Mida õppisin tehisintellektil põhinevat finantsüksust luues

Finantsfunktsioon toimib nüüd reaalajas. Minu jaoks on võimalus palju suurem kui raamatupidamise kiirem sulgemine või prognoosi sagedasem uuendamine. See tähendab ettevõtte muutuste jälgimist reaalajas, juhtide aitamist varem tegutseda ja finantsmeeskondadele rohkem aega andmist järgmiste sündmuste kujundamiseks.

Kui ma kaks aastat tagasi OpenAI-ga liitusin, toetas erakordselt kiiresti kasvavat ettevõtet vaid väike finantsmeeskond. Pidime finantsfunktsiooni nullist üles ehitama ja muutma tehisintellekti keskseks nii oma töös, otsuste tegemises kui ka ettevõtte toetamises.

Nägin ka tuttavat lähtepunkti. Raamatupidamise sulgemine ja prognooside uuendamine hõlmas endiselt käsitsi tehtavat korduvat tööd: teabe otsimist, muutuste selgitamist ja otsuse tegemiseks vajalike sisendite koondamist. Meil olid maailma kõige arenenumad tehisintellekti tööriistad, kuid õppisime ikka veel, kuidas finantsfunktsioon nende ümber ümber kujundada.

Seadsime seega kaks julget eesmärki: nullpäeva sulgemine ning automatiseeritud ja pidevalt uuenev prognoosimine.

Nullpäeva sulgemise mõte on anda juhtidele reaalajas kooskõlastatud ja jälgitav ülevaade ettevõtte finantsseisust. Pidev prognoosimine tugineb sellele alusele ning näitab, kuidas ettevõte muutub, mis võib järgmisena juhtuda ja millised otsused võiksid tulemust mõjutada.

Töötame endiselt mõlema eesmärgi saavutamise nimel. See töö on juba muutnud meie meeskonna tegutsemisviisi. See on viinud meid staatiliste arvutustabelite, alusdokumentide käsitsi otsimise ja esitluste piirangutest edasi reaalajas tööriistadeni, mis põhinevad ettevõtte täielikul kontekstil ja andmetel. Samuti on see andnud finantsspetsialistidele võimaluse luua oma tööks vajalikke tööriistu ja rakendada oma asjatundlikkust laiemalt.

Minu jaoks on see tehisintellektil põhineva finantsfunktsiooni tõeline lubadus: meeskond mõistab toimuvat reaalajas, aitab juhtidel näha ees seisvaid valikuid ja annab ettevõttele rohkem aega tegutseda, kuni tulemust saab veel mõjutada.

Selleni jõudmine nõuab enamat kui uue tehnoloogia kasutuselevõttu. Töö tuleb oluliste otsuste ümber ümber kujundada, inimestele katsetamiseks ruumi anda, igasse töövoogu selge vastutus sisse ehitada ja mõõta usaldusväärselt tehtud tehisintellekti tööd, et investeeringutasuvus oleks selge.

Siin on viis meie kogemusel põhinevat praktilist õppetundi, mida saab rakendada iga finantsjuht.

Esimene samm oli laialdane juurdepääs. Inimestel peab olema vabadus uurida tehisintellekti võimalusi oma töö kontekstis. Juurdepääs loob kõige rohkem väärtust siis, kui sellega kaasnevad pärisprobleemidele keskenduvad struktureeritud katsed.

Kutsusime müügiinsenerid finantsvaldkonna häkatonile ja palusime meeskonnal kaasa võtta tööülesandeid, mida nad soovisid ümber kujundada. Üks tulemus oli IR-GPT – kohandatud GPT, mis põhineb kinnitatud materjalidel, mida meie investorsuhete meeskond kasutab taustakontrolli küsimustele vastamiseks. Hakkasime looma kohandatud GPT‑sid ka selliste valdkondade jaoks nagu hanked ja maksud.

Häkaton muutis tehisintellekti abstraktsest võimekusest toimivaks tööriistaks. Ühe päevaga said inimesed tuvastada korduva ülesande, luua lahenduse, katsetada seda kolleegidega ja seda täiustada. Kasutusjuhud pakkusid välja tööle kõige lähemal olevad inimesed, tehnilised eksperdid aga aitasid neil kiiremini edasi liikuda.

Finantsjuhtide õppetund on lihtne: vaja on nii alt üles katsetamist kui ka ülalt alla strateegiat. Andke inimestele turvaline ja võimekas tehisintellekt ning laske tööle kõige lähemal olevatel inimestel leida paremaid viise ülesannete täitmiseks. Samal ajal suunake juhtkonna tähelepanu ja ressursid muudatustele, mille mõju ettevõttele on suurim. Tõeline võimalus tekib nende kahe kohtumisel: praktilised ideed eesliinilt rakendatakse teie kõige olulisemate eesmärkide saavutamiseks.

Finantsmeeskonnad kulutavad otsuse tegemiseks vajalike sisendite koondamisele tohutult energiat. Prognoosi ülevaatamiseks võib olla vaja leida uusimad andmed, kooskõlastada arvutustabelid, selgitada hälbeid, luua graafikuid, koostada dokumente ja teha neist esitlusslaidid. Analüüs jõuab lõpuks otsustajani, kuid suur osa meeskonna ajast on selle kokkupanekule juba kulunud.

