AI-അധിഷ്ഠിത ധനകാര്യ വിഭാഗം നിർമിച്ചതിൽനിന്ന് ഞാൻ പഠിച്ചത്

ധനകാര്യം ഒരു തത്സമയ പ്രവർത്തനമായി മാറിയിരിക്കുന്നു. എന്റെ കാഴ്ചയിൽ, കണക്കുകൾ വേഗത്തിൽ അവസാനിപ്പിക്കുന്നതിനേക്കാളും പ്രവചനം കൂടുതൽ തവണ പുതുക്കുന്നതിനേക്കാളും ഏറെ വലുതാണ് ഈ അവസരം. ബിസിനസ് മാറുന്നതിനനുസരിച്ച് അത് മനസ്സിലാക്കുക, വേഗത്തിൽ നടപടിയെടുക്കാൻ നേതാക്കളെ സഹായിക്കുക, അടുത്തതായി സംഭവിക്കുന്ന കാര്യങ്ങൾ രൂപപ്പെടുത്താൻ ധനകാര്യ സംഘങ്ങൾക്ക് കൂടുതൽ സമയം നൽകുക എന്നിവയാണ് ഇതിന്റെ ലക്ഷ്യം.

രണ്ടുവർഷം മുമ്പ് ഞാൻ OpenAI-യിൽ ചേർന്നപ്പോൾ, അസാധാരണ വേഗത്തിൽ വളർന്നുകൊണ്ടിരുന്ന കമ്പനിയെ പിന്തുണച്ചിരുന്നത് ഒരു ചെറിയ ധനകാര്യ സംഘം മാത്രമായിരുന്നു. ധനകാര്യ പ്രവർത്തനം അടിത്തറമുതൽ നിർമിക്കുകയും ഞങ്ങളുടെ ജോലി, തീരുമാനങ്ങൾ, ബിസിനസിനുള്ള പിന്തുണ എന്നിവയിൽ AIയെ അടിസ്ഥാന ഘടകമാക്കുകയും ചെയ്യേണ്ടിയിരുന്നു.

പരിചിതമായ ഒരു തുടക്കവും ഞാൻ കണ്ടു. കണക്കുകൾ അവസാനിപ്പിക്കുന്നതിലും പ്രവചനങ്ങൾ പുതുക്കുന്നതിലും അപ്പോഴും ആവർത്തിച്ചുള്ള കൈവേലകൾ ഉണ്ടായിരുന്നു: വിവരങ്ങൾ കണ്ടെത്തുക, എന്താണ് മാറിയതെന്ന് വിശദീകരിക്കുക, തീരുമാനത്തിനാവശ്യമായ വിവരങ്ങൾ സമാഹരിക്കുക എന്നിവ. ലോകത്തിലെ ഏറ്റവും നൂതനമായ AI ഉപകരണങ്ങൾ ഞങ്ങൾക്ക് ലഭ്യമായിരുന്നിട്ടും, അവയെ കേന്ദ്രീകരിച്ച് ധനകാര്യ പ്രവർത്തനം പുനഃരൂപകൽപ്പന ചെയ്യാൻ ഞങ്ങൾ പഠിച്ചുകൊണ്ടിരിക്കുകയായിരുന്നു.

അതിനാൽ ഞങ്ങൾ രണ്ട് ധീര ലക്ഷ്യങ്ങൾ നിശ്ചയിച്ചു: തത്സമയ കണക്കവസാനിപ്പിക്കലും സ്വയമേവ തുടർച്ചയായി പുതുക്കുന്ന പ്രവചനവും.

കമ്പനിയുടെ ധനസ്ഥിതിയെക്കുറിച്ച് തത്സമയം പൊരുത്തപ്പെടുത്തിയതും പിന്തുടരാനാകുന്നതുമായ കാഴ്ച നേതാക്കൾക്ക് നൽകുക എന്നതാണ് തത്സമയ കണക്കവസാനിപ്പിക്കലിന്റെ ആശയം. ആ അടിത്തറയിലാണ് തുടർച്ചയായ പ്രവചനം നിർമിക്കുന്നത്. ബിസിനസ് എങ്ങനെ മാറുന്നു, അടുത്തതായി എന്തു സംഭവിക്കാം, ഏതെല്ലാം തീരുമാനങ്ങൾക്ക് ഫലം മാറ്റാനാകും എന്നിവ അത് കാണിക്കുന്നു.

