Finansrådgivningsekspert siger, at AI får finansafdelinger til at bruge mere tid, ikke mindre

Christian Franz Hansen er partner i økonomirådgivningsteamet hos Implement Consulting Group, en af de førende ledelseskonsulentvirksomheder i Skandinavien. Han er også forfatter til Communicating Financials to Executives.

Vi satte os ned med Christian for at tale om AI's "fælde" — og om, hvor AI's reelle potentiale ligger for økonomiteams. Her er, hvad han fortalte os.

AI gør visse aspekter af økonomifaget endnu mere kritiske

Mit navn er Christian Franz Hansen, og jeg er partner hos Implement Consulting Group — Danmarks største konsulentvirksomhed og en af de førende ledelseskonsulentvirksomheder i Skandinavien med kontorer i hele Skandinavien samt i Tyskland, Schweiz og USA.

Jeg er partner i vores økonomirådgivningsteam hos Implement, et team på omkring 120 fagfolk, der arbejder på tværs af hele økonomiværdikæden. Vores store team specialiserer sig i rådgivning af CFO'er, stamdatastyring, risikostyring og andre områder, der typisk hører under CFO'ens ansvarsområder. Jeg arbejder primært med CFO-teams og den øverste økonomiledelse på tværs af en lang række organisationer (lægemiddelvirksomheder, banker, logistikvirksomheder og mange andre). Jeg er forholdsvis brancheuafhængig, men fokuserer på ledende økonomichefer i store organisationer og dækker alt inden for CFO'ens ansvarsområde.

Jeg har arbejdet med økonomi og CFO-rådgivning de seneste femten år. Jeg begyndte i Danmarks Nationalbank, hvor jeg lavede det, jeg ynder at kalde Excel-akrobatik: finansiel modellering, selve grundlaget. Derefter bevægede jeg mig over i management consulting, først hos EY i hele Skandinavien og derefter i Sydafrika, i Cape Town og Johannesburg, før jeg vendte tilbage til Norden for at fokusere på økonomitransformation, udvikling af forretningspartnere og resultatstyring for store organisationer globalt.

I lang tid levede jeg dybt nede i dataene — byggede stadig mere avancerede modeller og var overbevist om, at hvis min analyse var tilstrækkeligt sofistikeret, kunne jeg ændre den måde, en virksomhed traf beslutninger på. Jeg lærte, nogle gange på den hårde måde, at modellen kun er halvdelen af arbejdet. Indsigter, der ikke bliver kommunikeret, skaber aldrig effekt. Den erkendelse fik mig til at skrive en bog sidste år om kommunikation af økonomiske resultater til ledere — om at bygge bro fra data til indsigt og derefter fra indsigt til effekt.

AI er nu kommet ind på scenen og vil sandsynligvis ændre markant på, hvordan vi bevæger os fra data til indsigter. Men her er, hvad jeg mener, mange overser i samtaler om AI: Folk ændrer ikke adfærd, fordi en algoritme fortæller dem, at de skal. Indsigter fra et AI-system er kun nyttige, hvis nogen handler på dem. Det er her, vi kommer ind som økonomiske forretningspartnere. Vi omsætter indsigter til handling. Vi driver forandring. Vi er kommunikatører og forandringsagenter, og vi får ting til at ske. Faktisk bliver den adfærdsmæssige side af økonomifaget og forandringsledelsen endnu mere kritisk med AI.

Hvordan AI kan frigøre økonomifagets potentiale

Her er det, der oprigtigt begejstrer mig ved dette øjeblik: AI har potentialet til at frigøre vores tid fra mekanikken i dataudtræk og analyse — noget, vi har talt om i årevis. Endelig har vi et værktøj, der kan indfri det løfte.

Hvis det bruges rigtigt, giver det os de timer tilbage, som vi har mistet på Excel og modellering, så vi kan fokusere på den egentlige værdiskabelse: strategi, relationer, indflydelse og på at skabe resultater for virksomheden. Endelig kan vi frigøre økonomifagets potentiale som ægte forretningspartnere.