Tehisintellekt muudab töö ühikut. Finantsjuhid saavad ümber kujundada kogu teekonna lähteandmetest otsuseni.

Vaatleme perioodi sulgemist. Iga finantsjuht tunneb igakuist protsessi: tegelikud näitajad on ühes süsteemis, ostutellimused teises, viitvõlad arvutustabelis ja hälbe selgitus sõnumilõime peidetud.

Töötame teistsuguse tegevusmudeli nimel. Nullpäeva sulgemise eesmärk on ühendada kinnitatud kuluplaanid, pearaamatu tegelikud näitajad, ostutellimused, viitvõlad ja tehinguandmed pidevalt kooskõlastatud vaatesse. Iga hälbe saab viia tagasi selle aluseks oleva tegevuseni. Tehisintellekt saab koostada esialgse selgituse ja märkida tähelepanu vajavad erandid. Finantsmeeskond kontrollib arvud, rakendab oma hinnangut ja vastutab lõpliku kinnituse eest.

Perioodi sulgemine ei kao. Kaduma hakkab hoopis perioodi lõppemisele järgnev kiirustamine, et ettevõttes toimunu tagantjärele kokku panna.

See kooskõlastatud alus võimaldab prognoosi pidevalt uuendada. Meie meeskond loob töövooge, mis ühendavad statistilised mudelid, müügivestlused, kliendipõhised tõendid, tegevusandmed ja finantsmeeskonna hinnangud.

Liigume arvutustabelite piirangutest edasi interaktiivsemate tööriistade poole, mis koondavad statistilise prognoosi, seda toetavad tõendid ja stsenaariumid ühte reaalajas vaatesse. Juhid näevad, mis muutus, miks see muutus ja millised otsused võiksid tulemust mõjutada. Kui uus kliendikohustus lähteprognoosist puudub, saab süsteem tuua esile seda toetavad tõendid ja näidata, kuidas korrigeerimine mõjutaks kvartalit või aastat. Finantsmeeskond saab eeldusi kontrollida, stsenaariume võrrelda ja otsustada, kas kinnitatud prognoosi uuendada.

Sama vaade aitab juhtidel teha paremaid kapitali jaotamise otsuseid. Finantsmeeskond näeb, kus turunduskulud tootlust annavad, kus tulemused hakkavad vähenema ja milline võiks olla järgmise euro ümberjaotamise mõju.

Eesmärk on automatiseeritud prognoosimine. Selleni viivad meid pidevalt uuenev vaade, kiirem stsenaariumianalüüs ja finantsmeeskonna selge vastutus.

Laiem õppetund on alustada olulisest otsusest ja liikuda sealt tagasi. Kaardistage otsuse toetamiseks vajalikud andmed, tööriistad, kinnitused ja üleandmised. Seejärel tehke kindlaks, milliseid osi saab tehisintellekt analüüsida, koordineerida või täita. See parandab kogu otsustustsükli kiirust ja kvaliteeti.

Suurem muutus seisneb selles, et finantsspetsialistid saavad nüüd ise luua oma tööks vajalikke tööriistu.

Hiljutine OpenAI uuring näitab, et 40% finantsspetsialistide tehisintellekti erikasutusest hõlmab tavapärasest finantstööst väljapoole jäävaid ülesandeid ja 22% inseneritööga seotud ülesandeid.

Kõik minu meeskonna liikmed loovad ChatGPT Worki ja Codexi abil kohandatud tehisintellekti töölaudu ja tööriistu. Töö liigub staatilistelt Exceli mudelitelt ja PowerPointi esitlustelt reaalajas töölaudade poole, mis põhinevad ettevõtte täielikul kontekstil ja andmetel. Need tööriistad saavad analüüsi edasi arendada, järelküsimustele vastata ja alusandmete muutudes uueneda.

Üks meie reklaamiäri toetav meeskonnaliige polnud kunagi programmeerinud. Ta kasutas Codexit, et luua tööriist, mis muudab meie igakuise reklaamiprognoosi nädala- ja päevaplaanideks. See arvestab tööpäevade ja pühadega, võrdleb prognoose ning hoiab iga arvu seotuna kinnitatud mudeliga. Turundusjuhid näevad kiiresti, mis muutus, kuhu investeerida ja millist tootlust võiksid lisakulutused anda.

Probleemi mõistvad inimesed saavad nüüd ka lahendust kujundada. Nende tööriistade loomine ajendab neid ka tavapäraseid tööviise ümber hindama. Finantsspetsialist saab luua ettevõttele vajaliku otsustustaristu, katsetada seda kolleegidega ja täiustada seda koos töö arenguga.

Finantsmeeskonnad ei muutu vähem spetsialiseerunuks. Nad saavad võime oma asjatundlikkust laiemalt rakendada.

