Dette lærte jeg av å bygge en KI-integrert økonomifunksjon

Økonomifunksjonen har blitt en sanntidsfunksjon. For meg er muligheten langt større enn å avslutte regnskapet raskere eller oppdatere en prognose oftere. Det handler om å følge virksomheten mens den endrer seg, hjelpe ledere med å handle tidligere og gi økonomiavdelingen mer tid til å forme det som skjer videre.

Da jeg begynte i OpenAI for to år siden, var det bare en liten økonomiavdeling som støttet et selskap i ekstraordinært rask vekst. Vi måtte bygge opp funksjonen fra grunnen av og gjøre KI til en grunnleggende del av hvordan vi arbeider, tar beslutninger og støtter virksomheten.

Jeg så også et kjent utgangspunkt. Regnskapsavslutning og oppdatering av prognoser innebar fortsatt manuelt, gjentakende arbeid: å finne informasjon, forklare endringer og samle beslutningsgrunnlaget. Vi hadde tilgang til verdens mest avanserte KI-verktøy, men var fortsatt i ferd med å lære hvordan vi kunne bygge økonomifunksjonen rundt dem.

Derfor satte vi oss to dristige mål: regnskapsavslutning på dag null og automatiserte prognoser som oppdateres kontinuerlig.

Tanken bak regnskapsavslutning på dag null er å gi lederne en avstemt og sporbar sanntidsoversikt over selskapets økonomiske stilling. Kontinuerlige prognoser bygger på dette grunnlaget og viser hvordan virksomheten endrer seg, hva som kan skje videre, og hvilke beslutninger som kan påvirke utfallet.

Vi arbeider fortsatt mot begge målene. Arbeidet har allerede endret måten teamet vårt jobber på. Det har tatt oss forbi begrensningene ved statiske regneark, manuelle søk etter underlagsdokumentasjon og presentasjoner, og over til løpende oppdaterte verktøy som bygger på hele virksomhetens kontekst og datagrunnlag. Det har også gitt økonomer mulighet til å utvikle verktøyene arbeidet krever, og bruke ekspertisen sin på flere områder.

For meg er dette det virkelige løftet ved en KI-integrert økonomifunksjon: et team som forstår hva som skjer mens det skjer, hjelper lederne med å se valgene som ligger foran dem, og gir virksomheten mer tid til å handle mens utfallet fortsatt kan påvirkes.

Det krever mer enn å ta i bruk ny teknologi. Det krever at arbeidet utformes rundt beslutningene som betyr noe, at folk får rom til å eksperimentere, at tydelig ansvar bygges inn i alle arbeidsflyter, og at man måler det pålitelige arbeidet KI fullfører for å dokumentere avkastningen.

Her er fem praktiske erfaringer som alle finansdirektører kan dra nytte av.

Det første steget var bred tilgang. Folk trenger frihet til å utforske KI i sitt eget arbeid. Tilgang gir størst verdi når den kombineres med strukturert eksperimentering rundt reelle problemer.

Vi inviterte salgsingeniører til et hackathon for økonomifunksjonen og ba teamet ta med arbeid de ønsket å fornye. Ett av resultatene var IR-GPT, en tilpasset GPT basert på det godkjente materialet investor relations-teamet bruker til å besvare spørsmål i aktsomhetsvurderinger. Vi begynte også å utvikle tilpassede GPT‑er for blant annet innkjøp og skatt.

Hackathonet gjorde KI fra en abstrakt mulighet til et praktisk verktøy. På én dag kunne folk identifisere en gjentakende oppgave, utvikle en løsning, teste den sammen med kolleger og forbedre den. Bruksområdene kom fra dem som arbeidet tettest på oppgavene, mens tekniske eksperter hjalp dem med å øke tempoet.

For finansdirektører er lærdommen enkel: Man trenger både eksperimentering nedenfra og strategi ovenfra. Gi folk sikker og kraftig KI, og la dem som er tettest på arbeidet, finne bedre måter å få det gjort på. Samtidig må ledelsens oppmerksomhet og ressurser rettes mot endringene som betyr mest for virksomheten. Den virkelige muligheten oppstår når disse møtes: praktiske ideer fra førstelinjen brukt på de viktigste prioriteringene.

Økonomiavdelinger bruker enorme ressurser på å samle beslutningsgrunnlag. En prognosegjennomgang kan kreve at folk finner de nyeste dataene, avstemmer regneark, forklarer avvik, lager diagrammer, utarbeider dokumenter og gjør dokumentene om til presentasjoner. Analysen når til slutt beslutningstakeren, men da har teamet allerede brukt mye av tiden på å sette den sammen.