Vi arbejder i øjeblikket sammen med en kunde om at afgrænse en transformation af deres processer for debitorer og kreditorer i deres globale fælles servicecenter, hvor 35 fuldtidsansatte i høj grad håndterer fakturaer manuelt.

Vi undersøger implementeringen af avanceret AI-baseret teknologi — ved hjælp af Celonis — for at håndtere fakturabehandlingen mere effektivt end deres nuværende manuelle opsætning. En foreløbig analyse tyder på, at vi kunne reducere antallet af medarbejdere fra 35 i SSC'et til langt færre på hovedkontoret. De resterende eksperter ville fokusere på håndtering af undtagelser og procesovervågning i stedet for gentaget transaktionsarbejde.

Vi er stadig i afgrænsningsfasen, men dette projekt begejstrer mig, fordi det peger på fremtiden. AI vil håndtere mængden og mekanikken. Mennesker vil håndtere dømmekraft, relationer og alt, der falder uden for det normale mønster. Hvis vi gennemfører dette godt, vil tre højt kvalificerede medarbejdere kunne håndtere det arbejde, der tidligere krævede 35.

Hvorfor økonomiledere stadig skal eje dømmekraften og historiefortællingen

Den opdeling er vigtig. I dag bruger jeg AI til datamanipulation og -forberedelse. Det omfatter organisering af datasæt, udførelse af beregninger og udarbejdelse af ledelsesrapporter. AI er fremragende til dette og sparer os betydelig tid.

Den egentlige værdi er dog grundlæggende menneskelig: at tage disse indsigter, skabe en fortælling og kommunikere dem for at påvirke interessenter i virksomheden til at handle. Det indebærer historiefortælling, vurdering af, hvad der betyder noget, og kontakt med mennesker for at skabe forandring.

Det har vi ikke automatiseret, og det bør vi heller ikke.

Sådan undgår du AI's "fælde" inden for finans

Jeg har set nedslående resultater af brugen af AI, og det bekymrer mig.

AI kan gøre os farligt trygge ved ikke at bruge vores egen kognitive kapacitet. Vi risikerer at gå på autopilot: Vi beder systemet om et svar, tager det for gode varer og går videre uden at reflektere over oplysningerne. Jeg har set finansanalytikere blive tilbøjelige til fejl, fordi de stoler for meget på AI-output uden selv at tænke kritisk. De har outsourcet den refleksion, der er nødvendig for analyse. Det er fælden.

Og det bliver forværret af korte videoer og bombardementet på sociale medier. Vi outsourcer vores tænkning, samtidig med at vi mister den mentale disciplin til at tænke dybt. Det er en reel trussel mod den måde, finanssektoren — og samfundet — løser problemer på.

AI er et værktøj, der skal forstærke vores tænkning, ikke erstatte den. Hvis vi ikke passer på, arbejder teams hurtigere, men tænker mindre, hvilket fører til fejl. Mennesker skal bevare disciplinen til at stille spørgsmål ved outputtet, stressteste antagelserne og forstå logikken; ellers automatiserer vi os på vej mod uforudsete problemer.

Men på den anden side sker der også meget ægte godt. Jeg har set mennesker blive 20 %, 30 % og endda 40-50 % hurtigere til grundlæggende opgaver. Dette arbejde plejede at tage enorme mængder tid. Konsolidering af data, oprydning i data og forberedelsesarbejde, som tidligere tog en uge, sker nu på få timer. Det er virkelig transformerende.

Det afgørende er at bevare den kritiske tænkning og refleksionen, samtidig med at man opnår gevinster i hastighed og effektivitet. Den balance er alt.

Hvorfor AI kræver nye rammer til validering af output

Med AI bliver det reelt vanskeligere inden for finans at spore, hvor beslutninger kommer fra, og hvor indsigter stammer fra, når AI genererer output uden menneskelig indblanding.

