ClickUpin talousjohtaja: kysyt tekoälystä vääriä kysymyksiä

Dan Zhang on ClickUpin talousjohtaja. ClickUp on listautumista edeltävä tekoälyä hyödyntävä tuottavuusyritys, jossa agenttien ja ihmisten suhde on suurempi kuin yksi yhteen.

Keskustelimme Danin kanssa selvittääksemme, mihin talousjohtajien on keskitettävä huomionsa. Tässä on, mitä hän kertoi meille.

Kaikkein kuvaavimmat luvut

Olen Dan Zhang, ClickUpin talousjohtaja. ClickUp on listautumista edeltävä tekoälyä hyödyntävä tuottavuusyritys. Johdan taloushallintoa, kirjanpitoa, henkilöstö- ja HR-toimintoja sekä lakiasioita ja autan yritystä kasvamaan pääoman kohdentamisen, strategisen päätöksenteon tuen ja listautumisvalmiuden avulla.

Johdan koko taloushallinnon kokonaisuutta: FP&A:ta, yrityskehitystä, kirjanpitoa ja sopimusneuvottelutiimiä. Kirjanpito kattaa yksin yrityskirjanpidon, teknisen kirjanpidon, tulokirjanpidon, palkanlaskennan, verotuksen ja hankinnat. Toimintomme monimutkaisuus vastaa listautumisvalmista yritystä, mutta pidämme sen tarkoituksellisesti kevyenä.

Ylitimme viime vuonna $300 miljoonan vuotuisen toistuvan liikevaihdon, ja kasvamme nopeasti. Palvelemme maailmanlaajuisesti yli 200 000:ta asiakasta ja 30:tä miljoonaa käyttäjää, ja meillä on noin 1 000 työntekijää kuudessa oikeushenkilössä.

Mutta tässä on luku, joka kertoo mielestäni kaikkein parhaiten, missä olemme: agenttien ja ihmisten suhde on nyt yli yksi yhteen. Jokainen tiimini jäsen työskentelee useiden tekoälyagenttien kanssa, ja suhde kasvaa jatkuvasti. Tiimimme koostuu ihmisistä, jotka vastaavat harkinnasta, ja agenteista, jotka hoitavat heidän puolestaan taustalla olevan työkuorman.

Kysy, onko työ valmis tekoälylle – älä päinvastoin

Useimmat yritykset kysyvät, onko tekoäly valmis. Me käänsimme kysymyksen toisin päin: onko työ valmis tekoälylle?

Kun pilkot sen, mitä talousorganisaatio tekee, suurin osa sijoittuu siihen, mitä kutsun "keskikohdaksi". Aloitus tapahtuu toisessa päässä: kysymyksen muotoilu ja tavoitteen asettaminen. Lopullinen harkinta tapahtuu toisessa päässä: päätös ja hyväksyntä. Kaikki siltä väliltä – tiedon kerääminen, täsmäyttäminen, luonnostelu ja muotoilu – on keskikohdan työtä. Siihen tekoäly kuuluu. Ihmiset vastaavat alusta ja lopusta. Tekoäly hoitaa keskikohdan.

Teimme tämän perusteella todellisia päätöksiä. Louhimme prosesseja työnkuluistamme löytääksemme, missä keskikohdan työ sijaitsee, sen sijaan että olisimme arvanneet. Automatisoimme tilinpäätösprosessin ja nopeutimme sitä 40 % pienemmällä henkilöstömäärällä. Rakensin oman agenttikokonaisuuteni, johon kuuluu kontekstiagentti, joka säilyttää institutionaalisen tietämykseni, sekä päätösagentti, joka haastaa ajatteluni ennen kuin vien asian hallitukselle.

Loppujen lopuksi kyse ei ole siitä, mitä rakensit, vaan siitä, mitä päätöksiä olet tehnyt sen ansiosta eri tavalla. Rooli, jota et täyttänyt. Tilinpäätös, jota lyhensit. Luku, johon luotit nopeammin. Kontrollin haavoittuvuus, jota et olisi havainnut ilman tekoälyä.

Siinä on muutos.

Miksi talousmallit kannattaa rakentaa yhdessä Clauden kanssa

Muuttimme tapaamme rakentaa malleja. Rakennamme nyt jokaisen uuden mallin yhdessä Clauden kanssa aivan kuin kouluttaisimme uutta analyytikkoa.

Alussa se on tuskallista. Olen kuullut vastalauseet: "Olisi nopeampaa, jos rakentaisin sen itse." Niin. Sinulle. Tänään. Ei tiimille eikä ensi vuonna.

Yhdessä rakentaminen sulkee kaksi aukkoa, jotka jokaisella FP&A-tiimillä on.

