AFP:n FP&A-toiminnon johtaja kertoo, että tekoäly muuttaa FP&A:ta lukujen raportoinnista päätösten muokkaamiseen

Association for Financial Professionals -järjestön FP&A-toiminnon johtajana Bryan Lapidus on seurannut eturivistä, miten tekoäly muuttaa alaa.

Istuimme alas Bryanin kanssa kuullaksemme, mitä hän näkee tuolta paikalta. Tässä hänen kertomansa.

Muutos kiihtyy

Olen Bryan Lapidus, Association for Financial Professionals -järjestön FP&A-toiminnon johtaja. Urani eteni perinteistä polkua: siihen kuului konsultointia, MBA-tutkinnon suorittaminen sekä työskentely yritysrahoituksen tehtävissä American Expressin ja Fannie Maen kaltaisissa organisaatioissa. Keskityin ennusteiden laatimiseen, budjettien hallintaan ja johdon auttamiseen epävarmuuden keskellä. Työskentelin myös kahdessa pääomasijoittajien tukemassa portfolioyhtiössä, ja olen nyt työskennellyt Association for Financial Professionals -järjestössä kahdeksan vuoden ajan.

Nykyisessä tehtävässäni luon ja kuratoin sisältöä yritysrahoituksen yhteisölle auttaakseni sen jäseniä menestymään nykyisissä ja tulevissa tehtävissään. Pidän säännöllisesti yhteyttä rahoitusalan yhteisöön ja hyväksyn vuosittain noin 50 konferenssiesitystä, 20 webinaaria, viisi opasta tai kyselyä sekä lukuisia artikkeleita. Hallinnoin myös viittä pyöreän pöydän ryhmää — ennen kaikkea FP&A:n neuvottelukuntaa — oppiakseni, minkä parissa yhteisö työskentelee!

FP&A on kehittynyt ja kehittyy edelleen: lukujen raportoinnista niiden selittämiseen ja yhä enemmän päätösten muovaamiseen. Viime vuosina tämä kehitys on kiihtynyt merkittävästi tekoälyn myötä. Uudet työkalut luovat uusia valmiuksia, jotka puolestaan luovat rahoitukselle uuden toimintamallin. Tämä tarkoittaa, että voimme tehdä enemmän ja asiakkaamme odottavat meiltä enemmän.

Miten tekoäly muuttaa FP&A:ta raportointitoiminnosta päätöksentekotoiminnoksi

Tekoälyä tulisi tarkastella talousjohtajan ydintehtävän kautta: pääoman hallinnoimisena sen lähteeltä käyttökohteeseen. Kirjanpito kertoo, missä pääoma on ollut. Kassanhallinta hallinnoi sitä, missä pääoma on ja miten se kiertää. FP&A auttaa päättämään, minne sen tulisi seuraavaksi mennä.

Työkalut saattavat muuttua, mutta rahoituksen velvollisuudet eivät. Valvonta, vaatimustenmukaisuus, pääoman allokointi, riskienhallinta ja vastuu sijoittajille ovat edelleen perustavanlaatuisia. Muuttuu se, miten rahoitus tuottaa arvoa. Uudet työkalut, kuten automaatio ja tekoäly, luovat uusia valmiuksia, jotka luovat uusia toimintamalleja. Näissä uusissa malleissa rahoituksella on mahdollisuus siirtyä lähemmäs liiketoimintaa strategiassa, kumppanuudessa ja päätöksenteon tukemisessa.

Kun rutiinityö automatisoidaan tai ulkoistetaan, rahoituksen tehtävistä tulee analyyttisempia, toimintojen välisiä ja tiiviimmin osaksi liiketoimintaa integroituneita. Työ kytkeytyy myös vähemmän perinteisiin siiloihin. Sen sijaan että rahoitus järjestäytyisi tiukasti FP&A:n, kassanhallinnan tai kirjanpidon ympärille, se järjestäytyy yhä enemmän työnkulkujen, valmiuksien ja toimintoja yhdistävien päätösten ympärille.

Bryan kertoo

Tekoäly ei korjaa heikkoja prosesseja, vaan saa ne ainoastaan toimimaan nopeammin.

Myös toimintojen jakauma muuttuu. Aikaa siirtyy manuaalisesta ja tapahtumakeskeisestä työstä skenaarioanalyysiin, mahdollisuuksien arviointiin ja riskienhallintaan. Tämä tekee datasta, hallinnosta ja prosessien suunnittelusta entistä tärkeämpää. Tekoäly ei korjaa heikkoja prosesseja, vaan saa ne ainoastaan toimimaan nopeammin.

