Ko iemācījos, veidojot AI vidē balstītu finanšu funkciju

Finanšu funkcija tagad darbojas reāllaikā. Manuprāt, iespēja ir daudz plašāka par ātrāku grāmatvedības perioda slēgšanu vai biežāku prognozes atjaunināšanu. Tā ļauj redzēt uzņēmuma pārmaiņas, palīdzēt vadītājiem rīkoties ātrāk un dot finanšu komandām vairāk laika ietekmēt turpmāko.

Kad pirms diviem gadiem pievienojos OpenAI, ārkārtīgi strauji augošo uzņēmumu atbalstīja tikai neliela finanšu komanda. Mums finanšu funkcija bija jāizveido no pašiem pamatiem, padarot AI par būtisku darba, lēmumu pieņemšanas un uzņēmuma atbalsta daļu.

Es arī saskatīju pazīstamu sākumpunktu. Grāmatvedības perioda slēgšana un prognožu atjaunināšana joprojām ietvēra manuālu, regulāru darbu: informācijas meklēšanu, izmaiņu skaidrošanu un lēmumam vajadzīgo datu apkopošanu. Mums bija pieejami pasaulē modernākie AI rīki, bet mēs vēl tikai mācījāmies ap tiem pārveidot finanšu funkciju.

Tāpēc izvirzījām divus drosmīgus mērķus: slēgšanu nulles dienā un automatizētu, nepārtraukti atjauninātu prognozēšanu.

Slēgšanas nulles dienā mērķis ir nodrošināt vadītājiem reāllaikā saskaņotu un izsekojamu priekšstatu par uzņēmuma finansiālo stāvokli. Nepārtraukta prognozēšana balstās uz šo pamatu un parāda, kā mainās uzņēmums, kas varētu notikt tālāk un kuri lēmumi varētu ietekmēt rezultātu.

Mēs joprojām strādājam pie abu mērķu sasniegšanas. Šis darbs jau ir mainījis mūsu komandas darbību. Tas mums palīdzējis pāriet no statisku izklājlapu, pamatojošo ierakstu manuālas meklēšanas un prezentāciju ierobežojumiem uz reāllaika rīkiem, kuru pamatā ir viss uzņēmuma konteksts un dati. Tas arī devis finanšu speciālistiem iespēju pašiem veidot darbam vajadzīgos rīkus un izmantot savas zināšanas plašāk.

Manuprāt, tas ir AI vidē veidotas finanšu funkcijas patiesais solījums: komanda, kas izprot notiekošo reāllaikā, palīdz vadītājiem saskatīt turpmākās izvēles un dod uzņēmumam vairāk laika rīkoties, kamēr rezultātu vēl var mainīt.

Lai to panāktu, nepietiek tikai ieviest jaunu tehnoloģiju. Darbs jāpārveido ap būtiskajiem lēmumiem, cilvēkiem jādod iespēja eksperimentēt, katrā darbplūsmā jāiestrādā skaidra atbildība un jāmēra AI uzticami paveiktais darbs, lai skaidri noteiktu ieguldījumu atdevi.

Lūk, piecas praktiskas mūsu pieredzes atziņas, ko var izmantot ikviens finanšu direktors.

Pirmais solis bija plaša piekļuve. Cilvēkiem vajadzīga brīvība izpētīt AI sava darba kontekstā. Piekļuve sniedz vislielāko vērtību, ja to apvieno ar strukturētiem eksperimentiem reālu problēmu risināšanai.

Mēs uzaicinājām pārdošanas inženierus uz finanšu hakatonu un lūdzām komandai piedāvāt darbus, kurus tā vēlētos pārveidot. Viens no rezultātiem bija IR-GPT — pielāgots GPT, kura pamatā ir apstiprinātie materiāli, ko mūsu investoru attiecību komanda izmanto atbildēm uz padziļinātās izpētes jautājumiem. Sākām arī veidot pielāgotus GPT tādām jomām kā iepirkumi un nodokļi.

