CFOO mówi, że prawdziwym projektem AI są czyste dane, a nie sprytna automatyzacja

Dave Leaver jest dyrektorem finansowo-operacyjnym w Mention Me, firmie B2B SaaS na etapie Series B, działającej w obszarze poleceń i rzecznictwa.

Usiedliśmy z Davem, aby dowiedzieć się, gdzie sztuczna inteligencja zapewnia największą dźwignię w procesach finansowych. Oto, co powiedział.

Dyrektorzy finansowi powinni wyznaczać kierunek — nie tylko o nim raportować

Jestem Dave. Pracuję jako CFOO w Mention Me, firmie B2B SaaS z Londynu. Jestem również współzałożycielem HP-1, marki DTC tworzonej przez twórcę, którą buduję od podstaw.

Moja ścieżka nie była konwencjonalna. Początkowo dążyłem do kariery w sporcie zawodowym. Kiedy to się nie udało, zostałem księgowym — a następnie przeniosłem się do Sydney, aby cieszyć się słońcem.

Po ponad dwudziestu latach pracowałem w konsultingu w KPMG, w sektorze FMCG i spółkach notowanych na ASX, kierowałem finansami celebrytów oraz zdobyłem bogate doświadczenie w startupach technologicznych wspieranych przez VC i PE po obu stronach świata. Tworzyłem funkcje finansowe od podstaw, skalowałem firmy na różnych kontynentach i odpowiadałem za rachunki zysków i strat o wartości setek milionów.

Ale nigdy nie pasowałem do stereotypu sztywnego księgowego. Uwielbiam prostotę, a także uważam, że praca musi być ukierunkowana na osiąganie rezultatów. Jeśli jakieś zadanie nie posuwa spraw do przodu, eliminuję je.

Ten instynkt stawiał mnie w opozycji do tradycyjnego sposobu działania finansów. Skrupulatnie, dokładnie i o krok za biznesem — dzięki temu liczby się zgadzają, ale zanim analiza dotrze do odbiorców, decyzje są już podjęte.

Dlatego gdy pojawiła się sztuczna inteligencja, przyjąłem ją z entuzjazmem — nie jako trend do wdrożenia, lecz jako sposób na wyeliminowanie pracy ręcznej. Poświęcam mniej czasu na raportowanie liczb, a więcej na rozumienie ich znaczenia i decydowanie, dokąd firma powinna zmierzać. Te same systemy, których używam do prowadzenia własnych firm, zapewniają mi dane w czasie rzeczywistym, materiały dla zarządu, które opowiadają historię zamiast tylko ją raportować, oraz szczupłą funkcję finansową, którą można skalować bez zwiększania zatrudnienia.

Uważam, że dyrektor finansowy powinien potrafić wyznaczać kierunek, a nie tylko informować o nim po fakcie.

Szczupły zespół wspierany przez sztuczną inteligencję

Mention Me to firma B2B SaaS na etapie Series B, działająca w obszarze poleceń i rzecznictwa, z siedzibą w Londynie i wsparciem Octopus Ventures oraz Eight Roads. Sprzedajemy rozwiązania markom w Wielkiej Brytanii, Europie i poza nią.

Zakres moich obowiązków wykracza poza same finanse. Obejmuje finanse, HR i obszar pracowniczy, strategię oraz operacje — dlatego jestem równie blisko kwestii związanych z zatrudnianiem i organizacją pracy, co liczb.

Struktura jest celowo szczupła. Niewielki zespół wewnętrzny zajmuje się kluczowymi zadaniami, a funkcja zewnętrzna wspiera prace transakcyjne. Funkcja ta działa w oparciu o sztuczną inteligencję. Zautomatyzowaliśmy raportowanie, potoki danych i wstępną analizę — zadania, które wcześniej wymagały większej liczby osób. Dzięki temu zespół może poświęcać czas na ocenę sytuacji, a nie na samo wykonanie pracy.

Takie samo podejście zastosowałem do własnej roli. Zbudowałem opartego na sztucznej inteligencji „szefa sztabu”, który pomaga mi w codziennym zarządzaniu, sortuje moją skrzynkę odbiorczą, sygnalizuje, na co należy odpowiedzieć, rejestruje zadania wynikające ze spotkań i zbiera wszystko w porannym podsumowaniu, dzięki czemu każdego dnia zaczynam pracę, dokładnie wiedząc, na czym się skupić.

Gdzie sztuczna inteligencja sprawdza się najlepiej, a gdzie potrzebni są ludzie

Sztuczna inteligencja zajmuje się wykonaniem, a ludzie oceną sytuacji — przeważnie.

Po stronie sztucznej inteligencji znajduje się wszystko, co obejmuje rozpoznawanie wzorców, obliczenia lub składanie elementów. Dotyczy to obliczeń w prognozowaniu, budowania modelu, aktualizowania danych rzeczywistych i modyfikowania scenariuszy. W analizie odchyleń sztuczna inteligencja doskonale wykrywa zmiany i identyfikuje ich źródło. Obsługuje również modelowanie przepływów pieniężnych, przygotowanie materiałów dla zarządu i wstępny komentarz. Zasadniczo jest to praca, która wcześniej pochłaniała cały tydzień. Sztuczna inteligencja działa szybciej ode mnie, nie męczy się i nie popełnia błędów arytmetycznych o 21:00.

Ludzie zajmują się wprost wszystkim, co niesie konsekwencje lub wymaga kontekstu, którego maszynie brakuje. Alokacja kapitału — decyzja, na co przeznaczyć następnego funta — to kwestia oceny strategii i apetytu na ryzyko, a nie obliczeń.

