Tekoälyagentit eivät merkitse mitään ilman käyttöönottoa

Sibaranjan Patnaik on talous- ja strategiajohtaja Intiassa sijaitsevassa suuren teknologiayrityksen GCC-yksikössä. Hänellä on 16 vuoden kokemus, ja hän on työskennellyt sekä kirjanpidon että FP&A:n parissa, mikä on antanut hänelle kattavan ymmärryksen taloustoimintojen toiminnasta.

Keskustelimme Sibaranjanin kanssa hänen rakentamistaan sisäisistä talousagenteista — ja siitä, miksi tekoälyn menestyksen määrittelevät sen käyttöön ottavat ihmiset. Näin hän vastasi.

Talouden teknologinen muutos on viimein tapahtumassa

Olen Siba — talous- ja strategiajohtaja, jolla on noin 16 vuoden kokemus.

Aloitin kirjanpidon parissa, siirryin FP&A:n tehtäviin, ja työskentelyni näillä molemmilla toiminnon osa-alueilla antaa minulle kokonaiskuvan talouden päivittäisestä toiminnasta — ei ainoastaan suunnittelun ja ennustamisen tasosta, vaan myös sen alla olevasta tapahtumien käsittelyn ja raportoinnin moottorista.

Nykyään vastuualueeni on laajentunut talouden ulkopuolelle — johdan samanaikaisesti teknologiatiimejä, liikevaihtotoimintoja ja useita liiketoiminta-alueita toimien yhtä lailla poikkitoiminnallisena kuin talouden johtajana. Tämä laaja-alaisuus muuttaa tapaa, jolla ajattelet muutosta — et enää näe sitä talouden ongelmana, vaan organisaation ongelmana.

Jälkikäteen ajatellen pidän tätä lähes huvittavana: olen kuullut koko urani ajan teknologiavetoisesta talouden muutoksesta. Parempia työkaluja. Älykkäämpiä järjestelmiä. Excelin kuolema. Silti jokaisessa tehtävässä, johon siirryin — olipa kyseessä suuri FMCG-yritys, globaali vähittäiskauppayritys tai GCC-yksikkö — keskeinen työnkulku pysyi samana. Hae tiedot, täsmäytä ne, rakenna malli, muotoile esitys, lähetä se eteenpäin. Excel, joka kerta.

Meillä oli koontinäyttöjä, jotka perustuivat manuaalisiin tietohakuihin. Meillä oli suunnittelutyökaluja, jotka vaativat edelleen jonkun valvomaan oletuksia. Teknologiaa oli käytössä eri puolilla organisaatiota, mutta muutos ei koskaan täysin toteutunut.

Se, mikä on nyt erilaista — ja sanon tämän ihmisenä, joka suhtautuu talousteknologian hypetykseen skeptisesti — on se, että tekoäly, erityisesti agenttinen tekoäly, on ensimmäinen käyttämäni asia, joka todella muuttaa taustalla olevaa työnkulkua eikä ainoastaan esitystasoa. Käytän sitä tällä hetkellä kommenttien automatisointiin, skenaarioanalyysin nopeuttamiseen ja toistuvien analyyttisten tehtävien hoitamiseen — tehtävien, jotka aiemmin veivät suurimman osan tiimin työviikosta.

Ensimmäistä kertaa urani aikana tunnen aidosti, että luvattu muutos etenee viimein oikeaan suuntaan. Ja juuri tämän pyrin tuomaan esiin keskusteluissa, joita käyn nuoria talousalan ammattilaisia mentorina — sillä nyt on oikea hetki päästä tämän kehityksen edelle.

Tekoälyn hyödyntäminen strategisella korkeammalla tasolla toimimiseen

Työskentelen kypsässä, julkisesti noteeratussa organisaatiossa, jolla on toimintaa maailmanlaajuisesti. En jaa julkisesti tarkkoja tietoja — haluan tehdä selväksi, että tässä jakamani asiat ovat ainoastaan henkilökohtaisia havaintojani — mutta voin kertoa johtavani Intiassa sijaitsevaa GCC-yksikön talousorganisaatiota. Tämä tarkoittaa, että olemme paljon suuremman globaalin toiminnon strateginen palvelukeskus.

