Mga natutuhan ko sa pagbuo ng AI-native na finance function

Naging real-time na function ang finance. Para sa akin, higit na mas malaki ang pagkakataon kaysa sa mas mabilis na pagsasara ng books o mas madalas na pag-refresh ng forecast. Tungkol ito sa pagtanaw sa negosyo habang nagbabago ito, pagtulong sa mga lider na kumilos agad, at pagbibigay sa mga finance team ng mas maraming oras upang hubugin ang susunod na mangyayari.

Nang sumali ako sa OpenAI dalawang taon na ang nakalipas, maliit pa lamang ang finance team na sumusuporta sa isang kumpanyang pambihira ang bilis ng paglago. Kailangan naming buuin ang function mula sa simula at gawing pundamental ang AI sa paraan ng aming pagtatrabaho, pagpapasya, at pagsuporta sa negosyo.

May nakita rin akong pamilyar na panimulang kalagayan. May mga manu-mano at paulit-ulit na gawain pa rin sa pagsasara ng books at pag-update ng mga forecast: paghahanap ng impormasyon, pagpapaliwanag sa mga pagbabago, at pagsasama-sama ng mga input para sa isang desisyon. May access kami sa mga pinakaadvanced na AI tool sa mundo, ngunit pinag-aaralan pa rin namin kung paano muling idisenyo ang finance ayon sa mga ito.

Kaya nagtakda kami ng dalawang matapang na ambisyon: zero-day close at automated at tuloy-tuloy na ina-update na forecasting.

Layunin ng zero-day close na bigyan ang mga lider ng real-time, na-reconcile, at natutunton na pananaw sa pinansyal na kalagayan ng kumpanya. Nakabatay ang tuloy-tuloy na forecasting sa pundasyong iyon at ipinapakita kung paano nagbabago ang negosyo, ano ang maaaring sumunod, at aling mga desisyon ang maaaring magpabago sa resulta.

Patuloy pa rin naming binubuo ang dalawang ambisyong ito. Binago na ng gawaing ito ang paraan ng pagpapatakbo ng aming team. Itinulak kami nito na lampasan ang mga limitasyon ng static na spreadsheet, manu-manong paghahanap ng mga sumusuportang record, at presentation, at gumamit ng mga live tool na nakabatay sa buong konteksto at data ng negosyo. Binigyan din nito ang mga propesyonal sa finance ng kakayahang bumuo ng mga tool na kailangan sa kanilang trabaho at palawakin ang naaabot ng kanilang kadalubhasaan.

Para sa akin, iyon ang tunay na pangako ng isang AI-native na finance function: isang team na nauunawaan ang nangyayari habang nagaganap ito, tumutulong sa mga lider na makita ang mga pagpipilian sa hinaharap, at nagbibigay sa negosyo ng mas maraming oras para kumilos habang maaari pang mabago ang resulta.

Higit pa sa paggamit ng bagong teknolohiya ang kailangan upang makarating doon. Kailangan nitong muling idisenyo ang trabaho ayon sa mahahalagang desisyon, bigyan ang mga tao ng puwang na mag-eksperimento, maglagay ng malinaw na pananagutan sa bawat workflow, at sukatin ang mapagkakatiwalaang trabahong kinukumpleto ng AI upang malinaw ang ROI.

Narito ang limang praktikal na aral mula sa aming karanasan na magagamit ng bawat CFO.

Malawak na access ang unang hakbang. Kailangan ng mga tao ng kalayaang tuklasin ang AI sa konteksto ng sarili nilang trabaho. Pinakamalaki ang halagang nalilikha ng access kapag sinasabayan ito ng sistematikong pag-eeksperimento sa mga tunay na problema.

Nagsama kami ng mga sales engineer sa isang finance hackathon at hiniling sa team na magdala ng trabahong nais nilang baguhin. Isa sa mga resulta ang IR-GPT, isang custom na GPT na nakabatay sa mga aprubadong materyal na ginagamit ng aming investor relations team sa pagsagot sa mga diligence question. Nagsimula rin kaming bumuo ng mga custom na GPT para sa mga larangang kabilang ang procurement at tax.

