AI-baseret stifter fortæller, hvordan han bruger AI i sin økonomifunktion

Nicholas Rudder begyndte sin karriere inden for finans hos PwC og Macquarie Bank. I dag er han grundlægger og administrerende direktør for Sphere, en AI-baseret skatterådgivningsvirksomhed.

Vi talte med Nicholas for at høre, hvordan en AI-baseret finansorganisation ser ud. Her er, hvad han fortalte.

Udvikling af et værktøj til at løse problemer med grænseoverskridende compliance

Mit navn er Nick Rudder. Jeg er grundlægger og administrerende direktør for Sphere.

Jeg begyndte min karriere inden for finans hos PwC og Macquarie Bank. Jeg forlod snart den verden, fordi jeg følte, at arbejde inden for finans kun kradsede i overfladen af, hvordan virksomheder faktisk fungerer. Man mærker ikke konkurrencepresset, oplever ikke at få en funktion udgivet under en stram deadline eller ser tusindvis af mennesker bruge noget, man selv har bygget.

Min første startup kom med i Y Combinator. Det gik godt for os i YC-holdet — vi nåede op på nogle få millioner i GMV — men efter at have knoklet i 18 måneder efter holdforløbet vidste vi, at virksomheden aldrig ville kunne skalere, som vi ønskede. Heldigvis afdækkede den mange problemer med grænseoverskridende compliance, og da jeg lukkede den, blev jeg optaget af at hjælpe virksomheder med at ekspandere internationalt og samtidig fjerne administrativt arbejde med grænseoverskridende compliance fra ligningen.

Det fik mig til at starte Sphere, som ærligt talt passede langt bedre til min baggrund end min EdTech-virksomhed!

Vi blev født i tiden efter AI's gennembrud og gentænkte, hvordan man kan forstå global handelslovgivning ved hjælp af AI. Det blev udgangspunktet for vores AI-baserede skattemotor, TRAM, som indlæser, kodificerer og overvåger verdens handelslovgivning. Denne proprietære teknologi — trænet på tusindvis af timers input fra ekspertforskere inden for skat og millioner af sider med indekseret global skattelovgivning — gør det muligt for os at anvende den korrekte skattemæssige behandling på ethvert produkt, uanset hvor det sælges. Mere overordnet mener vi, at TRAM vil reducere omkostningerne ved at handle internationalt markant og gøre det lige så nemt som at sælge lokalt, hvilket understøtter vores vision om at gøre verden til ét marked.

Sphere er en Series A-virksomhed — vi rejste $21M i en finansieringsrunde ledet af a16z i september sidste år — og i dag vokser vi med 30 % MoM. Vi har en global tilstedeværelse og sælger til kunder over hele verden. Derfor arbejder vores team på tværs af Nordamerika, EMEA og APAC, med omkring 50 personer i alt. Jeg er den eneste person i finansfunktionen. Vi praktiserer det, vi prædiker, her hos Sphere, så vi er grundlæggende AI-baserede og kan håndtere vores finansfunktion effektivt med vores nuværende systemer.

Sådan effektiviserer AI finansiel analyse

Den største ændring, AI har medført for måden, finansfunktionen arbejder på hos Sphere det seneste år, er ret kedelig: Hver måned analyserer vi vores udgifter på tværs af alle vores bankkonti og kreditkort ved at indlæse vores kontoudtog i Claude.

Denne analyse demonstrerer de enorme fordele, AI nu tilbyder. At identificere vores største udgiftskategorier og muligheder for at reducere omkostningerne med et par klik har mange vidtrækkende effekter på virksomheden. Og det har reduceret den tid, vi bruger på rapportering ved månedens afslutning, markant.

Det hænger i høj grad sammen med Pareto-princippet om, at 80 % af gevinsterne ofte opnås med 20 % af indsatsen.

Nicholas' noter

AI og skat har længe været en kontroversiel kombination — mange mener stærkt, at menneskelig indblanding er nødvendig for at forstå gråzonerne.

Hvorfor ansvar i stigende grad bliver en mindre bekymring med AI-understøttede skattearbejdsgange

AI og skat har længe været en kontroversiel kombination — mange mener stærkt, at menneskelig indgriben er nødvendig for at forstå gråzonerne. Men når modeller kan trænes på hele korpusset af handelslovgivning og behandle mere af det, end nogen individuel rådgiver nogensinde ville kunne, virker det uundgåeligt, at disse modeller vil overgå selv de bedste skatterådgivere markant.

Den eneste grund til, at virksomheder stadig benytter De Fire Store, er ansvarsspørgsmålet. For hvis noget går galt, hvem henvender man sig så til? Men man kan inkludere forsikring i disse AI-drevne løsninger for at imødekomme disse bekymringer.

Sådan effektiviserer AI skatteundersøgelser

Vi bruger også AI-agenter på tværs af adskillige andre arbejdsgange for at forbedre effektiviteten:

• Vores egenudviklede AI-system udfører vores skatteundersøgelser.
• AI-agenter indsender indberetninger og registreringer i skattemyndighedernes portaler.
• AI indlæser digitaliseret fysisk post fra skattemyndigheder for at markere ændringer i indberetningsfrekvens eller meddelelser om revision.
• Klassisk maskinlæring forudsiger skatteforpligtelser over tid og foreslår, hvornår virksomheder kan overskride forbindelseskriterierne i forskellige jurisdiktioner.
• AI indlæser virksomhedsdata for at hjælpe os med at rådgive kunder om overvejelser vedrørende grænseoverskridende compliance, når de går ind på nye markeder.

Og vi finder dagligt utallige flere anvendelsesmuligheder, efterhånden som teamet eksperimenterer med, hvilke arbejdsgange AI kan automatisere.

Men som vi siger internt, er godt nok ikke godt nok, så en erfaren intern ekspert er altid involveret — særligt i forbindelse med vores skatteundersøgelser.

Hvor AI leverer under forventning i økonomiarbejdsgange

Med det nuværende tempo i AI-udviklingen er det svært at sige, hvad der stadig vil kræve et menneske i morgen. Men risikovurdering vil sandsynligvis altid kræve et menneske som den endelige beslutningstager.

Og i dag leverer AI stadig ikke den forventede effekt på mere kritiske økonomiprocesser som indtægtsføring. Disse fordele virker mere trinvise end de markante forbedringer, vi ser andre steder.

En AI-teknologistak til økonomifunktionen

Hvad angår AI-værktøjer i økonomifunktionen, foreslår jeg følgende stak:

• Ramp til kreditorbogholderi
• Deel til lønadministration
• Og selvfølgelig Sphere til compliance vedrørende indirekte skatter

På tværs af funktioner anbefaler jeg at bruge Claude til at analysere, hvordan disse lag fungerer sammen. Jeg har fundet det utroligt effektivt.

Hvorfor CFO'er må gentænke deres begrænsninger

Mit råd? Gentænk jeres begrænsninger.

Mange af vores kunders økonomiteams udretter langt mere med langt færre ressourcer. Når de eksempelvis får de rette agenter til rådighed, kan de arbejde som et team af generalister — én medarbejder i økonomifunktionen kan håndtere arbejde, der tidligere krævede fem specialistroller. Så ansæt generalister, ikke specialister.

Hvad angår automatisering, bør I undersøge jeres stak og begynde med oplagte muligheder eller mindre kritiske arbejdsgange. Automatisér dem — via eksterne leverandører eller internt — og arbejd jer op gennem stakken.

Følg med

Du kan følge Nicholas Rudders arbejde på LinkedIn. Og tag et kig på Sphere.

Der kommer flere ekspertinterviews på The CFO Club!