Terveysteknologiayrityksen talousjohtaja kertoo, ettei vaikeinta ole tekoäly – vaan se, mitä sen alla piilee

Fernando Blumenkron toimii talousjohtajana maailmanlaajuisessa terveysteknologiayrityksessä Edenissä. Hän ottaa parhaillaan käyttöön tekoälyä taloushallinnon työnkuluissa keskittyen erityisesti laskutukseen, perintään ja kulujen luokitteluun.

Istuimme alas Fernandon kanssa selvittääksemme, mitä hän on onnistuneesti automatisoinut. Hänen mukaansa onnistuminen riippuu taustalla olevasta infrastruktuurista.

Taloushallinnon organisaation skaalaaminen startup-vaiheen toteutuksen yli

Johdan Edenin taloushallintoa. Eden on Yhdysvalloissa toimiva tekoälyyn keskittyvä terveysteknologiayritys, joka toimii kaikkialla Latinalaisessa Amerikassa. Yritys on kasvuvaiheessa, ja sillä on yhdysvaltalainen emoyhtiörakenne sekä monimutkaiset kaupalliset, oikeudelliset ja verotukseen liittyvät toiminnot Meksikossa, Brasiliassa, Kolumbiassa ja muilla alueen markkinoilla.

Taloushallinnon toimintoihin kuuluu usean yhtiön ja valuutan muodostama kokonaisuus, jossa on SaaS- ja käyttöperusteista liikevaihtoa, käyttöönottopalveluita, jakelijasuhteita, yritysasiakkaita, paikallisia laskutusvaatimuksia, valuuttakurssiriskiä sekä tekoälyn ja infrastruktuurin kustannusten hallintaa.

Tiimi on pieni, ja se rakentuu taloushallinnon toiminnan keskeisten pilarien ympärille: FP&A, kirjanpito, laskutus, perintä, suoritusten kohdistaminen, verotus ja vaatimustenmukaisuus sekä strateginen taloushallinto. Merkittävä osa rooliani on taloushallinnon organisaation skaalaaminen startup-vaiheen toteutuksesta institutionaalisempaan toimintamalliin, jossa valvontatoimet ovat vahvempia, data laadukkaampaa, O2C-prosessit selkeämpiä ja yhteistyö myynnin, lakiosaston, operaatioiden ja tuotekehityksen kanssa tiiviimpää.

Miten tekoäly muuttaa taloushallinnon toimintoja

Viime vuoden aikana siirsimme osan taloushallinnon tehtävistä manuaalisesta tietojen kokoamisesta tekoälyavusteiseen prosessien seurantaan, erityisesti laskutuksen, perinnän ja kulujen luokittelun osalta.

Aiemmin taloushallinnon tiimi käytti liikaa aikaa tietojen hakemiseen eri järjestelmistä, raporttien puhdistamiseen, laskujen tilan tarkistamiseen, ikääntymisen tarkasteluun, kulujen luokitteluun ja seurantatarpeiden manuaaliseen tunnistamiseen. Työ oli tarpeellista, mutta erittäin operatiivista ja reaktiivista.

Otimme käyttöön tekoälyä hyödyntäviä työnkulkuja, jotka valvovat taloustietoja, tuovat poikkeamat esiin, luokittelevat tapahtumat, tunnistavat perinnän prioriteetit ja valmistelevat analyysin ensimmäisen vaiheen ihmisen tarkasteltavaksi. Tavoitteena ei ollut korvata taloushallinnon harkintaa, vaan poistaa toistuva valmistelutyö, joka esti tiimiä keskittymästä päätöksiin.

Tämän seurauksena taloushallinnosta tuli nopeampi ja ennakoivampi. Tiimi käyttää nyt vähemmän aikaa tietojen kokoamiseen ja enemmän aikaa niiden hyödyntämiseen: erääntyneiden tilien priorisointiin, laskutusaukkojen aikaisempaan tunnistamiseen, kulujen näkyvyyden parantamiseen ja ongelmien eskalointiin paremmassa kontekstissa. Suurin parannus on se, että tekoäly siirsi meidät “tapahtuneen raportoimisesta” kohti “huomiota vaativien asioiden havaitsemista”.

