Pelajaran dari membangun fungsi keuangan berbasis AI

Keuangan telah menjadi fungsi waktu nyata. Bagi saya, peluangnya jauh lebih besar daripada sekadar mempercepat tutup buku atau lebih sering memperbarui proyeksi. Ini tentang melihat perubahan bisnis saat terjadi, membantu para pemimpin bertindak lebih cepat, dan memberi tim keuangan lebih banyak waktu untuk menentukan apa yang terjadi selanjutnya.

Ketika saya bergabung dengan OpenAI dua tahun lalu, hanya ada tim keuangan kecil yang mendukung perusahaan yang tumbuh dengan kecepatan luar biasa. Kami perlu membangun fungsi tersebut dari awal dan menjadikan AI sebagai bagian mendasar dari cara kami bekerja, mengambil keputusan, dan mendukung bisnis.

Saya juga melihat titik awal yang tidak asing. Proses tutup buku dan pembaruan proyeksi masih melibatkan pekerjaan manual yang berulang: mencari informasi, menjelaskan perubahan, dan menghimpun input untuk mengambil keputusan. Kami memiliki akses ke perangkat AI tercanggih di dunia, tetapi masih mempelajari cara merancang ulang fungsi keuangan dengan memanfaatkan perangkat tersebut.

Karena itu, kami menetapkan dua ambisi besar: tutup buku hari nol dan proyeksi otomatis yang terus diperbarui.

Gagasan di balik tutup buku hari nol adalah memberi para pemimpin gambaran posisi keuangan perusahaan secara waktu nyata, telah direkonsiliasi, dan dapat ditelusuri. Proyeksi berkelanjutan dibangun di atas landasan tersebut untuk menunjukkan perubahan bisnis, apa yang mungkin terjadi selanjutnya, dan keputusan mana yang dapat mengubah hasilnya.

Kami masih berupaya mewujudkan kedua ambisi tersebut. Pekerjaan ini telah mengubah cara tim kami beroperasi. Pekerjaan ini mendorong kami melampaui keterbatasan lembar bentang statis, pencarian catatan pendukung secara manual, dan presentasi, menuju perangkat langsung yang dibangun berdasarkan seluruh konteks dan data bisnis. Hal ini juga memungkinkan profesional keuangan membuat perangkat yang dibutuhkan dalam pekerjaan dan memperluas penerapan keahlian mereka.

Bagi saya, itulah potensi sesungguhnya dari fungsi keuangan berbasis AI: tim yang memahami apa yang terjadi saat itu juga, membantu para pemimpin melihat pilihan di depan, dan memberi bisnis lebih banyak waktu untuk bertindak selagi hasilnya masih dapat diubah.

Untuk mencapainya, sekadar mengadopsi teknologi baru tidaklah cukup. Kita perlu merancang ulang pekerjaan berdasarkan keputusan penting, memberi orang ruang untuk bereksperimen, menanamkan akuntabilitas yang jelas dalam setiap alur kerja, dan mengukur pekerjaan andal yang diselesaikan AI agar ROI terlihat jelas.

Berikut lima pelajaran praktis dari pengalaman kami yang dapat diterapkan oleh setiap CFO.

Langkah pertama adalah menyediakan akses secara luas. Orang-orang memerlukan kebebasan untuk mengeksplorasi AI dalam konteks pekerjaan mereka sendiri. Akses menghasilkan nilai terbesar jika dipadukan dengan eksperimen terstruktur untuk mengatasi masalah nyata.

Kami mengundang engineer penjualan ke hackathon keuangan dan meminta tim membawa pekerjaan yang ingin mereka transformasikan. Salah satu hasilnya adalah IR-GPT, GPT khusus yang didasarkan pada materi yang disetujui dan digunakan tim hubungan investor kami untuk menjawab pertanyaan uji tuntas. Kami juga mulai membuat GPT khusus untuk berbagai bidang, termasuk pengadaan dan pajak.

