Agenci AI nie mają znaczenia bez wdrożenia

Sibaranjan Patnaik jest dyrektorem ds. finansów i strategii w indyjskim GCC dużej firmy technologicznej. Dzięki 16-letniemu doświadczeniu pracował na stanowiskach zarówno w księgowości, jak i FP&A, co dało mu kompleksowe zrozumienie funkcjonowania działów finansowych.

Porozmawialiśmy z Sibaranjanem o budowanych przez niego wewnętrznych agentach finansowych — i o tym, dlaczego o sukcesie AI decydują osoby, które z niego korzystają. Oto, co powiedział.

Technologiczna transformacja finansów wreszcie się dokonuje

Jestem Siba — dyrektorem ds. finansów i strategii z około 16-letnim doświadczeniem.

Zaczynałem w księgowości, następnie przeszedłem do FP&A, a ta droga po obu stronach funkcji dała mi pełny obraz tego, jak finanse działają na co dzień — nie tylko na poziomie planowania i prognozowania, lecz także leżącego u podstaw silnika transakcyjnego i raportowego.

Dziś mój zakres odpowiedzialności wykracza poza finanse — jednocześnie kieruję zespołami technologicznymi, funkcjami związanymi z przychodami i wieloma pionami, pełniąc rolę lidera międzyfunkcyjnego w takim samym stopniu jak lidera finansowego. Ta szeroka perspektywa zmienia sposób myślenia o transformacji — przestajesz postrzegać ją jako problem finansowy, a zaczynasz jako problem organizacyjny.

Z perspektywy czasu wydaje mi się to niemal zabawne: Przez całą karierę słyszałem o transformacji finansów napędzanej technologią. Lepsze narzędzia. Inteligentniejsze systemy. Koniec Excela. A jednak na każdym stanowisku, na które trafiałem — czy to w dużej firmie FMCG, globalnej sieci handlowej, czy GCC — podstawowy obieg pracy pozostawał taki sam. Pobierz dane, uzgodnij je, zbuduj model, sformatuj prezentację, wyślij ją dalej. Za każdym razem Excel.

Mieliśmy pulpity nawigacyjne tworzone na podstawie ręcznie pobieranych danych. Mieliśmy narzędzia do planowania, które nadal wymagały, aby ktoś pilnował założeń. Technologia istniała w odizolowanych obszarach, ale transformacja nigdy tak naprawdę nie nadeszła.

To, co jest teraz inne — i mówię to jako osoba sceptycznie podchodząca do szumu wokół technologii finansowych — to fakt, że AI, a konkretnie agentowa AI, jest pierwszym rozwiązaniem, którego używam i które naprawdę zmienia podstawowy obieg pracy, a nie tylko warstwę prezentacji. Obecnie wykorzystuję ją do automatyzacji komentarzy, przyspieszania analizy scenariuszy i obsługi powtarzalnej pracy analitycznej, która wcześniej pochłaniała większość tygodnia zespołu.

Po raz pierwszy w karierze naprawdę czuję, że obiecywana transformacja wreszcie zmierza we właściwym kierunku. I właśnie to staram się wnosić do rozmów podczas mentoringu młodych specjalistów ds. finansów — ponieważ teraz jest właściwy moment, aby zyskać przewagę.

Wykorzystanie AI do działania na wyższym poziomie strategicznym

Pracuję w dojrzałej spółce giełdowej prowadzącej działalność na całym świecie. Nie będę publicznie udostępniać szczegółowych informacji — chcę jasno zaznaczyć, że przedstawione tutaj treści są wyłącznie moimi osobistymi spostrzeżeniami — ale mogę powiedzieć, że kieruję organizacją finansową w ramach GCC w Indiach. Oznacza to, że jesteśmy strategicznym centrum realizacji usług dla znacznie większej globalnej funkcji.

Skala złożoności jest rzeczywista; zajmujemy się czymś więcej niż przetwarzaniem zaplecza operacyjnego. Zespół obejmuje FP&A, funkcje związane z przychodami i technologią, działa w wielu pionach i musi radzić sobie ze znaczącymi zależnościami międzyfunkcyjnymi. W tym środowisku nieustannie równoważymy globalną standaryzację z realiami lokalnej realizacji.

