνει υπόψη τις εργάσιμες ημέρες και τις αργίες, συγκρίνει προβλέψεις και διατηρεί κάθε αριθμό συνδεδεμένο με το εγκεκριμένο μοντέλο. Τα στελέχη μάρκετινγκ μπορούν να δουν γρήγορα τι άλλαξε, πού να επενδύσουν και τι θα μπορούσαν να αποφέρουν οι πρόσθετες δαπάνες.

Οι άνθρωποι που κατανοούν το πρόβλημα μπορούν πλέον να διαμορφώσουν τη λύση. Η δημιουργία αυτών των εργαλείων τούς ωθεί επίσης να επανεξετάσουν τον συνήθη τρόπο εκτέλεσης της εργασίας. Ένας επαγγελματίας των οικονομικών μπορεί να δημιουργήσει την υποδομή λήψης αποφάσεων που χρειάζεται η επιχείρηση, να τη δοκιμάσει με συναδέλφους και να τη βελτιώνει καθώς εξελίσσεται η εργασία.

Οι οικονομικές ομάδες δεν γίνονται λιγότερο εξειδικευμένες. Αποκτούν τη δυνατότητα να αξιοποιούν την τεχνογνωσία τους σε μεγαλύτερο εύρος.

Το IR-GPT μάς δίδαξε ένα σημαντικό μάθημα σχετικά με τον έλεγχο. Οι ερωτήσεις δέουσας επιμέλειας των επενδυτών μπορεί να απαιτούν από έναν αναλυτή να αναζητήσει παλαιότερο υλικό, να συντάξει απάντηση, να ελέγξει τη συνέπεια και να συντονίσει την αναθεώρηση. Με ένα προσαρμοσμένο GPT που βασίζεται σε εγκεκριμένες πηγές, μια εργασία που παλαιότερα απαιτούσε ώρες και μερικές φορές συνεχιζόταν όλη τη νύχτα μπορεί πλέον να δώσει ένα ισχυρό πρώτο προσχέδιο σε δευτερόλεπτα.

Ο ανθρώπινος ρόλος παραμένει κεντρικός. Η ομάδα σχέσεων με επενδυτές διαβάζει το προσχέδιο, προσθέτει κρίση και περαιτέρω πλαίσιο και ελέγχει ότι οι απαντήσεις μας παραμένουν συνεπείς προς όλους τους επενδυτές. Η AI επιταχύνει την εργασία. Οι άνθρωποι έχουν την ευθύνη του αποτελέσματος.

Αυτό είναι το σωστό μοντέλο για την οικονομική λειτουργία. Οι CFO θα πρέπει να συνεργάζονται με τις ομάδες πληροφορικής και διακυβέρνησης για να καθορίζουν σε ποια δεδομένα μπορεί να έχει πρόσβαση ένα σύστημα AI, ποιες ενέργειες μπορεί να εκτελεί, πότε απαιτείται έγκριση και πότε ένα ζήτημα πρέπει να κλιμακώνεται. Κάθε αποτέλεσμα πρέπει να συνδέεται με μια αξιόπιστη πηγή. Κάθε πρόβλεψη πρέπει να συνοδεύεται από σαφή αιτιολόγηση. Κάθε αλλαγή σε μια εγκεκριμένη γραμμή βάσης πρέπει να απαιτεί έγκριση από την οικονομική ομάδα.

Η σύντομη μόδα του «tokenmaxxing» ήρθε και πέρασε. Πλέον είναι εύκολο να ορίζονται όρια χρήσης, έλεγχοι προϋπολογισμού, πρόσβαση βάσει ρόλων, κανόνες δρομολόγησης μοντέλων και όρια έγκρισης. Οι CFO μπορούν να διαχειρίζονται τη χρήση της AI με την ίδια πειθαρχία που εφαρμόζουν σε κάθε μεταβλητή δαπάνη, δίνοντας παράλληλα στις ομάδες περιθώριο να δημιουργούν και να πειραματίζονται.

Οι σαφείς ευθύνες δημιουργούν την απαιτούμενη εμπιστοσύνη για ταχύτερη πρόοδο. Καθώς επιταχύνονται η σύνθεση, η συμφωνία και η προετοιμασία, οι επαγγελματίες των οικονομικών αποκτούν περισσότερο χρόνο για να αμφισβητούν παραδοχές, να συμβουλεύουν την επιχείρηση και να ασκούν κρίση.