Ginawang gumaganang tool ng hackathon ang AI mula sa pagiging isang abstraktong kakayahan. Sa loob ng isang araw, matutukoy ng mga tao ang isang paulit-ulit na gawain, makakabuo ng solusyon, masusubukan ito kasama ng mga kasamahan, at mapahuhusay ito. Ang mga use case ay nagmula sa mga taong pinakamalapit sa trabaho, habang tinulungan sila ng mga teknikal na eksperto na kumilos nang mas mabilis.

Para sa mga CFO, simple ang aral: kailangan ang bottom-up na pag-eeksperimento at top-down na estratehiya. Ibigay sa mga tao ang secure at mahusay na AI, at hayaang tukuyin ng mga pinakamalapit sa trabaho ang mas mabubuting paraan upang matapos ito. Kasabay nito, ituon ang pansin at mga resource ng pamunuan sa mga pagbabagong pinakamahalaga sa negosyo. Dumarating ang tunay na pagkakataon kapag nagsanib ang dalawa: mga praktikal na ideya mula sa front line na inilalapat sa pinakamalalaking prayoridad.

Napakalaking enerhiya ang ginugugol ng mga finance team sa pagsasama-sama ng mga input para sa isang desisyon. Sa pagsusuri ng forecast, maaaring kailanganing hanapin ang pinakabagong data, i-reconcile ang mga spreadsheet, ipaliwanag ang mga variance, gumawa ng mga chart, maghanda ng mga dokumento, at gawing mga slide ang mga ito. Sa huli ay nakakarating ang pagsusuri sa tagapagpasya, ngunit malaking bahagi ng oras ng team ang nagugol na sa pagsasama-sama nito.

Binabago ng AI ang yunit ng trabaho. Maaaring muling idisenyo ng mga lider sa finance ang buong landas mula sa source data hanggang sa desisyon.

Isaalang-alang ang close. Alam ng bawat CFO ang buwanang proseso: nasa isang system ang actuals, nasa iba ang mga purchase order, nasa spreadsheet ang accruals, at nakabaon sa message thread ang paliwanag sa variance.

Nagsusumikap kaming makamit ang ibang paraan ng pagpapatakbo. Layunin ng zero-day close na pag-ugnayin sa isang tuloy-tuloy na nire-reconcile na view ang mga aprubadong plano sa gastos, general-ledger actuals, purchase order, accrual, at detalye ng transaksyon. Matutunton ang bawat variance hanggang sa pinagbabatayang aktibidad. Maaaring maghanda ang AI ng paunang paliwanag at i-flag ang mga exception na kailangang pagtuunan. Vina-validate ng finance ang mga numero, ginagamit ang wastong pagpapasya, at inaako ang pananagutan sa pinal na pag-apruba.

Hindi nawawala ang close. Ang unti-unting nawawala ay ang pagmamadaling buuin muli ang kalagayan ng negosyo matapos ang period.

Ang na-reconcile na pundasyong iyon ay maaaring magpatakbo ng tuloy-tuloy na ina-update na forecast. Bumubuo ang aming team ng mga workflow na pinagsasama ang mga estadistikal na modelo, pag-uusap sa sales, ebidensya sa antas ng account, data ng operasyon, at pagpapasya ng finance.

Nilalampasan namin ang mga limitasyon ng spreadsheet gamit ang mas interactive na mga tool na pinagsasama sa iisang live view ang estadistikal na forecast, sumusuportang ebidensya, at mga scenario. Makikita ng mga lider kung ano ang nagbago, bakit ito nagbago, at aling mga desisyon ang maaaring magpabago sa resulta. Kapag wala sa baseline ang isang bagong commitment ng customer, maaaring ilabas ng system ang sumusuportang ebidensya at ipakita kung paano maaapektuhan ng adjustment ang quarter o taon. Maaaring suriin ng finance ang mga assumption, paghambingin ang mga scenario, at pagpasyahan kung ia-update ang aprubadong forecast.

Makakatulong din ang view na iyon sa mga lider na gumawa ng mas mahuhusay na desisyon sa paglalaan ng kapital. Makikita ng finance team kung saan kumikita ang gastos sa marketing, kung saan humihina ang mga resulta, at kung ano ang maaaring idulot ng muling paglalaan sa susunod na dolyar.

