Økt effektivitet for CFO-området

Lanseringen av ChatGPT har skapt massiv oppmerksomhet rundt AI og hvordan teknologien nå revolusjonerer arbeidslivet, herunder også CFO-området. Vi mener at det viktigste å fokusere på er hvordan AI bør støtte opp under CFO-området og hvordan teknologien kan bidra til raskere og bedre beslutninger i virksomheten samt effektivisere underliggende prosesser. 

I KPMGs CFO-undersøkelse fremkommer en forventning om at CFO-området skal ta en mer aktiv rolle i strategiarbeidet samt det å drive gjennom strategiske prioriteringer og endringsprosesser på tvers av virksomheten. For å lykkes med dette kreves tilstrekkelig tid, kapasitet og kompetanse innenfor CFO-området. Kravene til automatisering av tradisjonelle økonomioppgaver, god datakvalitet og flere, dyktige analyseressurser øker. Dette åpner opp muligheter for ny forretningsinnsikt, distribusjon til relevante deler av organisasjonen, og sikrer at nødvendige endringer implementeres.

AIs rolle i denne transformasjonen er at den legger føringer for hvor skillet går mellom hvilke arbeidsoppgaver som gjøres av mennesker, hvilke som gjøres av teknologi og hvilke som gjøres i samspill mellom mennesker og teknologi. Det er viktig å understreke at teknologi som har drevet mye av transformasjonsarbeidet de siste årene, som skybaserte ERP-plattformer, fortsatt vil være svært viktig fremover. Det som nå har endret seg er at den nyere utviklingen innen AI har muliggjort at AI-teknologien kan overta en større del av arbeidsoppgavene.

Før vi går videre med hvordan AI kan overta flere arbeidsoppgaver er det viktig å skille mellom tradisjonell AI og generativ AI. Tradisjonell AI brukes for å forstå og agere basert på regler eller algoritmer, mens generativ AI fokuserer på å skape nytt innhold basert på mønstre som teknologien har lært fra data. Tradisjonell AI er oftest designet for å løse spesifikke utfordringer som for eksempel å predikere hvor mye av en vare man skal ha på et gitt sted på et gitt tidspunkt. Denne formen for AI har allerede kunnet hjelpe bedrifter i flere år. Generativ AI skiller seg fra tradisjonell AI ved at den genererer nytt innhold. I nyere tid er det generativ AI som har fått stor oppmerksomhet ettersom ChatGPT inngår i denne kategorien. 

Hovedårsaken til at den generative AI-en har fått så mye oppmerksomhet er fordi den har muliggjort at mennesker kan benytte naturlig språk for å interagere med datamaskiner. Tidligere har vi i større vært avhengig av å kunne kodespråk for å forvente at datamaskinene ville generere relevante resultater. Nå er denne kodekompetansen i større grad enn tidligere tilgjengeliggjort for folk flest. Dette har store implikasjoner for næringslivet – de som tidligere ikke hadde kodekompetanse, kan nå gjennomføre mer sofistikerte analyser enn tidligere med støtte fra AI. 

Potensialet ved å optimalisere og digitalisere økonomiprosesser ved bruk av AI for mer automatisering og økt utnyttelse av tilgjengelige data er betydelig. Automatisering av transaksjonsoppgaver og kjerneprosesser, avansert AI-basert beslutningsstøtte, analysekapasitet og anbefalinger er også områder som nå får stor oppmerksomhet. 

For eksempel kan effektiv bruk av AI hjelpe oss til å gjennomføre planleggingssyklusen og månedsavslutninger mye raskere enn tidligere. Vi kan få vesentlig bedre kvalitet i prognoser og vil ha en modnet tilnærming til prediksjon og analyse. Videre vil vi kunne utnytte eksterne data mer omfattende, spesielt inn mot strategisk planlegging, ESG, optimalisering, benchmarking og konkurrentanalyse. 

