Czego nauczyła mnie budowa działu finansowego opartego na AI

Finanse stały się funkcją działającą w czasie rzeczywistym. Moim zdaniem szansa jest znacznie większa niż tylko szybsze zamykanie ksiąg czy częstsze aktualizowanie prognoz. Chodzi o obserwowanie zmian w firmie na bieżąco, pomaganie liderom w szybszym działaniu i zapewnienie zespołom finansowym więcej czasu na kształtowanie przyszłości.

Gdy dwa lata temu dołączyłam do OpenAI, niezwykle szybko rozwijającą się firmę wspierał zaledwie niewielki zespół finansowy. Musieliśmy zbudować ten dział od podstaw i uczynić AI kluczowym elementem naszej pracy, procesu decyzyjnego oraz wsparcia dla firmy.

Punkt wyjścia był mi jednak dobrze znany. Zamykanie ksiąg i aktualizowanie prognoz nadal wiązało się z ręcznymi, powtarzalnymi zadaniami: wyszukiwaniem informacji, wyjaśnianiem zmian i gromadzeniem danych potrzebnych do podjęcia decyzji. Mieliśmy dostęp do najbardziej zaawansowanych narzędzi AI na świecie, a mimo to wciąż uczyliśmy się, jak wokół nich przebudować finanse.

Wyznaczyliśmy więc dwa ambitne cele: zamknięcie finansowe w dniu zerowym oraz zautomatyzowane, stale aktualizowane prognozowanie.

Celem zamknięcia finansowego w dniu zerowym jest zapewnienie liderom uzgodnionego i identyfikowalnego obrazu sytuacji finansowej firmy w czasie rzeczywistym. Ciągłe prognozowanie wykorzystuje tę podstawę, pokazując, jak zmienia się firma, co może wydarzyć się dalej i które decyzje mogą wpłynąć na wynik.

Nadal pracujemy nad realizacją obu tych ambicji. Ta praca już zmieniła sposób działania naszego zespołu. Pozwoliła nam wyjść poza ograniczenia statycznych arkuszy kalkulacyjnych, ręcznego wyszukiwania dokumentów źródłowych i prezentacji, kierując nas ku aktualizowanym na żywo narzędziom wykorzystującym pełny kontekst i wszystkie dane firmy. Dała też specjalistom ds. finansów możliwość tworzenia narzędzi potrzebnych w ich pracy i szerszego wykorzystywania swojej wiedzy.

Na tym właśnie polega dla mnie prawdziwa obietnica działu finansowego opartego od podstaw na AI: zespół na bieżąco rozumie sytuację, pomaga liderom dostrzec dostępne możliwości i daje firmie więcej czasu na działanie, dopóki wciąż można wpłynąć na wynik.

Osiągnięcie tego wymaga czegoś więcej niż wdrożenia nowej technologii. Wymaga przebudowania pracy wokół najważniejszych decyzji, zapewnienia ludziom przestrzeni do eksperymentowania, jasnego określenia odpowiedzialności w każdym procesie pracy oraz mierzenia niezawodnie wykonywanych przez AI zadań, aby uzyskać przejrzysty obraz zwrotu z inwestycji.

Oto pięć praktycznych wniosków z naszych doświadczeń, które może zastosować każdy dyrektor finansowy.

Pierwszym krokiem było zapewnienie szerokiego dostępu. Ludzie potrzebują swobody odkrywania możliwości AI w kontekście własnej pracy. Dostęp przynosi największą wartość, gdy łączy się z ustrukturyzowanym eksperymentowaniem wokół rzeczywistych problemów.

Zaprosiliśmy inżynierów sprzedaży na finansowy hackathon i poprosiliśmy zespół o przyniesienie zadań, które chcieliby zmienić. Jednym z rezultatów był IR-GPT — niestandardowy GPT oparty na zatwierdzonych materiałach, z których nasz zespół relacji inwestorskich korzysta przy odpowiadaniu na pytania w ramach due diligence. Zaczęliśmy też tworzyć niestandardowe GPT między innymi dla obszarów zakupów i podatków.

