Tekoäly saa aikaan suurimman talousjohtajan roolin muutoksen 20 vuoteen

Uransa aikana Brad Wolfe on toiminut kolmen NASDAQ-yhtiön talousjohtajana. Nyt hän on Wolfe Packs Consulting -yrityksen perustaja, jossa hän tukee pääomasijoittajien omistamia alemman keskisuurten yritysten markkinasegmentin yrityksiä. Hän myös opettaa useissa yliopistoissa.

Keskustelimme hänen kanssaan ymmärtääksemme, miten tekoäly muuttaa talousjohtajan tehtävää. Tässä on, mitä hän kertoi meille.

Mitä tämä tekoälymurroksen hetki edellyttää

Urani ensimmäisen puoliskon ajan tein työtä, jonka useimmat talousjohtajat delegoivat. Kolme NASDAQ-talousjohtajan tehtävää, yli 80 yritysostoa ja -fuusiota sekä yli 50 ERP-, CRM-, laskutus- ja tietovarastointijärjestelmien käyttöönottoa. Taustani on PwC:llä, ja minulla on oikeustieteen tutkinto sekä Kelloggin MBA-tutkinto. Olen istunut tarkastusvaliokuntien edessä, allekirjoittanut 302-sertifioinnit ja vienyt päätökseen kauppoja, joissa tietojen laatu oli niin heikko, että se sai minut hinnoittelemaan kaupan uudelleen.

Syy siihen, miksi olen täällä, on yksinkertainen: näin tekoälyn annettavan väärille ihmisille. Ei siksi, että teknologia-alan ihmiset olisivat epäpäteviä — he eivät ole — vaan siksi, että tekoälyn esiin nostamat kysymykset eivät ole teknologiakysymyksiä. Ne ovat pääoman allokointiin liittyviä kysymyksiä. Ne ovat vastuuvelvollisuuteen liittyviä kysymyksiä. Nämä ovat kysymyksiä, jotka päätyvät jo nyt talousjohtajan pöydälle, kun tekoälyn tuotos on väärä ja joku sertifioi tuotetun sisällön.

Johdan nykyään Wolfe Packs Consulting -yritystä ja työskentelen pääomasijoittajien omistamien alemman keskisuurten yritysten markkinasegmentin yritysten kanssa. Keskeinen teesini on, että talousjohtajan tehtävä — tai COFO-tehtävä, kuten sitä kutsun silloin, kun operatiivinen vastuualue on integroitu — on ainoa johtotason tehtävä, jonka vastuulla ovat jo valmiiksi talousmalli, kontrollit, sertifiointiin liittyvä vastuu ja suhteet hallitukseen. Tekoälyn hallinnointi ei tarvitse uutta titteliä. Nykyisen tehtävän on otettava haltuun tuotosta edeltävä alue.

Siihen keskityn. Ja sitä tämä hetki edellyttää.

Tarvittavan rakentaminen

Työskentelen operatiivisena kumppanina ja talousjohtajana osana pääomasijoittajien omistamien alemman keskisuurten yritysten markkinasegmentin yritysten toimintaa. Tyypillinen toimeksianto koskee yritystä, jonka liikevaihto on 20–500 miljoonaa dollaria ja jonka omistava sijoittaja on joko juuri saattanut kaupan päätökseen tai on ollut omistajana 12–18 kuukautta ja huomannut, ettei taloushallinnon toimintoja ole rakennettu seuraavaa vaihetta varten.

Monimutkaisuus vaihtelee, mutta kaava on johdonmukainen: usein yritysostojen sarjan seurauksena syntyneet usean yhtiön rakenteet, joissa yhden yrityksen toimintamallia varten suunnitelluilta taloustiimeiltä odotetaan nyt samanaikaisesti konsolidoitua raportointia, integraatiolaskentaa ja tekoälyvalmista tietoarkkitehtuuria. Jaetun palvelukeskuksen infrastruktuuria ei ole. Raportointi tapahtuu laskentataulukoissa. Talousjohtajat ovat teknisesti päteviä, mutta toiminnallisesti ylikuormitettuja.