ഈ രണ്ട് ലക്ഷ്യങ്ങളിലേക്കുമുള്ള നിർമാണം ഞങ്ങൾ ഇപ്പോഴും തുടരുകയാണ്. ഈ പ്രവർത്തനം ഞങ്ങളുടെ സംഘത്തിന്റെ പ്രവർത്തനരീതിയെ ഇതിനകം മാറ്റിയിട്ടുണ്ട്. സ്ഥിരമായ സ്പ്രെഡ്‌ഷീറ്റുകൾ, അനുബന്ധ രേഖകൾക്കായുള്ള കൈമുറ തിരച്ചിലുകൾ, അവതരണങ്ങൾ എന്നിവയുടെ പരിമിതികൾ മറികടന്ന്, ബിസിനസിന്റെ പൂർണ പശ്ചാത്തലത്തിലും ഡാറ്റയിലും നിർമിച്ച തത്സമയ ഉപകരണങ്ങളിലേക്ക് ഇത് ഞങ്ങളെ നയിച്ചു. ധനകാര്യ വിദഗ്ധർക്ക് അവരുടെ ജോലിക്ക് ആവശ്യമായ ഉപകരണങ്ങൾ നിർമിക്കാനും വൈദഗ്ധ്യം കൂടുതൽ മേഖലകളിലേക്ക് വ്യാപിപ്പിക്കാനുമുള്ള കഴിവും ഇത് നൽകി.

എന്റെ കാഴ്ചയിൽ, AI-അധിഷ്ഠിത ധനകാര്യ വിഭാഗത്തിന്റെ യഥാർഥ വാഗ്ദാനം ഇതാണ്: സംഭവങ്ങൾ നടക്കുമ്പോൾത്തന്നെ അവ മനസ്സിലാക്കുകയും മുന്നിലുള്ള തിരഞ്ഞെടുപ്പുകൾ കാണാൻ നേതാക്കളെ സഹായിക്കുകയും ഫലം മാറ്റാൻ കഴിയുന്ന സമയത്തുതന്നെ നടപടിയെടുക്കാൻ ബിസിനസിന് കൂടുതൽ സമയം നൽകുകയും ചെയ്യുന്ന ഒരു സംഘം.

അവിടെയെത്താൻ പുതിയ സാങ്കേതികവിദ്യ സ്വീകരിക്കുന്നതിലുപരി പലതും ആവശ്യമാണ്. പ്രധാന തീരുമാനങ്ങളെ കേന്ദ്രീകരിച്ച് ജോലി പുനഃരൂപകൽപ്പന ചെയ്യുക, പരീക്ഷണങ്ങൾക്ക് ആളുകൾക്ക് അവസരം നൽകുക, ഓരോ പ്രവർത്തനക്രമത്തിലും വ്യക്തമായ ഉത്തരവാദിത്വം ഉൾപ്പെടുത്തുക, വ്യക്തമായ നിക്ഷേപാദായം കാണിക്കാൻ AI വിശ്വസനീയമായി പൂർത്തിയാക്കുന്ന ജോലി അളക്കുക എന്നിവ ആവശ്യമാണ്.

ഓരോ CFOയ്ക്കും പ്രയോഗിക്കാവുന്ന, ഞങ്ങളുടെ അനുഭവത്തിൽനിന്നുള്ള അഞ്ച് പ്രായോഗിക പാഠങ്ങൾ ഇതാ.

വ്യാപകമായ പ്രവേശനമായിരുന്നു ആദ്യപടി. സ്വന്തം ജോലിയുടെ പശ്ചാത്തലത്തിൽ AI പരീക്ഷിക്കാൻ ആളുകൾക്ക് സ്വാതന്ത്ര്യം വേണം. യഥാർഥ പ്രശ്നങ്ങളെ കേന്ദ്രീകരിച്ചുള്ള ചിട്ടയായ പരീക്ഷണവുമായി ചേർക്കുമ്പോഴാണ് പ്രവേശനം പരമാവധി മൂല്യം സൃഷ്ടിക്കുന്നത്.

ധനകാര്യ ഹാക്കത്തോണിലേക്ക് ഞങ്ങൾ സെയിൽസ് എൻജിനീയർമാരെ കൊണ്ടുവന്നു. രൂപാന്തരപ്പെടുത്താൻ ആഗ്രഹിക്കുന്ന ജോലി കൊണ്ടുവരാൻ സംഘത്തോട് ആവശ്യപ്പെട്ടു. ഞങ്ങളുടെ നിക്ഷേപക ബന്ധ സംഘം സൂക്ഷ്മപരിശോധനാ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ ഉപയോഗിക്കുന്ന അംഗീകൃത രേഖകളെ അടിസ്ഥാനമാക്കിയ ആവശ്യാനുസൃത GPTയായ IR-GPT ആയിരുന്നു ഒരു ഫലം. സംഭരണം, നികുതി എന്നിവ ഉൾപ്പെടെയുള്ള മേഖലകൾക്കായി ആവശ്യാനുസൃത GPTകൾ നിർമിക്കാനും ഞങ്ങൾ തുടങ്ങി.