1. Institutionaalinen tietämys: Jonkun mieleen tai hauraaseen laskentataulukkoon juuttunut tieto, johon kukaan ei halua koskea, ei enää ole ongelma. Kun rakennat yhdessä tekoälyn kanssa, dokumentointi ei ole jälkikäteen tehtävä asia, vaan itse rakentamista. Tallennamme jokaisen oletuksen.
2. Skenaarioiden nopeus: Aiemmin kesti päiviä vastata johtajan kello yhdeltä yöllä lähettämään Slack-viestiin: "Mitä liikevaihdolle ja kassalle tapahtuu, jos siirrän X:n markkinointiin ja pidän Y:n henkilöstömäärän ennallaan?" Nyt se vie sekunteja. Suunnittelutyökalut lupasivat tätä vuosien ajan mutta eivät koskaan toimittaneet, koska ongelma ei koskaan ollut mallin mekaniikassa. Se oli kontekstissa – siinä, miten kaikki liittyy toisiinsa. Kun keskitetty älykkyys hallitsee tätä kontekstia, johtajat voivat ajaa rajattomasti skenaarioita lennossa.

Miksi taloustiimien on kirjattava tietämyksensä Claude-taidoiksi

Danin ajatuksia

Vanha toimintamalli sanoo, että etulinjaan pitää palkata lisää väkeä. Me emme tee niin. Rakennamme superagentteja, jotka orkestroivat näitä erikoistuneita taitoja, aliagentteja, jotka suorittavat tehtäviä hellittämättä, sekä työnkulun, jossa ihminen vastaa tekoälyn työn laadusta ja tekee lopullisen tarkistuksen. Vastuu ei koskaan siirry koneelle.

Kirjanpitopäällikkömme rakensi 27 Claude-taitoa. 27 kodifioitua, asiantuntijoiden kirjoittamaa toimintamallia, jotka automatisoivat valmisteluvaiheen tehokkaasti: täsmäytykset, tilinpäätöksen valmisteluvaiheet ja yhtiökohtaisen valmistelun. Jokainen niistä on dokumentoitu, toistettavissa ja säilyy käyttökelpoisena, vaikka sen laatija lähtisi.

Tässä syy siihen, miksi sillä on merkitystä. Lisäämme yhtiöitä ja uusia liiketoimintamalleja. Vanha toimintamalli sanoo, että etulinjaan pitää palkata lisää väkeä. Me emme tee niin. Rakennamme superagentteja, jotka orkestroivat näitä erikoistuneita taitoja, aliagentteja, jotka suorittavat tehtäviä hellittämättä, sekä työnkulun, jossa ihminen vastaa tekoälyn työn laadusta ja tekee lopullisen tarkistuksen. Vastuu ei koskaan siirry koneelle.

Jos talousjohtaja haluaa ottaa käyttöön yhden asian, ottakoon tämän: Pyydä parasta asiantuntijaasi kodifioimaan osaamisensa taidoiksi, lisää niiden päälle orkestrointikerros ja nimeä loppuun vastuullinen ihminen. Kannusta parhaita asiantuntijoitasi palkitsemalla heitä heidän rakentamistaan automaatioista.

Miksi valvonta on nyt järjestelmän ominaisuus

Suurempi ihmisen osallistuminen ei tarkoita parempaa valvontaa.

Kasvoin ajatellen, että valvonta tarkoittaa ihmisten tarkistavan kaiken. Tekoäly pakotti minut myöntämään, että kyse oli hauraan järjestelmän päälle rakennetusta näytelmästä. Dokumentoimattomia laskentataulukoita, ihmisten mielissä eläviä oletuksia ja kaikkialla piilevää avainhenkilöriskiä. Saan edelleen puheluita entisestä yrityksestäni laskentataulukosta, jonka rakensin vuosi lähtöni jälkeen. Se ei ole valvontaympäristö. Se on panttivankitilanne, jonka olemme kaikki normalisoineet.

Valvonnasta on nyt tullut järjestelmän, ei siihen koskevien työntekijöiden määrän ominaisuus. Syötteet on lukittu. Järjestelmä kirjaa jokaisen agentin toimenpiteen ja yhdistää sen työnkulun tunnisteeseen. Oletukset ovat eksplisiittisiä ja skenaariot toistettavissa. Tilintarkastajani voivat pyytää tapahtumaketjun. He eivät koskaan voisi tarkastaa sitä, mitä jonkun mielessä oli.

Ihmiset eivät poistuneet valvontajärjestelmästä. He siirtyivät sinne, minne he aina kuuluivat: poikkeustilanteisiin ja lopulliseen tarkistukseen, nimettyinä ja vastuullisina. Vähemmän kosketuspisteitä, joista jokaisella on todellista painoarvoa toiminnossa, jossa 99 prosentin tarkkuus tarkoittaa täydellistä epäonnistumista tavoitteessa.