COFO-roolissani istun tehtävässä, rakennan tarvittavan ja siirrän osaamisen eteenpäin — tarkoittipa se talousmallin käyttöönottoa, järjestelmätöiden vaiheistamista, hallitussuhteen hoitamista siirtymävaiheen aikana tai tekoälyn hallinnoinnin määrittelemistä yrityksessä, jonka operatiivinen toiminta on aidosti monimutkaista ja jonka sijoittaja haluaa vastauksia, ei viitekehyksiä.

Työskentelen kerrallaan yhden toimeksiannon parissa näin syvällisesti. Muun ajan käytän neuvontaan, kirjoittamiseen ja opettamiseen — Northwesternissä, DePaulissa ja Chicago Kentissä — koska ero siinä, mitä talousjohtajan tehtävä nykyään edellyttää ja mihin talousjohtajia koulutetaan, on niin suuri, että siihen on puututtava sekä ammattilaisten että tulevien osaajien tasolla.

Miten tekoäly mahdollistaa integroidun talousmallinnuksen

Viime vuoden konkreettisin muutos on ollut tapa, jolla rakennan ja ylläpidän integroitua operatiivista ja taloudellista mallia.

Aiemmin mallin rakentaminen oli jaksottainen tehtävä. Budjettikierros tuotti yhden version, ennusteiden päivitys päivitti sitä, ja pieni joukko ihmisiä ymmärsi mallin logiikan Excelissä. Hallituksen kokouksen koittaessa malli oli jo vanhentunut, ja kertomuksessa täytyi peittää puutteet.

Käytän nyt tekoälyä jatkuvasti päivittyvän mallin ylläpitämiseen. Malli yhdistää operatiiviset ajurit suoraan taloudellisiin tuloksiin — liikevaihdon asiakasryhmittäin, henkilöstömäärän työvoimakustannuksiin sekä toimittajakulut liiketoimintayksikkökohtaisiin katteisiin. En rakenna mallia uudelleen neljännesvuosittain. Ylläpidän sitä elävänä asiakirjana, jota voidaan tarkastella reaaliajassa.

Tämän ansiosta keskustelut hallituksen kanssa ovat muuttuneet. Sen sijaan, että esittelisin staattisen tilannekuvan ja puolustaisin sen oletuksia, voin astua hallituksen kokoukseen ja ajaa skenaarioita kokouksen aikana. Sijoittaja kysyy, mitä tapahtuu käyttökatteelle, jos suurin asiakas lopettaa yhteistyön — vastaus ei ole ”palaan asiaan”. Vastaus löytyy mallista, ja se on ajantasainen.

Tämä muutos vaikutti myös siihen, miten ajattelen tekoälyn hallinnointia. Kun johtajat tekevät päätöksiä tekoälyavusteisen mallin perusteella, tietojen laadusta tulee olemassaolon kannalta ratkaiseva kysymys. Malli ei tiedä, mitä puuttuu. Se toimii sen perusteella, mitä saatavilla on. Tämä pakotti luomaan kurinalaisuutta tietojen hallintaan ja prosessien dokumentointiin tavalla, jota useimmissa alemman keskisuurten yritysten markkinasegmentin yrityksissä ei ole aiemmin ollut.

Tekoäly ei luonut tätä vaatimusta. Se teki sen sivuuttamisesta kallista.

Tekoälyavusteinen poikkeama-analyysin työnkulku

Näin tekoälyavusteinen poikkeama-analyysi, joka on yhdistetty integroituun operatiiviseen ja taloudelliseen malliin, toimii alusta loppuun.

Dokumentoitu liidistä kassaan -prosessi muodostaa perustan — jokainen tuloja tuottava vaihe ensimmäisestä mahdollisuudesta käteissuorituksen vastaanottamiseen asti on kuvattu ja yhdistetty sitä vastaaviin järjestelmiin. Tämän on oltava olemassa ennen tekoälykerroksen lisäämistä. Ilman sitä mallista puuttuu validointiin tarvittava prosessilogiikka.

Sen jälkeen ERP- ja CRM-järjestelmät syöttävät toteumat malliin päivittäin. Tekoäly valvoo saapuvaa dataa suhteessa odotettuihin malleihin — liikevaihto kohorteittain, saatavien perinnän ajoitus, kulut luokittain suhteessa budjettiin — ja merkitsee poikkeamat, jotka ylittävät määritellyt kynnysarvot. Se merkitsee vain poikkeamat, jotka ovat tilastollisesti merkittäviä tai poikkeavat mallin ajurioletuksista.