Z perspektywy transformacji GCC w Indiach były historycznie postrzegane jako centra kosztów — tworzone z myślą o efektywności, a nie wpływie. W dużej mierze staram się zmienić to postrzeganie, zarówno wewnątrz organizacji, jak i w sposobie, w jaki zespół postrzega sam siebie. Jako partner finansowy globalnej jednostki biznesowej w ramach GCC musisz działać na tym samym poziomie strategicznym co osoby w centrali. AI odgrywa dużą rolę w niwelowaniu tej różnicy.

Dlaczego kompleksowe wdrażanie AI w finansach wymaga cierpliwości

Nie mam dziś działającego na produkcji, w pełni wdrożonego kompleksowego procesu finansowego opartego na sztucznej inteligencji. Podchodziłbym sceptycznie do każdego, kto twierdzi, że ma taki proces wdrożony na dużą skalę, z odpowiednimi mechanizmami kontrolnymi, w środowisku regulowanej spółki publicznej. Mam jasno wyznaczony kierunek, zestaw narzędzi zwiększających produktywność, które rzeczywiście zmieniają sposób, w jaki mój zespół i ja pracujemy na co dzień, oraz zestaw agentów znajdujących się na różnych etapach budowy i testowania.

Jeśli chodzi o produktywność, codziennie korzystam z narzędzi AI do tworzenia wersji roboczych komunikatów, podsumowywania obszernych raportów, porządkowania analiz, przygotowywania się do przeglądów biznesowych oraz szybszego analizowania scenariuszy, niż byłbym w stanie robić to samodzielnie. Nie są to spektakularne zastosowania, ale skumulowana oszczędność czasu jest realna i zmieniła jakość mojego udziału w rozmowach.

Moje obecne postępy są bardziej ambitne. Buduję rozwiązanie, w którym agenci zajmują się mechanicznymi elementami cyklu miesięcznego zamknięcia ksiąg — konsolidacją danych, oznaczaniem odchyleń i generowaniem komentarzy — a ludzie angażują się na etapie przeglądu i podejmowania decyzji. Architektura już istnieje, a testy trwają. Dopracowanie rozwiązania i wdrożenie odpowiednich mechanizmów kontrolnych wymaga czasu.

Dzielę się tym jako pracą w toku, zamiast przedstawiać ją jako coś ukończonego, ponieważ uważam, że w zawodzie finansisty jest już wystarczająco dużo osób sprzedających wizję celu. Warto natomiast słuchać o tym, jak ta podróż wygląda w czasie rzeczywistym — co działa, co jest jeszcze dopracowywane i co okazuje się trudniejsze, niż oczekiwano.

Na tym właśnie jestem. Buduję ostrożnie, konsekwentnie posuwam się naprzód i nie czekam na perfekcję, zanim zacznę działać.

Jak AI usprawnia komentarze dotyczące odchyleń

Niedawno wprowadziłem zmianę dotyczącą komentarzy do odchyleń. Każdy zespół finansowy się tym zajmuje. Co miesiąc, bez wyjątku, ktoś siada i pisze od dwóch do trzech stron wyjaśniających, dlaczego wartości rzeczywiste były wyższe lub niższe od planu. Wiersz po wierszu. W teorii jest to ważna praca, ale w praktyce około 80% tego procesu ma charakter mechaniczny. Liczby już istnieją. Odchylenia są już obliczone. Czas zajmuje przełożenie danych na zdania, które osoba spoza finansów może przeczytać i wykorzystać w działaniu.

Zanim to zmieniliśmy, starszy analityk poświęcał na sam komentarz większą część dnia. Nie dlatego, że pracował powoli — po prostu tyle rzeczywiście zajmowało prawidłowe wykonanie tego zadania dla wielu centrów kosztów i linii biznesowych. A zanim komentarz został ukończony, sprawdzony i sformatowany, okno czasowe na rozmowę, którą miał umożliwić, już się zawężało.

