Ekspert på økonomirådgivning sier at KI gir økonomiteamene mer tidkrevende arbeid, ikke mindre

Christian Franz Hansen er partner i teamet for økonomirådgivning i Implement Consulting Group, et av de ledende ledelsesrådgivningsselskapene i Skandinavia. Han er også forfatteren av Å kommunisere økonomisk informasjon til ledere.

Vi satte oss ned med Christian for å diskutere «fellen» med kunstig intelligens – og hvor kunstig intelligens virkelig har potensial for økonomiteam. Her er hva han fortalte oss.

Kunstig intelligens gjør enkelte sider ved økonomifaget enda viktigere

Jeg heter Christian Franz Hansen og er partner i Implement Consulting Group – det største konsulentselskapet i Danmark og et av de ledende ledelsesrådgivningsselskapene i Skandinavia, med kontorer over hele Skandinavia, i Tyskland, Sveits og USA.

Jeg er partner i teamet vårt for økonomirådgivning i Implement, et team på rundt 120 fagpersoner som arbeider langs hele verdikjeden for økonomi. Det store teamet vårt spesialiserer seg på rådgivning for CFO-er, grunndataforvaltning, risiko og andre områder som vanligvis faller inn under CFO-ens ansvarsområder. Jeg arbeider hovedsakelig med CFO-team og ledende økonomiledere i et bredt spekter av organisasjoner (legemiddelindustrien, bank, logistikk og mange andre). Jeg er relativt bransjeuavhengig, men fokuserer på ledende økonomiledere i store organisasjoner og dekker alt innenfor CFO-ens ansvarsområde.

Jeg har jobbet med økonomi og CFO-rådgivning de siste femten årene. Jeg begynte i Danmarks Nationalbank, der jeg holdt på med det jeg liker å kalle Excel-akrobatikk: økonomisk modellering, selve grunnarbeidet. Deretter gikk jeg over til ledelsesrådgivning, først i EY i Skandinavia og deretter i Sør-Afrika, i Cape Town og Johannesburg, før jeg vendte tilbake til Norden for å fokusere på økonomitransformasjon, utvikling av forretningspartnere og resultatstyring for store organisasjoner globalt.

I lang tid levde jeg dypt nede i dataene – jeg bygget stadig mer omfattende modeller og var overbevist om at jeg kunne endre hvordan et selskap tok beslutninger, hvis analysen min bare var sofistikert nok. Jeg lærte, noen ganger på den harde måten, at modellen bare utgjør halvparten av jobben. Innsikt som ikke kommuniseres, skaper aldri resultater. Denne erkjennelsen fikk meg til å skrive en bok i fjor om hvordan man kommuniserer økonomisk informasjon til ledere – om å bygge bro fra data til innsikt, og deretter fra innsikt til resultater.

Kunstig intelligens har nå kommet inn på scenen og vil sannsynligvis endre måten vi går fra data til innsikt på, dramatisk. Men her er det jeg tror mange overser i samtaler om kunstig intelligens: Folk endrer ikke atferd fordi en algoritme forteller dem det. Innsikt fra et kunstig intelligens-system er bare nyttig hvis noen handler på bakgrunn av den. Det er her vi som økonomiske forretningspartnere kommer inn. Vi omsetter innsikt til handling. Vi driver endring. Vi er kommunikatører og endringsagenter, og vi får ting til å skje. Faktisk blir den atferdsmessige siden av økonomifaget og endringsledelse enda viktigere med kunstig intelligens.

Slik kan kunstig intelligens frigjøre økonomifagets potensial

Dette er det som virkelig begeistrer meg ved denne utviklingen: Kunstig intelligens har potensial til å frigjøre tiden vår fra arbeidet med å hente ut og analysere data – noe vi har snakket om i årevis. Endelig har vi et verktøy som kan innfri dette løftet.

Hvis det brukes riktig, gir det oss tilbake timene vi har mistet til Excel og modellering, slik at vi kan fokusere på den reelle merverdien: strategi, relasjoner, innflytelse og å skape forretningsresultater. Endelig kan vi frigjøre økonomifagets potensial som ekte forretningspartnere.