Hakatons AI no abstraktas iespējas pārvērta praktiskā rīkā. Vienas dienas laikā cilvēki varēja noteikt regulāru uzdevumu, izveidot risinājumu, pārbaudīt to kopā ar kolēģiem un pilnveidot. Lietojuma scenārijus ierosināja cilvēki, kuri vislabāk pārzina darbu, bet tehniskie eksperti palīdzēja tos ātrāk īstenot.

Finanšu direktoriem atziņa ir vienkārša: vajadzīgi gan augšupēji eksperimenti, gan lejupēja stratēģija. Dodiet cilvēkiem drošu un jaudīgu AI un ļaujiet tiem, kuri vislabāk pārzina darbu, atrast labākus veidus, kā to paveikt. Vienlaikus koncentrējiet vadības uzmanību un resursus uz pārmaiņām, kas uzņēmumam būs vissvarīgākās. Patiesā iespēja rodas, abiem satiekoties: praksē balstītas idejas no darba veicējiem tiek izmantotas svarīgāko prioritāšu īstenošanai.

Finanšu komandas patērē ārkārtīgi daudz enerģijas, apkopojot lēmumam vajadzīgos datus. Lai pārskatītu prognozi, cilvēkiem var nākties atrast jaunākos datus, saskaņot izklājlapas, izskaidrot novirzes, veidot diagrammas, sagatavot dokumentus un no tiem izveidot slaidus. Analīze galu galā nonāk pie lēmuma pieņēmēja, taču komanda jau ir patērējusi lielu daļu laika tās apkopošanai.

AI maina darba vienību. Finanšu vadītāji var pārveidot visu ceļu no avota datiem līdz lēmumam.

Aplūkosim perioda slēgšanu. Ikviens finanšu direktors zina ikmēneša procesu: faktiskie rādītāji vienā sistēmā, pirkuma pasūtījumi citā, uzkrājumi izklājlapā, bet novirzes skaidrojums paslēpts ziņojumu virknē.

Mēs strādājam pie cita darbības modeļa. Slēgšanas nulles dienā mērķis ir nepārtraukti saskaņotā skatā apvienot apstiprinātos izdevumu plānus, virsgrāmatas faktiskos rādītājus, pirkuma pasūtījumus, uzkrājumus un darījumu informāciju. Katru novirzi var izsekot līdz tās pamatā esošajai darbībai. AI var sagatavot sākotnējo skaidrojumu un atzīmēt izņēmumus, kam jāpievērš uzmanība. Finanšu komanda pārbauda skaitļus, izmanto profesionālo spriedumu un uzņemas atbildību par galīgo apstiprinājumu.

Perioda slēgšana nepazūd. Sāk izzust steiga atjaunot priekšstatu par uzņēmuma darbību pēc perioda beigām.

Šis saskaņotais pamats var nodrošināt nepārtraukti atjauninātu prognozi. Mūsu komanda veido darbplūsmas, kurās apvienoti statistiskie modeļi, pārdošanas sarunas, klientu līmeņa pierādījumi, darbības dati un finanšu speciālistu vērtējums.

Mēs pārvaram izklājlapu ierobežojumus, izmantojot interaktīvākus rīkus, kas statistisko prognozi, pamatojošos pierādījumus un scenārijus apvieno vienā reāllaika skatā. Vadītāji var redzēt, kas un kāpēc mainījies, kā arī kuri lēmumi varētu mainīt rezultātu. Ja bāzes prognozē nav ietvertas jaunas klienta saistības, sistēma var parādīt pamatojošos pierādījumus un korekcijas ietekmi uz ceturkšņa vai gada rezultātu. Finanšu komanda var pārbaudīt pieņēmumus, salīdzināt scenārijus un izlemt, vai atjaunināt apstiprināto prognozi.

Tas pats skats var palīdzēt vadītājiem pieņemt labākus kapitāla sadales lēmumus. Finanšu komanda var redzēt, kur mārketinga izdevumi rada atdevi, kur rezultāti sāk mazināties un ko varētu sniegt nākamā eiro pārdale.

