Założyciel natywny dla AI dzieli się tym, jak wykorzystuje AI w swojej organizacji finansowej

Nicholas Rudder rozpoczął karierę w finansach w PwC i Macquarie Bank. Obecnie jest założycielem i dyrektorem generalnym Sphere, firmy zajmującej się doradztwem podatkowym opartej natywnie na AI.

Porozmawialiśmy z Nicholasiem, aby dowiedzieć się, jak wygląda organizacja finansowa natywnie wykorzystująca AI. Oto, czym się z nami podzielił.

Tworzenie narzędzia do rozwiązywania problemów związanych ze zgodnością transgraniczną

Nazywam się Nick Rudder. Jestem założycielem i dyrektorem generalnym Sphere.

Rozpocząłem karierę w finansach w PwC i Macquarie Bank. Wkrótce opuściłem ten świat, ponieważ czułem, że praca w finansach pokazuje jedynie wierzchołek tego, jak naprawdę funkcjonują firmy. Nie odczuwa się presji konkurencji, nie doświadcza się wdrażania funkcji w wyznaczonym terminie ani nie widzi się tysięcy osób korzystających z czegoś, co się stworzyło.

Mój pierwszy startup dostał się do Y Combinator. Radziliśmy sobie dobrze w ramach programu YC — osiągnęliśmy GMV na poziomie kilku milionów — ale po 18 miesiącach ciężkiej pracy po zakończeniu programu wiedzieliśmy, że firma nigdy nie rozwinie się na skalę, jakiej oczekiwaliśmy. Na szczęście ujawniła ona wiele problemów związanych ze zgodnością transgraniczną, a kiedy ją zamknąłem, zafascynowała mnie możliwość pomagania firmom w ekspansji międzynarodowej poprzez wyeliminowanie administracji związanej ze zgodnością transgraniczną.

Skłoniło mnie to do założenia Sphere, która była, szczerze mówiąc, znacznie lepiej dopasowana do mojego doświadczenia niż moja firma EdTech!

Urodzeni w erze po AI, na nowo przemyśleliśmy sposób rozumienia globalnego prawa handlowego za pomocą AI. Dało to początek pomysłowi na nasz natywny dla AI silnik podatkowy TRAM, który pozyskuje, kodyfikuje i monitoruje światowe prawo handlowe. Ta autorska technologia — wytrenowana na tysiącach godzin danych wejściowych od ekspertów zajmujących się badaniami podatkowymi oraz na milionach stron zindeksowanego globalnego prawa podatkowego — pozwala nam zastosować właściwe rozliczenie podatkowe do dowolnego produktu, niezależnie od miejsca jego sprzedaży. W szerszej perspektywie uważamy, że TRAM obniży koszty prowadzenia transakcji międzynarodowych i sprawi, że będą one równie łatwe jak sprzedaż lokalna, wspierając naszą wizję uczynienia ze świata jednego rynku.

Sphere jest firmą na etapie Series A — we wrześniu ubiegłego roku pozyskaliśmy 21 mln USD w rundzie prowadzonej przez a16z — a obecnie rośniemy o 30% miesiąc do miesiąca. Mamy globalny zasięg i sprzedajemy klientom na całym świecie. W związku z tym nasz zespół działa w Ameryce Północnej, regionie EMEA i regionie APAC, a łącznie liczy około 50 osób. Jestem jedyną osobą w dziale finansowym. W Sphere praktykujemy to, co głosimy, dlatego jesteśmy natywnie oparci na AI i możemy skutecznie zarządzać funkcją finansową za pomocą naszych obecnych systemów.

Jak AI usprawnia analizę finansową

Największa zmiana, jaką AI przyniosło w ostatnim roku w zakresie funkcjonowania finansów w Sphere, jest dość banalna: co miesiąc analizujemy wydatki na wszystkich naszych rachunkach bankowych i kartach kredytowych, wprowadzając wyciągi do Claude.

Ta analiza pokazuje ogromne korzyści, jakie obecnie oferuje AI. Zidentyfikowanie największych kategorii wydatków i możliwości obniżenia kosztów za pomocą kilku kliknięć ma dalekosiężny wpływ na firmę. Znacząco skróciło również czas, który poświęcamy na raportowanie na koniec miesiąca.

Doskonale wpisuje się to w zasadę Pareta, zgodnie z którą 80% korzyści często osiąga się przy użyciu 20% wysiłku.

Notatki Nicholasa

AI i podatki od dawna stanowią kontrowersyjne połączenie — wiele osób jest głęboko przekonanych, że do zrozumienia szarej strefy potrzebna jest interwencja człowieka.