KI endrer arbeidsenheten. Økonomiledere kan utforme hele veien fra kildedata til beslutning på nytt.

Ta regnskapsavslutningen som eksempel. Alle finansdirektører kjenner månedsprosessen: faktiske tall i ett system, innkjøpsordrer i et annet, periodiseringer i et regneark og forklaringen på et avvik begravd i en meldingstråd.

Vi arbeider mot en annen driftsmodell. Ambisjonen med regnskapsavslutning på dag null er å samle godkjente kostnadsplaner, faktiske tall fra hovedboken, innkjøpsordrer, periodiseringer og transaksjonsdetaljer i en visning som avstemmes kontinuerlig. Hvert avvik kan spores tilbake til den underliggende aktiviteten. KI kan utarbeide en innledende forklaring og merke avvikene som krever oppmerksomhet. Økonomiavdelingen validerer tallene, bruker faglig skjønn og har ansvaret for den endelige godkjenningen.

Regnskapsavslutningen forsvinner ikke. Det som begynner å forsvinne, er kappløpet med å rekonstruere virksomheten etter at perioden er avsluttet.

Dette avstemte grunnlaget kan brukes til en prognose som oppdateres kontinuerlig. Teamet vårt utvikler arbeidsflyter som samler statistiske modeller, salgssamtaler, dokumentasjon på kontonivå, driftsdata og økonomifaglige vurderinger.

Vi beveger oss forbi regnearkenes begrensninger og over til mer interaktive verktøy som samler den statistiske prognosen, underlagsdokumentasjonen og scenarioene i én løpende oppdatert visning. Ledere kan se hva som er endret, hvorfor det er endret, og hvilke beslutninger som kan påvirke utfallet. Når en ny kundeforpliktelse mangler i referanseprognosen, kan systemet hente frem dokumentasjonen og vise hvordan en justering vil påvirke kvartalet eller året. Økonomiavdelingen kan undersøke forutsetningene, sammenligne scenarioer og avgjøre om den godkjente prognosen skal oppdateres.

Den samme visningen kan hjelpe ledere med å ta bedre beslutninger om kapitalallokering. En økonomiavdeling kan se hvor markedsføringsmidlene gir avkastning, hvor resultatene flater ut, og hvilken effekt det kan ha å omfordele den neste kronen.

Målet er automatiserte prognoser. En visning som oppdateres kontinuerlig, raskere scenarioanalyse og tydelig eierskap i økonomifunksjonen er veien dit.

Den overordnede lærdommen er å begynne med en viktig beslutning og arbeide bakover derfra. Kartlegg dataene, verktøyene, godkjenningene og overleveringene som kreves for å støtte beslutningen. Finn deretter ut hvilke deler KI kan analysere, koordinere eller fullføre. Dette øker både hastigheten og kvaliteten gjennom hele beslutningsprosessen.

Den største omstillingen er at økonomer nå kan utvikle verktøyene de trenger i arbeidet.

Ny forskning fra OpenAI viser at 40 % av økonomers spesialiserte bruk av KI gjelder arbeid utenfor tradisjonell økonomi, mens 22 % gjelder ingeniørrelaterte oppgaver.

Alle i teamet mitt utvikler egne KI-dashboards og -verktøy med ChatGPT Work og Codex. Arbeidet går fra statiske Excel-modeller og PowerPoint-presentasjoner til løpende oppdaterte dashboards som bygger på hele virksomhetens kontekst og datagrunnlag. Disse verktøyene kan videreføre en analyse, svare på oppfølgingsspørsmål og oppdateres når den underliggende informasjonen endres.

En kollega som støtter annonsevirksomheten vår, hadde aldri programmert før. Han brukte Codex til å utvikle et verktøy som gjør den månedlige annonseprognosen vår om til uke- og dagsplaner. Det tar hensyn til ukedager og helligdager, sammenligner prognoser og sørger for at alle tall er knyttet til den godkjente modellen. Markedsføringsledere kan raskt se hva som er endret, hvor de bør investere, og hvilken avkastning ytterligere investeringer kan gi.

De som forstår problemet, kan nå forme løsningen. Når de utvikler disse verktøyene, får det dem også til å tenke nytt om hvordan arbeidet vanligvis utføres. En økonom kan skape beslutningsgrunnlaget virksomheten trenger, teste det sammen med kolleger og forbedre det etter hvert som arbeidet utvikler seg.

Økonomiavdelingene blir ikke mindre spesialiserte. De blir bedre i stand til å bruke ekspertisen sin på flere områder.