Hackathon tersebut mengubah AI dari kemampuan abstrak menjadi perangkat yang siap digunakan. Dalam satu hari, orang-orang dapat mengidentifikasi tugas berulang, membuat solusi, mengujinya bersama rekan kerja, dan menyempurnakannya. Kasus penggunaan berasal dari orang-orang yang paling dekat dengan pekerjaan, sementara para ahli teknis membantu mereka bergerak lebih cepat.

Bagi CFO, pelajarannya sederhana: Anda memerlukan eksperimen dari bawah ke atas dan strategi dari atas ke bawah. Berikan AI yang aman dan andal kepada karyawan, lalu biarkan orang-orang yang paling dekat dengan pekerjaan menemukan cara yang lebih baik untuk menyelesaikannya. Pada saat yang sama, pusatkan perhatian dan sumber daya pimpinan pada perubahan yang paling berdampak bagi bisnis. Peluang sesungguhnya muncul saat keduanya bertemu: gagasan praktis dari lini depan yang diterapkan pada prioritas terbesar Anda.

Tim keuangan menghabiskan sangat banyak energi untuk menghimpun input bagi suatu keputusan. Peninjauan proyeksi dapat mengharuskan orang mencari data terbaru, merekonsiliasi lembar bentang, menjelaskan varians, membuat bagan, menyiapkan dokumen, dan mengubah dokumen tersebut menjadi salindia. Analisis tersebut akhirnya sampai kepada pengambil keputusan, tetapi sebagian besar waktu tim sudah tersita untuk menyusunnya.

AI mengubah unit pekerjaan. Pemimpin keuangan dapat merancang ulang seluruh proses, mulai dari data sumber hingga keputusan.

Pertimbangkan proses tutup buku. Setiap CFO mengenal proses bulanan ini: data realisasi ada di satu sistem, pesanan pembelian di sistem lain, akrual di lembar bentang, dan penjelasan varians terkubur dalam rangkaian pesan.

Kami sedang berupaya mewujudkan model operasi yang berbeda. Ambisi di balik tutup buku hari nol adalah menyatukan rencana belanja yang disetujui, realisasi buku besar, pesanan pembelian, akrual, dan detail transaksi dalam tampilan yang terus direkonsiliasi. Setiap varians dapat ditelusuri hingga aktivitas yang mendasarinya. AI dapat menyiapkan penjelasan awal dan menandai pengecualian yang perlu diperhatikan. Tim keuangan memvalidasi angka, menerapkan pertimbangan profesional, dan bertanggung jawab atas persetujuan akhir.

Proses tutup buku tidak akan hilang. Yang mulai hilang adalah kesibukan luar biasa untuk menyusun kembali gambaran bisnis setelah periode berakhir.

Landasan yang telah direkonsiliasi itu dapat mendukung proyeksi yang terus diperbarui. Tim kami sedang membangun alur kerja yang memadukan model statistik, percakapan penjualan, bukti di tingkat akun, data operasional, dan pertimbangan keuangan.

Kami beralih dari keterbatasan lembar bentang menuju perangkat yang lebih interaktif, yang menyatukan proyeksi statistik, bukti pendukung, dan skenario dalam satu tampilan langsung. Para pemimpin dapat melihat apa yang berubah, mengapa itu berubah, dan keputusan mana yang dapat mengubah hasilnya. Ketika komitmen pelanggan baru belum tercakup dalam dasar acuan, sistem dapat menampilkan bukti pendukung dan menunjukkan bagaimana suatu penyesuaian akan memengaruhi kuartal atau tahun tersebut. Tim keuangan dapat memeriksa asumsi, membandingkan skenario, dan memutuskan apakah proyeksi yang disetujui perlu diperbarui.

Tampilan yang sama dapat membantu para pemimpin mengambil keputusan alokasi modal yang lebih baik. Tim keuangan dapat melihat bagian mana dari belanja pemasaran yang menghasilkan imbal hasil, bagian mana yang hasilnya mulai menurun, dan potensi dampak dari realokasi dana berikutnya.

Tujuan akhirnya adalah proyeksi otomatis. Untuk mencapainya, kita memerlukan tampilan yang terus diperbarui, analisis skenario yang lebih cepat, dan kepemilikan yang jelas oleh tim keuangan.