Vi bliver nødt til at vænne os til at stole på indsigter, som AI henter og leverer, uden at vi selv har skabt dem. Det er vanskeligt, fordi der er et element af en sort boks. Hvis jeg ikke har bygget modellen, ikke har gennemgået logikken trin for trin og ikke har verificeret hver eneste antagelse, hvor meget stoler jeg så på den?

Det er en reel bekymring for mig. Det bliver sværere at have tillid til tallene, når man ikke selv har skabt dem, og når man ikke fuldt ud kan spore vejen fra rådata til den endelige indsigt. Inden for finans har vi altid værdsat revisionssporbarheden, altså muligheden for at forklare præcis, hvordan vi nåede frem til en konklusion.

Med AI bliver vi nødt til at ændre denne tankegang. Vi får brug for nye rammer til at validere output, stikprøvekontrollere resultater og opbygge tillid til indsigter, som vi ikke selv har konstrueret. Det er en anderledes form for tillid, og det bliver ikke let at nå dertil. Men det er afgørende for at frigøre AI's potentiale for os.

Hvorfor AI kan være en tidsrøver for finans­teams

Vi taler uendeligt om AI's transformative potentiale, og forventningerne har været enorme. Men her er, hvad jeg ser i praksis: For de fleste inden for finans tager det mere tid lige nu, ikke mindre.

Hvorfor? Fordi de lærer en ny teknologi, et nyt ordforråd og nye måder at arbejde på — samtidig med at de stadig kører deres gamle processer. Overgangsomkostningen er reel.

De fleste finans­teams har adgang til værktøjer som Copilot eller Claude, og de kan bruge dem dagligt til små opgaver. Men det er noget andet end en grundlæggende procesændring. I andre dele af virksomheden er effekten ubestridelig — programmører arbejder på helt andre måder, og AI-aktiverede chatbots og kundeinteraktioner omformer kundeservicen. Men inden for finans venter vi stadig på betydelige procesforandringer, hvor selve arbejdet ændrer sig markant, i stedet for blot at blive lidt hurtigere på marginalerne.

Jeg er optimistisk med hensyn til, hvor vi er på vej hen, men realistisk omkring, hvor vi befinder os. Den store værdiskabelse inden for finans ligger stadig foran os.

Christian deler

For de fleste inden for finans tager tingene mere tid lige nu, ikke mindre. Hvorfor? Fordi de er ved at lære en ny teknologi, et nyt ordforråd og nye måder at arbejde på — samtidig med at de stadig driver deres gamle processer. Omkostningerne ved overgangen er reelle.

Hvorfor kunstig intelligens' reelle potentiale ligger i FP&A

De lavthængende frugter er manuelle, transaktionelle processer som håndtering af udgifter, kreditorer, debitorer samt grundlæggende bogføring og regnskab. Kunstig intelligens er fremragende til at håndtere mængden og mekanikken inden for disse områder, hvilket giver det hurtigste afkast.

Men det reelle potentiale ligger et andet sted: i økonomisk planlægning og analyse (FP&A). Kunstig intelligens kan blive virkelig transformerende her. I dag betragter vi stadig planlægning som en periodisk øvelse: at udarbejde et budget, skabe en prognose og leve med den i et kvartal eller et år. Men forestil dig, at kunstig intelligens hjælper os med at bevæge os mod løbende afslutning og løbende opdatering af mål og prognoser. Det vil radikalt ændre den måde, virksomheder styrer den daglige performance på.

Ud over planlægningens mekanik kan kunstig intelligens hjælpe os med analysearbejde, der i øjeblikket tager uger. Det omfatter afvigelsesanalyse, identifikation af de grundlæggende årsager til afvigelser og udarbejdelse af ledelsesrapporter, der fortæller en historie om begivenheder i virksomheden. Alt dette bliver hurtigere og mere nuanceret.