IR-GPT lærte oss noe viktig om kontroll. Aktsomhetsvurderinger fra investorer kan kreve at en analytiker søker gjennom tidligere materiale, utarbeider et svar, kontrollerer at det er konsistent, og koordinerer gjennomgangen. Med en tilpasset GPT basert på godkjente kilder kan arbeid som tidligere tok flere timer og iblant fortsatte gjennom natten, nå gi et solid førsteutkast på sekunder.

Menneskets rolle er fortsatt sentral. Investor relations-teamet vårt leser utkastet, tilfører faglige vurderinger og kontekst og kontrollerer at svarene våre er konsistente på tvers av investorer. KI fremskynder arbeidet. Mennesker har ansvaret for resultatet.

Det er den rette modellen for økonomifunksjonen. Finansdirektører bør samarbeide med IT- og styringsteam om å definere hvilke data et KI-system kan få tilgang til, hvilke handlinger det kan utføre, når godkjenning kreves, og når en sak skal eskaleres. Alle resultater bør kunne knyttes til en pålitelig kilde. Alle prognoser bør ha en tydelig forklaring. Alle endringer i et godkjent utgangspunkt bør kreve godkjenning fra økonomifunksjonen.

Den kortvarige «tokenmaxxing»-trenden har kommet og gått. Det er nå enkelt å angi bruksgrenser, budsjettkontroller, rollebasert tilgang, regler for modellruting og terskler for godkjenning. Finansdirektører kan styre KI-bruken med den samme disiplinen som andre variable kostnader, samtidig som teamene får rom til å utvikle og eksperimentere.

Tydelig ansvar skaper tryggheten som kreves for å øke tempoet. Når sammenstilling, avstemming og forberedelser går raskere, får økonomene mer tid til å utfordre forutsetninger, gi råd til virksomheten og bruke faglig skjønn.

Finansdirektører trenger et målekort for KI basert på driftsresultater. Antall lisenser eller brukte tokener sier ikke særlig mye. Det som betyr noe, er om arbeidet blir gjort godt, og hva det faktisk koster.

Still fire spørsmål om hver arbeidsflyt:

• Fullførte KI arbeid som hadde betydning?
• Hva kostet det, inkludert de ansattes tidsbruk, gjennomgang og omarbeiding?
• Var resultatet godt nok til å brukes?
• Hjalp det oss med å handle raskere eller ta en bedre beslutning?

For en økonomiavdeling kan nyttig arbeid være å oppdatere en prognose, forklare et avvik, besvare en revisjonsforespørsel eller svare på et spørsmål fra styret. For regnskapsavslutningen kan målekortet omfatte gjennomløpstid, andelen transaksjoner som avstemmes automatisk, antallet avvik som må gjennomgås, og tiden det tar å forklare et avvik. For prognoser kan det omfatte treffsikkerhet, oppdateringsfrekvens, tiden det tar å lage et nytt scenario, og kvaliteten på beslutningene prognosen støtter.

Den billigste modellen er ikke alltid den mest økonomiske. Hvis en bedre modell gir et pålitelig svar med færre forsøk og mindre gjennomgang, kan den koste mindre totalt sett.

Økonomifunksjonen står i sentrum for strategi, kapital, data, risiko og resultater. Det gir finansdirektører et unikt innblikk i hvordan selskapet fungerer, og et sterkt mandat til å lede KI-omstillingen.

En KI-integrert økonomifunksjon kjennetegnes av raskere sykluser, sterkere kontroll, bedre beslutninger og mer tid til faglige vurderinger. Veien begynner med en viktig arbeidsflyt og utvides i takt med dokumenterte resultater: Gi folk verktøyene, hjelp dem med å utforme arbeidet på nytt, behold et tydelig ansvar og mål resultatet.

Regnskapsavslutning på dag null og kontinuerlige prognoser uttrykker en større ambisjon: en økonomiavdeling som forstår hva som skjer mens det skjer, viser lederne hva som kan skje videre, og hjelper selskapet med å ta bedre beslutninger tidligere.

Resultatet er en økonomiavdeling med større kapasitet og en finansdirektør med bedre oversikt over virksomheten. Det skaper også en arbeidsmodell for hvordan hele selskapet kan omsette intelligens i varig verdi. Som jeg alltid sier: Du kan ikke bli det du ikke kan se. Hvis vi vil at økonomiavdelingene våre skal gripe mulighetene KI gir, må vi vise dem hvordan det ser ut – og som finansdirektører må vi begynne med oss selv.

Økonomiavdelingen min viste hvordan dette fungerer i praksis. Du kan se opptaket her⁠(åpnes i et nytt vindu).