Ansatte med administrative arbeidsoppgaver må begynne å vende seg til å jobbe side om side med en AI-assistent, og assistenter som Microsoft Copilot allerede godt integrerte deler av verktøyene som mange bruker hver dag. Det vil være et godt grunnlag for høyere effektivitet i arbeidshverdagen. 

CFO-området har et særlig ansvar for å håndtere utfordringene AI medfører. Til tross for at potensialet ved bruk av AI er stort, står bedrifter også overfor vesentlige utfordringer ved rask implementering av AI dersom den implementeres på toppen av forretningsdata som ikke er tilpasset med hensyn på dette. CFO-området må derfor proaktivt sette retningslinjer og være førende for bruk av AI ved å balansere dette med behovet for å bevare og øke konkurransekraft ved å ta det i bruk raskt nok.

Vi ser flere konkrete utfordringer CFO-området må forholde seg til raskt som følge av anvendelse av AI. Et eksempel de fleste bedrifter kommer til å støte på knytter seg til dårlig datakvalitet. Dersom brukerne ikke håndterer dette på en god måte, og det ikke eksisterer styringsstrukturer for hvordan brukerne skal forholde seg til dette, vil det kunne medføre at viktige forretningsbeslutninger tas på feil grunnlag. 

En annen utfordring vi kan møte på, er at uerfarne brukere får tilgang på sofistikerte analysemetoder som ikke fungerer til formålet, uten at AI-en gir beskjed om dette. Det vil kunne føre til at man tar beslutning på feil grunnlag, at man genererer innsikt som er vanskelig å forklare eller informasjon som beslutningstakere ikke tør å stole på.

En tredje utfordring kommer av at flere har mulighet til å analysere de samme dataene. Ulike analyser som tar utgangspunkt i samme datasett vil kunne skape divergerende resultater som følge av forskjellige forutsetninger som de ulike brukerne har tatt. Den raske produksjonen av beslutningsinformasjon kan føre til at beslutningstakerne ikke forstår hvilke elementer i grunnlaget som bør vektlegges. 

Alle disse punktene underbygger behovet for solide styringsstrukturer rundt sikker infrastruktur, dataplattformer, dataanalyse og innsiktsarbeid. Vi kan ikke sitte og «vente» på at dette fundamentet skal komme på plass av seg selv – vi må starte arbeidet nå. CFO-området må jobbe proaktivt for å sikre høy datakvalitet i virksomheten, god dokumentasjon av data, retningslinjer for analytiske metoder, og å ha kompetente ressurser til å veilede brukere innen analytisk arbeid.

Innenfor ESG-områdene (Environmental, Social, Governance) er det et stort og komplekst regelverk knyttet til regulerte føringer og rapportering, som for eksempel EU-taksonomien og CSRD (Corporate Sustainability Reporting Directive).

Virksomheter har enorme datasett på tvers av verdikjeden, internt og eksternt, men mye data er både gjemt og glemt bort eller blir av andre årsaker ikke nyttiggjort. Ustrukturerte dokumenter, manuelle kilder, Excel-ark og rapporter, eksterne datasiloer eller interne applikasjoner kan være vanskelig tilgjengelig. Med høy endringstakt og varierende modenhet selskapene imellom er det viktig å etablere en fleksibel, robust og intelligent løsning for å håndtere økte krav til omfang og kvalitet.

Totalt sett gjør automasjon, AI og dataintegrasjon det mulig å håndtere rammeverk som CSRD på en mer bærekraftig måte. Ny, intelligent teknologi kan støtte selskapet i

• uthenting og prosessering av ulike interne og eksterne datakilder 

• prosessering av ustrukturerte dokumenter

• overvåking over et stort antall datapunkter

• tolking av signaler fra fysiske enheter i det operative miljøet

• klassifisering av aktiviteter og deres påvirkning 

• optimalisering og prognose av forventede trender

• å simulere påvirkning og endringer for ulike scenarioer

• generering av kommentarer, innsikt og analyser