Miten tekoäly tehostaa taloushallinnon maksumuistutusprosessia

Esimerkiksi rakennamme parhaillaan tekoälypohjaista maksumuistutusten työnkulkua.

Taloushallinnon tavoitteena on hallita perintää yhdessä sovelluksessa, jolloin laskutustietojen, ikääntymisraporttien, sähköpostin, Slackin, maksutietojen ja asiakasmuistiinpanojen välillä ei tarvitse vaihtaa.

Tekoäly tunnistaa erääntyneet tilit, lukee maksu- ja viestintähistorian, priorisoi riskit ja suosittelee seuraavaa toimenpidettä: muistutusta, eskalointia, ilmoitusta, maksusuunnitelmaa tai oikeudellista tarkastelua. Järjestelmä luo sen jälkeen viestin, seuraa vastausta, päivittää asian ja eskaloi sen tarvittaessa.

Kaikki tapahtuu Clauden yritystason paketissa, joka suojaa arkaluonteisia tietoja ja pitää myös token-kulut hallinnassa.

Ihmiset hyväksyvät edelleen arkaluonteiset toimenpiteet, mutta työnkulusta tulee automatisoidumpi, keskitetympi ja ennakoivampi.

Miksi taloudellinen harkinta tarvitsee edelleen ihmisen panosta

Tämä johdattaa minut toiseen näkökulmaan.

AI tuottaa ennusteiden lähtötietoja, tukee budjetointia, analysoi poikkeamia, luokittelee kuluja, priorisoi perintää, havaitsee laskutuksen poikkeamia, seuraa kassavirtaa ja nostaa riskejä esiin. Ihmisen harkintaa tarvitaan kuitenkin edelleen budjetin hyväksymiseen, pääoman kohdentamiseen, luottopäätöksiin, maksusuunnitelmiin, oikeudellisiin eskalointeihin, sijoittajaviestintään ja maksuvalmiuden riittävyyteen liittyvien kompromissien tekemiseen.

Periaate on yksinkertainen: AI:n pitäisi tuoda riskit, kaavat ja vaihtoehdot esiin nopeammin. Taloushallinto vastaa edelleen päätöksestä, vastuullisuudesta ja liiketoiminnan kompromissien tekemisestä.

Miten AI luo väärää varmuutta, jos data-infrastruktuuri on puutteellinen

Fernandon ajatuksia

Loppujen lopuksi AI ei ole vaikein osa. Vaikeinta ovat puhdas data, selkeä omistajuus ja tarkasti määritelty prosessi.

Tulokset ovat vielä alustavia, sillä tämä on osa etenemissuunnitelmaamme eikä sitä ole vielä laajennettu täyteen mittakaavaan.

Selkein hyöty on tietenkin nopeus: datan kokoamiseen ja puhdistamiseen kuluu vähemmän aikaa, ja laskutuksen puutteet, perinnän prioriteetit, kuluihin liittyvät ongelmat ja poikkeamien aiheuttajat tunnistetaan nopeammin.

Laadullinen parannus liittyy keskittymiseen: taloushallinto voi käyttää enemmän aikaa harkintaan ja eskalointeihin ja vähemmän aikaa ensivaiheen analyysiin.

Suurin haittapuoli on datan laatu. AI voi luoda väärää varmuutta, jos lähdedata on puutteellista tai huonosti jäsenneltyä.

Se ei myöskään ole poistanut puhtaiden järjestelmien ja kontrollien tarvetta. Jos laskutustiedot, asiakkaiden tila, sopimukset tai kululuokat ovat epäjohdonmukaisia, AI saattaa tuottaa analyysin nopeammin, mutta analyysi ei välttämättä ole parempi.