ഹാക്കത്തോൺ AI-യെ ഒരു അമൂർത്ത ശേഷിയിൽനിന്ന് പ്രവർത്തനക്ഷമമായ ഉപകരണമാക്കി മാറ്റി. ഒരൊറ്റ ദിവസംകൊണ്ട് ആവർത്തിക്കുന്ന ഒരു ജോലി കണ്ടെത്താനും പരിഹാരം നിർമിക്കാനും സഹപ്രവർത്തകരോടൊപ്പം പരീക്ഷിക്കാനും മെച്ചപ്പെടുത്താനും ആളുകൾക്ക് കഴിഞ്ഞു. ജോലിയോട് ഏറ്റവും അടുത്തുനിൽക്കുന്ന ആളുകളിൽനിന്നാണ് ഉപയോഗസാധ്യതകൾ വന്നത്. സാങ്കേതിക വിദഗ്ധർ അവരെ വേഗത്തിൽ മുന്നേറാൻ സഹായിച്ചു.

CFOമാർക്കുള്ള പാഠം ലളിതമാണ്: താഴേത്തട്ടിൽനിന്നുള്ള പരീക്ഷണവും മേൽത്തട്ടിൽനിന്നുള്ള തന്ത്രവും ഒരുപോലെ വേണം. സുരക്ഷിതവും ശേഷിയുള്ളതുമായ AI ആളുകളുടെ കൈകളിലെത്തിക്കുക. കാര്യങ്ങൾ കൂടുതൽ നന്നായി ചെയ്യാനുള്ള വഴികൾ കണ്ടെത്താൻ ജോലിയോട് ഏറ്റവും അടുത്തുനിൽക്കുന്നവരെ അനുവദിക്കുക. അതോടൊപ്പം, ബിസിനസിന് ഏറ്റവും പ്രധാനമാകുന്ന മാറ്റങ്ങളിൽ നേതൃത്വത്തിന്റെ ശ്രദ്ധയും വിഭവങ്ങളും കേന്ദ്രീകരിക്കുക. ഇവ രണ്ടും ചേരുമ്പോഴാണ് യഥാർഥ അവസരം ഉണ്ടാകുന്നത്: മുൻനിരയിൽനിന്നുള്ള പ്രായോഗിക ആശയങ്ങൾ നിങ്ങളുടെ ഏറ്റവും വലിയ മുൻഗണനകളിൽ പ്രയോഗിക്കുക.

ഒരു തീരുമാനത്തിനാവശ്യമായ വിവരങ്ങൾ സമാഹരിക്കാൻ ധനകാര്യ സംഘങ്ങൾ വളരെയധികം ഊർജം ചെലവഴിക്കുന്നു. ഒരു പ്രവചന അവലോകനത്തിനായി ഏറ്റവും പുതിയ ഡാറ്റ കണ്ടെത്തുക, സ്പ്രെഡ്‌ഷീറ്റുകൾ പൊരുത്തപ്പെടുത്തുക, വ്യത്യാസങ്ങൾ വിശദീകരിക്കുക, ചാർട്ടുകൾ നിർമിക്കുക, രേഖകൾ തയ്യാറാക്കുക, അവയെ സ്ലൈഡുകളാക്കുക എന്നിവ വേണ്ടിവരാം. വിശകലനം ഒടുവിൽ തീരുമാനമെടുക്കുന്നയാളിൽ എത്തുമ്പോഴേക്കും സംഘത്തിന്റെ സമയത്തിൽ വലിയൊരു ഭാഗം അത് സമാഹരിക്കാൻ ചെലവായിക്കഴിഞ്ഞിരിക്കും.

AI ജോലിയുടെ അടിസ്ഥാന ഘടകം മാറ്റുന്നു. ഉറവിട ഡാറ്റ മുതൽ തീരുമാനം വരെയുള്ള പൂർണ പാത ധനകാര്യ നേതാക്കൾക്ക് പുനഃരൂപകൽപ്പന ചെയ്യാം.

കണക്കുകൾ അവസാനിപ്പിക്കുന്ന പ്രക്രിയ പരിഗണിക്കുക. ഓരോ CFOയ്ക്കും പ്രതിമാസ പ്രക്രിയ അറിയാം: യഥാർഥ കണക്കുകൾ ഒരു സിസ്റ്റത്തിൽ, പർച്ചേസ് ഓർഡറുകൾ മറ്റൊന്നിൽ, അക്രൂവലുകൾ ഒരു സ്പ്രെഡ്‌ഷീറ്റിൽ, വ്യത്യാസത്തിന്റെ വിശദീകരണം ഒരു സന്ദേശശൃംഖലയിൽ മറഞ്ഞുകിടക്കുന്നു.

