Moja spoznanja pri gradnji finančne funkcije, ki temelji na UI

Finančna funkcija zdaj deluje v realnem času. Zame je ta priložnost veliko večja od hitrejšega zaključevanja poslovnih knjig ali pogostejšega osveževanja napovedi. Gre za sprotno spremljanje sprememb v poslovanju, pomoč vodjem pri zgodnejšem ukrepanju in več časa za finančne ekipe, da sooblikujejo nadaljnji razvoj.

Ko sem se pred dvema letoma pridružila družbi OpenAI, je hitro rastoče podjetje podpirala le majhna finančna ekipa. Finančno funkcijo smo morali zgraditi od temeljev, umetna inteligenca pa je morala postati osrednji del našega dela, odločanja in podpore podjetju.

Prepoznala sem tudi dobro znano izhodišče. Zaključevanje poslovnih knjig in posodabljanje napovedi sta še vedno vključevala ponavljajoče se ročno delo: iskanje informacij, pojasnjevanje sprememb in zbiranje vhodnih podatkov za odločitev. Imeli smo dostop do najnaprednejših orodij umetne inteligence na svetu, a smo se še vedno učili, kako na njihovi osnovi prenoviti finančno funkcijo.

Zato smo si zastavili dva drzna cilja: zaključevanje brez časovnega zamika ter samodejno in neprekinjeno posodabljanje napovedi.

Namen zaključevanja brez časovnega zamika je vodjem zagotoviti sproten, usklajen in sledljiv pregled nad finančnim položajem podjetja. Neprekinjeno napovedovanje gradi na tej podlagi ter prikazuje, kako se poslovanje spreminja, kaj bi se lahko zgodilo in katere odločitve bi lahko vplivale na rezultat.

Oba cilja še vedno uresničujemo. To delo je že spremenilo način delovanja naše ekipe. Popeljalo nas je onkraj omejitev statičnih preglednic, ročnega iskanja dokazil in predstavitev – k sproti posodobljenim orodjem, ki temeljijo na celotnem poslovnem kontekstu in vseh podatkih. Finančnim strokovnjakom je omogočilo tudi, da sami izdelajo orodja, ki jih potrebujejo, in svoje strokovno znanje uporabijo še širše.

Zame je to resnična obljuba finančne funkcije, ki temelji na umetni inteligenci: ekipa sproti razume dogajanje, vodjem pomaga videti možnosti, ki jih čakajo, podjetju pa zagotovi več časa za ukrepanje, dokler je rezultat še mogoče spremeniti.

Za dosego tega cilja ni dovolj le uvajanje nove tehnologije. Delo je treba prenoviti okoli pomembnih odločitev, ljudem omogočiti preizkušanje, v vsak delovni tok vgraditi jasno odgovornost in meriti zanesljivo opravljeno delo umetne inteligence, da dobimo jasen podatek o donosnosti naložbe.

Na podlagi naših izkušenj predstavljam pet praktičnih spoznanj, ki jih lahko uporabi vsak finančni direktor.

Prvi korak je bil širok dostop. Ljudje potrebujejo svobodo, da umetno inteligenco raziskujejo v okviru svojega dela. Dostop ustvari največ vrednosti, kadar ga spremlja strukturirano preizkušanje na resničnih problemih.

Na finančni hekaton smo povabili prodajne inženirje, člane ekipe pa prosili, naj prinesejo delo, ki bi ga želeli preoblikovati. Eden od rezultatov je bil IR-GPT, prilagojeni GPT, ki temelji na odobrenih gradivih, s katerimi naša ekipa za odnose z vlagatelji odgovarja na vprašanja v postopku skrbnega pregleda. Prilagojene GPT‑je smo začeli razvijati tudi za področja, kot sta nabava in davki.

Hekaton je umetno inteligenco iz abstraktne zmogljivosti spremenil v uporabno orodje. Ljudje so lahko v enem dnevu prepoznali ponavljajočo se nalogo, izdelali rešitev, jo preizkusili s sodelavci in izboljšali. Primere uporabe so predlagali ljudje, ki so najbližje delu, tehnični strokovnjaki pa so jim pomagali hitreje napredovati.

Nauk za finančne direktorje je preprost: potrebujete eksperimentiranje od spodaj navzgor in strategijo od zgoraj navzdol. Ljudem zagotovite varno in zmogljivo umetno inteligenco, tistim, ki so najbližje delu, pa prepustite iskanje boljših načinov za opravljanje nalog. Vodstvo naj obenem pozornost in vire usmeri v spremembe, ki bodo za podjetje najpomembnejše. Prava priložnost nastane, ko se oboje združi: praktične zamisli iz prvih vrst, uporabljene pri vaših najpomembnejših prednostnih nalogah.

Finančne ekipe porabijo ogromno energije za zbiranje vhodnih podatkov, potrebnih za sprejetje odločitve. Pri pregledu napovedi je včasih treba poiskati najnovejše podatke, uskladiti preglednice, pojasniti odstopanja, izdelati grafikone, pripraviti dokumente in jih nato pretvoriti v predstavitvene prosojnice. Analiza nazadnje doseže odločevalca, vendar je ekipa že porabila velik del časa za njeno pripravo.