Mērķis ir automatizēta prognozēšana. Lai to sasniegtu, vajadzīgs nepārtraukti atjaunināts skats, ātrāka scenāriju analīze un skaidra finanšu komandas atbildība.

Plašāka atziņa: sāciet ar nozīmīgu lēmumu un virzieties atpakaļ no tā. Apziniet tā pieņemšanai vajadzīgos datus, rīkus, apstiprinājumus un darba nodošanas posmus. Pēc tam nosakiet, kuras daļas AI var analizēt, koordinēt vai izpildīt. Tas uzlabo visa lēmumu pieņemšanas cikla ātrumu un kvalitāti.

Būtiskākā pārmaiņa ir tā, ka finanšu speciālisti tagad paši var veidot darbam vajadzīgos rīkus.

Nesen veikts OpenAI pētījums liecina, ka 40% finanšu speciālistu specializēto AI lietojumu ir saistīti ar darbu ārpus tradicionālajām finansēm, bet 22% — ar inženiertehniskiem uzdevumiem.

Ikviens manā komandā ar ChatGPT Work un Codex veido pielāgotus AI informācijas paneļus un rīkus. Darbs pāriet no statiskiem Excel modeļiem un PowerPoint prezentācijām uz reāllaika informācijas paneļiem, kas izmanto visu uzņēmuma kontekstu un datus. Šie rīki var turpināt analīzi, atbildēt uz papildu jautājumiem un atjaunināties, mainoties pamatinformācijai.

Kāds kolēģis, kurš atbalsta mūsu reklāmas uzņēmējdarbību, nekad nebija programmējis. Ar Codex viņš izveidoja rīku, kas mūsu mēneša reklāmas prognozi pārvērš nedēļas un dienas plānos. Tas ņem vērā darbdienas un svētku dienas, salīdzina prognozes un sasaista katru skaitli ar apstiprināto modeli. Mārketinga vadītāji var ātri redzēt, kas mainījies, kur ieguldīt un kādu atdevi varētu dot papildu tēriņi.

Cilvēki, kuri izprot problēmu, tagad var veidot tās risinājumu. Šo rīku veidošana arī mudina pārskatīt ierasto darba kārtību. Finanšu speciālists var izveidot uzņēmumam vajadzīgo lēmumu pieņemšanas infrastruktūru, pārbaudīt to kopā ar kolēģiem un pilnveidot līdz ar darba attīstību.

Finanšu komandas nezaudē savu specializāciju. Tās iegūst iespēju izmantot savas zināšanas plašāk.

IR-GPT mums sniedza svarīgu atziņu par kontroli. Lai atbildētu uz investoru padziļinātās izpētes jautājumiem, analītiķim var nākties pārskatīt iepriekšējos materiālus, sagatavot atbildi, pārbaudīt konsekvenci un koordinēt pārskatīšanu. Ar pielāgotu GPT, kura pamatā ir apstiprināti avoti, darbā, kas agrāk ilga stundām un dažkārt turpinājās visu nakti, tagad dažu sekunžu laikā var sagatavot kvalitatīvu pirmo melnrakstu.

Cilvēka loma joprojām ir galvenā. Mūsu investoru attiecību komanda izlasa melnrakstu, papildina to ar profesionālu vērtējumu un kontekstu un pārbauda, vai dažādiem investoriem sniegtās atbildes ir konsekventas. AI paātrina darbu. Par rezultātu atbild cilvēki.

Šis ir finansēm piemērots modelis. Finanšu direktoriem kopā ar IT un pārvaldības komandām jānosaka, kuriem datiem AI sistēma drīkst piekļūt, kādas darbības tā drīkst veikt, kad vajadzīgs apstiprinājums un kad problēma jānodod izskatīšanai augstākā līmenī. Katram rezultātam jābūt sasaistītam ar uzticamu avotu. Katrai prognozei jāpievieno skaidrs pamatojums. Visām apstiprinātās bāzes prognozes izmaiņām vajadzīgs finanšu komandas apstiprinājums.