Tarkastan merkinnän samana päivänä, kun se tulee esiin. Tekoäly on jo jäljittänyt poikkeaman lähteeseensä — tiettyyn asiakkaaseen, tiettyyn kustannuspaikkaan, tiettyyn tapahtumatyyppiin — joten tarkastelu ei ole etsintätehtävä. Kyse on harkinnasta: onko tämä kohinaa, trendi vai kontrolliongelma, joka edellyttää eskalointia?

Tämän tarkastelun tulos syötetään suoraan hallituksen esityksen kerrontaan. Kun valmistaudun hallituksen kokoukseen, muokkaan poikkeama-analyysia enkä rakenna sitä. Malli on jo tuottanut tarinan ensimmäisen luonnoksen. Tehtäväni on vahvistaa logiikka, soveltaa operatiivista asiayhteyttä edellyttävää harkintaa ja varmistaa, että voin vahvistaa esittämäni kerronnan oikeellisuuden.

Tämän työn mahdollistava hallintokerros sisältää seuraavat: nimetyt datan omistajat jokaiselle lähdejärjestelmälle, dokumentoidun eskalointipolun mallin poikkeuksia varten sekä selkeän eron sen välillä, mitä tekoäly merkitsee ja mistä talousjohtaja päättää. Tekoäly ei tee päätöstä. Se tuo tiedon esiin riittävän nopeasti, jotta päätös voidaan tehdä ennen ongelman pahenemista.

Anthropicin Claude on elintärkeä talousjohtajille

Anthropicin suuri kielimalli Claude on ensisijainen työkaluni. Ei siksi, että se olisi ainoa kyvykäs malli — sitä se ei ole — vaan koska olen havainnut sen hyödyllisimmäksi talousjohtajan kannalta tärkeässä työssä: pitkän muodon päättelyssä, monimutkaisen taloudellisen ja operatiivisen tiedon yhdistämisessä, hallitustason kerronnan luonnostelussa sekä sellaisten hallintokehysten työstämisessä, jotka edellyttävät johdonmukaista loogista ajattelua pitkän asiakirjan läpi.

Se tuottaa eniten arvoa tietyssä käyttötapauksessa: pääbriffin rakentamisessa ja ylläpitämisessä. Kyseessä on elävä asiakirja, joka seuraa kaikkia aktiivisia suhteita, sisältöaiheita, sanastopäätöksiä ja avoimia asioita neuvonta- ja sisältöalustani kaikissa osissa. Tämä tehtävä ei mahdu yhteen kehotteeseen. Se edellyttää mallia, joka säilyttää asiayhteyden, päättelee riippuvuuksista ja tuottaa samassa istunnossa aiemmin tehtyjen päätösten kanssa yhdenmukaista sisältöä. Tässä mallien välinen laatuero näkyy selvimmin.

Miksi talousjohtajien on puolustettava tekoälyn avulla tehtyihin päätöksiin liittyviä ratkaisuja

Brad jakaa

Tekoäly ei päätä pääoman kohdentamisesta, tulouttamista koskevista arvioista, hallitustason riskien arvioinnista tai mistään muusta, joka edellyttää vahvistamista. Nämä ovat nimenomaisesti ihmisen vastuulla…

Mutta tärkeämpi kysymys ei ole se, mistä työkaluista pidän, vaan se, mihin käytän niitä.

Tekoäly tukee poikkeama-analyysia, skenaariomallinnusta, ennustamista, kassavirtamallien tunnistamista ja lähes minkä tahansa analyyttisen tuotoksen ensimmäistä luonnosta. Näillä alueilla datan määrä ylittää sen, mitä ihmisanalyytikko pystyy tehokkaasti käsittelemään, ja arvo syntyy signaalin esiin tuomisesta, ei siitä, että ihminen suorittaa laskutoimitukset.

Tekoäly ei päätä pääoman kohdentamisesta, tulouttamista koskevista arvioista, hallitustason riskien arvioinnista tai mistään muusta, joka edellyttää vahvistamista. Nämä ovat nimenomaisesti ihmisen vastuulla — ei siksi, ettei tekoäly pystyisi tuottamaan vastausta, vaan koska vastaukseen liittyy oikeudellisia ja luottamusvelvollisuuteen perustuvia seurauksia, joiden on viime kädessä oltava nimetyn ihmisen vastuulla, jotta hän voi puolustaa niitä vastakkaisasetteluun perustuvassa tarkastelussa.