Miksi tekoäly on luonnos, ei päätös

Sen suhteen, mitä tekoäly voi käsitellä, käytän kolmea sääntöä:

1. Tekoäly käsittelee tehokkaasti valmistelun, synteesin ja seurannan.
2. Jos viimeinen vaihe muuttaa tilinpäätöstä tai siirtää rahaa, ihminen tekee sen aina.
3. Jos tehtävä edellyttää harkintaa epäselvässä tilanteessa tai joku on vastuussa lopputuloksesta, se kuuluu ihmiselle, koska tekoälyn tuotos on luonnos, ei päätös. Minä vastaan lopputuloksesta sataprosenttisesti.

Esimerkiksi:

• Ennustaminen: tekoälyn tukemaa, ihmisen vastuulla. Rakennamme jokaisen FP&A-mallin yhdessä tekoälyn kanssa. Oletukset on dokumentoitu, logiikka on eksplisiittinen, eikä mikään elä yhden ihmisen mielessä tai hauraassa laskentataulukossa.
• Poikkeama-analyysi: toimintoni, jossa tukeudun tekoälyyn eniten. Analyytikkoagentti käsittelee reaaliaikaista dataa, merkitsee poikkeamat ja laatii luonnoksen sanallisesta analyysistä. Ihmiset siirtyvät tapahtumatasolta poikkeustasolle. En halua tiimini tarkistavan jokaista riviä. Haluan heidän tarkistavan jokaisen poikkeaman, jonka järjestelmä tuo esiin.
• Kassanhallinta: tekoäly ennustaa, täsmäyttää ja seuraa sitä. Yhdelle säännölle ei kuitenkaan ole poikkeuksia: agentti ei voi koskaan käynnistää kassasta lähtevää maksua. Agentit voivat vain lukea tilinpäätöstietoja. Tehokas valmistelussa, varovainen tarkistuksessa.
• Budjetointi: tekoäly valmistelee yhdistelyn ja BvA:n. Ihmiset käsittelevät vaihtoehtojen välisiä kompromisseja.

Kaikissa näissä toimissa toistuva kaava on, että tekoäly saavuttaa autonomian vaiheittain. Ensin havainnoi, sitten suosittele ja sen jälkeen rajaa automaatiota täydellisten auditointijälkien avulla. Ihmiset keskittyvät siihen, missä he päihittävät koneen: harkintaan, vastuun kantamiseen ja todellisen maailman tuomaan uuteen kontekstiin. Mitä nopeammin automatisoimme, sitä tärkeämmäksi harkinta tulee. Harkinnaton nopeus on vain nopeampia virheitä.

Miksi talousjohtajien on tuotava jännite resurssipäätöksiin

Budjetoinnista puheen ollen olen tuonut jännitettä jokaiseen resurssipäätökseen.

Ihmiset rakastavat rekrytointia, mutta useimmiten he rekrytoivat rikkinäisiin prosesseihin ja kutsuvat sitä skaalautumiseksi. Siksi rekrytoinneille on asetettava portti. Johtajien on osoitettava tekoälytyönkulun toimivuus ennen henkilöstömäärän kasvattamista.

Se on nollapohjaisen budjetoinnin seksikkäämpi versio. Jos työnkulku todella tarvitsee edelleen ihmisen perusteellisen testin jälkeen, hienoa, palkkaa hänet. Mutta jos et koskaan tuo prosessiin jännitettä, et koskaan saa selville, kuinka paljon voit tehostaa sitä.

Miksi talousjohtajien on syytä varoa ”autonomisia” taloustyökaluja

Danin ajatuksia

Kädet vapaina toimivaa, täysin autonomista taloushallintoa ei ole vielä olemassa…Jokainen, joka myy sinulle autonomista taloushallintoa, myy sinulle demon.

Suurin kuilu hypetyksen ja todellisuuden välillä liittyy päästä päähän ulottuvaan automaatioon. Sitä ei ole vielä olemassa. Kädet vapaina toimivaa, täysin autonomista taloushallintoa ei ole vielä olemassa.

Ja menen vielä pidemmälle: jopa Anthropicin oma tuotekehitystiimi kertoo taloustiimilleen saman asian. Täysi automaatio ei ole vielä täällä, edes yrityksessä, joka rakentaa edistyneimpiä malleja. Jos mallin rakentanut laboratorio ei hoida omaa kirjanpitoaan ilman ihmisen ohjausta, ei sinunkaan pitäisi tehdä niin.

Jokainen, joka myy sinulle autonomista taloushallintoa, myy sinulle demon.