Monimutkaisuus on todellista; teemme paljon muutakin kuin taustatoimistoprosessointia. Tiimi kattaa FP&A:n, liikevaihdon ja teknologiatoiminnot, jotka toimivat useilla liiketoiminta-alueilla ja joiden välillä on merkittäviä poikkitoiminnallisia riippuvuuksia. Tässä ympäristössä tasapainotamme jatkuvasti globaalia standardointia ja paikallisen toteutuksen realiteetteja.

Muutoksen näkökulmasta Intian GCC-yksiköitä on perinteisesti pidetty kustannuspaikkoina — ne on rakennettu tehokkuutta, ei vaikutusvaltaa varten. Pyrin suurelta osin muuttamaan tätä käsitystä sekä organisaation sisällä että siinä, miten tiimi näkee itsensä. GCC-yksikössä toimivana globaalin liiketoimintayksikön talouskumppanina sinun on toimittava samalla strategisella tasolla kuin kenen tahansa pääkonttorissa työskentelevän. Tekoäly on merkittävä osa sitä, miten kuromme tämän eron umpeen.

Miksi talouden tekoälyuudistukset vaativat kärsivällisyyttä

Minulla ei ole tällä hetkellä tuotannossa täysin käyttöönotettua päästä päähän -periaatteella toimivaa tekoälypohjaista taloushallinnon työnkulkua. Suhtaudun epäillen jokaiseen, joka väittää sellaisen toimivan laajassa mittakaavassa, valvontatoimenpiteineen ja säännellyn julkisen yhtiön ympäristössä. Minulla on selkeä suunta, joukko tuottavuustyökaluja, jotka todella muuttavat tapaa, jolla minä ja tiimini työskentelemme päivittäin, sekä joukko eri rakennus- ja testausvaiheissa olevia agentteja.

Tuottavuuden osalta käytän tekoälytyökaluja päivittäin viestien luonnosteluun, pitkien raporttien tiivistämiseen, analyysien jäsentämiseen, liiketoimintakatsauksiin valmistautumiseen ja skenaarioiden pohtimiseen nopeammin kuin pystyisin yksin. Nämä eivät ole näyttäviä käyttötapauksia, mutta kumulatiivinen ajansäästö on todellinen, ja ne ovat muuttaneet sitä, miten laadukkaasti osallistun keskusteluihin.

Nykyinen edistymiseni on kunnianhimoisempaa. Rakennan työnkulkua, jossa agentit hoitavat kuukausisulun mekaaniset osat — tietojen yhdistämisen, poikkeamien merkitsemisen ja kommenttien luonnostelun — ja ihmiset tulevat mukaan tarkastelun ja harkinnan vaiheessa. Arkkitehtuuri on olemassa, ja testaus jatkuu. Sen tekeminen oikein ja asianmukaisten valvontatoimenpiteiden käyttöönotto vie aikaa.

Jaan tämän keskeneräisenä työnä sen sijaan, että esittäisin sen valmiina, koska talousalan ammattilaiset kuulevat jo riittävästi puhetta määränpäästä. Hyödyllistä on kuulla, miltä matka näyttää reaaliajassa — mikä toimii, mitä parhaillaan selvitetään ja mikä on odotettua vaikeampaa.

Tässä olen nyt. Rakennan huolellisesti, etenen vakaasti enkä odota täydellisyyttä ennen aloittamista.

Miten tekoäly parantaa poikkeamien kommentointia

Yksi äskettäin tekemäni muutos liittyy poikkeamien kommentointiin. Jokainen taloustiimi tekee sitä. Joka kuukausi joku istuu alas ja kirjoittaa kahdesta kolmeen sivua siitä, miksi toteutuneet luvut olivat suunnitelmaa suurempia tai pienempiä. Rivi riviltä. Teoriassa kyse on tärkeästä työstä, mutta käytännössä noin 80 % siitä on mekaanista. Luvut ovat jo olemassa. Poikkeamat on jo laskettu. Aikaa vie kääntäminen — tietojen muuttaminen lauseiksi, jotka muu kuin taloushallinnon sidosryhmä voi lukea ja joiden perusteella toimia.

Ennen tätä muutosta vanhempi analyytikko käytti suurimman osan työpäivästä pelkkään kommentointiin. Ei siksi, että hän olisi ollut hidas — vaan siksi, että useiden kustannuspaikkojen ja liiketoimintalinjojen käsittely kunnolla vei aidosti niin kauan. Ja kun työ oli valmis, tarkastettu ja muotoiltu, sen keskustelun aikaikkuna, jota sen oli tarkoitus mahdollistaa, oli jo kaventunut.