Οι CFO χρειάζονται έναν πίνακα αξιολόγησης της AI που να βασίζεται στις επιχειρησιακές επιδόσεις. Η αγορά περισσότερων αδειών χρήσης ή η χρήση περισσότερων token δεν σας λέει πολλά. Αυτό που έχει σημασία είναι αν η εργασία ολοκληρώνεται σωστά και ποιο είναι το πραγματικό της κόστος.

Για κάθε ροή εργασίας, θέστε τέσσερα ερωτήματα:

• Ολοκλήρωσε η AI εργασία που είχε σημασία;
• Ποιο ήταν το κόστος, συνυπολογίζοντας τον χρόνο των εργαζομένων, τον έλεγχο και την επανεκτέλεση;
• Ήταν το αποτέλεσμα αρκετά καλό ώστε να χρησιμοποιηθεί;
• Μας βοήθησε να κινηθούμε ταχύτερα ή να πάρουμε καλύτερη απόφαση;

Για μια οικονομική ομάδα, χρήσιμη εργασία μπορεί να σημαίνει ενημέρωση μιας πρόβλεψης, αιτιολόγηση μιας απόκλισης, διεκπεραίωση ενός αιτήματος ελέγχου ή απάντηση σε ερώτημα του διοικητικού συμβουλίου. Για το κλείσιμο, ο πίνακας αξιολόγησης μπορεί να περιλαμβάνει τη διάρκεια του κύκλου, το ποσοστό των συναλλαγών που συμφωνούνται αυτόματα, τον αριθμό των εξαιρέσεων που απαιτούν έλεγχο και τον χρόνο που χρειάζεται για να αιτιολογηθεί μια απόκλιση. Για τις προβλέψεις, μπορεί να περιλαμβάνει την ακρίβεια και τη συχνότητα ανανέωσής τους, τον χρόνο δημιουργίας ενός νέου σεναρίου και την ποιότητα των αποφάσεων που υποστηρίζουν.

Το φθηνότερο μοντέλο δεν είναι πάντα το πιο οικονομικό. Αν ένα καλύτερο μοντέλο δίνει αξιόπιστη απάντηση με λιγότερες προσπάθειες και μικρότερη ανάγκη ελέγχου, μπορεί να κοστίζει λιγότερο συνολικά.

Η οικονομική λειτουργία βρίσκεται στο επίκεντρο της στρατηγικής, του κεφαλαίου, των δεδομένων, του κινδύνου και της απόδοσης. Αυτό προσφέρει στους CFO μοναδική εικόνα για τον τρόπο λειτουργίας της εταιρείας και ισχυρή εντολή να ηγηθούν του μετασχηματισμού της μέσω AI.

Μια οικονομική λειτουργία με την AI στον πυρήνα της χαρακτηρίζεται από ταχύτερους κύκλους, ισχυρότερους ελέγχους, καλύτερες αποφάσεις και περισσότερο χρόνο για άσκηση κρίσης. Η πορεία ξεκινά από μια ουσιαστική ροή εργασίας και διευρύνεται βάσει στοιχείων: δώστε στους ανθρώπους τα εργαλεία, βοηθήστε τους να ανασχεδιάσουν την εργασία, διατηρήστε σαφείς τις ευθύνες και μετρήστε το αποτέλεσμα.

Το κλείσιμο μηδενικής ημέρας και η συνεχής πρόβλεψη εκφράζουν μια ευρύτερη φιλοδοξία: μια οικονομική ομάδα που κατανοεί τις εξελίξεις σε πραγματικό χρόνο, δείχνει στην ηγεσία τι μπορεί να ακολουθήσει και βοηθά την εταιρεία να παίρνει καλύτερες αποφάσεις νωρίτερα.

Το αποτέλεσμα είναι μια οικονομική ομάδα με μεγαλύτερη δυναμικότητα και ένας CFO με σαφέστερη εικόνα της επιχείρησης. Δημιουργείται επίσης ένα λειτουργικό μοντέλο για το πώς ολόκληρη η εταιρεία μπορεί να μετατρέπει την ευφυΐα σε διατηρήσιμη αξία. Όπως λέω πάντα, δεν μπορείς να γίνεις κάτι που δεν μπορείς να δεις. Αν θέλουμε οι οικονομικές μας ομάδες να αξιοποιήσουν τις δυνατότητες της AI, πρέπει να τους δείξουμε πώς είναι στην πράξη — και, ως CFO, πρέπει να ξεκινήσουμε από εμάς.

Η οικονομική μου ομάδα παρουσίασε πώς εφαρμόζεται αυτό στην πράξη. Μπορείτε να παρακολουθήσετε την εγγραφή εδώ⁠(ανοίγει σε νέο παράθυρο).