Finansrådgivningsekspert siger, at AI giver økonomiteams mere tidspres, ikke mindre

Christian Franz Hansen er partner i økonomirådgivningsteamet hos Implement Consulting Group, et af de førende ledelsesrådgivningshuse i den skandinaviske region. Han er også forfatter til Kommunikation af økonomiske oplysninger til ledere.

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 nogle aspekter af økonomifaget endnu mere kritiske

Mit navn er Christian Franz Hansen, og jeg er partner hos Implement Consulting Group — det største konsulentfirma i Danmark og et af de førende ledelsesrådgivningshuse i den skandinaviske region med kontorer i hele Skandinavien, Tyskland, Schweiz og USA.

Jeg er partner i vores økonomirådgivningsteam hos Implement, et team på omkring 120 specialister, der arbejder på tværs af hele værdikæden for økonomifunktionen. Vores store team specialiserer sig i rådgivning af CFO'er, stamdatastyring, risikostyring og andre områder, der typisk hører under CFO'ens ansvar. Jeg arbejder primært med CFO-teams og den øverste økonomiledelse på tværs af en bred vifte af organisationer (lægemiddelindustrien, banksektoren, logistik og mange andre). Jeg er ret 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 i de seneste femten år. Jeg begyndte i Danmarks Nationalbank, hvor jeg lavede det, jeg gerne kalder Excel-gymnastik: finansiel modellering, altså de grundlæggende færdigheder. Derefter gik jeg over til ledelsesrådgivning, først hos EY i Skandinavien og derefter i Sydafrika, i Cape Town og Johannesburg, før jeg vendte tilbage til Norden for at fokusere på økonomisk transformation, udvikling af forretningspartnere og resultatstyring for store organisationer globalt.

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

AI er nu kommet ind på scenen og vil sandsynligvis ændre markant på, hvordan vi bevæger os fra data til indsigt. Men her er det, jeg mener, at mange overser i samtaler om AI: Folk ændrer ikke adfærd, fordi en algoritme fortæller dem det. Indsigter fra et AI-system er kun nyttige, hvis nogen handler på baggrund af 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 økonomifunktionen og forandringsledelsen endnu mere kritisk med AI.

Sådan kan AI frigøre økonomifunktionens potentiale

Her er det, der oprigtigt begejstrer mig ved dette øjeblik: AI har potentialet til at frigøre vores tid fra arbejdet med dataudtræk og analyse — noget, vi har talt om i årevis. Endelig har vi et værktøj, der kan indfri dette 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 reelle værdiskabelse: strategi, relationer, indflydelse og på at skabe forretningsresultater. Endelig kan vi frigøre økonomifunktionens 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 center for fælles serviceydelser, hvor 35 FTE'er i vid udstrækning håndterer fakturaer manuelt.

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

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

Hvorfor økonomiledere stadig skal stå for vurderinger og formidling

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 reelle 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 er vigtigt, og kontakt med mennesker for at skabe forandring.

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

Sådan undgår du AI-fælden i finans

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

AI kan gøre os farligt komfortable med 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 informationen. Jeg har set finansanalytikere blive fejltilbøjelige, fordi de stoler for meget på AI-resultater uden selv at tænke kritisk. De har outsourcet den refleksion, der er nødvendig for analyse. Det er fælden.

Og det bliver værre på grund 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, bevæger teams sig hurtigere, men tænker mindre, hvilket fører til fejl. Mennesker skal bevare disciplinen til at stille spørgsmål ved resultaterne, stressteste antagelserne og forstå logikken; ellers automatiserer vi os frem 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 optage enorme mængder tid. Konsolidering af data, oprydning i data og forberedelsesarbejde, der tidligere tog en uge, klares nu på få timer. Det er virkelig transformationsskabende.

Det afgørende er at bevare den kritiske tænkning og refleksionen, samtidig med at man udnytter gevinsterne ved hastighed og effektivitet. Den balance er altafgørende.

Hvorfor AI kræver nye rammer til validering af resultater

Med AI bliver det reelt sværere i finanssektoren at spore, hvor beslutninger kommer fra, og hvor indsigter stammer fra, når AI genererer resultater uden menneskelig indblanding.

Vi bliver nødt til at vænne os til at stole på indsigter, som AI indhenter og leverer, uden at vi selv har skabt dem. Det er vanskeligt, fordi der er et element af en sort boks i det. 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. I finanssektoren har vi altid værdsat denne revisionssporbarhed, altså muligheden for præcis at forklare, 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 resultater, stikprøvekontrollere resultater og opbygge tillid til indsigter, som vi ikke selv har konstrueret. Det er en anden 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 blive en tidsrøver for finansielle teams

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

Hvorfor? Fordi de lærer 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.

De fleste finansielle teams har adgang til værktøjer som Copilot eller Claude, og de kan bruge dem i hverdagen til små opgaver. Men det er noget andet end en grundlæggende procesændring. I andre dele af virksomheden er effekten ubestridelig — programmører arbejder på en helt anden måde; AI-understøttede chatbots og kundeinteraktioner er ved at ændre kundeservicen. Men i finanssektoren 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 står. Den store værdiskabelse i finanssektoren ligger stadig foran os.