Dlaczego odpowiedzialność staje się mniejszym problemem dzięki procesom podatkowym wspieranym przez AI

Sztuczna inteligencja i podatki od dawna stanowią kontrowersyjne połączenie — wiele osób zdecydowanie uważa, że do zrozumienia szarej strefy potrzebna jest interwencja człowieka. Jednak gdy modele można trenować na korpusie prawa handlowego i przetwarzać za ich pomocą więcej informacji, niż byłby w stanie przeanalizować jakikolwiek pojedynczy doradca, wydaje się nieuniknione, że modele te znacznie przewyższą nawet najlepszych doradców podatkowych.

Jedynym powodem, dla którego firmy wciąż korzystają z usług Wielkiej Czwórki, jest odpowiedzialność. W końcu, jeśli coś pójdzie nie tak, do kogo się zwrócisz? Można jednak włączyć ubezpieczenie do tych ofert opartych na sztucznej inteligencji, aby rozwiać te obawy.

Jak sztuczna inteligencja usprawnia badania podatkowe

Wykorzystujemy również agentów sztucznej inteligencji w wielu innych procesach, aby zwiększyć wydajność:

• Nasz autorski system sztucznej inteligencji przeprowadza badania podatkowe.
• Agenci sztucznej inteligencji składają deklaracje i dokonują rejestracji w rządowych portalach podatkowych.
• Sztuczna inteligencja wczytuje zdigitalizowaną korespondencję papierową od organów podatkowych, aby sygnalizować zmiany częstotliwości składania deklaracji lub zawiadomienia o kontroli.
• Klasyczne uczenie maszynowe prognozuje zobowiązania w czasie, wskazując, kiedy firmy mogą naruszyć zasady nexus w różnych jurysdykcjach.
• Sztuczna inteligencja wczytuje dane firmowe, aby pomóc nam doradzać klientom w zakresie kwestii związanych ze zgodnością transgraniczną przy wchodzeniu na nowe rynki.

Każdego dnia odkrywamy też niezliczone kolejne zastosowania, gdy zespół eksperymentuje z procesami, które sztuczna inteligencja może zautomatyzować.

Jednak, jak mówimy wewnętrznie, „wystarczająco dobrze” to za mało, dlatego doświadczony ekspert wewnętrzny zawsze pozostaje zaangażowany — szczególnie w nasze badania podatkowe.

Obszary, w których sztuczna inteligencja nie spełnia oczekiwań w procesach finansowych

W związku z obecnym tempem rozwoju sztucznej inteligencji trudno powiedzieć, co jutro nadal będzie wymagało udziału człowieka. Jednak ocena ryzyka prawdopodobnie zawsze będzie wymagać, aby człowiek podejmował ostateczną decyzję.

Obecnie sztuczna inteligencja wciąż nie przynosi oczekiwanych efektów w bardziej krytycznych dla działalności procesach finansowych, takich jak ujmowanie przychodów. Korzyści te wydają się raczej przyrostowe niż przełomowe, w przeciwieństwie do usprawnień, które obserwujemy w innych obszarach.

Stos technologii finansowych oparty na sztucznej inteligencji

Jeśli chodzi o narzędzia sztucznej inteligencji w finansach, sugeruję następujący stos:

• Ramp do obsługi zobowiązań
• Deel do obsługi płac
• I oczywiście Sphere do zapewnienia zgodności w zakresie podatków pośrednich

Na poziomie międzyfunkcyjnym zalecam korzystanie z Claude’a do analizy współdziałania tych warstw. Uważam, że jest niezwykle skuteczny.

Dlaczego dyrektorzy finansowi muszą na nowo przemyśleć swoje ograniczenia

Moja rada? Przemyśl swoje ograniczenia.

Wiele zespołów finansowych naszych klientów robi znacznie więcej, dysponując o wiele mniejszymi zasobami. Na przykład, gdy otrzymają odpowiednie wsparcie agentów, mogą działać jako zespół generalistów — jedna osoba z działu finansowego może zarządzać pracą, która wcześniej wymagała pięciu wyspecjalizowanych ról. Dlatego zatrudniaj generalistów, a nie specjalistów.

W przypadku automatyzacji przeanalizuj swój stos technologiczny i zacznij od łatwo dostępnych możliwości lub mniej krytycznych procesów. Zautomatyzuj je — za pośrednictwem zewnętrznych dostawców lub wewnętrznie — a następnie stopniowo przechodź do kolejnych warstw stosu.

Śledź dalsze informacje

Możesz śledzić działalność Nicholasa Ruddera na LinkedInie. Sprawdź również Sphere.

Więcej wywiadów z ekspertami już wkrótce na The CFO Club!