FP&A:n tulevaisuus ei ole kilpailla tekoälyn kanssa analyysissä, vaan muovata ympäristöä, jossa analyysistä syntyy hyviä päätöksiä. Kun ennustaminen, raportointi ja skenaariomallinnus nopeutuvat ja tulevat helpommin saataville, analyyttista tuotosta syntyy runsaasti ja harkinnasta tulee niukkaa. FP&A:n rooli siirtyy siksi suorituskyvyn raportoinnista ja analyysien tuottamisesta päätösten neuvonantajaksi sekä päätöksentekokehikon suunnittelijaksi: sen määrittämiseen, millaiset oletukset, määritelmät, mittarit, rajoitteet, tavoitteet, kompromissit, riskinsietotasot, eskalointipolut, hallintokäytännöt ja pääoman allokoinnin periaatteet mahdollistavat tuhansien ihmisten ja koneiden tekemien päätösten johdonmukaisen tekemisen koko yrityksessä.

Kun tämä taloudellinen älykkyys koodataan ennusteita, suosituksia ja toimia tuottaviin järjestelmiin, FP&A:sta tulee päätösten eheyden valvoja. Se varmistaa, että päätökset ovat strategian mukaisia ja luovat kestävää arvoa suuressa mittakaavassa.

Tekoälyn yleisimmät käyttötapaukset rahoituksessa

Olen seurannut eturivistä, miten rahoitusalan johtajat reagoivat tekoälyyn. Jotkut kokeilevat sitä varovaisesti, kun taas toiset suunnittelevat työnkulut kokonaan uudelleen.

yleisimmät käyttötapaukset, joita näen taloushallinnon yhteisössä, parantavat yksittäisten jäsenten tuottavuutta. Esimerkkejä ovat kommenttien laatiminen varianssiraporttien selittämiseksi sekä tulosten tarkistaminen antamalla tekoälylle persoonia, jotka haastavat kyseiset raportit.

Poikkeamien havaitseminen on toinen tehokas käyttötapaus: tekoäly voi tunnistaa raporteista ja malleista poikkeamat, jotka vaativat tarkempaa tarkastelua. Tämä nopeuttaa virheiden tarkistamista ja säästää ihmiset tietyiltä nolostumisilta!

Keskustelin jopa yhden talousjohtajan kanssa, joka kertoi käyttävänsä suurta kielimallia sopimusten lukemiseen, yhteenvetojen laatimiseen, riskien merkitsemiseen ja mahdollisesti hankalan kielen tunnistamiseen. Hän sai tarkastelunsa valmiiksi yhden aamupäivän aikana sen sijaan, että olisi lähettänyt sopimuksen lakiosastolle ja odottanut vastausta kolme päivää.

Miksi ihmisten on sovellettava kokemustaan ja harkintaansa tekoälyn tuotoksiin

Oletin aina, että kokemus oli sisäänrakennettu talousmalleihin, koska kokeneet ihmiset rakensivat mallit aina itse.

Näin ei enää ole. Tekoäly rakentaa nyt malleja, joten kokemus on irtautunut mallien rakentamisen mekaniikasta. Se näkyy nyt oletuksissa, alkuperäisten kehotteiden muotoilussa sekä tuotoksen huolellisessa tulkinnassa ja haastamisessa.

Rinnakkaiset vertailut voivat havainnollistaa asiaa:

• Tekoäly tuottaa perusennusteita; ihmiset lisäävät niihin mahdolliset tulevat investoinnit tai riskien aiheuttamat "leikkaukset", jos haasteita on näköpiirissä.
• Tekoäly tuottaa ja arvioi useita "mitä jos" -skenaarioita ja mahdollisia trendejä; ihmiset päättävät, mihin riskeihin keskitytään tai mitkä lopputulokset ovat tärkeimpiä.
• Tekoäly hakee malleihin dataa ja parametreja; ihmiset päättävät, mitkä niistä rakennetaan osaksi mallia.

Ydinajatus on, että tekoäly käsittelee dataintensiivisen työn, kun taas ihmiset soveltavat kokemusta ja harkintaa.

Miksi tekoälyn työnkulut tarvitsevat sekä kurinalaisuutta että joustavuutta

Taloushallinnon on johdettava johdonmukaisen analyyttisen viitekehyksen kehittämistä. Viitekehyksen tulee määritellä mittarit, laskelmat, tietolähteet ja prosessi datan muuttamiseksi tiedoksi.

Muistan keskustelleeni yhden talousjohtajan kanssa, joka suositteli "kurinalaisuutta ytimessä, joustavuutta reunoilla". Se jäi mieleeni, koska se tarjoaa riittävästi kontrollia, jotta kaikki voivat luottaa dataan, ja riittävästi ketteryyttä, jotta sitä voidaan soveltaa nopeasti.