വ്യത്യസ്തമായൊരു പ്രവർത്തന മാതൃകയിലേക്കാണ് ഞങ്ങൾ നീങ്ങുന്നത്. അംഗീകൃത ചെലവ് പദ്ധതികൾ, ജനറൽ ലെഡ്ജറിലെ യഥാർഥ കണക്കുകൾ, പർച്ചേസ് ഓർഡറുകൾ, അക്രൂവലുകൾ, ഇടപാട് വിശദാംശങ്ങൾ എന്നിവ തുടർച്ചയായി പൊരുത്തപ്പെടുത്തിയ ഒരു ദൃശ്യത്തിൽ ബന്ധിപ്പിക്കുകയാണ് തത്സമയ കണക്കവസാനിപ്പിക്കലിന്റെ ലക്ഷ്യം. ഓരോ വ്യത്യാസവും അതിന് അടിസ്ഥാനമായ പ്രവർത്തനത്തിലേക്ക് പിന്തുടരാനാകും. AI-ക്ക് പ്രാഥമിക വിശദീകരണം തയ്യാറാക്കാനും ശ്രദ്ധ ആവശ്യമുള്ള അപവാദങ്ങൾ അടയാളപ്പെടുത്താനും കഴിയും. ധനകാര്യ വിഭാഗം കണക്കുകൾ സാധൂകരിക്കുകയും പ്രായോഗിക വിലയിരുത്തൽ നടത്തുകയും അന്തിമ അംഗീകാരത്തിന്റെ ഉത്തരവാദിത്വം ഏറ്റെടുക്കുകയും ചെയ്യുന്നു.

കണക്കുകൾ അവസാനിപ്പിക്കുന്ന പ്രക്രിയ ഇല്ലാതാകുന്നില്ല. കാലയളവ് അവസാനിച്ചശേഷം ബിസിനസിന്റെ സ്ഥിതി പുനർനിർമിക്കാനുള്ള നെട്ടോട്ടമാണ് ഇല്ലാതാകാൻ തുടങ്ങുന്നത്.

പൊരുത്തപ്പെടുത്തിയ ആ അടിത്തറയ്ക്ക് തുടർച്ചയായി പുതുക്കുന്ന പ്രവചനത്തെ പിന്തുണയ്ക്കാനാകും. സ്ഥിതിവിവരശാസ്ത്ര മോഡലുകൾ, വിൽപ്പന സംഭാഷണങ്ങൾ, അക്കൗണ്ട് തലത്തിലുള്ള തെളിവുകൾ, പ്രവർത്തന ഡാറ്റ, ധനകാര്യ വിലയിരുത്തൽ എന്നിവ ഏകോപിപ്പിക്കുന്ന പ്രവർത്തനക്രമങ്ങൾ ഞങ്ങളുടെ സംഘം നിർമിക്കുകയാണ്.

സ്ഥിതിവിവരശാസ്ത്ര പ്രവചനം, അതിനെ പിന്തുണയ്ക്കുന്ന തെളിവുകൾ, സാഹചര്യങ്ങൾ എന്നിവ ഒരൊറ്റ തത്സമയ ദൃശ്യത്തിൽ ലഭ്യമാക്കുന്ന കൂടുതൽ സംവേദനാത്മക ഉപകരണങ്ങളിലേക്ക് ഞങ്ങൾ സ്പ്രെഡ്‌ഷീറ്റുകളുടെ പരിമിതികൾ മറികടന്ന് നീങ്ങുകയാണ്. എന്താണ് മാറിയത്, എന്തുകൊണ്ടാണ് മാറിയത്, ഏതെല്ലാം തീരുമാനങ്ങൾക്ക് ഫലം മാറ്റാനാകും എന്നിവ നേതാക്കൾക്ക് കാണാം. ഒരു പുതിയ ഉപഭോക്തൃ പ്രതിബദ്ധത അടിസ്ഥാന കണക്കിൽ ഇല്ലെങ്കിൽ, അതിനെ പിന്തുണയ്ക്കുന്ന തെളിവുകൾ മുന്നോട്ടുവെക്കാനും ഒരു ക്രമീകരണം ത്രൈമാസത്തെയോ വർഷത്തെയോ എങ്ങനെ ബാധിക്കുമെന്ന് കാണിക്കാനും സിസ്റ്റത്തിന് കഴിയും. അനുമാനങ്ങൾ പരിശോധിക്കാനും സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യാനും അംഗീകൃത പ്രവചനം പുതുക്കണമോ എന്ന് തീരുമാനിക്കാനും ധനകാര്യ വിഭാഗത്തിന് കഴിയും.