Dzięki hackathonowi AI przestała być abstrakcyjną możliwością i stała się działającym narzędziem. W ciągu jednego dnia można było wskazać powtarzalne zadanie, zbudować rozwiązanie, przetestować je ze współpracownikami i udoskonalić. Przypadki użycia proponowały osoby najbliżej związane z daną pracą, a eksperci techniczni pomagali im działać szybciej.

Wniosek dla dyrektorów finansowych jest prosty: potrzebne są zarówno oddolne eksperymenty, jak i odgórna strategia. Daj ludziom bezpieczne i wydajne narzędzia AI, a następnie pozwól osobom najbliżej związanym z pracą znajdować lepsze sposoby jej wykonywania. Jednocześnie skup uwagę liderów i zasoby na zmianach, które będą miały największe znaczenie dla firmy. Prawdziwa szansa pojawia się na styku obu podejść: gdy praktyczne pomysły pracowników są wykorzystywane do realizacji najważniejszych priorytetów.

Zespoły finansowe poświęcają ogromną ilość energii na gromadzenie danych potrzebnych do podjęcia decyzji. Przegląd prognozy może wymagać znalezienia najnowszych danych, uzgodnienia arkuszy kalkulacyjnych, wyjaśnienia odchyleń, utworzenia wykresów, przygotowania dokumentów i przekształcenia ich w slajdy. Analiza ostatecznie trafia do decydenta, ale wcześniej zespół poświęca znaczną część czasu na jej przygotowanie.

AI zmienia podstawową jednostkę pracy. Liderzy finansowi mogą przebudować całą drogę od danych źródłowych do decyzji.

Spójrzmy na proces zamknięcia okresu. Każdy dyrektor finansowy zna comiesięczny cykl: dane o wykonaniu w jednym systemie, zamówienia w innym, rozliczenia międzyokresowe w arkuszu kalkulacyjnym, a wyjaśnienie odchylenia ukryte w wątku wiadomości.

Pracujemy nad innym modelem operacyjnym. Ambicją stojącą za zamknięciem finansowym w dniu zerowym jest połączenie zatwierdzonych planów wydatków, rzeczywistych zapisów w księdze głównej, zamówień, rozliczeń międzyokresowych i szczegółów transakcji w stale uzgadnianym widoku. Każde odchylenie można powiązać z działaniami, które do niego doprowadziły. AI może przygotować wstępne wyjaśnienie i oznaczyć wyjątki wymagające uwagi. Dział finansowy weryfikuje liczby, stosuje profesjonalny osąd i odpowiada za ostateczne zatwierdzenie.

Proces zamknięcia okresu nie znika. Znika natomiast gorączkowe odtwarzanie obrazu sytuacji firmy po jego zakończeniu.

Tak uzgodniona podstawa może służyć do tworzenia stale aktualizowanej prognozy. Nasz zespół tworzy procesy pracy łączące modele statystyczne, rozmowy sprzedażowe, dane dotyczące poszczególnych klientów, dane operacyjne i ekspercki osąd finansowy.

Wychodzimy poza ograniczenia arkuszy kalkulacyjnych i przechodzimy do bardziej interaktywnych narzędzi, które łączą prognozę statystyczną, dowody i scenariusze w jednym aktualizowanym na żywo widoku. Liderzy widzą, co i dlaczego się zmieniło oraz które decyzje mogą wpłynąć na wynik. Gdy bazowa prognoza nie uwzględnia nowego zobowiązania klienta, system może przedstawić odpowiednie dowody i pokazać, jak korekta wpłynęłaby na wyniki kwartału lub roku. Zespół finansowy może przeanalizować założenia, porównać scenariusze i zdecydować, czy zaktualizować zatwierdzoną prognozę.

Ten sam widok może pomóc liderom podejmować lepsze decyzje dotyczące alokacji kapitału. Zespół finansowy może sprawdzić, gdzie wydatki marketingowe przynoszą zwrot, gdzie wyniki zaczynają słabnąć i jakie efekty może dać inne wykorzystanie kolejnej złotówki.