Useimmat talousjohtajat hallitsevat tällä hetkellä keskikerrosta väärin — tekoälyavusteisia tuotoksia, jotka ohjaavat päätöksiä ilman tuotoksesta selkeästi määriteltyä vastuuta. Hallituksen esityksen kerrontaan syötettävä poikkeama-analyysi. Kovenantteja koskevia keskusteluja ohjaavat kassavirtaennusteet. Nämä eivät ole vähämerkityksisiä asioita. Talousjohtaja, joka antaa tekoälyn vaikuttaa näihin tuotoksiin ilman datan laadun, mallin validoinnin ja tuotoksen vahvistamisen kattavaa hallintorakennetta, allekirjoittaa 302:n luvusta, jota hän ei pysty täysin selittämään. Se ei ole tekoälyongelma. Se on kontrolliongelma.

AI tuo mukanaan merkittäviä hyötyjä ja suuria riskejä

Ensin hyvät tulokset.

Kuukauden päätökseen kuluva aika näkyy selvimmin. Kun jäsensimme datatyön oikeaan järjestykseen ennen AI-avusteisen raportoinnin käyttöönottoa, kuukauden päätösaika lyheni merkittävästi — yhdessä tapauksessa 18 päivästä 9 päivään. Kyse ei ole taikuudesta; näin tapahtuu, kun data on riittävän laadukasta, jotta automaatio voi toimia ilman manuaalisia toimenpiteitä jokaisessa vaiheessa.

Ennusteiden tarkkuus parani eri tavalla kuin odotin. Parannus ei näkynyt lukujen tarkkuudessa vaan päivitysten nopeudessa. Kun toteutuneet luvut poikkeavat suunnitelmasta, malli tunnistaa poikkeaman ja jäljittää sen aiheuttajan tunneissa päivien sijaan. CFO ei selittele poikkeamaa hallituksen kokouksessa. CFO hallitsee jo tilanteeseen reagointia.

Tärkein laadullinen tulos oli keskustelun muuttuminen hallituksessa. Kun malli on ajan tasalla ja skenaariot on rakennettu valmiiksi, toimeksiantaja esittää parempia kysymyksiä ja CFO antaa parempia vastauksia. Se muuttaa heidän välistä suhdettaan.

Seuraavaksi huonot puolet.

AI:n onnistuminen edellyttää toimivaa datainfrastruktuuria

Johdonmukaisin epäonnistumisen muoto, jonka olen nähnyt, on AI:n käyttöönotto sellaisen dataongelman päälle, jonka olemassaolosta organisaatio ei tiennyt.

Jokainen AI-hanketta aloittava CFO uskoo datansa olevan kohtuullisen hyvässä kunnossa — ERP-järjestelmä on ollut käytössä useita vuosia, tilikartta on standardoitu ja CRM-järjestelmässä on tietoja — mutta näin ei lähes koskaan ole. Datan laatua koskevat arvioinnit heijastavat yleensä sitä, miltä data näyttää sen syöttäneille ihmisille, eivät sitä, miltä se näyttää sitä hyödyntämään pyrkivän mallin näkökulmasta.

Ongelmat olivat aina olemassa — epäjohdonmukainen luokittelu, dokumentoimattomat prosessit, hallituksen kokouksessa sovitut tuloutusperiaatteet, joita ei koskaan määritetty laskutusjärjestelmään, sekä asiakastietueet, joissa samasta nimestä on kolme versiota. Taloustiimi oppi kiertämään ne. AI ei pysty siihen.

AI ei siis ilmoita huonosta datasta. Se käsittelee sitä itsevarmasti ja tuottaa tuloksen, joka näyttää auktoritatiiviselta. Taloustiimi, joka luottaa tulokseen ymmärtämättä syötettä, on vaarallisemmassa asemassa kuin laskentataulukoita käyttävä tiimi — koska ainakin laskentataulukoiden kohdalla joku yleensä tietää, mihin ongelmat on piilotettu.