Begynd derfor med de transaktionelle processer. Men den større mulighed, den der virkelig ændrer den måde, finansfunktionen fungerer på, handler om at gentænke økonomisk planlægning og analyse helt fra bunden.

Hvorfor ledere inden for finans skal skifte fra en opbygning fra bunden til systemgenererede prognoser

I årevis troede vi, at hvis hver afdeling og hvert omkostningscenter omhyggeligt opbyggede sin del af puslespillet, ville vi skabe en brugbar langsigtet plan. Men denne tilgang er arbejdskrævende, langsom og mister ofte forbindelsen til virkeligheden, så snart virksomheden begynder at bevæge sig.

Arbejdet med kunstig intelligens lærte mig, at vi kan vende det hele på hovedet. I stedet for at opbygge planen fra bunden og føre den ind i et system kan systemet generere driverbaserede prognoser, hvorefter vi verificerer og finjusterer resultaterne. Det er hurtigere, mere forankret i virksomhedens dynamik og kræver langt mindre manuel indgriben.

Dette skift i tankegang — fra en opbygning fra bunden til systemgenererede resultater med menneskelig verificering — ændrer min tilgang til økonomisk planlægning. Det betyder, at vi bruger mindre tid på mekanikken i aggregering og mere tid på de vurderinger, der betyder noget.

Den mest undervurderede risiko ved implementering af kunstig intelligens i finans

Ledere undervurderer ofte en væsentlig økonomisk risiko ved kunstig intelligens: De estimerer ikke implementeringsomkostningerne korrekt eller indarbejder den styring, der kræves for en sikker udrulning.

Teknologien er effektiv, men dyr. Tokenomkostningerne løber hurtigt op, korrekt implementering kræver betydelige investeringer, og styring er ikke billig. Alligevel kaster organisationer sig ud i det uden at budgettere tilstrækkeligt med nogen af delene.

Konsekvenserne kan være alvorlige. Virksomheder har allerede implementeret kunstig intelligens med minimale styringskontroller, hvilket har ført til, at systemer har slettet kritiske kundedata uden tilladelse. Et nyligt eksempel var en virksomhed — PocketOS — som blev tvunget til at handle hurtigt, efter at en kunstig intelligens-agent uden for kontrol slettede store dele af den kode, som understøttede virksomhedens forretning. Den slags medfører et katastrofalt økonomisk og omdømmemæssigt tab.

Derudover udgør investeringsafkastet en anden risiko. Organisationer kan bruge betydelige beløb på at implementere løsninger baseret på kunstig intelligens uden at se et afkast af investeringen, i hvert fald på kort sigt. Afkastet kan i sidste ende vise sig, men hvis organisationer ikke har gennemtænkt de samlede omkostninger — implementering, styring, oplæring og overgangsbetingede ineffektiviteter — kan de ende betydeligt over budget med skuffende resultater.

Undervurder ikke de faktiske omkostninger ved korrekt implementering af kunstig intelligens. Opbyg en robust styring fra dag ét, også selv om det i begyndelsen gør tingene langsommere. Og vær realistisk omkring tidsplanerne for investeringsafkastet. Den økonomiske risiko ved at springe over, hvor gærdet er lavest, er langt større end omkostningen ved at gøre det rigtigt.

Hvorfor kunstig intelligens er et menneskeproblem, ikke et teknologiproblem

Jeg undervurderede tidligt, hvor modstandsdygtige mennesker er over for radikale forandringer.

Det er vanskeligt at få mennesker til at tage AI til sig og grundlæggende ændre den måde, de arbejder på. Det er ikke et teknologiproblem. Det er et menneskeproblem. Vi beder mennesker om helt at ændre deres tankegang og se på deres arbejde på en helt anden måde. Det er omfattende. Og det sker ikke blot ved at implementere et smart system.