Christian deler

For de fleste inden for økonomi tager tingene 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 driver deres gamle processer. Omkostningerne ved overgangen er reelle.

Hvorfor AI's reelle potentiale ligger i FP&A

De lavthængende frugter er manuelle, transaktionelle processer som håndtering af udgifter, kreditorbogholderi, debitorbogholderi samt grundlæggende bogføring og regnskabsføring. AI er fremragende til at håndtere mængden og de mekaniske opgaver på disse områder, hvilket giver det hurtigste afkast.

Men det reelle potentiale ligger et andet sted: i finansiel planlægning og analyse (FP&A). AI kan være 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 AI hjælper os med at gå over til løbende regnskabsafslutning og løbende opdatering af mål og prognoser. Det ville ændre radikalt på, hvordan virksomheder styrer den daglige performance.

Ud over planlægningens mekanik kan AI hjælpe os med analytisk arbejde, 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.

Så begynd med de transaktionelle processer. Men den større mulighed, den der virkelig ændrer måden, økonomifunktionen arbejder på, handler om at gentænke finansiel planlægning og analyse fra bunden.

Hvorfor økonomiledere skal skifte fra nedefra-og-op til systemgenererede prognoser

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

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

Dette skift i tankegang — fra nedefra-og-op-opbygning til systemgenererede resultater med menneskelig verificering — ændrer min tilgang til finansiel 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 AI i økonomifunktionen

Ledelser undervurderer ofte en betydelig økonomisk risiko ved AI: De estimerer ikke implementeringsomkostningerne korrekt eller indbygger ikke den nødvendige styring for en sikker implementering.

Teknologien er effektiv, men dyr. Omkostningerne til tokens 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 AI med minimale styringskontroller, hvilket har ført til, at systemer har slettet kritiske kundedata uden tilladelse. Et nyere eksempel var en virksomhed — PocketOS — som måtte kæmpe for at genoprette situationen, efter at en ukontrolleret AI-agent 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 AI-løsninger uden at se et afkast af investeringen, i hvert fald på kort sigt. Afkastet kan vise sig med tiden, men hvis organisationer ikke har gennemtænkt de samlede omkostninger — implementering, styring, oplæring og midlertidige ineffektiviteter — kan de ende betydeligt over budget med skuffende resultater.

Undervurder ikke de faktiske omkostninger ved korrekt implementering af AI. Opbyg robust styring fra dag ét, også selvom det i begyndelsen bremser processen. 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 AI er et menneskeproblem, ikke et teknologiproblem

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

Det er svært 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 at ændre deres tankegang fuldstændigt og se på deres arbejde på en helt anden måde. Det er omfattende. Og det sker ikke bare ved at implementere et smart system.

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

Jeg ville ønske, at jeg havde prioriteret det tidligere, for det er her, det virkelige 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 reelt sjældent og værdifuldt? Evner inden for menneskelige relationer: 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 økonomifagfolk, der kan fortælle historier, skabe billeder i menneskers sind og forstå, hvordan de skaber en følelsesmæssig forbindelse til deres målgruppe. Det er mennesker, der kan drive beslutninger og føre organisationer gennem forandringer. Det er her, præmien ligger, efterhånden som AI bliver mere fremtrædende.

Profilen ændrer sig derfor markant. Du er ikke længere bare en dataorienteret person, der bearbejder tal. Du bliver en forandringsagent. Du bliver en person, der effektivt kan samarbejde på tværs af virksomheden, opbygger troværdighed og ved, hvordan man navigerer i organisationer og påvirker resultater. Det er disse kompetencer, der vil adskille fremragende økonomifagfolk fra resten.

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

Hvorfor økonomiteams skal være agile nu

Mit bedste råd lige nu, selv om det lyder lidt klichéagtigt, er, at økonomiteams skal forblive agile. Helt ærligt er økonomifunktionen ikke naturligt god til dette.

For nylig talte jeg med 1.500 medarbejdere inden for økonomi og IT i en global teknologivirksomhed. Jeg udformede en agil økonomiramme for dem ved at tilpasse det klassiske Det 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 det daglige, svarede kun omkring 60 procent ja. 40 procent indrømmede, at de ikke gjorde. Så selv når økonomiteams omfavner agilitet, har de svært ved at gennemføre den konsekvent.

Det er den tankegang, vi skal bryde igennem med AI. Vi ved ikke, hvor det fører hen. Vi skal være eksperimenterende både på det personlige plan ved at forbedre vores egen effektivitet og på procesniveau ved at gentænke arbejdssystemerne. Vi skal være trygge ved at gennemføre pilotprojekter og vide, at nogle vil mislykkes, mens andre ikke vil give et positivt afkast i begyndelsen. Det er sådan, man opbygger en AI-muskel. Det er sådan, man udvikler reel kapacitet.

Christians råd

Mit bedste råd lige nu, selv om det lyder lidt klichéagtigt, 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 give et positivt afkast i begyndelsen. Det er sådan, man opbygger en AI-muskel. Det er sådan, man udvikler reel kapacitet.

Følg med

Du kan følge Christian Franz Hansens arbejde på LinkedIn. Og læs hans bog, Kommunikation af økonomi til ledelsen.

Der kommer flere ekspertinterviews på The CFO Club!