Umetna inteligenca spreminja enoto dela. Vodje financ lahko prenovijo celotno pot od izvornih podatkov do odločitve.

Poglejmo zaključevanje poslovnih knjig. Vsak finančni direktor pozna mesečni postopek: dejanski rezultati so v enem sistemu, naročilnice v drugem, časovne razmejitve v preglednici, pojasnitev odstopanja pa je zakopana v nizu sporočil.

Prizadevamo si za drugačen model delovanja. Cilj zaključevanja brez časovnega zamika je povezati odobrene načrte porabe, dejanske podatke iz glavne knjige, naročilnice, časovne razmejitve in podrobnosti transakcij v neprekinjeno usklajevanem pregledu. Vsakemu odstopanju je mogoče slediti do dejavnosti, ki ga je povzročila. Umetna inteligenca lahko pripravi začetno pojasnilo in označi izjeme, ki zahtevajo pozornost. Finančna ekipa potrdi številke, uporabi strokovno presojo in je odgovorna za končno odobritev.

Zaključevanje poslovnih knjig ne izgine. Izginjati pa začne hitenje, da bi po koncu obdobja poslovanje znova postavili na noge.

Ta usklajena podlaga lahko omogoči neprekinjeno posodabljanje napovedi. Naša ekipa razvija delovne tokove, ki združujejo statistične modele, prodajne pogovore, podatke o posameznih strankah, operativne podatke in presojo finančnih strokovnjakov.

Presegamo omejitve preglednic in prehajamo na bolj interaktivna orodja, ki statistično napoved, podporne dokaze in scenarije združujejo v enem sproti posodobljenem pogledu. Vodje lahko vidijo, kaj in zakaj se je spremenilo ter katere odločitve bi lahko vplivale na rezultat. Če nova zaveza stranke ni vključena v izhodišče, lahko sistem prikaže podporne dokaze in pokaže, kako bi prilagoditev vplivala na četrtletje ali leto. Finančna ekipa lahko preveri predpostavke, primerja scenarije in se odloči, ali bo posodobila odobreno napoved.

Isti pogled lahko vodjem pomaga sprejemati boljše odločitve o razporejanju kapitala. Finančna ekipa lahko vidi, kje poraba za trženje ustvarja donos, kje rezultati upadajo in kaj bi prinesla prerazporeditev naslednjega evra.

Cilj je samodejno napovedovanje. Do njega bomo prišli s stalno osveženim pregledom, hitrejšo analizo scenarijev in jasno odgovornostjo finančne funkcije.

Splošnejši nauk je, da začnemo pri pomembni odločitvi in nato delamo vzvratno. Določite podatke, orodja, odobritve in predaje, potrebne za podporo odločitvi. Nato določite, katere dele lahko umetna inteligenca analizira, usklajuje ali opravi. S tem se izboljšata hitrost in kakovost celotnega cikla odločanja.

Večja preobrazba je v tem, da lahko finančni strokovnjaki zdaj sami izdelajo orodja, ki jih potrebujejo pri delu.

Nedavna raziskava OpenAI kaže, da 40 % specializirane uporabe umetne inteligence med finančnimi strokovnjaki vključuje delo zunaj tradicionalnih financ, 22 % pa naloge, povezane z inženirstvom.

Vsi v moji ekipi s ChatGPT Work in Codexom razvijajo prilagojene nadzorne plošče in orodja z umetno inteligenco. Delo se s statičnih Excelovih modelov in PowerPointovih predstavitev seli na sproti posodobljene nadzorne plošče, ki temeljijo na celotnem poslovnem kontekstu in vseh podatkih. Ta orodja lahko nadaljujejo analizo, odgovarjajo na dodatna vprašanja in se posodabljajo ob spremembah izhodiščnih informacij.

Član naše ekipe, ki podpira oglaševalsko dejavnost, ni še nikoli programiral. S Codexom je izdelal orodje, ki našo mesečno napoved oglaševanja pretvori v tedenske in dnevne načrte. Upošteva delavnike in praznike, primerja napovedi ter zagotavlja, da je vsaka številka povezana z odobrenim modelom. Vodje trženja lahko hitro vidijo, kaj se je spremenilo, kam vlagati in kakšen donos bi lahko prinesla dodatna poraba.

Ljudje, ki razumejo problem, lahko zdaj oblikujejo rešitev. Izdelava teh orodij jih obenem spodbuja, da premislijo o običajnem načinu dela. Finančni strokovnjak lahko ustvari infrastrukturo za odločanje, ki jo podjetje potrebuje, jo preizkusi s sodelavci in izboljšuje hkrati z razvojem dela.

Finančne ekipe ne postajajo manj specializirane. Pridobivajo sposobnost, da svoje strokovno znanje uporabijo še širše.