Celem jest zautomatyzowane prognozowanie. Prowadzą do niego stale odświeżany obraz sytuacji, szybsza analiza scenariuszy i jasno określona odpowiedzialność działu finansowego.

Ogólniejszy wniosek brzmi: należy zacząć od ważnej decyzji i przeanalizować proces wstecz. Określ dane, narzędzia, zatwierdzenia i punkty przekazania pracy niezbędne do jej podjęcia. Następnie ustal, które elementy AI może analizować, koordynować lub wykonywać. Poprawi to szybkość i jakość całego cyklu decyzyjnego.

Większa zmiana polega na tym, że specjaliści ds. finansów mogą teraz sami tworzyć narzędzia potrzebne w ich pracy.

Najnowsze badania OpenAI pokazują, że 40% wykorzystania AI do specjalistycznych zadań przez osoby pracujące w finansach dotyczy pracy wykraczającej poza tradycyjny zakres finansów, a 22% obejmuje zadania związane z inżynierią.

Każda osoba w moim zespole tworzy niestandardowe panele i narzędzia AI za pomocą ChatGPT Work oraz Codex. Praca odchodzi od statycznych modeli w Excelu i prezentacji PowerPoint na rzecz aktualizowanych na żywo paneli, które wykorzystują pełny kontekst i wszystkie dane firmy. Narzędzia te mogą kontynuować analizę, odpowiadać na dodatkowe pytania i aktualizować wyniki wraz ze zmianą danych źródłowych.

Jeden z członków zespołu wspierający naszą działalność reklamową nigdy wcześniej nie programował. Za pomocą Codex stworzył narzędzie, które przekształca naszą miesięczną prognozę reklamową w plany tygodniowe i dzienne. Uwzględnia ono dni robocze i święta, porównuje prognozy oraz wiąże każdą liczbę z zatwierdzonym modelem. Liderzy marketingu mogą szybko sprawdzić, co się zmieniło, gdzie inwestować i jaki zwrot mogą przynieść dodatkowe wydatki.

Osoby, które rozumieją problem, mogą teraz współtworzyć rozwiązanie. Tworzenie tych narzędzi skłania ich również do ponownego przemyślenia dotychczasowego sposobu pracy. Specjalista ds. finansów może stworzyć potrzebną firmie infrastrukturę decyzyjną, przetestować ją ze współpracownikami i ulepszać wraz ze zmianą sposobu pracy.

Zespoły finansowe nie tracą specjalizacji. Zyskują zdolność szerszego wykorzystywania swojej wiedzy.

IR-GPT nauczył nas ważnej rzeczy o kontroli. Pytania inwestorów w ramach badania due diligence mogą wymagać od analityka przeszukania wcześniejszych materiałów, opracowania odpowiedzi, sprawdzenia jej spójności i skoordynowania weryfikacji. Dzięki niestandardowemu GPT opartemu na zatwierdzonych źródłach praca, która wcześniej zajmowała wiele godzin, a czasem trwała całą noc, może teraz przynieść solidny pierwszy szkic w kilka sekund.

Rola człowieka pozostaje kluczowa. Nasz zespół relacji inwestorskich czyta wersję roboczą, uzupełnia ją o ekspercki osąd i kontekst oraz sprawdza, czy odpowiedzi udzielane różnym inwestorom są spójne. AI przyspiesza pracę. Za rezultat odpowiadają ludzie.

To właściwy model dla finansów. Dyrektorzy finansowi powinni współpracować z działem IT i zespołami ds. ładu organizacyjnego, aby określić, do jakich danych system AI może mieć dostęp, jakie działania może podejmować, kiedy potrzebna jest zgoda i kiedy należy przekazać problem wyżej. Każdy wynik powinien być powiązany z wiarygodnym źródłem. Każda prognoza powinna zawierać jasne wyjaśnienie. Każda zmiana zatwierdzonej wartości bazowej powinna wymagać zgody działu finansowego.