Zbudowałem agenta, który przygotowuje pierwszą wersję. Pobiera liczby, identyfikuje istotne odchylenia i generuje uporządkowany komentarz prostym językiem biznesowym. Zadaniem analityka jest teraz sprawdzenie, dopracowanie i dodanie warstwy oceny — kontekstu, który może zapewnić wyłącznie człowiek posiadający wiedzę biznesową.

Wpływa to na szybkość pracy, ale zmienia również jakość rozmowy. Kiedy analityk nie jest wyczerpany pisaniem, przychodzi na spotkanie przeglądowe z myślą o tym, co odchylenie oznacza dla kolejnego kwartału — a nie tylko o tym, co wydarzyło się w ubiegłym miesiącu. Właśnie o tę zmianę mi chodziło. Jeden dzień mechanicznego pisania może zamienić się w dwie godziny myślenia.

Ramy określające, co pozostaje domeną człowieka

Moje ramy są proste: jeśli coś jest mechaniczne, zautomatyzuj to. Jeśli wymaga oceny, pozostaw to człowiekowi. To wszystko.

Brzmi to oczywiście, ale większość zespołów finansowych tak nie pracuje. Ludzie wykonują mechaniczną pracę i nazywają ją analizą. Narzędzia AI pozostają niewykorzystane, ponieważ nikt jasno nie określił granicy.

AI zajmuje się konsolidacją danych, uzgodnieniami, oznaczaniem odchyleń, przygotowywaniem pierwszej wersji komentarzy, aktualizowaniem modeli prognoz po zmianie założeń, standardowymi pakietami raportów oraz prognozami przepływów pieniężnych opartymi na danych historycznych. Są to powtarzalne, oparte na regułach i realizowane na dużą skalę zadania. Ludzie nie powinni już poświęcać na nie istotnej części swojego czasu. Agent wykonuje je szybciej, bardziej konsekwentnie i bez zmęczenia, które pojawia się pod koniec cyklu zamknięcia ksiąg.

Ludzie zajmują się wszystkim, co wymaga kontekstu, relacji i oceny. Co to odchylenie oznacza dla firmy? Czy powinniśmy przekierować kapitał na tę inicjatywę, czy go zatrzymać, biorąc pod uwagę warunki rynkowe? Jaki jest właściwy sposób przedstawienia tego ryzyka kierownictwu? Czy ta prognoza jest wiarygodna co do kierunku, czy tylko dopasowujemy liczbę do celu? AI może dostarczać informacji pomocnych w tych wszystkich rozmowach, ale nie może za nie odpowiadać.

W tym miejscu stawiam granicę: AI dostarcza mojemu zespołowi informacje szybciej i w lepszej formie niż wcześniej. Jednak decyzja — i odpowiedzialność za nią — pozostaje po stronie człowieka. Nie obchodzę w ten sposób żadnego ograniczenia; tak został zaprojektowany ten system.

Jak AI poprawia efektywność i pewność siebie zespołu finansowego

Pozytywnie rzecz biorąc, najbardziej wiarygodnym rezultatem jest ponowne rozdysponowanie czasu. Automatyzacja mechanicznych zadań — pobierania danych, uzgadniania, standardowego raportowania i tworzenia pierwszych wersji komentarzy — daje każdej osobie z powrotem kilka godzin tygodniowo. Nie są to teoretyczne godziny, lecz rzeczywisty czas. Jeśli świadomie zaplanujesz, jak ludzie go wykorzystają, zaczniesz dostrzegać lepszą jakość analiz, szybsze odpowiedzi na pytania biznesowe oraz większe zaangażowanie specjalistów ds. finansów w swoją pracę zamiast mozolnego przechodzenia przez cykl zamknięcia okresu.

Poprawia się również jakość prognoz — nie dlatego, że AI jest mądrzejsza od analityków, lecz dlatego, że analitycy są mniej zmęczeni i mają więcej czasu na analizowanie założeń zamiast samego uzupełniania modelu. Zmęczeni ludzie podejmują złe decyzje. Wypoczęci ludzie, dysponujący czystymi danymi, podejmują lepsze.