IR-GPT nas je naučil pomembne lekcije o nadzoru. Pri vprašanjih vlagateljev v postopku skrbnega pregleda mora analitik včasih preiskati pretekla gradiva, pripraviti osnutek odgovora, preveriti doslednost in uskladiti pregled. S prilagojenim GPT‑jem, ki temelji na odobrenih virih, je mogoče kakovosten prvi osnutek v nekaj sekundah pripraviti tudi za delo, ki je prej trajalo več ur in se včasih zavleklo čez noč.

Vloga človeka ostaja osrednja. Naša ekipa za odnose z vlagatelji prebere osnutek, doda strokovno presojo in kontekst ter preveri, da so naši odgovori različnim vlagateljem medsebojno skladni. Umetna inteligenca pospeši delo. Za rezultat so odgovorni ljudje.

To je pravi model za finančno funkcijo. Finančni direktorji bi morali z ekipami za IT in upravljanje opredeliti, do katerih podatkov lahko dostopa sistem umetne inteligence, katera dejanja lahko izvede, kdaj je potrebna odobritev in kdaj je treba težavo predati višji ravni. Vsak rezultat mora biti povezan z zanesljivim virom. Vsako napoved mora spremljati jasno pojasnilo. Za vsako spremembo odobrenega izhodišča mora biti potrebna odobritev finančne funkcije.

Kratkotrajna norija »tokenmaxxinga« je že minila. Zdaj je preprosto nastaviti omejitve uporabe, proračunski nadzor, dostop glede na vloge, pravila usmerjanja med modeli in pragove odobritve. Finančni direktorji lahko uporabo umetne inteligence upravljajo z enako disciplino kot kateri koli spremenljivi strošek, ekipam pa hkrati pustijo prostor za razvoj in eksperimentiranje.

Jasna odgovornost ustvarja zaupanje, potrebno za hitrejše delo. Ko se sinteza, usklajevanje in priprava pospešijo, imajo finančni strokovnjaki več časa za preverjanje predpostavk, svetovanje podjetju in strokovno presojo.

Finančni direktorji potrebujejo sistem kazalnikov za umetno inteligenco, ki temelji na uspešnosti poslovanja. Nakup več uporabniških mest ali višja poraba žetonov ne povesta veliko. Pomembno je, ali je delo dobro opravljeno in koliko dejansko stane.

Za vsak delovni tok si zastavite štiri vprašanja:

• Ali je umetna inteligenca opravila pomembno delo?
• Koliko je to stalo, vključno s časom zaposlenih, pregledovanjem in ponovnim delom?
• Ali je bil rezultat dovolj dober za uporabo?
• Ali nam je pomagalo ukrepati hitreje ali sprejeti boljšo odločitev?

Za finančno ekipo lahko koristno delo pomeni posodobljeno napoved, pojasnjeno odstopanje, izpolnjeno revizijsko zahtevo ali odgovor na vprašanje upravnega odbora. Pri zaključevanju poslovnih knjig bi lahko kazalniki vključevali trajanje cikla, delež samodejno usklajenih transakcij, število izjem, ki zahtevajo pregled, in čas, potreben za pojasnitev odstopanja. Pri napovedovanju bi lahko vključevali natančnost in pogostost osveževanja napovedi, čas za pripravo novega scenarija ter kakovost odločitev, ki jih napoved podpira.

Najcenejši model ni vedno tudi najbolj gospodaren. Če boljši model z manj poskusi in manj pregledovanja pride do zanesljivega odgovora, so lahko skupni stroški nižji.

Finance so v središču strategije, kapitala, podatkov, tveganj in uspešnosti. Zato imajo finančni direktorji edinstven vpogled v delovanje podjetja in odgovorno nalogo vodenja njegove preobrazbe z umetno inteligenco.

Finančno funkcijo, ki temelji na umetni inteligenci, opredeljujejo hitrejši cikli, boljši nadzor, boljše odločitve in več časa za strokovno presojo. Pot se začne s pomembnim delovnim tokom in se širi na podlagi dokazov: ljudem zagotovite orodja, pomagajte jim prenoviti delo, jasno določite odgovornost in merite rezultate.

Zaključevanje brez časovnega zamika in neprekinjeno napovedovanje izražata širšo ambicijo: finančna ekipa sproti razume dogajanje, vodjem pokaže, kaj bi lahko sledilo, in podjetju pomaga prej sprejemati boljše odločitve.

Rezultat sta zmogljivejša finančna ekipa in jasnejši pregled finančnega direktorja nad poslovanjem. S tem nastane tudi uporaben model, po katerem lahko celotno podjetje inteligenco pretvori v trajno vrednost. Kot vedno pravim: ne moreš postati nekaj, česar ne moreš videti. Če želimo, da naše finančne ekipe izkoristijo možnosti umetne inteligence, jim moramo pokazati, kako je to videti – in finančni direktorji moramo začeti pri sebi.

Moja finančna ekipa je predstavila, kako je to videti v praksi; posnetek si lahko ogledate tukaj⁠(odpre se v novem oknu).