മികച്ച മൂലധന വിന്യാസ തീരുമാനങ്ങളെടുക്കാനും ഇതേ ദൃശ്യം നേതാക്കളെ സഹായിക്കും. മാർക്കറ്റിങ് ചെലവ് എവിടെയാണ് ആദായം നൽകുന്നത്, എവിടെയാണ് ഫലം കുറഞ്ഞുവരുന്നത്, അടുത്ത തുക പുനർവിന്യസിച്ചാൽ എന്തു സംഭവിക്കാം എന്നിവ ധനകാര്യ സംഘത്തിന് കാണാം.

സ്വയമേവയുള്ള പ്രവചനമാണ് ലക്ഷ്യം. തുടർച്ചയായി പുതുക്കുന്ന ദൃശ്യം, വേഗമേറിയ സാഹചര്യ വിശകലനം, ധനകാര്യ വിഭാഗത്തിന്റെ വ്യക്തമായ ഉടമസ്ഥത എന്നിവയിലൂടെയാണ് ആ ലക്ഷ്യത്തിലെത്തുന്നത്.

പ്രധാനപ്പെട്ടൊരു തീരുമാനത്തിൽനിന്ന് ആരംഭിച്ച് പിന്നോട്ട് പ്രവർത്തിക്കണം എന്നതാണ് വിശാലമായ പാഠം. അതിനെ പിന്തുണയ്ക്കാൻ ആവശ്യമായ ഡാറ്റ, ഉപകരണങ്ങൾ, അംഗീകാരങ്ങൾ, കൈമാറ്റങ്ങൾ എന്നിവ രേഖപ്പെടുത്തുക. തുടർന്ന്, ഏതെല്ലാം ഭാഗങ്ങൾ AIക്ക് വിശകലനം ചെയ്യാനോ ഏകോപിപ്പിക്കാനോ പൂർത്തിയാക്കാനോ കഴിയുമെന്ന് നിർണയിക്കുക. ഇത് തീരുമാനമെടുക്കൽ ചക്രത്തിന്റെ മൊത്തത്തിലുള്ള വേഗവും നിലവാരവും മെച്ചപ്പെടുത്തുന്നു.

ധനകാര്യ വിദഗ്ധർക്ക് ഇപ്പോൾ അവരുടെ ജോലിക്ക് ആവശ്യമായ ഉപകരണങ്ങൾ സ്വയം നിർമിക്കാനാകുന്നു എന്നതാണ് വലിയ പരിവർത്തനം.

ധനകാര്യ വിദഗ്ധരുടെ സവിശേഷ AI ഉപയോഗത്തിൽ 40% പരമ്പരാഗത ധനകാര്യ മേഖലയ്ക്കു പുറത്തുള്ള ജോലികളും 22% എൻജിനീയറിങ്ങുമായി ബന്ധപ്പെട്ട ജോലികളുമാണെന്ന് സമീപകാലത്തെ OpenAI ഗവേഷണം കാണിക്കുന്നു.

എന്റെ സംഘത്തിലെ എല്ലാവരും ChatGPT ജോലി, Codex എന്നിവ ഉപയോഗിച്ച് ആവശ്യാനുസൃത AI ഡാഷ്‌ബോർഡുകളും ഉപകരണങ്ങളും നിർമിക്കുന്നു. സ്ഥിരമായ Excel മോഡലുകളിൽനിന്നും PowerPoint അവതരണങ്ങളിൽനിന്നും മാറി, ബിസിനസിന്റെ പൂർണ പശ്ചാത്തലത്തിനും ഡാറ്റയ്ക്കും മുകളിൽ പ്രവർത്തിക്കുന്ന തത്സമയ ഡാഷ്‌ബോർഡുകളിലേക്ക് ജോലി നീങ്ങുകയാണ്. വിശകലനം മുന്നോട്ടുകൊണ്ടുപോകാനും തുടർചോദ്യങ്ങൾക്ക് മറുപടി നൽകാനും അടിസ്ഥാന വിവരങ്ങൾ മാറുന്നതിനനുസരിച്ച് പുതുക്കാനും ഈ ഉപകരണങ്ങൾക്ക് കഴിയും.

ഞങ്ങളുടെ പരസ്യ ബിസിനസിനെ പിന്തുണയ്ക്കുന്ന ഒരു സഹപ്രവർത്തകൻ മുമ്പ് ഒരിക്കലും കോഡ് എഴുതിയിരുന്നില്ല. ഞങ്ങളുടെ പ്രതിമാസ പരസ്യ പ്രവചനത്തെ പ്രതിവാര, പ്രതിദിന പദ്ധതികളാക്കി മാറ്റുന്ന ഒരു ഉപകരണം അദ്ദേഹം Codex ഉപയോഗിച്ച് നിർമിച്ചു. അത് പ്രവൃത്തിദിനങ്ങളും അവധിദിനങ്ങളും കണക്കിലെടുക്കുകയും പ്രവചനങ്ങൾ താരതമ്യം ചെയ്യുകയും ഓരോ സംഖ്യയും അംഗീകൃത മോഡലുമായി ബന്ധിപ്പിക്കുകയും ചെയ്യുന്നു. എന്താണ് മാറിയത്, എവിടെ നിക്ഷേപിക്കണം, അധിക ചെലവിൽനിന്ന് എന്ത് ആദായം ലഭിക്കാം എന്നിവ മാർക്കറ്റിങ് നേതാക്കൾക്ക് വേഗത്തിൽ കാണാം.