Olen oppinut, että datan hallinnan pitäisi olla ensimmäinen toimitettava kokonaisuus, ei ennakkoehto, josta kaikki periaatteessa sopivat mutta jonka käytännössä ohittavat. Tämä tarkoittaa liidistä kassaan -prosessin kartoittamista ennen minkään AI-työkalun valintaa — jokainen luovutus, jokainen järjestelmärajapinta ja jokainen kohta, jossa data vaihtaa omistajaa ja jossa se voidaan luokitella tai määritellä väärin tai kadottaa.

Nimeä sitten jokaiselle tasolle vastuuhenkilö — ei osastoa vaan henkilö — ja dokumentoi, miltä oikean toiminnan pitäisi näyttää kussakin vaiheessa. Tämä tarkoittaa nimettyjä vastuuhenkilöitä jokaiselle data-alueelle, dokumentoituja määritelmiä jokaiselle mallin käyttämälle mittarille sekä täsmäytystä sen välillä, mitä toimintaperiaate sanoo ja mitä järjestelmä todella tekee — ennen AI-työkalun valintaa, ei sen käyttöönoton jälkeen.

Virheen kustannukset eivät rajoitu datan puhdistamiseen. Niihin kuuluvat myös uudelleenkoulutus, uudelleenvalidointi, luottamuksen menetys tulokseen ja joissakin tapauksissa keskustelu lukujen oikaisemisesta. Tätä kustannusta ei ollut liiketoimintaperustelussa. Ei koskaan ole.

AI epäonnistuu, ellei vastuuhenkilöitä nimetä

Toinen epäonnistumisen syy on hallinnon viivästyminen — ja haluttomuus nimetä vastuuhenkilöä.

AI:n käyttöönotto taloushallinnossa pysähtyy useimmiten ei siksi, että teknologia olisi väärä tai toteutus monimutkainen, vaan siksi, ettei kenellekään organisaatiossa ole annettu — tai kukaan ei ole ottanut — valtuutta tehdä AI:n käyttöönoton edellyttämiä päätöksiä.

Kun organisaatio ymmärtää tarvitsevansa dokumentoidut datan omistajuudet, nimetyt hyväksyjät ja eskalointipolun mallin poikkeustilanteita varten, AI on jo upotettu työnkulkuihin, joita kukaan ei täysin ymmärrä. Hallintomallin rakentaminen jälkikäteen on huomattavasti vaikeampaa ja kalliimpaa kuin sen luominen ennen käyttöönottoa.

Kuka määrittelee, miltä tietojen on näytettävä ennen kuin malli käsittelee niitä? Kuka hyväksyy poikkeukset, kun malli tuottaa käytännön kanssa ristiriidassa olevan tuloksen? Kuka on vastuussa, kun tekoälyavusteinen analyysi vaikuttaa päätökseen, joka osoittautuu vääräksi?

Nämä eivät ole teknologiakysymyksiä. Ne ovat toimivaltakysymyksiä. Ja useimmissa organisaatioissa niihin vastataan samalla tavalla kuin kaikkiin muihinkin epämukaviin toimivaltakysymyksiin: perustamalla komitea.

Miksi tekoäly ei yllä tavoitteisiin toimittaja-analyysissä ja strategiassa

Tekoäly ei ole tuottanut odotettuja tuloksia toimittajasopimusten analyysissä ja hankintatiedon hyödyntämisessä. Lupaus oli, että tekoäly toisi esiin sopimusehtoihin kätkeytyviä säästömahdollisuuksia, tunnistaisi päällekkäiset kulut ja ilmoittaisi epäedullisista uusimisehdoista ennen niiden voimaantuloa. Käytännössä näitä työkaluja syöttävä data on lähes aina liian epäpuhdasta tai puutteellista, jotta tuloksia voitaisiin hyödyntää suoraan.

Sopimukset ovat PDF-tiedostoissa, joiden muotoilu vaihtelee, toimittajarekistereissä on samasta toimittajasta kolme eri nimiversiota, eikä kulujen luokittelua, jonka piti olla standardoitu, koskaan todellisuudessa standardoitu. Tekoäly tuottaa raportin, joka vaatii manuaalisen tarkistuksen, ja se vie enemmän aikaa kuin alkuperäinen analyysi olisi vienyt.