Pod względem jakościowym najważniejszą zmianą jest pewność siebie. Gdy zespół finansowy przestaje poświęcać większość energii na tworzenie danych i zaczyna je interpretować, inaczej uczestniczy w rozmowach biznesowych. Ma własne opinie. Potrafi się sprzeciwić. To zmiana kulturowa, którą trudno zmierzyć, ale której nie sposób nie zauważyć.

Największe obszary, w których AI zawodzi w finansach

Sibaranjan Shares

Największym obszarem, w którym widzę porażki, jest automatyzowanie przez zespoły złych procesów. Jeśli podstawowe dane są nieuporządkowane, przepływy pracy nie działają…AI jedynie przyspiesza problem. Złe dane wejściowe, złe dane wyjściowe, ale szybciej.

A teraz zła wiadomość. Największym obszarem, w którym widzę porażki, jest automatyzowanie przez zespoły złych procesów. Jeśli podstawowe dane są nieuporządkowane, przepływy pracy nie działają lub zespoły nie rozumieją liczb, AI jedynie przyspiesza problem. Złe dane wejściowe, złe dane wyjściowe, ale szybciej.

Drugim obszarem porażek jest nadmierne poleganie na wynikach, których ludzie w pełni nie rozumieją. AI może wygenerować pięknie uporządkowaną prognozę, analizę odchyleń wyglądającą na wiarygodną oraz przejrzysty model scenariuszowy. Jeśli jednak osoba prezentująca te wyniki nie potrafi wyjaśnić, jak zostały uzyskane ani skąd wzięły się założenia — stanowi to ryzyko. Nie ryzyko technologiczne, lecz ryzyko związane z oceną sytuacji. AI powinna sprawiać, że Twój zespół staje się bardziej wnikliwy, a nie bardziej bierny. Jeśli dzieje się odwrotnie, jest to ryzyko, o którym nikt nie mówi wystarczająco głośno.

Trzecim obszarem porażek jest adopcja. Możesz stworzyć najbardziej eleganckiego agenta, ale jeśli zespół mu nie ufa lub nie zmienia sposobu pracy z nim, pozostaje on nieużywany. Zarządzanie zmianą nie jest opcjonalne.

Dlaczego wdrożenie AI wymaga przeprojektowania przepływów pracy

Gdy AI nie działa, problem leży po stronie ludzi.

Tworzyłem działających agentów. Widziałem, jak były testowani, zatwierdzani i formalnie akceptowani. Następnie obserwowałem, jak zespoły po cichu je omijały i wracały do dawnych metod. Nie ze złej woli, lecz z przyzwyczajenia, wygody i autentycznego przekonania, że ich ręczna wersja była bardziej niezawodna, nawet jeśli tak nie było.

To luka, o której w rozmowach na temat transformacji z wykorzystaniem AI nie mówi się wystarczająco dużo. Wszyscy skupiają się na tym, co zbudować. Bardzo niewiele osób koncentruje się na tym, co musi się zmienić w człowieku korzystającym z narzędzia, aby miało ono rzeczywiste znaczenie.

Specjaliści ds. finansów są w szczególności szkoleni w zakresie precyzji i ostrożności wobec ryzyka. To atut w pracy. Staje się jednak barierą, gdy prosisz ich o zaufanie systemowi, którego nie zbudowali i którego działania nie mogą w pełni prześledzić. Gdy wynik AI wygląda choć trochę podejrzanie — nawet jeśli jest poprawny — wracają do wykonywania pracy samodzielnie. A gdy zdarzy się to kilka razy, przestają korzystać z agenta.

Nauczyłem się, że adopcja nie jest problemem komunikacyjnym. Wysłanie wiadomości e-mail o treści „mamy nowe narzędzie, proszę z niego korzystać” niczego nie zmienia. To problem zmiany zachowania. Musisz przeprojektować przepływ pracy wokół narzędzia, a nie tylko dodać je do istniejącego przepływu pracy i mieć nadzieję, że ludzie się dostosują.