Krótkotrwała moda na „maksymalizowanie tokenów” już minęła. Obecnie można łatwo ustawić limity użycia, mechanizmy kontroli budżetu, dostęp oparty na rolach, reguły kierowania zadań do modeli oraz progi zatwierdzania. Dyrektorzy finansowi mogą zarządzać wykorzystaniem AI z taką samą dyscypliną jak każdym kosztem zmiennym, pozostawiając jednocześnie zespołom przestrzeń do tworzenia i eksperymentowania.

Jasna odpowiedzialność daje pewność potrzebną do szybszego działania. W miarę przyspieszania syntezy, uzgadniania i przygotowywania danych specjaliści ds. finansów zyskują więcej czasu na kwestionowanie założeń, doradzanie firmie i podejmowanie decyzji w oparciu o profesjonalny osąd.

Dyrektorzy finansowi potrzebują karty wyników AI opartej na wynikach operacyjnych. Kupowanie większej liczby licencji czy używanie większej liczby tokenów niewiele mówi. Liczy się to, czy praca została dobrze wykonana i ile naprawdę kosztowała.

W przypadku każdego procesu pracy zadaj cztery pytania:

• Czy AI wykonała istotną pracę?
• Ile to kosztowało, z uwzględnieniem czasu pracowników, weryfikacji i poprawek?
• Czy rezultat był wystarczająco dobry, aby go wykorzystać?
• Czy pomogło nam to działać szybciej lub podjąć lepszą decyzję?

W przypadku zespołu finansowego użyteczna praca może oznaczać aktualizację prognozy, wyjaśnienie odchylenia, realizację wniosku audytowego lub odpowiedź na pytanie zarządu. W przypadku zamknięcia okresu karta wyników może uwzględniać czas cyklu, odsetek automatycznie uzgodnionych transakcji, liczbę wyjątków wymagających weryfikacji oraz czas potrzebny na wyjaśnienie odchylenia. W przypadku prognozowania może ona obejmować trafność prognoz, częstotliwość aktualizacji, czas potrzebny na opracowanie nowego scenariusza oraz jakość decyzji podejmowanych na podstawie prognozy.

Najtańszy model nie zawsze jest najbardziej ekonomiczny. Jeśli lepszy model udziela wiarygodnej odpowiedzi po mniejszej liczbie prób i wymaga mniej weryfikacji, jego łączny koszt może być niższy.

Finanse znajdują się w centrum strategii, kapitału, danych, ryzyka i wyników. Daje to dyrektorom finansowym wyjątkowy wgląd w funkcjonowanie firmy i silny mandat do pokierowania jej transformacją opartą na AI.

Zespół finansowy oparty od podstaw na AI wyróżniają krótsze cykle, skuteczniejsze mechanizmy kontroli, lepsze decyzje i więcej czasu na profesjonalny osąd. Droga zaczyna się od istotnego procesu pracy i rozwija na podstawie dowodów: daj ludziom narzędzia, pomóż im przebudować sposób pracy, jasno określ odpowiedzialność i mierz rezultaty.

Zamknięcie finansowe w dniu zerowym i ciągłe prognozowanie wyrażają szerszą ambicję: stworzenie zespołu finansowego, który na bieżąco rozumie sytuację, pokazuje liderom możliwe dalsze scenariusze i pomaga firmie szybciej podejmować lepsze decyzje.

W rezultacie zespół finansowy ma większe możliwości, a dyrektor finansowy lepiej rozumie działalność firmy. Powstaje również praktyczny model pokazujący, jak cała firma może przekładać inteligencję na trwałą wartość. Jak zawsze powtarzam: nie można stać się kimś, kogo nie można zobaczyć. Jeśli chcemy, by nasze zespoły finansowe dostrzegły możliwości AI, musimy pokazać im, jak to wygląda — a jako dyrektorzy finansowi musimy zacząć od siebie.

Mój zespół finansowy pokazał, jak wygląda to w praktyce. Możesz obejrzeć nagranie tutaj⁠(otwiera nowe okno).