Det menneskelige element er afgørende her. Teknologisk set er AI fantastisk. Men en vellykket implementering kræver et omfattende forandringsledelsesinitiativ på den menneskelige side. Du skal hjælpe folk med at forstå, hvorfor de bør engagere sig, hvordan deres rolle udvikler sig, og hvordan succes ser ud for dem personligt. Du skal håndtere den frygt, usikkerhed og følelse af tab af kontrol, som mennesker oplever, når deres daglige arbejde gentænkes.

Jeg ville ønske, at jeg havde prioriteret det tidligere, for det er her, det egentlige arbejde ligger. Det er her, transformationer lykkes eller mislykkes.

Hvorfor økonomiledere skal blive forandringsagenter

Bløde færdigheder bliver langt mere afgørende, ikke mindre.

AI kan håndtere de tekniske aspekter af økonomi — databehandlingen, modelleringen og analysen. Så hvad bliver virkelig knapt og værdifuldt? Menneskelige færdigheder: evnen til at påvirke andre, opbygge tillidsfulde relationer og kommunikere på en måde, der giver genklang og bliver husket. For tillid handler ikke kun om at levere en indsigt — det handler om en relation, der er opbygget over tid.

Vi har brug for økonomifolk, der kan fortælle historier, skabe billeder i menneskers bevidsthed og forstå, hvordan de kan skabe en følelsesmæssig forbindelse til deres målgruppe. Det er mennesker, der kan drive beslutninger og føre organisationer gennem forandringer. Det er her, merprisen ligger, efterhånden som AI bliver mere fremtrædende.

Profilen ændrer sig derfor markant. Du er ikke længere blot en dataorienteret person, der bearbejder tal. Du bliver en forandringsagent. Du bliver en person, der effektivt kan samarbejde på tværs af virksomheden, opbygge troværdighed og navigere i organisationer samt påvirke resultater. Det er disse kompetencer, der vil adskille exceptionelle økonomifolk fra resten.

Det markerer et betydeligt skifte i vores syn på talent og udvikling inden for økonomi.

Hvorfor økonomiteams skal være agile nu

Mit bedste råd lige nu, selvom det lyder en smule klichéfyldt, er, at økonomiteams skal forblive agile. Helt ærligt er økonomifunktionen ikke naturligt god til dette.

Jeg talte for nylig med 1.500 medarbejdere inden for økonomi og IT i en global teknologivirksomhed. Jeg designede en agil økonomiramme for dem, hvor jeg tilpassede det klassiske agile manifest til noget, der giver mening for økonomifolk. Det blev taget rigtig godt imod, da de så det. Men da jeg spurgte, om de efterlevede disse agile værdier i hverdagen, svarede kun omkring 60 procent ja. 40 procent indrømmede, at de ikke gjorde. Så selv når økonomiteams omfavner agilitet, har de svært ved at anvende den konsekvent.

Det er den tankegang, vi skal bryde igennem med AI. Vi ved ikke, hvor det fører hen. Vi er nødt til at eksperimentere både på det personlige niveau ved at forbedre vores egen effektivitet og på procesniveau ved at gentænke arbejdssystemer. Vi skal være trygge ved at gennemføre pilotprojekter og vide, at nogle vil mislykkes, mens andre ikke vil levere et positivt afkast i første omgang. Sådan opbygger man en AI-muskel. Sådan udvikler man reel kapacitet.

Christians råd

Mit bedste råd lige nu, selvom det lyder en smule klichéfyldt, er, at økonomiteams skal forblive agile. Helt ærligt er økonomifunktionen ikke naturligt god til dette. Det er den tankegang, vi skal bryde igennem med AI. Vi ved ikke, hvor det fører hen. Vi skal være trygge ved at gennemføre pilotprojekter og vide, at nogle vil mislykkes, mens andre ikke vil levere et positivt afkast i første omgang. Sådan opbygger man en AI-muskel. Sådan udvikler man reel kapacitet.

Følg med

Du kan følge Christian Franz Hansens arbejde på LinkedIn. Og læs hans bog, Kommunikation af økonomiske resultater til ledere.

Der kommer flere ekspertinterviews på The CFO Club!