Miten tekoäly vaikuttaa kapasiteettiin ja nopeuteen

Suurimmat myönteiset vaikutukset näkyvät seuraavilla alueilla:

• Tehokkuus: Ennen tekoälyä FP&A-tiimini käytti 80 % ajastaan mekaanisiin tehtäviin. Tietojen puhdistamiseen, raporttien muotoiluun ja lukujen kopioimiseen esityksiin. Vain 20 % kului synteesiin ja tarinankerrontaan. Suhde on päälaellaan, ja tämä on alan oletusarvo.
• Henkilöstömäärä: Työnkulun ennakoivasti rakentaneet johtajat poistivat 50 % tulevista rekrytoinneista. Vähensimme nykyistä henkilöstömäärää 15 %, pääasiassa alimman tason, prosessipainotteisesta jaetun palvelun työstä.
• Kapasiteetin moninkertaistuminen: Yrityskehitysjohtaja siirtyi yhdestä tai kahdesta kaupasta kuukaudessa kuuteen tai kahdeksaan samanaikaisesti. Yksi henkilö, ei uusia rekrytointeja. Agentti laajensi suppiloa, ja ihminen hoiti viimeisen osuuden.
• Skenaarioiden nopeus: Tämä on selkein ennen ja jälkeen -vertailu. Kuten sanoin, aamuyhden johtoryhmän kysymys ”Mitä liikevaihdolle ja kassalle tapahtuu, jos siirrän X:n markkinointiin ja pidän Y:n henkilöstömäärän ennallaan?” muuttui päivistä sekunneiksi.
• Toimittajien yhdistäminen: Clauden päälle rakennettu sisäinen ohjelmisto on jo poistanut käytöstä useita työkaluihin liittyviä kustannuseriä, kuten tilinpäätöksen sulkemisen automaation, hankintojen ja tikettien hallinnan työkalut. Toistaiseksi olemme säästäneet kuusinumeroisen summan toimittajakuluissa.

Haitallinen vaikutus oli tekoälyroskavero. Vikatila ei kuitenkaan johtunut tekoälyn virheistä, vaan siitä, että ihmiset toimittivat tarkistamatonta tekoälyn tuottamaa sisältöä. Taloushallinnon roskasisältö nakertaa luottamusta hiljalleen ja kuluttaa parhaat ihmiset nopeimmin loppuun. Mikään ei ärsytä huippuosaajaa yhtä nopeasti kuin asiakirja, johon yksikään ihminen ei ole tuonut omaa panostaan.

Ratkaisu oli kulttuurinen. Minun on johdettava ja pidettävä tiimini vastuullisena. Heidän on tiedettävä, että luen kaiken, minkä he tuovat eteeni.

Miksi talousjohtajien on keskityttävä ensin työnkulkujen perustaan

Tekoälyn käyttöönoton ja järjestelmän suunnittelun välillä on ero.

Ensimmäinen vuoteni kului näpertelyyn: rakensin leluja, liitin tekoälyä olemassa oleviin työnkulkuihin ja keräsin vaikuttavia demoja. Lähes kaikki siitä oli kertakäyttöistä. Demot kuolivat omistajiensa mukana, kehotteet elivät ihmisten mielissä, eikä mikään kerryttänyt arvoa.

Sen tiedän nyt, että perusta tulee ensin. Tee työstä tekoälylle ymmärrettävää ennen kuin automatisoit mitään. Kokoa tieto taidoiksi, lukitse tietolähteet ja tallenna jokainen toimenpide. Keskinkertainen työnkulku vankalla perustalla kasvattaa arvoaan. Loistava demo ilman perustaa haihtuu.

Jos olisin ymmärtänyt tämän aiemmin, olisin voinut välttää hukkaan heitetyn kierteen: kuukausien yksittäiset kokeilut, joista ei syntynyt yhtään kestävää aineistoa. Olisin myös voinut saada kirjanpidon esihenkilön kirjoittamaan taitoja hyödyntäen heti alusta alkaen.

Neuvoja talousjohtajille

Neuvoni siis? Rakenna perusta tekoäly edellä. Pidä laadusta kiinni kuin tilikirjat riippuisivat siitä, koska ne riippuvatkin. Käytä ihmiset siellä, missä he päihittävät koneen: harkinnassa, vastuunkannossa ja yhteydessä todelliseen maailmaan.

Tulevaisuuden organisaatio ei ole tämän päivän organisaation pienempi ja halvempi versio. Se on pienempi huippuosaajien tiimi, joka toimii tekoälyn vahvistamana tasolla, joka ei aiemmin ollut mahdollinen.

Seuraa mukana

Voit seurata Dan Zhangin työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CFO Clubissa!