Pelajaran yang lebih luas adalah memulai dari keputusan penting lalu merancang prosesnya secara mundur. Petakan data, perangkat, persetujuan, dan serah terima yang diperlukan untuk mendukung keputusan tersebut. Kemudian tentukan bagian mana yang dapat dianalisis, dikoordinasikan, atau diselesaikan oleh AI. Hal ini meningkatkan kecepatan dan kualitas seluruh siklus pengambilan keputusan.

Transformasi yang lebih besar adalah bahwa profesional keuangan kini dapat membuat perangkat yang dibutuhkan dalam pekerjaan mereka.

Riset OpenAI terbaru menunjukkan bahwa 40% penggunaan AI khusus oleh profesional keuangan melibatkan pekerjaan di luar bidang keuangan tradisional, dan 22% melibatkan tugas terkait rekayasa.

Semua anggota tim saya membuat dasbor dan perangkat AI khusus dengan ChatGPT Work dan Codex. Pekerjaan beralih dari model Excel dan presentasi PowerPoint yang statis menuju dasbor langsung yang menggunakan seluruh konteks dan data bisnis. Perangkat ini dapat melanjutkan analisis, menjawab pertanyaan lanjutan, dan memperbarui hasil saat informasi yang mendasarinya berubah.

Salah satu anggota tim yang mendukung bisnis periklanan kami belum pernah menulis kode. Ia menggunakan Codex untuk membuat perangkat yang mengubah proyeksi periklanan bulanan kami menjadi rencana mingguan dan harian. Perangkat ini memperhitungkan hari kerja dan hari libur, membandingkan proyeksi, serta memastikan setiap angka tetap mengacu pada model yang disetujui. Para pemimpin pemasaran dapat segera melihat apa yang berubah, bagian mana yang perlu mendapat investasi, dan potensi imbal hasil dari belanja tambahan.

Orang-orang yang memahami masalahnya kini dapat membentuk solusinya. Pembuatan perangkat ini juga mendorong mereka untuk mempertimbangkan kembali cara kerja yang biasa digunakan. Profesional keuangan dapat membangun infrastruktur pengambilan keputusan yang dibutuhkan bisnis, mengujinya bersama rekan kerja, dan menyempurnakannya seiring perkembangan pekerjaan.

Tim keuangan tidak menjadi kurang terspesialisasi. Mereka justru memperoleh kemampuan untuk memperluas penerapan keahlian mereka.

IR-GPT memberi kami pelajaran penting tentang kontrol. Pertanyaan uji tuntas investor dapat mengharuskan analis menelusuri materi terdahulu, menyusun tanggapan, memeriksa konsistensi, dan mengoordinasikan peninjauan. Dengan GPT khusus yang didasarkan pada sumber yang disetujui, pekerjaan yang sebelumnya memakan waktu berjam-jam dan terkadang berlanjut hingga semalaman kini dapat menghasilkan draf awal yang baik dalam hitungan detik.

Peran manusia tetap menjadi inti. Tim hubungan investor kami membaca draf tersebut, menambahkan pertimbangan dan konteks, serta memastikan jawaban kami tetap konsisten bagi semua investor. AI mempercepat pekerjaan. Manusia bertanggung jawab atas hasilnya.

Itulah model yang tepat untuk keuangan. CFO perlu bekerja sama dengan tim TI dan tata kelola untuk menentukan data mana yang dapat diakses sistem AI, tindakan apa yang dapat dilakukannya, kapan persetujuan diperlukan, dan kapan suatu masalah harus dieskalasikan. Setiap keluaran harus terhubung dengan sumber yang andal. Setiap proyeksi harus disertai penjelasan yang jelas. Setiap perubahan terhadap dasar acuan yang disetujui harus mendapat otorisasi dari tim keuangan.