IR-GPT andis meile olulise õppetunni kontrolli kohta. Investorite taustakontrolli küsimustele vastamiseks võib analüütik otsida varasematest materjalidest teavet, koostada vastuse, kontrollida järjepidevust ja koordineerida ülevaatust. Kinnitatud allikatel põhineva kohandatud GPT abil saab varem tunde ja mõnikord kogu öö kestnud tööga nüüd luua tugeva esimese mustandi sekunditega.

Inimese roll jääb keskseks. Meie investorsuhete meeskond loeb mustandi läbi, lisab oma hinnangu ja konteksti ning kontrollib, et meie vastused oleksid eri investoritele järjepidevad. Tehisintellekt kiirendab tööd. Tulemuse eest vastutavad inimesed.

See on finantsfunktsiooni jaoks õige mudel. Finantsjuhid peaksid koostöös IT- ja juhtimismeeskondadega määratlema, millistele andmetele tehisintellektisüsteem juurde pääseb, milliseid toiminguid see teha võib, millal on vaja kinnitust ja millal tuleb probleem edasi suunata. Iga väljund peab olema seostatav usaldusväärse allikaga. Iga prognoosiga peab kaasnema selge selgitus. Iga kinnitatud lähtealuse muudatus peab nõudma finantsmeeskonna luba.

Lühiajaline „tokenmaxxing’u“ hullus on möödas. Nüüd on lihtne määrata kasutuspiiranguid, eelarvekontrolle, rollipõhist juurdepääsu, mudeli suunamise reegleid ja kinnituskünniseid. Finantsjuhid saavad hallata tehisintellekti kasutamist sama distsiplineeritult nagu muid muutuvkulusid, jättes meeskondadele samal ajal ruumi loomiseks ja katsetamiseks.

Selge vastutus loob kiiremini tegutsemiseks vajaliku kindlustunde. Kui süntees, kooskõlastamine ja ettevalmistus kiirenevad, jääb finantsspetsialistidele rohkem aega eelduste vaidlustamiseks, ettevõtte nõustamiseks ja kaalutletud hinnangute andmiseks.

Finantsjuhid vajavad tehisintellekti hindamiseks tegevustulemustel põhinevat mõõdikukaarti. Rohkemate kasutajakohtade ostmine või suurema hulga tokenite kasutamine ei ütle kuigi palju. Oluline on see, kas töö saab hästi tehtud ja kui palju see tegelikult maksab.

Küsige iga töövoo kohta neli küsimust:

• Kas tehisintellekt tegi ära olulise töö?
• Kui palju see maksis, arvestades ka töötajate aega, kontrollimist ja ümbertegemist?
• Kas tulemus oli kasutamiseks piisavalt hea?
• Kas see aitas meil kiiremini tegutseda või parema otsuse teha?

Finantsmeeskonna jaoks võib kasulik töö tähendada prognoosi uuendamist, hälbe selgitamist, auditipäringu täitmist või juhatuse küsimusele vastamist. Perioodi sulgemisel võivad mõõdikud hõlmata tsükli kestust, automaatselt kooskõlastatud tehingute osakaalu, kontrollimist vajavate erandite arvu ja hälbe selgitamiseks kuluvat aega. Prognoosimisel võivad need hõlmata prognoosi täpsust, uuendamise sagedust, uue stsenaariumi koostamiseks kuluvat aega ja prognoosil põhinevate otsuste kvaliteeti.

Odavaim mudel ei ole alati kõige ökonoomsem. Kui parem mudel jõuab usaldusväärse vastuseni vähemate katsete ja väiksema kontrollivajadusega, võib selle kogukulu olla madalam.

Finantsfunktsioon paikneb strateegia, kapitali, andmete, riskide ja tulemuslikkuse keskmes. See annab finantsjuhtidele ainulaadse ülevaate ettevõtte toimimisest ja tugeva mandaadi juhtida selle tehisintellektipööret.

Tehisintellektil põhinevat finantsfunktsiooni iseloomustavad kiiremad tsüklid, tugevam kontroll, paremad otsused ja rohkem aega kaalutletud hinnanguteks. Teekond algab olulisest töövoost ja laieneb tõendite toel: andke inimestele tööriistad, aidake neil töö ümber kujundada, hoidke vastutus selge ja mõõtke tulemusi.

Nullpäeva sulgemine ja pidev prognoosimine väljendavad laiemat eesmärki: finantsmeeskond mõistab toimuvat reaalajas, näitab juhtidele, mis võib järgmisena juhtuda, ja aitab ettevõttel varem paremaid otsuseid teha.

Tulemuseks on suurema võimekusega finantsmeeskond ja finantsjuht, kellel on ettevõttest selgem ülevaade. Samuti loob see toimiva mudeli, mille abil saab kogu ettevõte muuta intelligentsuse püsivaks väärtuseks. Nagu ma alati ütlen: sa ei saa olla see, mida sa ei näe. Kui tahame, et meie finantsmeeskonnad kasutaksid ära tehisintellekti võimalusi, peame näitama, kuidas see praktikas välja näeb – ja finantsjuhtidena peame alustama iseendast.

Minu finantsmeeskond näitas, kuidas see praktikas toimib. Saate salvestist vaadata siin⁠(avaneb uues aknas).