Loppujen lopuksi AI ei ole vaikein osa. Vaikeinta ovat puhdas data, selkeä omistajuus ja tarkasti määritelty prosessi.

Käytä siis enemmän aikaa alkuvaiheessa datamallin, poikkeussääntöjen, hyväksymispisteiden ja ihmisen suorittamien tarkistusvaiheiden määrittelyyn ennen automatisoinnin aloittamista. Jos olisimme tehneet tämän, olisimme voineet välttää paljon uudelleentyötä ja vääriä positiivisia tuloksia.

Miten AI muuttaa talouden ohjausta ja ennustamista

AI osoittaa, ettei ohjauksen tarvitse tarkoittaa uusien tarkistuspisteiden, laskentataulukoiden tai hyväksyntöjen lisäämistä. Monissa tapauksissa vahvempi ohjaus perustuu parempaan reaaliaikaiseen näkyvyyteen: poikkeamien havaitsemiseen aiemmin, epätavallisten kaavojen tunnistamiseen ja ongelmien ohjaamiseen oikealle henkilölle ennen kuukauden päättymistä.

AI myös muutti tapaamme ajatella ennustamista. Ennusteen ei pitäisi olla staattinen kuukausittainen harjoitus. Siitä pitäisi tulla elävä malli, joka päivittyy jatkuvasti uusien signaalien saapuessa.

Miksi CFO:iden pitäisi suunnitella tilauksesta rahaksi -prosessi uudelleen AI:ta varten

CFO:iden on suunniteltava tilauksesta rahaksi -prosessi uudelleen.

Tavoitteena pitäisi olla integroitu, automatisoitu ja auditoitava virta tilauksen luomisesta laskutukseen, perintään ja maksujen kohdistamiseen, jotta yritys voi vapauttaa kassavirtaa mahdollisimman nopeasti.

Tämä tarkoittaa, että AI:n pitäisi auttaa havaitsemaan laskutuksen puutteet, käynnistämään maksumuistutukset, priorisoimaan perintää, täsmäyttämään maksut, nostamaan riidat esiin ja eskaloimaan riskit — kaikki yhdessä yhdistetyssä työnkulussa.

Suunnittelemme tätä aluetta uudelleen, jotta taloushallinto siirtyy manuaalisesta seurannasta ja reaktiivisesta perinnästä ennakoivaan tuottojen ohjaukseen.

Tavoiteltu lopputulos on yksinkertainen: nopeampi rahankierto, vähemmän lähettämättä jääneitä laskuja, selkeämmät kontrollit, parempi auditoitavuus ja enemmän taloushallinnon aikaa harkintaan datan perässä juoksemisen sijaan.

Miten talousjohtajat voivat hyödyntää tekoälyä jatkuvaan kehittämiseen

Neuvoni? Talousjohtajien tulisi kirjata ja dokumentoida kaikki. Tekoälypohjaisessa toimintamallissa jotain ei ole tapahtunut, jos sitä ei ole tallennettu.

Suurin mahdollisuus on antaa tiimeille valmiudet tehdä enemmän vähemmällä: tuottaa enemmän, analysoida nopeammin ja käyttää enemmän aikaa harkintaan manuaalisen valmistelun sijaan.

Varsinainen tavoite ei kuitenkaan ole vain yksilöiden tuottavuus, vaan jatkuvan kehittämisen toimintakehien rakentaminen. Niissä tekoäly tarkkailee prosessia jatkuvasti, tunnistaa kitkakohdat, suosittelee korjauksia ja tekee työstä ajan mittaan helpompaa ja tehokkaampaa.

Taloustoiminnon tulisi edetä tähän suuntaan: tekoälyä ei pidä käyttää vain työkaluna, vaan taloushallinnon toimintoja tulisi suunnitella niin, että ne kehittävät itse itseään ympäri vuorokauden.

Seuraa mukana

Seuraa Fernando Blumenkronin työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CFO Clubiin!