Īslaicīgā “tokenu maksimizēšanas” aizraušanās ir beigusies. Tagad var vienkārši noteikt lietojuma ierobežojumus, budžeta kontroli, lomās balstītu piekļuvi, modeļu maršrutēšanas kārtulas un apstiprināšanas sliekšņus. Finanšu direktori var pārvaldīt AI lietojumu tikpat disciplinēti kā jebkurus mainīgos izdevumus, vienlaikus dodot komandām iespēju veidot un eksperimentēt.

Skaidra atbildība rada pārliecību, kas vajadzīga ātrākai rīcībai. Paātrinoties informācijas apkopošanai, saskaņošanai un sagatavošanai, finanšu speciālistiem atliek vairāk laika apstrīdēt pieņēmumus, konsultēt uzņēmumu un izmantot profesionālo spriedumu.

Finanšu direktoriem vajadzīga darbības rezultātos balstīta AI rādītāju sistēma. Lielāks licenču vai izmantoto tokenu skaits neko daudz nepasaka. Svarīgi ir tas, vai darbs ir paveikts kvalitatīvi un cik tas patiesībā maksā.

Par katru darbplūsmu uzdodiet četrus jautājumus:

• Vai AI paveica būtisku darbu?
• Cik tas izmaksāja, ieskaitot darbinieku laiku, pārbaudi un pārstrādi?
• Vai rezultāts bija pietiekami labs, lai to izmantotu?
• Vai tas palīdzēja mums rīkoties ātrāk vai pieņemt labāku lēmumu?

Finanšu komandai noderīgs darbs var būt atjaunināta prognoze, izskaidrota novirze, izpildīts revīzijas pieprasījums vai atbildēts valdes jautājums. Perioda slēgšanas rādītāju sistēmā var iekļaut cikla ilgumu, automātiski saskaņoto darījumu īpatsvaru, pārbaudāmo izņēmumu skaitu un novirzes izskaidrošanai vajadzīgo laiku. Prognozēšanai var vērtēt prognozes precizitāti, atjaunināšanas biežumu, jauna scenārija izveides laiku un prognozes atbalstīto lēmumu kvalitāti.

Lētākais modelis ne vienmēr ir ekonomiskākais. Ja labāks modelis sniedz uzticamu atbildi ar mazāk mēģinājumiem un mazāku pārbaudes apjomu, kopējās izmaksas var būt zemākas.

Finanses ir stratēģijas, kapitāla, datu, risku un darbības rezultātu centrā. Tādēļ finanšu direktoriem ir unikāls skatījums uz uzņēmuma darbību un nozīmīgas pilnvaras vadīt tā AI pārveidi.

AI vidē veidotu finanšu funkciju raksturo ātrāki cikli, stingrāka kontrole, labāki lēmumi un vairāk laika profesionālam vērtējumam. Ceļš sākas ar nozīmīgu darbplūsmu un, balstoties pierādījumos, paplašinās: dodiet cilvēkiem rīkus, palīdziet pārveidot darbu, skaidri nosakiet atbildību un mēriet rezultātu.

Slēgšana nulles dienā un nepārtraukta prognozēšana pauž plašāku mērķi: finanšu komanda izprot notiekošo reāllaikā, parāda vadītājiem, kas varētu notikt tālāk, un palīdz uzņēmumam ātrāk pieņemt labākus lēmumus.

Rezultāts ir finanšu komanda ar lielāku kapacitāti un finanšu direktors ar skaidrāku priekšstatu par uzņēmumu. Tas arī rada praktisku paraugu, kā viss uzņēmums var pārvērst domāšanas spējas noturīgā vērtībā. Kā vienmēr saku: nevar kļūt par to, ko nespēj iztēloties. Ja vēlamies, lai finanšu komandas izmantotu AI sniegtās iespējas, mums tās jāparāda praksē — un finanšu direktoriem jāsāk ar sevi.

Mana finanšu komanda parādīja, kā tas notiek praksē. Varat noskatīties ierakstu šeit⁠(atveras jaunā logā).