Rakensin agentin hoitamaan ensimmäisen luonnoksen. Se hakee luvut, tunnistaa olennaiset poikkeamat ja tuottaa jäsenneltyä kommentointia selkeällä liiketoimintakielellä. Analyytikon tehtävänä on nyt tarkastaa ja viimeistellä teksti sekä lisätä harkintaa edellyttävä osuus — asiayhteys, jonka voi tarjota vain liiketoiminnan tunteva ihminen.

Tämä vaikuttaa nopeuteen, mutta muuttaa myös keskustelun laatua. Kun analyytikko ei ole uupunut kirjoittamisesta, hän tulee tarkastelukokoukseen pohtien, mitä poikkeama tarkoittaa seuraavan vuosineljänneksen kannalta — ei vain sitä, mitä viime kuussa tapahtui. Tätä muutosta tavoittelin. Yhdestä päivästä mekaanista kirjoittamista voi tulla kaksi tuntia ajattelua.

Viitekehys sille, mikä säilyy ihmisen tehtävänä

Viitekehykseni on yksinkertainen: jos työ on mekaanista, automatisoi se. Jos se edellyttää harkintaa, pidä se ihmisen tehtävänä. Siinä kaikki.

Se kuulostaa itsestään selvältä, mutta useimmat taloustiimit eivät toimi näin. Ihmiset tekevät mekaanista työtä ja kutsuvat sitä analyysiksi. Tekoälytyökalut jäävät hyllylle, koska kukaan ei ole määritellyt rajaa selkeästi.

Tekoäly hoitaa tietojen yhdistämisen, täsmäytykset, poikkeamien merkitsemisen, kommenttien ensimmäiset luonnokset, ennustemallien päivitykset oletusten muuttuessa, vakiomuotoiset raportointipaketit ja historiallisiin malleihin perustuvat kassavirtaprojektiot. Nämä ovat toistettavia, sääntöpohjaisia ja suurivolyymisia tehtäviä. Ihmisten ei pitäisi enää käyttää niihin merkittävää aikaa. Agentti tekee ne nopeammin, johdonmukaisemmin ja ilman väsymystä, joka alkaa tuntua kuukausisulun loppuvaiheessa.

Ihmiset hoitavat kaiken, mikä edellyttää asiayhteyden ymmärtämistä, suhteita ja harkintaa. Mitä tämä poikkeama tarkoittaa liiketoiminnalle? Pitäisikö meidän kohdentaa pääomaa uudelleen tähän hankkeeseen vai odottaa markkinaolosuhteet huomioiden? Mikä on oikea tapa esittää tämä riski johdolle? Onko tämä ennuste suuntansa puolesta uskottava, vai sovitammeko vain luvun tavoitteeseen? Tekoäly voi auttaa kaikissa näissä keskusteluissa, mutta se ei voi ottaa niistä vastuuta.

Vedän rajan tähän: tekoäly antaa tiimilleni tietoa nopeammin ja paremmassa muodossa kuin ennen. Mutta päätös — ja vastuu siitä — säilyy ihmisellä. En kierrä rajoitusta; tämä on suunniteltu näin.

Miten tekoäly parantaa taloustiimin tehokkuutta ja luottamusta

Myönteistä on, että luotettavin tulos on ajan uudelleenkohdentuminen. Mekaanisten tehtävien — tietojen hakemisen, täsmäytysten, vakiomuotoisen raportoinnin ja kommenttien ensimmäisten luonnosten — automatisointi antaa jokaiselle takaisin tunteja joka viikko. Ei teoreettisia tunteja, vaan todellisia. Jos suunnittelet tietoisesti, miten ihmiset käyttävät tuon ajan, alat nähdä laadukkaampaa analyysiä, nopeampia vastauksia liiketoiminnan kysymyksiin ja talousalan ammattilaisia, jotka osallistuvat työhönsä sen sijaan, että puurtaisivat tilinpäätössyklin läpi.

Ennusteiden laatukin paranee — ei siksi, että tekoäly olisi analyytikkojasi älykkäämpi, vaan siksi, että analyytikot ovat vähemmän väsyneitä ja heillä on enemmän aikaa kyseenalaistaa oletuksia sen sijaan, että he vain täyttäisivät mallia. Väsyneet ihmiset tekevät huonoja päätöksiä. Levänneet ihmiset, joilla on puhdasta dataa, tekevät parempia päätöksiä.