Dlaczego Claude wyróżnia się w zastosowaniach finansowych

Korzystam z wielu narzędzi i uważam, że właśnie teraz jest to właściwe podejście. Jesteśmy na etapie eksploracji, a każde narzędzie wciąż szybko się rozwija. Wybranie dziś jednego i zignorowanie pozostałych byłoby błędną decyzją.

Gdybym jednak musiał skłonić się ku jednemu rozwiązaniu, Claude wyróżnia się w szczególności w pracy finansowej. Możliwość analizowania złożonych scenariuszy, pracy z liczbami w kontekście, tworzenia uporządkowanych analiz i posługiwania się niuansami języka biznesowego sprawia, że jest szczególnie przydatny w pracy wymagającej intensywnego myślenia, której wymaga FP&A.

Narzędzia szybko się zmieniają, a to, które stanie się częścią mojego długoterminowego sposobu pracy, będzie musiało na to zasłużyć. Na razie z ciekawością przyglądam się wszystkim i pozwalam, by to przypadki użycia decydowały.

Nie myl kupowania narzędzi AI z transformacją AI

Oto moja rada:

1. Przestań czekać na idealną strategię dla całej organizacji i zacznij działać. Większość dyrektorów finansowych, z którymi rozmawiam, ma plan transformacji, który jest analizowany od sześciu miesięcy. W tym czasie ich zespoły nadal spędzają połowę tygodnia na pracy, którą mogłyby zautomatyzować już dziś. Możliwość działania jest dostępna właśnie teraz. Wykorzystaj ją.
2. Nie myl kupowania narzędzi z osiąganiem transformacji. Widziałem organizacje, które wydały znaczne kwoty na platformy, licencje i konsultantów, a ostatecznie zachowały te same procesy pracy, od których zaczynały — tylko droższe. Technologia nie jest trudną częścią. Trudność polega na uczciwej ocenie sposobu pracy zespołu i gotowości do jego zmiany.
3. Inwestuj w ludzi, zanim zainwestujesz w narzędzia. Specjalista ds. finansów, który rozumie, co AI może, a czego nie może zrobić, potrafi dobrze formułować polecenia, krytycznie ocenia wyniki AI i dodaje warstwę własnego osądu — taka osoba jest warta więcej niż każda kupiona przez Ciebie platforma. Rozwijaj te kompetencje w swoim zespole. Z czasem przynoszą coraz większe korzyści.
4. Uporządkuj swoje dane. AI szybciej niż cokolwiek innego ujawni każdą szczelinę w fundamentach danych. Jeśli Twoje liczby nie są uporządkowane, procesy nie są udokumentowane, a systemy się ze sobą nie komunikują — najpierw to napraw. W przeciwnym razie automatyzujesz chaos.
5. Praca dyrektora finansowego się zmienia, niezależnie od tego, czy angażujesz się w AI. Pytanie brzmi, czy będziesz tę zmianę kształtować, czy na nią reagować. Liderzy finansowi, którzy będą mieć znaczenie za pięć lat, to ci, którzy są wystarczająco ciekawi, by eksperymentować, wystarczająco pokorni, by uczyć się na tym, co nie działa, i wystarczająco zdecydowani, by coś zbudować.

Nie poprzestawaj na opinii o AI. Zrób z nim coś konkretnego.

Sibaranjan dzieli się wiedzą

Oto moja rada: Przestań czekać na idealną strategię dla całej organizacji i zacznij działać. Nie myl kupowania narzędzi z osiąganiem transformacji. Inwestuj w ludzi, zanim zainwestujesz w narzędzia. Uporządkuj swoje dane. Praca dyrektora finansowego się zmienia, niezależnie od tego, czy angażujesz się w AI…Nie poprzestawaj na opinii o AI. Zrób z nim coś konkretnego.

Śledź dalsze losy

Możesz śledzić pracę Sibaranjan Patnaik na LinkedIn.

Wkrótce kolejne wywiady z ekspertami w The CFO Club!