Hyvin toteutettuna tällainen hallintamalli antaa taloushallinnolle mahdollisuuden toimia kiihdyttäjänä, ei yrityksen prosessien jarruna.

Miksi talousjohtajien on tehtävä yhteistyötä yli toimintorajojen epäluotettavan datan poistamiseksi

Kurinalaisuudesta puheen ollen, jokaisen talousjohtajan on saatava datansa kuriin! Se on äärimmäisen tärkeää – ja vielä tärkeämpää tekoälyn kanssa. Kokki ei valmistaisi keittoa likaisella vedellä, eikä taloudellisia päätöksiä pidä tehdä epäluotettavan datan tai väärin ymmärrettyjen mittareiden perusteella.

Taloushallintoa kuvataan usein toimintona, joka muuttaa datan päätöksiksi. Ennen kuin taloushallinto voi tuottaa näkemyksiä, jonkun on kuitenkin varmistettava, että taustalla oleva data on luotettavaa, johdonmukaista ja ymmärretään samalla tavalla koko organisaatiossa. Siksi johtavat taloustiimit ottavat yhä useammin roolin, joka ulottuu raportointia ja analysointia laajemmalle. Niistä tulee osa toimintorajat ylittävää kyvykkyyttä, joka määrittelee keskeiset mittarit, ohjaa datastandardeja ja vahvistaa säännöt sille, miten tieto siirtyy lähdejärjestelmistä liiketoimintapäätöksiin.

Bryan kertoo

Jos liikevaihto, asiakas, kate tai tuottavuus tarkoittavat eri ryhmille eri asioita, organisaatio käyttää enemmän aikaa luvuista kiistelemiseen kuin niiden perusteella toimimiseen. Taloushallinto on ainutlaatuisessa asemassa auttaakseen estämään tämän tilanteen.

Ajattele tätä tiedon hallintaketjuna. Data syntyy operatiivisissa järjestelmissä, sitä muokataan liiketoimintalogiikan ja laskelmien avulla, ja lopulta se näkyy ennusteissa, kojelaudoissa, johdon raporteissa ja strategisissa päätöksissä. Jokaisessa vaiheessa määritelmillä, oletuksilla ja hallinnalla on merkitystä. Jos liikevaihto, asiakas, kate tai tuottavuus tarkoittavat eri ryhmille eri asioita, organisaatio käyttää enemmän aikaa luvuista kiistelemiseen kuin niiden perusteella toimimiseen.

Taloushallinto on ainutlaatuisessa asemassa auttaakseen estämään tämän tilanteen. Yrityksen suorituskyvyn ylläpitäjänä taloushallinto voi tehdä yhteistyötä IT:n, operatiivisten toimintojen ja liiketoimintajohtajien kanssa luodakseen yhteisen analyyttisen viitekehyksen — sellaisen, joka varmistaa datan yhdenmukaisuuden lähteestä käyttöön asti ja auttaa organisaatiota keskittymään vähemmän tietojen yhteensovittamiseen ja enemmän parempien päätösten tekemiseen.

Miten tekoäly vaikuttaa rekrytointiin ja taloustiimin kokoon

Tekoälyn seurauksena näen usein yritysten kasvavan paljon nopeammin kuin taloustiimiensä, mikä lisää operatiivista vipuvaikutusta.

Se ei johdu irtisanomisista — talousjohtajat irtisanovat harvoin tiimiensä jäseniä. Syynä on se, että he rekrytoivat nykyään eri tavalla. Ennen rekrytointia heidän on kysyttävä: ”Voiko tekoäly hoitaa tämän vai tarvitsenko ihmisen?”

Kohdista tekoälyn käyttö todellisiin liiketoiminnan haasteisiin

Tässä on neuvoni: perusta tekoälyhankkeesi todellisiin liiketoiminnan haasteisiin sen sijaan, että aloittaisit teknologiasta ja etsisit sitten ongelman.

Näin vältät hajanaisen kokeilun ja varmistat, että rakennat ratkaisuja, jotka tuottavat mitattavia tuloksia. Tämä siirtää keskustelun myös kysymyksestä ”Mitä tämä teknologia voi tehdä?” kysymykseen ”Mitä päätöksiä voimme parantaa?” — ja juuri siinä tekoälyllä on merkittävä vaikutus.

Muista, että talousjohtajan velvollisuudet eivät muutu. Ainoa muuttuva asia ovat työkalut, joita käytämme havaintojemme välittämiseen!

Pysy mukana

Voit seurata Bryan Lapidusin työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CFO Clubissa!