Laadullisesti merkityksellisin muutos on luottamus. Kun taloustiimi lakkaa käyttämästä suurinta osaa energiastaan tuottamiseen ja alkaa tulkita tietoa, sen toiminta liiketoimintakeskusteluissa muuttuu. Tiimillä on mielipiteitä. Se esittää vastaväitteitä. Tämä on kulttuurinen muutos, jota on vaikea mitata mutta mahdotonta olla huomaamatta.

Tekoälyn suurimmat epäonnistumisen muodot taloushallinnossa

Sibaranjan kertoo

Suurin näkemäni epäonnistuminen on se, että tiimit automatisoivat huonoja prosesseja. Jos taustalla oleva data on sekavaa, työnkulut ovat rikki…tekoäly vain kiihdyttää ongelmaa. Roskaa sisään, roskaa ulos, mutta nopeammin.

Sitten huonot puolet. Suurin näkemäni epäonnistuminen on se, että tiimit automatisoivat huonoja prosesseja. Jos taustalla oleva data on sekavaa, työnkulut ovat rikki tai tiimit eivät ymmärrä lukuja, tekoäly vain kiihdyttää ongelmaa. Roskaa sisään, roskaa ulos, mutta nopeammin.

Toinen epäonnistumisen muoto on liiallinen riippuvuus tuloksista, joita ihmiset eivät täysin ymmärrä. Tekoäly voi tuottaa kauniisti jäsennellyn ennusteen, itsevarmalta vaikuttavan poikkeama-analyysin ja selkeän skenaariomallin. Jos sitä esittelevä henkilö ei kuitenkaan osaa selittää, miten tulos johdettiin tai mistä oletukset ovat peräisin — kyseessä on riski. Ei teknologiariski, vaan harkintariski. Tekoälyn pitäisi tehdä tiimistäsi terävämpi, ei passiivisempi. Jos se tekee päinvastoin, kyseessä on riski, josta kukaan ei puhu riittävän äänekkäästi.

Kolmas epäonnistumisen muoto on käyttöönotto. Voit rakentaa tyylikkäimmän tekoälyagentin, mutta jos tiimi ei luota siihen tai muuta tapaansa työskennellä sen kanssa, se jää käyttämättä. Muutosjohtaminen ei ole valinnaista.

Miksi tekoälyn käyttöönotto edellyttää uudelleen suunniteltuja työnkulkuja

Kun tekoäly ei toimi, ongelma liittyy ihmisiin.

Olen rakentanut toimivia tekoälyagentteja. Olen nähnyt niiden testauksen, validoinnin ja hyväksynnän. Sitten seurasin, kuinka tiimit ohittivat ne hiljaisesti ja palasivat vanhoihin menetelmiinsä. Ei pahantahtoisuudesta, vaan tottumuksesta, mukavuudenhalusta ja aidosta uskosta, että heidän manuaalinen versionsa oli luotettavampi, vaikka se ei ollut.

Tämä on aukko, josta ei puhuta riittävästi tekoälymuutosta koskevissa keskusteluissa. Kaikki keskittyvät siihen, mitä pitää rakentaa. Hyvin harvat keskittyvät siihen, minkä on muututtava työkalua käyttävässä ihmisessä, jotta sillä olisi todella merkitystä.

Erityisesti talousalan ammattilaiset on koulutettu täsmällisiksi ja riskejä vältteleviksi. Se on työn kannalta vahvuus. Siitä tulee este, kun heitä pyydetään luottamaan järjestelmään, jota he eivät ole rakentaneet eivätkä pysty täysin näkemään sisälle. Heti kun tekoälyn tuotos näyttää hieman poikkeavalta — vaikka se olisi oikein — he palaavat oletusarvoisesti tekemään työn itse. Ja kun näin tapahtuu muutaman kerran, he lopettavat agentin käytön.

Olen oppinut, ettei käyttöönotto ole viestintäongelma. Sähköpostin lähettäminen ja ilmoitus siitä, että "meillä on uusi työkalu, käyttäkää sitä" ei saa mitään aikaan. Kyse on käyttäytymisen muuttamisesta. Työnkulku on suunniteltava uudelleen työkalun ympärille sen sijaan, että työkalu vain lisätään nykyiseen työnkulkuun ja toivotaan ihmisten sopeutuvan.