Tren singkat “memaksimalkan token” telah datang dan berlalu. Kini batas penggunaan, kontrol anggaran, akses berbasis peran, aturan perutean model, dan ambang persetujuan dapat ditetapkan dengan mudah. CFO dapat mengelola penggunaan AI dengan disiplin yang sama seperti saat mengelola biaya variabel lainnya, sekaligus memberi tim ruang untuk membangun dan bereksperimen.

Akuntabilitas yang jelas membangun keyakinan yang diperlukan untuk bergerak lebih cepat. Seiring makin cepatnya proses sintesis, rekonsiliasi, dan persiapan, profesional keuangan memiliki lebih banyak waktu untuk menguji asumsi, memberi saran kepada bisnis, dan menggunakan pertimbangan profesional.

CFO memerlukan kartu penilaian AI yang didasarkan pada kinerja operasional. Menambah lisensi pengguna atau menggunakan lebih banyak token tidak banyak memberi informasi. Yang penting adalah apakah pekerjaan diselesaikan dengan baik dan berapa biaya sebenarnya.

Untuk setiap alur kerja, ajukan empat pertanyaan:

• Apakah AI menyelesaikan pekerjaan yang penting?
• Berapa biayanya, termasuk waktu karyawan, peninjauan, dan pengerjaan ulang?
• Apakah hasilnya cukup baik untuk digunakan?
• Apakah AI membantu kita bergerak lebih cepat atau mengambil keputusan yang lebih baik?

Bagi tim keuangan, pekerjaan yang bermanfaat dapat berarti memperbarui proyeksi, menjelaskan varians, menyelesaikan permintaan audit, atau menjawab pertanyaan dewan. Untuk proses tutup buku, kartu penilaian dapat mencakup waktu siklus, proporsi transaksi yang direkonsiliasi secara otomatis, jumlah pengecualian yang perlu ditinjau, dan waktu yang dibutuhkan untuk menjelaskan varians. Untuk proyeksi, penilaian dapat mencakup akurasi dan frekuensi pembaruan proyeksi, waktu yang dibutuhkan untuk membuat skenario baru, serta kualitas keputusan yang didukung proyeksi tersebut.

Model termurah tidak selalu yang paling ekonomis. Jika model yang lebih baik dapat menghasilkan jawaban andal dengan lebih sedikit percobaan dan peninjauan, biaya keseluruhannya mungkin lebih rendah.

Keuangan berada di pusat strategi, modal, data, risiko, dan kinerja. Hal ini memberi CFO perspektif unik tentang cara perusahaan bekerja serta mandat yang kuat untuk memimpin transformasi AI perusahaan.

Fungsi keuangan berbasis AI ditandai oleh siklus yang lebih cepat, kontrol yang lebih kuat, keputusan yang lebih baik, dan lebih banyak waktu untuk menggunakan pertimbangan profesional. Perjalanannya dimulai dari alur kerja yang bermakna lalu berkembang berdasarkan bukti: berikan perangkat kepada karyawan, bantu mereka merancang ulang pekerjaan, pastikan akuntabilitas tetap jelas, dan ukur hasilnya.

Tutup buku hari nol dan proyeksi berkelanjutan mencerminkan ambisi yang lebih luas: tim keuangan yang memahami apa yang terjadi saat itu juga, menunjukkan kepada para pemimpin apa yang mungkin terjadi selanjutnya, dan membantu perusahaan mengambil keputusan yang lebih baik lebih awal.

Hasilnya adalah tim keuangan dengan kapasitas lebih besar dan CFO dengan gambaran bisnis yang lebih jelas. Hal ini juga menciptakan model kerja bagi seluruh perusahaan untuk mengubah kecerdasan menjadi nilai yang bertahan lama. Seperti yang selalu saya katakan, kita tidak bisa menjadi sesuatu yang tidak bisa kita bayangkan. Jika kita ingin tim keuangan memanfaatkan berbagai kemungkinan yang ditawarkan AI, kita harus menunjukkan seperti apa penerapannya—dan sebagai CFO, itu harus dimulai dari kita.

Tim keuangan saya membagikan gambaran penerapannya dalam praktik. Anda dapat menonton rekamannya di sini⁠(terbuka di jendela baru).