പ്രശ്നം മനസ്സിലാക്കുന്ന ആളുകൾക്ക് ഇപ്പോൾ പരിഹാരം രൂപപ്പെടുത്താം. ഈ ഉപകരണങ്ങൾ നിർമിക്കുന്നത് പതിവ് പ്രവർത്തനരീതി പുനഃപരിശോധിക്കാനും അവരെ പ്രേരിപ്പിക്കുന്നു. ബിസിനസിന് ആവശ്യമായ തീരുമാനമെടുക്കൽ അടിസ്ഥാനസൗകര്യം നിർമിക്കാനും സഹപ്രവർത്തകരോടൊപ്പം പരീക്ഷിക്കാനും ജോലി വികസിക്കുന്നതിനനുസരിച്ച് മെച്ചപ്പെടുത്താനും ഒരു ധനകാര്യ വിദഗ്ധന് കഴിയും.

ധനകാര്യ സംഘങ്ങളുടെ സവിശേഷ വൈദഗ്ധ്യം കുറയുന്നില്ല. അവരുടെ വൈദഗ്ധ്യം കൂടുതൽ മേഖലകളിലേക്ക് വ്യാപിപ്പിക്കാനുള്ള കഴിവാണ് അവർ നേടുന്നത്.

നിയന്ത്രണത്തെക്കുറിച്ചുള്ള ഒരു പ്രധാന പാഠം IR-GPT ഞങ്ങളെ പഠിപ്പിച്ചു. നിക്ഷേപകരുടെ സൂക്ഷ്മപരിശോധനാ ചോദ്യങ്ങൾക്ക് മറുപടി നൽകാൻ ഒരു അനലിസ്റ്റ് മുൻ രേഖകളിൽ തിരയുകയും കരട് തയ്യാറാക്കുകയും സ്ഥിരത പരിശോധിക്കുകയും അവലോകനം ഏകോപിപ്പിക്കുകയും ചെയ്യേണ്ടിവരാം. അംഗീകൃത ഉറവിടങ്ങളെ അടിസ്ഥാനമാക്കിയ ആവശ്യാനുസൃത GPT ഉപയോഗിച്ച്, മുമ്പ് മണിക്കൂറുകളും ചിലപ്പോൾ ഒരു രാത്രി മുഴുവനും എടുത്തിരുന്ന ജോലിയിൽ ഇപ്പോൾ നിമിഷങ്ങൾക്കുള്ളിൽ മികച്ച ആദ്യ കരട് തയ്യാറാക്കാം.

മനുഷ്യരുടെ പങ്ക് ഇപ്പോഴും കേന്ദ്രസ്ഥാനത്താണ്. ഞങ്ങളുടെ നിക്ഷേപക ബന്ധ സംഘം കരട് വായിക്കുകയും വിലയിരുത്തലും പശ്ചാത്തലവും ചേർക്കുകയും വിവിധ നിക്ഷേപകർക്ക് നൽകുന്ന ഉത്തരങ്ങൾ ഒരേ നിലപാട് പുലർത്തുന്നുവെന്ന് പരിശോധിക്കുകയും ചെയ്യുന്നു. AI ജോലി വേഗത്തിലാക്കുന്നു. ഫലത്തിന്റെ ഉത്തരവാദിത്വം ആളുകൾക്കാണ്.

ധനകാര്യത്തിന് യോജിച്ച മാതൃക ഇതാണ്. AI സിസ്റ്റത്തിന് ഏതൊക്കെ ഡാറ്റ ലഭ്യമാക്കാം, ഏതൊക്കെ നടപടികൾ സ്വീകരിക്കാം, എപ്പോൾ അംഗീകാരം വേണം, എപ്പോൾ വിഷയം ഉയർന്ന തലത്തിലേക്ക് കൈമാറണം എന്നിവ നിർവചിക്കാൻ CFOമാർ IT, ഭരണനിർവഹണ സംഘങ്ങളുമായി പ്രവർത്തിക്കണം. ഓരോ ഫലവും വിശ്വസനീയമായ ഉറവിടവുമായി ബന്ധിപ്പിക്കണം. ഓരോ പ്രവചനത്തിനൊപ്പവും വ്യക്തമായ വിശദീകരണം ഉണ്ടായിരിക്കണം. അംഗീകൃത അടിസ്ഥാന കണക്കിലെ ഓരോ മാറ്റത്തിനും ധനകാര്യ വിഭാഗത്തിന്റെ അനുമതി ആവശ്യമായിരിക്കണം.