Miksi Claude erottuu edukseen taloushallinnon käyttötapauksissa

Käytän useita työkaluja, ja mielestäni se on tällä hetkellä oikea lähestymistapa. Olemme tutkimusvaiheessa, ja jokainen työkalu kehittyy edelleen nopeasti. Yhden valitseminen tänään ja muiden sivuuttaminen olisi väärä ratkaisu.

Jos minun pitäisi kuitenkin kallistua johonkin suuntaan, Claude on erottunut edukseen erityisesti taloushallinnon työssä. Sen kyky käsitellä monimutkaisia tilanteita, työskennellä lukujen kanssa asiayhteys huomioiden, laatia jäsenneltyä analyysiä ja ymmärtää liiketoiminnan vivahteikasta kieltä tekee siitä erityisen hyödyllisen FP&A:n vaatimassa paljon ajattelua edellyttävässä työssä.

Työkalut muuttuvat nopeasti, ja sen, josta tulee osa pitkäaikaista työnkulkuani, on ansaittava paikkansa. Juuri nyt pidän mieleni avoimena kaikkien niiden suhteen ja annan käyttötapausten ratkaista.

Älä sekoita tekoälytyökalujen hankkimista tekoälymuutokseen

Tässä on neuvoni:

1. Lopeta täydellisen yritystason strategian odottaminen ennen kuin ryhdyt toimeen. Useimmat talousjohtajat, joiden kanssa keskustelen, odottavat parhaillaan kuusi kuukautta tarkasteltavana ollutta muutosstrategiaa. Samaan aikaan heidän tiiminsä käyttävät edelleen puolet viikostaan työhön, jonka he voisivat automatisoida jo tänään. Tilaisuus on avoinna juuri nyt. Hyödynnä se.
2. Älä sekoita työkalujen hankkimista muutoksen saavuttamiseen. Olen nähnyt organisaatioiden käyttävän merkittäviä summia alustoihin, lisensseihin ja konsultteihin, mutta päätyvän lopulta samoihin työnkulkuihin, joista ne aloittivat – vain kalliimpina. Teknologia ei ole vaikea osa. Vaikeaa on arvioida rehellisesti, miten tiimisi työskentelee, ja olla valmis muuttamaan sitä.
3. Investoi ihmisiisi ennen kuin investoit työkaluihin. Talousalan ammattilainen, joka ymmärtää, mihin tekoäly pystyy ja mihin ei, osaa laatia hyviä kehotteita, tarkastelee tekoälyn tuottamaa sisältöä kriittisesti ja lisää siihen oman harkintansa – tällainen henkilö on arvokkaampi kuin mikään hankkimasi alusta. Kehitä tämä osaaminen tiimissäsi. Se kasvaa kumuloituvasti.
4. Laita datasi kuntoon. Tekoäly paljastaa kaikki aukot dataperustassasi nopeammin kuin mikään muu. Jos lukusi eivät ole puhtaita, prosessejasi ei ole dokumentoitu eikä järjestelmäsi keskustele keskenään – korjaa nämä asiat ensin. Muuten automatisoit kaaosta.
5. Talousjohtajan työ muuttuu riippumatta siitä, hyödynnätkö tekoälyä vai et. Kysymys kuuluu, muokkaatko tätä muutosta vai reagoitko siihen. Viiden vuoden kuluttua merkityksellisiä talousjohtajia ovat ne, jotka ovat riittävän uteliaita kokeilemaan, riittävän nöyriä oppimaan siitä, mikä ei toimi, ja riittävän päättäväisiä rakentamaan jotain.

Älä vain muodosta mielipidettä tekoälystä. Tee sillä jotain.

Sibaranjan jakaa ajatuksia

\u003cstrong\u003eTässä on neuvoni: Lopeta täydellisen yritystason strategian odottaminen ennen kuin ryhdyt toimeen. Älä sekoita työkalujen hankkimista muutoksen saavuttamiseen. Investoi ihmisiisi ennen kuin investoit työkaluihin. Laita datasi kuntoon. Talousjohtajan työ muuttuu riippumatta siitä, hyödynnätkö tekoälyä vai et…Älä vain muodosta mielipidettä tekoälystä. Tee sillä jotain.\u003c/strong\u003e

Seuraa mukana

Voit seurata Sibaranjan Patnaikin työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CFO Clubiin!