Vi arbeider for tiden med en kunde for å kartlegge en transformasjon av prosessene for kundefordringer og leverandørgjeld ved deres globale senter for delte tjenester, der trettifem heltidsansatte i stor grad håndterer fakturaer manuelt.

Vi undersøker muligheten for å ta i bruk avansert teknologi basert på kunstig intelligens – ved hjelp av Celonis – for å håndtere fakturabehandlingen mer effektivt enn dagens manuelle oppsett. Foreløpige analyser tyder på at vi kan redusere bemanningen fra 35 personer i SSC-en til langt færre ved hovedkontoret. De gjenværende ekspertene vil fokusere på håndtering av unntak og prosessovervåking i stedet for repetitivt transaksjonsarbeid.

Vi er fortsatt i kartleggingsfasen, men dette oppdraget begeistrer meg fordi det peker mot fremtiden. Kunstig intelligens vil håndtere volumet og de mekaniske oppgavene. Mennesker vil håndtere vurderinger, relasjoner og alt som faller utenfor det normale mønsteret. Hvis vi gjennomfører dette på en god måte, vil tre høyt kvalifiserte personer håndtere arbeidet som tidligere krevde trettifem.

Hvorfor økonomiledere fortsatt må stå for vurderinger og historiefortelling

Dette skillet er viktig. I dag bruker jeg kunstig intelligens til datamanipulering og -klargjøring. Det omfatter organisering av datasett, gjennomføring av beregninger og utarbeidelse av ledelsesrapporter. Kunstig intelligens er svært god på dette og sparer oss for betydelig tid.

Den virkelige verdien er imidlertid fundamentalt menneskelig: å ta disse innsiktene, utforme en fortelling og kommunisere dem for å påvirke interessenter i virksomheten til å handle. Dette innebærer historiefortelling, å vurdere hva som er viktig, og å knytte kontakt med mennesker for å skape endring.

Vi har ikke automatisert dette, og det bør vi heller ikke.

Slik unngår du «fellen» med kunstig intelligens i finans

Jeg har sett nedslående resultater av bruken av kunstig intelligens, og det bekymrer meg.

Kunstig intelligens kan gjøre oss farlig komfortable med å ikke bruke vår egen kognitive kapasitet. Vi risikerer å gå på autopilot: Vi ber systemet om et svar, godtar det ukritisk og går videre uten å reflektere over informasjonen. Jeg har sett finansanalytikere bli mer utsatt for feil fordi de stoler for mye på resultater fra kunstig intelligens uten å tenke kritisk selv. De har satt bort refleksjonen som er nødvendig for analyse. Det er fellen.

Og det forverres av kortformatvideoer og bombardementet fra sosiale medier. Vi setter bort tenkningen vår samtidig som vi mister den mentale disiplinen til å tenke grundig. Det er en reell trussel mot hvordan finans – og samfunnet – løser problemer.

Kunstig intelligens er et verktøy som skal forsterke tenkningen vår, ikke erstatte den. Hvis vi ikke er forsiktige, beveger teamene seg raskere, men tenker mindre, noe som fører til feil. Mennesker må opprettholde disiplinen med å stille spørsmål ved resultatet, stressteste antakelser og forstå logikken. Ellers automatiserer vi oss frem mot uforutsette problemer.

Men på den annen side skjer det også mye genuint positivt. Jeg har sett mennesker bli 20 %, 30 % og til og med 40–50 % raskere på grunnleggende oppgaver. Dette arbeidet pleide å ta enorme mengder tid. Datakonsolidering, datarensing og forberedelsesarbeid som tidligere tok en uke, blir nå gjort på noen timer. Det er virkelig omveltende.

Nøkkelen er å opprettholde kritisk tenkning og refleksjon samtidig som man høster gevinster i hastighet og effektivitet. Den balansen er alt.

Hvorfor kunstig intelligens krever nye rammeverk for validering av resultater

Med kunstig intelligens blir det reelt sett vanskeligere i finans å spore tilbake hvor beslutninger kom fra, og hvor innsiktene oppstod, når kunstig intelligens genererer resultater uten menneskelig innblanding.

Vi må bli komfortable med å stole på innsikter som kunstig intelligens henter frem og leverer, uten at vi har skapt dem selv. Det er krevende fordi det inneholder et svart boks-element. Hvis jeg ikke har bygget modellen, ikke har gått gjennom logikken trinn for trinn og ikke har verifisert hver eneste antakelse, hvor mye stoler jeg da på den?

Det er en reell bekymring for meg. Det blir vanskeligere å ha tillit til tallene når du ikke har skapt dem selv, når du ikke fullt ut kan spore veien fra rådata til den endelige innsikten. I finans har vi alltid verdsatt etterprøvbarhet, altså muligheten til å forklare nøyaktig hvordan vi kom frem til en konklusjon.

Med kunstig intelligens må vi endre denne tankegangen. Vi trenger nye rammeverk for å validere resultater, stikkprøvekontrollere resultater og bygge tillit til innsikter vi ikke selv har konstruert. Det er en annen form for tillit, og det blir ikke enkelt å komme dit. Men det er avgjørende for å utløse det kunstig intelligens kan gjøre for oss.

Hvorfor kunstig intelligens kan bli en tidstyv for finansteam

Vi snakker uendelig om det omveltende potensialet til kunstig intelligens, og forventningene har vært enorme. Men her er det jeg ser i praksis: For de fleste som jobber med finans, tar det mer tid akkurat nå, ikke mindre.

Hvorfor? Fordi de lærer seg ny teknologi, nytt vokabular og nye arbeidsmåter – samtidig som de fortsatt gjennomfører de gamle prosessene sine. Overgangskostnaden er reell.

De fleste finansteam har tilgang til verktøy som Copilot eller Claude, og kan bruke dem i det daglige til små oppgaver. Men det er noe annet enn en grunnleggende prosessendring. I andre deler av virksomheten er effekten ubestridelig – programmerere arbeider på en helt annen måte, mens chatboter med kunstig intelligens og kundedialoger endrer kundeservicen. Men i finans venter vi fortsatt på betydelige prosessforvandlinger der selve arbeidet endres dramatisk, i stedet for bare å bli litt raskere på enkelte områder.

Jeg er optimistisk med tanke på hvor vi er på vei, men realistisk når det gjelder hvor vi befinner oss. Den store verdiskapingen i finans ligger fortsatt foran oss.

Christian deler

For de fleste som jobber med økonomi, tar ting mer tid akkurat nå, ikke mindre. Hvorfor? Fordi de lærer seg ny teknologi, nytt vokabular og nye arbeidsmåter — samtidig som de fortsatt driver de gamle prosessene sine. Overgangskostnaden er reell.

Hvorfor AIs virkelige potensial ligger i FP&A

De lavthengende fruktene er manuelle, transaksjonelle prosesser som utgiftshåndtering, leverandørgjeld, kundefordringer og grunnleggende bokføring og regnskapsføring. AI er svært god til å håndtere volumet og mekanikken på disse områdene, og gir den raskeste avkastningen.

Men det virkelige potensialet ligger et annet sted: i finansiell planlegging og analyse (FP&A). AI kan bli virkelig transformativt her. I dag ser vi fortsatt på planlegging som en periodisk øvelse: å lage et budsjett, utarbeide en prognose og leve med den i et kvartal eller et år. Men forestill deg at AI hjelper oss med å gå over til kontinuerlig avslutning og kontinuerlig oppdatering av mål og prognoser. Dette ville radikalt endre hvordan virksomheter håndterer daglige resultater.

Utover selve planleggingsmekanikken kan AI hjelpe oss med analysearbeid som i dag tar flere uker. Dette omfatter avviksanalyse, identifisering av de underliggende årsakene til avvik og utarbeidelse av ledelsesrapporter som forteller en historie om hendelser i virksomheten. Alt dette blir raskere og mer innholdsrikt.

Begynn derfor med de transaksjonelle prosessene. Men den større muligheten, den som virkelig endrer hvordan økonomifunksjonen drives, innebærer å tenke nytt om finansiell planlegging og analyse fra grunnen av.

Hvorfor økonomiledere må gå fra nedenfra-og-opp til systemgenererte prognoser

I årevis trodde vi at dersom hver avdeling og hvert kostnadssenter bygget sin del av puslespillet grundig, ville vi lage en nyttig langsiktig plan. Men denne tilnærmingen er arbeidskrevende, langsom og mister ofte kontakten med virkeligheten i det øyeblikket virksomheten begynner å bevege seg.

Arbeidet med AI lærte meg at vi kan snu dette fullstendig. I stedet for å bygge nedenfra og opp og mate resultatet inn i et system, kan systemet generere driverbaserte prognoser, og deretter kan vi kontrollere og videreutvikle resultatene. Det går raskere, er bedre forankret i virksomhetens dynamikk og krever langt mindre manuell inngripen.

Dette skiftet i tankegang — fra konstruksjon nedenfra og opp til systemgenererte resultater med menneskelig kontroll — endrer min tilnærming til finansiell planlegging. Det betyr at vi bruker mindre tid på mekanikken i sammenstillingen og mer tid på vurderingene som betyr noe.

Den mest undervurderte risikoen ved implementering av AI i økonomifunksjonen

Ledere undervurderer ofte en betydelig økonomisk risiko ved AI: De klarer ikke å beregne implementeringskostnadene riktig eller bygge inn styringen som kreves for sikker utrulling.

Teknologien er kraftig, men dyr. Tokenkostnadene øker raskt, riktig implementering krever betydelige investeringer, og styring er ikke billig. Likevel setter organisasjoner i gang uten å budsjettere tilstrekkelig for noen av delene.

Konsekvensene kan bli alvorlige. Selskaper har allerede implementert AI med minimale styringskontroller, noe som har ført til at systemer har slettet kritiske kundedata uten tillatelse. Et nyere eksempel er et selskap — PocketOS — som måtte kjempe for å håndtere situasjonen etter at en ukontrollert AI-agent slettet store deler av koden som virksomheten bygget på. Slike hendelser medfører et katastrofalt økonomisk tap og omdømmetap.

I tillegg utgjør avkastningen på investeringen en annen risiko. Organisasjoner kan bruke betydelige summer på å ta i bruk AI-løsninger uten å se noen avkastning på investeringen, i hvert fall på kort sikt. Gevinsten kan materialisere seg etter hvert, men hvis organisasjoner ikke har tenkt gjennom hele kostnadsbildet — implementering, styring, opplæring og ineffektivitet i overgangsperioden — kan de ende betydelig over budsjett med skuffende resultater.

Ikke undervurder de faktiske kostnadene ved riktig implementering av AI. Bygg robust styring fra dag én, selv om det i begynnelsen gjør ting langsommere. Og vær realistisk med hensyn til tidsplaner for avkastning. Den økonomiske risikoen ved å ta snarveier er langt større enn kostnaden ved å gjøre det riktig.

Hvorfor AI er et menneskeproblem, ikke et teknologiproblem

Jeg undervurderte tidlig hvor motstandsdyktige mennesker er mot radikale endringer.

Det er vanskelig å få mennesker til å ta i bruk AI og endre måten de jobber på i bunn og grunn. Det er ikke et teknologiproblem. Det er et menneskeproblem. Vi ber mennesker om å endre tankesettet sitt fullstendig, og om å se på jobbene sine på en helt annen måte. Det er enormt. Og det kommer ikke til å skje bare ved å ta i bruk et smart system.

Det menneskelige aspektet er avgjørende her. Teknologisk sett er AI fantastisk. Men en vellykket utrulling krever et omfattende endringsledelsesinitiativ på menneskesiden. Du må hjelpe mennesker med å forstå hvorfor de bør bry seg, hvordan rollen deres er i utvikling, og hvordan suksess ser ut for dem personlig. Du må håndtere frykten, usikkerheten og følelsen av å miste kontroll som mennesker opplever når det daglige arbeidet deres blir tenkt på nytt.

Jeg skulle ønske jeg hadde prioritert dette tidligere, fordi det er her det virkelige arbeidet ligger. Det er her transformasjoner lykkes eller mislykkes.

Hvorfor økonomiledere må bli endringsagenter

Myke ferdigheter blir stadig viktigere, ikke mindre viktige.

AI kan håndtere de tekniske aspektene ved økonomi – databehandling, modellering og analyse. Så hva blir virkelig sjeldent og verdifullt? Menneskekunnskaper: evnen til å påvirke andre, bygge tillitsfulle relasjoner og kommunisere på en måte som treffer og fester seg. For tillit handler ikke bare om å levere en innsikt – det handler om en relasjon som bygges over tid.

Vi trenger økonomifagfolk som kan fortelle historier, skape bilder i menneskers sinn og forstå hvordan de kan knytte seg følelsesmessig til publikumet sitt. Dette er mennesker som kan drive frem beslutninger og lede organisasjoner gjennom endringer. Det er her den ekstra verdien ligger når AI blir mer fremtredende.

Profilen endrer seg derfor dramatisk. Du er ikke lenger bare en dataorientert person som knuser tall. Du blir en endringsagent. Du blir en som kan samarbeide effektivt på tvers av virksomheten, som bygger troverdighet, og som vet hvordan man navigerer i organisasjoner og påvirker resultater. Det er disse egenskapene som vil skille fremragende økonomifagfolk fra resten.

Det markerer et betydelig skifte i hvordan vi tenker på kompetanse og utvikling innen økonomi.

Hvorfor økonomiteam må bli smidige nå

Mitt beste råd akkurat nå, selv om det høres litt klisjéaktig ut, er at økonomiteam må forbli smidige. For å være ærlig er ikke økonomifunksjonen naturlig god på dette.

Nylig snakket jeg med femten hundre personer innen økonomi og IT i et globalt teknologiselskap. Jeg utformet et rammeverk for smidig økonomiarbeid for dem, der jeg tilpasset det klassiske smidige manifestet til noe som treffer økonomifolk. Det ble tatt svært godt imot da de så det. Men da jeg spurte om de levde etter disse smidige verdiene i hverdagen, svarte bare rundt seksti prosent ja. Førti prosent innrømmet at de ikke gjorde det. Så selv når økonomiteam omfavner smidighet, sliter de med å gjennomføre den konsekvent.

Det er dette tankesettet vi må bryte gjennom med AI. Vi vet ikke hvor dette ender. Vi må eksperimentere både på det personlige nivået, ved å forbedre vår egen effektivitet, og på prosessnivået, ved å tenke nytt om hvordan arbeidet organiseres. Vi må være komfortable med å gjennomføre piloter, vel vitende om at noen vil mislykkes og andre ikke vil gi positiv avkastning i begynnelsen. Det er slik du bygger opp en AI-muskel. Det er slik du utvikler reell kapasitet.

Christians råd

Mitt beste råd akkurat nå, selv om det høres litt klisjéaktig ut, er at økonomiteam må forbli smidige. For å være ærlig er ikke økonomifunksjonen naturlig god på dette. Det er dette tankesettet vi må bryte gjennom med AI. Vi vet ikke hvor dette ender. Vi må være komfortable med å gjennomføre piloter, vel vitende om at noen vil mislykkes og andre ikke vil gi positiv avkastning i begynnelsen. Det er slik du bygger opp en AI-muskel. Det er slik du utvikler reell kapasitet.

Følg med

Du kan følge arbeidet til Christian Franz Hansen på LinkedIn. Sjekk også ut boken hans, Kommunikasjon av økonomi til ledere.

Flere ekspertintervjuer kommer snart på The CFO Club!