Automated forecasting ang layunin. Makakarating tayo roon sa pamamagitan ng tuloy-tuloy na nire-refresh na view, mas mabilis na scenario analysis, at malinaw na pangangasiwa ng finance.

Ang mas malawak na aral ay magsimula sa isang mahalagang desisyon at magplano nang pabalik mula roon. Itala ang data, mga tool, pag-apruba, at handoff na kailangan upang suportahan ito. Pagkatapos, tukuyin kung aling mga bahagi ang kayang suriin, i-coordinate, o kumpletuhin ng AI. Pinabibilis at pinahuhusay nito ang buong cycle ng pagpapasya.

Ang mas malaking transpormasyon ay kaya na ngayong buuin ng mga propesyonal sa finance ang mga tool na kailangan sa kanilang trabaho.

Ipinapakita ng kamakailang pananaliksik ng OpenAI na 40% ng espesyal na paggamit ng AI ng mga propesyonal sa finance ay para sa trabahong wala sa tradisyonal na finance, at 22% ay para sa mga gawaing nauugnay sa engineering.

Lahat sa aking team ay bumubuo ng mga custom na AI dashboard at tool gamit ang ChatGPT Work at Codex. Mula sa mga static na modelo sa Excel at PowerPoint deck, lumilipat ang trabaho sa mga live dashboard na nakabatay sa buong konteksto at data ng negosyo. Maipagpapatuloy ng mga tool na ito ang pagsusuri, masasagot ang mga follow-up na tanong, at makakapag-update habang nagbabago ang pinagbabatayang impormasyon.

Hindi pa kailanman nakapag-code ang isang kasama sa team na sumusuporta sa aming advertising business. Ginamit niya ang Codex upang bumuo ng tool na ginagawang lingguhan at pang-araw-araw na plano ang aming buwanang advertising forecast. Isinasaalang-alang nito ang mga karaniwang araw at holiday, naghahambing ng mga forecast, at tinitiyak na nakatali ang bawat numero sa aprubadong modelo. Mabilis na makikita ng mga lider sa marketing kung ano ang nagbago, saan dapat mamuhunan, at anong return ang maaaring makuha sa dagdag na gastos.

Magagawa na ngayong hubugin ng mga taong nakauunawa sa problema ang solusyon. Nahihikayat din silang muling pag-isipan ang karaniwang paraan ng pagtatrabaho habang binubuo ang mga tool na ito. Maaaring buuin ng isang propesyonal sa finance ang imprastraktura sa pagpapasya na kailangan ng negosyo, subukan ito kasama ng mga kasamahan, at pahusayin habang umuunlad ang trabaho.

Hindi nawawala ang espesyalisasyon ng mga finance team. Nagkakaroon sila ng kakayahang palawakin ang naaabot ng kanilang kadalubhasaan.

May mahalagang aral sa kontrol na itinuro sa amin ang IR-GPT. Sa mga diligence question ng investor, maaaring kailanganin ng analyst na maghanap sa mga naunang materyal, gumawa ng draft na sagot, suriin ang consistency, at i-coordinate ang review. Gamit ang custom na GPT na nakabatay sa mga aprubadong source, ang trabahong dating inaabot ng ilang oras at kung minsan ay magdamag ay nakagagawa na ngayon ng mahusay na unang draft sa loob ng ilang segundo.

Nananatiling sentral ang papel ng tao. Binabasa ng aming investor relations team ang draft, nagdaragdag ng pagpapasya at konteksto, at tinitiyak na pare-pareho ang aming mga sagot sa lahat ng investor. Pinabibilis ng AI ang trabaho. Ang mga tao ang mananagot sa resulta.

Iyon ang tamang paraan para sa finance. Dapat makipagtulungan ang mga CFO sa mga IT at governance team upang tukuyin kung aling data ang maa-access ng AI system, aling mga aksyon ang magagawa nito, kailan kailangan ang pag-apruba, at kailan dapat i-escalate ang isang isyu. Dapat nakakonekta ang bawat output sa isang mapagkakatiwalaang source. Dapat may malinaw na paliwanag ang bawat forecast. Dapat kailanganin ang awtorisasyon ng finance sa bawat pagbabago sa aprubadong baseline.