“ടോക്കൺ പരമാവധിയാക്കൽ” എന്ന ഹ്രസ്വകാല തരംഗം വന്നുപോയി. ഉപയോഗപരിധികൾ, ബജറ്റ് നിയന്ത്രണങ്ങൾ, ചുമതലാധിഷ്ഠിത പ്രവേശനം, മോഡൽ തിരഞ്ഞെടുക്കൽ നിയമങ്ങൾ, അംഗീകാര പരിധികൾ എന്നിവ നിശ്ചയിക്കുന്നത് ഇപ്പോൾ എളുപ്പമാണ്. സംഘങ്ങൾക്ക് നിർമിക്കാനും പരീക്ഷിക്കാനും സ്വാതന്ത്ര്യം നൽകിക്കൊണ്ട്, മറ്റേതൊരു വ്യത്യാസപ്പെടുന്ന ചെലവിനെയും കൈകാര്യം ചെയ്യുന്ന അതേ അച്ചടക്കത്തോടെ CFOമാർക്ക് AI ഉപയോഗവും നിയന്ത്രിക്കാം.

വേഗത്തിൽ മുന്നേറാൻ ആവശ്യമായ ആത്മവിശ്വാസം വ്യക്തമായ ഉത്തരവാദിത്വം സൃഷ്ടിക്കുന്നു. വിവരസംഗ്രഹം, പൊരുത്തപ്പെടുത്തൽ, തയ്യാറെടുപ്പ് എന്നിവ വേഗത്തിലാകുമ്പോൾ അനുമാനങ്ങളെ ചോദ്യം ചെയ്യാനും ബിസിനസിന് ഉപദേശം നൽകാനും പ്രായോഗിക വിലയിരുത്തൽ നടത്താനും ധനകാര്യ വിദഗ്ധർക്ക് കൂടുതൽ സമയം ലഭിക്കുന്നു.

പ്രവർത്തന മികവിനെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു AI സ്കോർകാർഡ് CFOമാർക്ക് ആവശ്യമാണ്. കൂടുതൽ ഉപയോക്തൃ ലൈസൻസുകൾ വാങ്ങുന്നതോ കൂടുതൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്നതോ കാര്യമായ വിവരമൊന്നും നൽകുന്നില്ല. ജോലി നന്നായി പൂർത്തിയായോ, അതിന് യഥാർഥത്തിൽ എത്ര ചെലവായി എന്നിവയാണ് പ്രധാനം.

ഓരോ പ്രവർത്തനക്രമത്തിനും നാല് ചോദ്യങ്ങൾ ചോദിക്കുക:

• പ്രാധാന്യമുള്ള ജോലി AI പൂർത്തിയാക്കിയോ?
• ജീവനക്കാരുടെ സമയം, അവലോകനം, വീണ്ടും ചെയ്യേണ്ടിവന്ന ജോലി എന്നിവ ഉൾപ്പെടെ അതിന് എത്ര ചെലവായി?
• ഫലം ഉപയോഗിക്കാൻ മതിയായ നിലവാരമുള്ളതായിരുന്നോ?
• കൂടുതൽ വേഗത്തിൽ മുന്നേറാനോ മികച്ച തീരുമാനമെടുക്കാനോ അത് സഹായിച്ചോ?

ഒരു ധനകാര്യ സംഘത്തെ സംബന്ധിച്ചിടത്തോളം, പ്രവചനം പുതുക്കുക, വ്യത്യാസം വിശദീകരിക്കുക, ഓഡിറ്റ് അഭ്യർഥന പൂർത്തിയാക്കുക, ബോർഡിന്റെ ചോദ്യത്തിന് ഉത്തരം നൽകുക എന്നിവ പ്രയോജനകരമായ ജോലികളാകാം. കണക്കുകൾ അവസാനിപ്പിക്കുന്ന പ്രക്രിയയിൽ, വേണ്ടിവരുന്ന സമയം, സ്വയമേവ പൊരുത്തപ്പെടുത്തിയ ഇടപാടുകളുടെ അനുപാതം, അവലോകനം ആവശ്യമായ അപവാദങ്ങളുടെ എണ്ണം, ഒരു വ്യത്യാസം വിശദീകരിക്കാൻ വേണ്ട സമയം എന്നിവ സ്കോർകാർഡിൽ ഉൾപ്പെടുത്താം. പ്രവചനത്തിന്, പ്രവചന കൃത്യത, പുതുക്കലിന്റെ ആവൃത്തി, പുതിയൊരു സാഹചര്യം തയ്യാറാക്കാൻ വേണ്ട സമയം, പ്രവചനം പിന്തുണയ്ക്കുന്ന തീരുമാനങ്ങളുടെ നിലവാരം എന്നിവ ഉൾപ്പെടുത്താം.