Näen saman kaavan kaikkialla: Työkalu toimii esittelyssä, koska valmistelimme esittelydatan. Tuotannossa se jää tavoitteista, koska emme valmistelleet tuotantodataa.

Miten tekoäly muuttaa taloustiimejä ja osaamistarpeita

Brad kertoo

Perinteiset taloustiimit rakennettiin henkilöstömäärän ympärille…Tekoäly automatisoi merkittävän osan tästä työstä.

Tekoäly muuttaa taloustiimin rakennetta tavoilla, joita useimmat organisaatiokaaviot eivät ole vielä ottaneet huomioon.

Perinteiset taloustiimit rakennettiin henkilöstömäärän ympärille, ja niihin kuului talousjohtaja, kirjanpitäjien tiimi, yksi tai kaksi FP&A-analyytikkoa sekä kaikkia heitä johtava talousjohtaja. Tämä rakenne oletti, että ihmiset suorittivat toistuvia ja suurivolyymisia tehtäviä: tilikauden päättämistä, tilien täsmäytystä, poikkeamaraporttien laatimista ja budjettimallin ylläpitoa.

Tekoäly automatisoi merkittävän osan tästä työstä. Kysymys ei ole siitä, muuttuuko henkilöstömäärä. Organisaatioiden on sen sijaan tunnistettava, että talouden työvoima koostuu nyt neljästä erillisestä kategoriasta, joista jokainen edellyttää erilaista johtamista, hallintaa ja kustannusrakennetta: työntekijöistä, tekoälyagenteista, alihankkijoista ja konsulteista.

Useimmat talousorganisaatiot käyttävät kaikkia neljää tunnistamatta niiden välistä eroa. Laskuja käsittelevä tekoälyagentti ei ole työntekijä. Sillä ei ole varsinaista esihenkilöä. Sillä on prosessista vastaava omistaja — henkilö, joka määrittelee sen parametrit, vahvistaa sen tuotokset ja vastaa virheellisestä käsittelystä. Organisaatioiden on nimettävä tämä omistaja. Useimmat organisaatiot eivät ole nimenneet häntä.

Näen osaamisyhdistelmän muuttuvan: suurivolyyminen tapahtumatyö siirtyy agenteille. Jäljelle jäävä ihmisten tekemä työ edellyttää harkintaa, asiayhteyden ymmärtämistä ja vastuunkantoa — talousjohtajaa, joka vahvistaa tuloksen oikeellisuuden, taloushallinnon johtajaa, joka tietää, mitä datan taustalla piilee, sekä analyytikkoa, joka ymmärtää, miksi malli tuottaa luvun, joka ei vastaa liiketoiminnan todellisuutta.

Kolmen vuoden kuluttua tehokkaimpia taloustiimejä ovat ne, jotka suunnittelevat työvoimarakenteensa tietoisesti uudelleen jo nyt — eivät ne, jotka vähentävät henkilöstöä ja toivovat agenttien täyttävän syntyvän aukon.

Miten tekoäly on laajentanut talousjohtajien toimivaltuuksia

Monet ajattelevat, että talousjohtajan rooli supistuu. Tekoäly automatisoi tilikauden päättämisen, täsmäytykset, poikkeama-analyysin ja hallituksen viestinnän ensimmäisen luonnoksen. Taloustoiminnon pyörittämiseen tarvittava henkilöstömäärä vähenee. Johtopäätös tuntuu ilmeiseltä.

Minä kuitenkin ajattelen, että rooli laajenee, ja ne talousjohtajat, jotka ymmärtävät tämän, määrittelevät roolin sisällön seuraavaksi vuosikymmeneksi.

Tässä syy. Tekoäly automatisoi rutiininomaisen työn. Se ei kuitenkaan pysty automatisoimaan sitä vastuurakennetta, joka tekee tuloksesta käyttökelpoisen — hallintorakennetta, joka määrittää, voidaanko tekoälyn tulos vahvistaa, pääoman kohdentamiseen liittyvää harkintaa, joka ratkaisee, minkä skenaarion perusteella toimitaan, hallitussuhdetta, joka tekee suosituksesta uskottavan, eikä SOX 302 -allekirjoitusta, joka liittää inhimillisen nimen seuraukseen, kun jokin menee pieleen.

Kaikki tämä keskittyy organisaatiossa ylemmäs. Talouden luotetun neuvonantajan rooli — talousjohtaja, joka omistaa integroidun mallin, hallinnoi tekoälyn tuotosta ja kantaa johdolle kuuluvan vastuun — ei ole kutistumassa. Sen merkitys kasvaa, kun ihmisen vahvistamista edellyttävien tekoälyn tuottamien tulosten määrä lisääntyy.

Jälkeen jäävät ne talousjohtajat, jotka rakensivat identiteettinsä automatisoituvan työn varaan. Etulyöntiasemaa saavat ne talousjohtajat, jotka ottavat vastuulleen tuloksen yläpuolella olevan toimivallan — datan hallinnan, prosessiarkkitehtuurin ja tekoälyn hallinnan pääomatoimintona — ennen kuin joku muu täyttää tyhjiön.

Tämä hetki ei ole uhka talousjohtajan roolille. Se on suurin toimivaltuuksien laajentuminen, jonka rooli on kokenut kahteenkymmeneen vuoteen. Useimmat talousjohtajat eivät ole vielä huomanneet sitä.

Miksi talousjohtajien on siirrettävä huomionsa nyt

Joten neuvoni? Kolme asiaa tärkeysjärjestyksessä.

1. Ota arkkitehtuuri ensin haltuun. Talousjohtaja, joka odottaa tekoälytyökalun paljastavan dataongelmat, on jo jäljessä. Datan hallinta, prosessien dokumentointi ja järjestelmien yhteensovittaminen ovat edellytyksiä, eivät sivutuotteita. Jos et tiedä, kuka omistaa kunkin data-alueen, mitä tuloutusperiaate sanoo laskutusjärjestelmässä ja miten liidistä kassaan -prosessi toimii alusta loppuun, et ole valmis ottamaan tekoälyä käyttöön. Olet valmis rahoittamaan epäonnistunutta käyttöönottoa seuraavan siivouksen.
2. Ota toimeksianto haltuun ennen lopputulosta. Tekoälyn hallinta päätyy talousjohtajan pöydälle riippumatta siitä, pyysikö talousjohtaja sitä vai ei. SOX 302:n mukainen sertifiointiriski, hallituksen kysymykset malliriskistä ja tekoälytoimittajien sopimuksiin liittyvät pääoman kohdentamista koskevat päätökset kuuluvat jo tehtävänkuvan perusteella talousjohtajalle. Talousjohtaja, joka pitää tekoälyä IT-ongelmana, luopuu vapaaehtoisesti alueesta, joka määrittää tehtävän seuraavan version. Talousjohtaja, joka ottaa haltuun integroidun operatiivisen ja taloudellisen mallin, liidistä kassaan -prosessin sekä hallinta-arkkitehtuurin, joka tekee lopputuloksesta varmennettavan, ei ainoastaan selviä tästä hetkestä. Hallitus ja toimeksiantaja luottavat tähän talousjohtajaan panosten kasvaessa.
3. Älä rakenna ammatillista identiteettiäsi automatisoituvan työn varaan. Tilinpäätös, ostoreskontra, täsmäytykset ja perusraportointi ovat muuttumassa bulkkipalveluiksi. Talousjohtaja, joka on rakentanut uskottavuutensa kokonaan tilinpäätöksen toteuttamisen varaan, huomaa uskottavuutensa murenevan nopeammin kuin työnkuva muuttuu. Kertautuva työ on työtä, jota ei voida muuttaa bulkkipalveluksi: pääoman kohdentamiseen liittyvä harkinta, hallitustason luottamus, hallinta-arkkitehtuuri ja kyky varmentaa, että mallin tuottama sisältö on sellaista, jonka valmis allekirjoittamaan omalla nimelläsi.

Tämä hetki ei ole uhka talousjohtajan tehtävälle. Se on toimeksiannon laajentuminen. Talousjohtajat, jotka näkevät asian näin, määrittävät, miltä tehtävä näyttää seuraavan vuosikymmenen ajan.

Pysy mukana

Voit seurata Brad Wolfen työtä LinkedInissä ja tutustua Wolfe Packs Consultingiin.

Lisää asiantuntijahaastatteluja on tulossa The CFO Clubiin!