Lumipas na ang panandaliang pagkahumaling sa “tokenmaxxing.” Madali na ngayong magtakda ng mga limitasyon sa paggamit, kontrol sa budget, role-based access, panuntunan sa pag-route ng modelo, at threshold sa pag-apruba. Mapapamahalaan ng mga CFO ang paggamit ng AI nang may disiplinang tulad ng sa anumang variable expense, habang binibigyan ang mga team ng puwang na bumuo at mag-eksperimento.

Ang malinaw na pananagutan ang nagbibigay ng kumpiyansang kailangan upang kumilos nang mas mabilis. Habang bumibilis ang synthesis, reconciliation, at paghahanda, nagkakaroon ng mas maraming oras ang mga propesyonal sa finance upang hamunin ang mga assumption, payuhan ang negosyo, at gamitin ang kanilang pagpapasya.

Kailangan ng mga CFO ng scorecard para sa AI na nakabatay sa performance ng operasyon. Hindi gaanong kapaki-pakinabang na sukatan ang pagbili ng mas maraming seat o paggamit ng mas maraming token. Ang mahalaga ay kung mahusay bang natatapos ang trabaho at kung magkano talaga ang gastos dito.

Para sa bawat workflow, itanong ang apat na ito:

• Nakumpleto ba ng AI ang trabahong mahalaga?
• Magkano ang nagastos dito, kasama ang oras ng empleyado, pagsusuri, at pag-uulit ng trabaho?
• Sapat ba ang kalidad ng resulta para magamit?
• Nakatulong ba itong mapabilis ang trabaho o makagawa ng mas mahusay na desisyon?

Para sa finance team, maaaring mangahulugan ang kapaki-pakinabang na trabaho ng na-update na forecast, naipaliwanag na variance, nakumpletong kahilingan sa audit, o nasagot na tanong ng board. Para sa close, maaaring kasama sa scorecard ang cycle time, bahagi ng mga transaksyong awtomatikong na-reconcile, bilang ng mga exception na kailangang suriin, at oras para ipaliwanag ang variance. Para sa forecasting, maaari nitong isama ang katumpakan at dalas ng pag-refresh ng forecast, oras sa paggawa ng bagong scenario, at kalidad ng mga desisyong sinusuportahan nito.

Hindi palaging pinakamatipid ang pinakamurang modelo. Kung nakakakuha ang mas mahusay na modelo ng mapagkakatiwalaang sagot sa mas kaunting pagsubok at pagsusuri, maaaring mas mababa ang kabuuang gastos nito.

Nasa sentro ng estratehiya, kapital, data, panganib, at performance ang finance. Dahil dito, may natatanging pananaw ang mga CFO sa pagpapatakbo ng kumpanya at matibay na mandatong pamunuan ang transpormasyon nito sa AI.

Ang AI-native na finance function ay may mas mabibilis na cycle, mas matitibay na kontrol, mas mahuhusay na desisyon, at mas maraming oras para sa pagpapasya. Nagsisimula ang landas sa isang makabuluhang workflow at lumalawak batay sa ebidensya: ibigay sa mga tao ang mga tool, tulungan silang muling buuin ang trabaho, linawin ang pananagutan, at sukatin ang resulta.

Ipinapakita ng zero-day close at tuloy-tuloy na forecast ang mas malawak na ambisyon: isang finance team na nauunawaan ang nangyayari habang nagaganap ito, ipinapakita sa mga lider ang maaaring sumunod, at tinutulungan ang kumpanya na gumawa agad ng mas mahuhusay na desisyon.

Ang resulta ay isang finance team na may mas malaking kapasidad at isang CFO na may mas malinaw na pananaw sa negosyo. Lumilikha rin ito ng praktikal na balangkas kung paano magagawang pangmatagalang halaga ng buong kumpanya ang intelligence. Gaya ng lagi kong sinasabi, hindi mo maaabot ang hindi mo nakikita. Kung gusto nating yakapin ng ating mga finance team ang mga posibilidad ng AI, kailangan nating ipakita kung ano ang anyo nito—at bilang mga CFO, nagsisimula iyon sa atin.

Ibinahagi ng aking finance team kung paano ito isinasagawa; maaari mong panoorin ang recording dito⁠(magbubukas sa bagong window).