ഏറ്റവും വിലകുറഞ്ഞ മോഡൽ എല്ലായ്‌പ്പോഴും ഏറ്റവും ലാഭകരമാകണമെന്നില്ല. കുറച്ച് ശ്രമങ്ങളും അവലോകനവുംകൊണ്ട് മികച്ചൊരു മോഡൽ വിശ്വസനീയമായ ഉത്തരം നൽകുന്നുവെങ്കിൽ, മൊത്തത്തിൽ അതിന് ചെലവ് കുറവായേക്കാം.

തന്ത്രം, മൂലധനം, ഡാറ്റ, അപകടസാധ്യത, പ്രകടനം എന്നിവയുടെ കേന്ദ്രസ്ഥാനത്താണ് ധനകാര്യ വിഭാഗം. കമ്പനി എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് സവിശേഷമായി മനസ്സിലാക്കാനും അതിന്റെ AI പരിവർത്തനത്തിന് നേതൃത്വം നൽകാനുമുള്ള ശക്തമായ അധികാരം ഇത് CFOമാർക്ക് നൽകുന്നു.

വേഗമേറിയ പ്രവർത്തനചക്രങ്ങൾ, ശക്തമായ നിയന്ത്രണങ്ങൾ, മികച്ച തീരുമാനങ്ങൾ, വിലയിരുത്തലിന് കൂടുതൽ സമയം എന്നിവയാണ് AI-അധിഷ്ഠിത ധനകാര്യ വിഭാഗത്തിന്റെ സവിശേഷതകൾ. പ്രാധാന്യമുള്ള ഒരു പ്രവർത്തനക്രമത്തിൽ ആരംഭിച്ച് തെളിവുകളുടെ അടിസ്ഥാനത്തിൽ വികസിക്കുന്നതാണ് ഈ പാത: ആളുകൾക്ക് ഉപകരണങ്ങൾ നൽകുക, ജോലി പുനഃസംഘടിപ്പിക്കാൻ സഹായിക്കുക, ഉത്തരവാദിത്വം വ്യക്തമാക്കുക, ഫലം അളക്കുക.

തത്സമയ കണക്കവസാനിപ്പിക്കലും തുടർച്ചയായ പ്രവചനവും വിശാലമായൊരു ലക്ഷ്യത്തെ പ്രതിഫലിപ്പിക്കുന്നു: സംഭവങ്ങൾ നടക്കുമ്പോൾത്തന്നെ അവ മനസ്സിലാക്കുകയും അടുത്തതായി എന്തു സംഭവിക്കാമെന്ന് നേതാക്കൾക്ക് കാണിച്ചുകൊടുക്കുകയും മികച്ച തീരുമാനങ്ങൾ നേരത്തേ എടുക്കാൻ കമ്പനിയെ സഹായിക്കുകയും ചെയ്യുന്ന ധനകാര്യ സംഘം.

ഫലമായി, ധനകാര്യ സംഘത്തിന് കൂടുതൽ ശേഷിയും CFOയ്ക്ക് ബിസിനസിനെക്കുറിച്ച് കൂടുതൽ വ്യക്തമായ കാഴ്ചപ്പാടും ലഭിക്കുന്നു. ബുദ്ധിശേഷിയെ സ്ഥായിയായ മൂല്യമാക്കി മാറ്റാൻ മുഴുവൻ കമ്പനിക്കും പിന്തുടരാവുന്ന ഒരു പ്രവർത്തന മാതൃകയും ഇത് സൃഷ്ടിക്കുന്നു. ഞാൻ എപ്പോഴും പറയുന്നതുപോലെ, കാണാൻ കഴിയാത്ത ഒന്നായി മാറാനും നിങ്ങൾക്ക് കഴിയില്ല. AI ഉപയോഗിച്ച് സാധ്യമായ കാര്യങ്ങൾ ധനകാര്യ സംഘങ്ങൾ സ്വീകരിക്കണമെങ്കിൽ, അത് പ്രയോഗത്തിൽ എങ്ങനെയാണെന്ന് നാം കാണിച്ചുകൊടുക്കണം. CFOമാർ എന്ന നിലയിൽ അത് ആരംഭിക്കേണ്ടത് നമ്മളിൽനിന്നാണ്.

പ്രായോഗികമായി ഇത് എങ്ങനെയാണെന്ന് എന്റെ ധനകാര്യ സംഘം പങ്കുവെച്ചിട്ടുണ്ട്. നിങ്ങൾക്ക് ആ റെക്കോർഡിങ് ഇവിടെ കാണാം⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു).