Ekspert på økonomirådgivning sier at AI gjør at økonomiteam bruker mer tid, ikke mindre

Christian Franz Hansen er partner i teamet for økonomirådgivning hos Implement Consulting Group, et av de ledende ledelsesrådgivningsselskapene i Skandinavia. Han er også forfatteren av Communicating Financials to Executives.

Vi satte oss ned med Christian for å diskutere «fellen» med kunstig intelligens – og hvor kunstig intelligens’ virkelige potensial ligger for økonomiteam. Her er det han fortalte oss.

Kunstig intelligens gjør enkelte sider ved økonomifaget enda viktigere

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

Jeg er partner i vårt team for økonomirådgivning i Implement, et team på rundt 120 fagpersoner som arbeider langs hele verdikjeden innen økonomi. Det store teamet vårt spesialiserer seg på rådgivning til CFO-er, grunndataforvaltning, risiko og andre områder som vanligvis ligger under CFO-ens ansvarsområde. Jeg arbeider hovedsakelig med CFO-team og ledende økonomiledere på tvers av et bredt spekter av organisasjoner (legemiddelindustri, 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 arbeidet med økonomi og rådgivning til CFO-er de siste femten årene. Jeg begynte i Danmarks Nationalbank, hvor jeg drev med det jeg liker å kalle Excel-akrobatikk: økonomisk modellering, selve grunnarbeidet. Deretter gikk jeg over til ledelsesrådgivning, først i EY på tvers av Skandinavia og så 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.

Det har lenge vært slik at jeg har levd dypt inne i dataene – bygget stadig mer avanserte modeller og vært overbevist om at hvis analysen min var sofistikert nok, kunne jeg endre hvordan et selskap tok beslutninger. 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 omforme data til innsikt, og deretter innsikt til resultater.

Kunstig intelligens har nå kommet inn på banen og vil sannsynligvis endre måten vi går fra data til innsikt på, dramatisk. Men her er noe jeg tror mange overser i samtaler om kunstig intelligens: Folk endrer ikke atferd fordi en algoritme ber dem om det. Innsikt fra et system basert på kunstig intelligens 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

Her er det som virkelig begeistrer meg ved denne situasjonen: Kunstig intelligens har potensial til å frigjøre tiden vår fra mekanikken i datauthenting og analyse – noe vi har diskutert 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 det som virkelig skaper merverdi: strategi, relasjoner, innflytelse og å skape resultater for virksomheten. 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 servicesenter, hvor trettifem FTE-er i stor grad håndterer fakturaer manuelt.

Vi undersøker implementeringen av 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 ved servicesenteret til langt færre ved hovedkontoret. De gjenværende ekspertene vil fokusere på håndtering av avvik og prosessovervåking i stedet for repetitive transaksjonsoppgaver.

Vi er fortsatt i kartleggingsfasen, men dette oppdraget begeistrer meg fordi det peker mot fremtiden. Kunstig intelligens vil håndtere volumet og mekanikken. 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 arbeid som tidligere krevde trettifem.

Hvorfor økonomiledere fortsatt må ta ansvar for vurderinger og historiefortelling

Dette skillet er viktig. I dag bruker jeg kunstig intelligens til datamanipulering og klargjøring. Dette 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 betyr noe, og å knytte kontakt med mennesker for å skape endring.

Dette har vi ikke automatisert, og det bør vi heller ikke.

Slik unngår du AI-fellen i økonomi

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

AI 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, tar det for god fisk og går videre uten å reflektere over informasjonen. Jeg har sett finansanalytikere bli mer feilutsatte fordi de stoler for mye på AI-resultater uten å tenke kritisk selv. De har satt bort refleksjonen som er nødvendig for analyse. Det er fellen.

Og dette forverres av kortformatvideoer og bombardementet fra sosiale medier. Vi setter bort tenkingen vår samtidig som vi mister den mentale disiplinen til å tenke dypt. Det er en reell trussel mot hvordan økonomien — og samfunnet — løser problemer.

AI er et verktøy for å forsterke tenkingen vår, ikke erstatte den. Hvis vi ikke er forsiktige, beveger team 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 %, ja til og med 40–50 % raskere på grunnleggende oppgaver. Dette arbeidet pleide å ta enorme mengder tid. Konsolidering av data, opprydding i data og forberedelsesarbeid som tidligere tok en uke, skjer nå på timer. Det er virkelig omveltende.

Det avgjørende er å opprettholde kritisk tenkning og refleksjon samtidig som man utnytter gevinster i hastighet og effektivitet. Den balansen er alt.

Hvorfor AI krever nye rammeverk for validering av resultater

Med AI blir det genuint vanskeligere innen økonomi å spore tilbake hvor beslutninger kom fra, og hvor innsikter oppsto, når AI genererer resultater uten menneskelig medvirkning.

Vi må bli komfortable med å stole på innsikter AI henter frem og leverer, uten at vi selv har skapt dem. 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 endelig innsikt. Innen økonomi har vi alltid satt pris på etterprøvbarhet, altså muligheten til å forklare nøyaktig hvordan vi kom frem til en konklusjon.

Med AI 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 type tillit, og det blir ikke enkelt å komme dit. Men det er avgjørende for å utløse det AI kan gjøre for oss.

Hvorfor AI kan bli en tidssluker for økonomiteam

Vi snakker endeløst om AIs transformative potensial, og forventningene har vært enorme. Men her er det jeg ser i praksis: For de fleste som jobber med økonomi, tar det mer tid akkurat nå, ikke mindre.

Hvorfor? Fordi de lærer en ny teknologi, et nytt vokabular og nye arbeidsmåter — samtidig som de fortsatt kjører de gamle prosessene sine. Overgangskostnaden er reell.

De fleste økonomiteam har tilgang til verktøy som Copilot eller Claude, og de kan bruke dem daglig til små oppgaver. Men det er noe annet enn en grunnleggende prosessendring. I andre deler av virksomheten er effekten ubestridelig — utviklere arbeider på en helt annen måte, og AI-aktiverte chatboter og kundeinteraksjoner endrer kundeservicen. Men innen økonomi venter vi fortsatt på betydelige prosessforvandlinger der selve arbeidet endres dramatisk, i stedet for at det bare går litt raskere på enkelte områder.

Jeg er optimistisk med tanke på hvor vi er på vei, men realistisk med tanke på hvor vi befinner oss. Den store verdiskapingen innen økonomi ligger fortsatt foran oss.

Christian deler

For de fleste innen 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, transaksjonsbaserte prosesser som utgiftshåndtering, leverandørgjeld, kundefordringer og grunnleggende bokføring og regnskap. AI er svært godt egnet til å håndtere volumet og mekanikken på disse områdene, og gir den raskeste tilbakebetalingen.

Men det virkelige potensialet ligger et annet sted: i økonomisk planlegging og analyse (FP&A). AI kan bli virkelig transformativt her. I dag ser vi fortsatt på planlegging som en periodisk øvelse: å utarbeide et budsjett, lage en prognose og leve med den i et kvartal eller et år. Men tenk om AI kunne hjelpe oss med å gå over til løpende avslutning og kontinuerlig oppdatering av mål og prognoser. Dette ville endre måten virksomheter styrer den daglige ytelsen på radikalt.

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

Begynn derfor med transaksjonsbaserte prosesser. Men den større muligheten, den som virkelig endrer hvordan økonomifunksjonen drives, innebærer å tenke nytt om økonomisk planlegging og analyse fra grunnen av.

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

I årevis trodde vi at hvis hver avdeling og hvert kostnadssenter nøye bygget sin del av puslespillet, 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 helt på hodet. 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 tenkemåte — fra nedenfra-og-opp-konstruksjon til systemgenererte resultater med menneskelig kontroll — endrer min tilnærming til økonomisk planlegging. Det betyr at vi bruker mindre tid på mekanikken i aggregering 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 ordentlig eller bygge inn styringen som kreves for trygg utrulling.

Teknologien er kraftig, men kostbar. Kostnadene for tokenbruk øker raskt, en riktig implementering krever betydelige investeringer, og styring er ikke billig. Likevel går organisasjoner raskt 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 nylig eksempel var 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 fører til et katastrofalt økonomisk tap og omdømmetap.

I tillegg utgjør avkastning 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. Tilbakebetalingen kan materialisere seg etter hvert, men hvis organisasjoner ikke har tenkt gjennom det fullstendige 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. Etabler robust styring fra dag én, selv om det i begynnelsen gjør ting tregere. Og vær realistisk om tidsrammene for avkastning på investeringen. 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 folk til å ta i bruk AI og fundamentalt endre måten de jobber på. Det er ikke et teknologiproblem. Det er et menneskeproblem. Vi ber folk om å endre tankesettet sitt fullstendig, 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 elementet er avgjørende her. Teknologisk sett er AI fantastisk. Men en vellykket utrulling krever et omfattende endringsledelsesinitiativ på menneskesiden. Du må hjelpe folk med å forstå hvorfor de bør bry seg, hvordan rollen deres er i utvikling, og hvordan suksess ser ut for dem personlig. Du må ta tak i frykten, usikkerheten og følelsen av å miste kontroll som folk opplever når det daglige arbeidet deres blir tenkt gjennom på nytt.

Jeg skulle ønske jeg hadde prioritert dette tidligere, for 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 delene av økonomiarbeidet – databehandlingen, modelleringen og analysen. Så hva blir virkelig sjeldent og verdifullt? Mellommenneskelige ferdigheter: 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 økonomer som kan fortelle historier, skape bilder i hodet på folk og forstå hvordan de kan knytte seg følelsesmessig til publikumet sitt. Dette er mennesker som kan drive frem beslutninger og føre organisasjoner gjennom endringer. Det er her premien ligger når AI blir mer fremtredende.

Profilen endrer seg altså 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 vet hvordan man navigerer i organisasjoner og påvirker resultater. Dette er egenskapene som vil skille fremragende økonomer fra resten.

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

Hvorfor økonomiteamene må bli smidige nå

Mitt beste råd akkurat nå, selv om det høres litt klisjéaktig ut, er at økonomiteamene må forbli smidige. Ærlig talt er ikke økonomifunksjonen naturlig god på dette.

Jeg snakket nylig med 1500 personer innen økonomi og IT i et globalt teknologiselskap. Jeg utformet et rammeverk for smidig økonomiarbeid for dem, der jeg tilpasset det klassiske manifestet for smidig arbeid til noe som gir gjenklang hos økonomifolk. Det traff virkelig godt da de så det. Men da jeg spurte om de etterlevde disse smidige verdiene i hverdagen, svarte bare rundt 60 prosent ja. 40 prosent innrømmet at de ikke gjorde det. Så selv når økonomiteam omfavner smidighet, sliter de med å gjennomføre det konsekvent.

Det er dette tankesettet vi må bryte gjennom med AI. Vi vet ikke hvor dette ender. Vi må eksperimentere både på individnivå, ved å forbedre vår egen effektivitet, og på prosessnivå, ved å tenke nytt om arbeidsmåter. Vi må være komfortable med å kjøre piloter, vel vitende om at noen vil mislykkes og andre ikke vil gi positiv avkastning i starten. Det er slik du bygger opp AI-muskelen. Det er slik du utvikler reell kapasitet.

Christians råd

Mitt beste råd akkurat nå, selv om det høres litt klisjéaktig ut, er at økonomiteamene må forbli smidige. Ærlig talt 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 kjøre piloter, vel vitende om at noen vil mislykkes og andre ikke vil gi positiv avkastning i starten. Det er slik du bygger opp AI-muskelen. Det er slik du utvikler reell kapasitet.

Følg med

Du kan følge arbeidet til Christian Franz Hansen på LinkedIn. Og ta en titt på boken hans, Formidling av økonomiske resultater til ledere.

Det kommer flere ekspertintervjuer på The CFO Club!