To samo dotyczy założeń leżących u podstaw każdej prognozy: sztuczna inteligencja może uruchomić model, ale decyzja, czy rzeczywiście sfinalizujemy tę transakcję lub utrzymamy tę cenę, należy do człowieka, a wynik jest tylko tak dobry, jak ta ocena. Ocena ryzyka, wszystko, co dotyczy ludzi, oraz wszystko, co przedstawiam zarządowi pod własnym nazwiskiem — to moja odpowiedzialność.

Powód takiego podziału jest prosty. Sztuczna inteligencja świetnie mówi, „co” i „gdzie”. Jest znacznie słabsza w odpowiadaniu na pytanie „dlaczego” i nie ponosi żadnych konsekwencji związanych z pytaniem „co zatem powinniśmy z tym zrobić”.

Analiza odchyleń jest najbardziej oczywistym przykładem: sztuczna inteligencja w ciągu kilku sekund informuje mnie, że liczba się zmieniła, i wskazuje czynnik, który za tym stoi. Co zrobimy dalej — za to właśnie mi płacą.

Jak skrócić zamknięcie miesiąca z 10 dni do 3 dni

Niedawno skróciłem czas potrzebny na zamknięcie miesiąca z dziesięciu dni do trzech.

Wcześniej musiałem pobierać dane, uzgadniać je, tworzyć slajdy, pisać komentarze i odtwarzać wykresy — większość tych czynności wykonywałem ręcznie, a główną częścią pracy zajmowała się jedna lub dwie osoby. Zanim pakiet dla zarządu trafiał do odbiorców, opisywał sytuację sprzed kilku tygodni.

Zautomatyzowałem przygotowywanie materiałów, pozostawiając ludziom ocenę sytuacji. Teraz zamykamy miesiąc w trzy dni — łącznie z pakietem dla zarządu i zaktualizowanymi prognozami.

Oto cały proces — od surowej księgi głównej po gotowy dla zarządu pakiet.

1. Proces zaczyna się od danych. Zamiast eksportować dane liczbowe i wklejać je do arkusza kalkulacyjnego, platforma pobiera dane na żywo z systemów źródłowych — księgi głównej, systemu płac, lejka sprzedażowego i danych dotyczących subskrypcji — do jednego połączonego modelu. Ten pojedynczy krok eliminuje większość pracy ręcznej i błędów wynikających z kopiowania i wklejania.
2. Porządkuje i sprawdza dane: Standaryzuje dane liczbowe, automatycznie oznacza problemy z uzgodnieniami i w tym samym przebiegu aktualizuje prognozę na podstawie danych rzeczywistych, dzięki czemu obraz przyszłości nigdy nie pozostaje w tyle za raportowanym stanem.
3. Tworzy materiały wynikowe. Wykresy i pakiet dla zarządu są opracowywane na podstawie tego jednego źródła, a AI przygotowuje pierwszy szkic komentarza dotyczącego zmian, dzięki czemu zaczynam pracę od szkicu, a nie od pustej strony.
4. Człowiek przejmuje pracę — tę najważniejszą. Weryfikuję narrację pod kątem słabych punktów i decyduję, co zarząd powinien usłyszeć: co jest chwilowym odchyleniem, co ma charakter strukturalny i jaką decyzję rekomenduję. Maszyna dostarcza solidny szkic w ciągu kilku godzin; ocena jego znaczenia pozostaje w moich rękach.

AI obsługuje produkcję od początku do końca, aż do momentu, gdy zaczynają się konsekwencje. Wtedy wkraczam.

Szybkość i jakość poprawiły się jednocześnie. Pakiet odzwierciedla obecną sytuację firmy, a nie stan sprzed trzech tygodni. Ponieważ nie muszę już zmagać się z porządkowaniem danych liczbowych, poświęcam czas na kształtowanie narracji, zrozumienie czynników napędzających zmiany i określenie, jakie decyzje przedstawić zarządowi. Krótko mówiąc, przestaliśmy raportować dane liczbowe i zaczęliśmy je wyjaśniać.

Zalety i wady AI w finansach

Dobre wyniki można zmierzyć. Oprócz usprawnień w zamknięciu miesiąca planowanie scenariuszy zajmuje teraz minuty zamiast dnia lub dwóch. Automatyzacja pracy związanej z przygotowywaniem materiałów pozwoliła też zaoszczędzić ponad sześciocyfrową kwotę na kosztach zatrudnienia w finansach, których dział w przeciwnym razie by potrzebował — to oszczędność, która pokrywa wszystkie pozostałe koszty.

Mniej oczywistą, jakościową korzyścią jest zaoszczędzony czas. Godziny, które wcześniej poświęcałem na zestawianie danych liczbowych, przeznaczam teraz na ich interpretację, dzięki czemu rozmowy z zarządem są bardziej konkretne, a dział finansowy zmienia się z działu raportowania w dział wspierający podejmowanie decyzji.

Istnieje jednak rzeczywista wada. AI czasami z przekonaniem podaje błędne informacje. Dostarcza dopracowane odpowiedzi, które są subtelnie niepoprawne — błędnie odczytane założenie albo liczba, która się nie uzgadnia. Jej płynność sprawia, że łatwo jej zaufać bez sprawdzenia.

Poproś ją o życiową poradę, a zobaczysz to samo w bardziej rozrywkowej formie: jest niezwykle pewna siebie, zazwyczaj się z tobą zgadza i często mówi kompletne bzdury.

Wersję finansową po prostu trudniej zauważyć. Na początku nie raz dałem się na to nabrać. Musiałem wypracować i zaszczepić w zespole dyscyplinę polegającą na traktowaniu wyników AI jako pierwszego szkicu, nigdy zaś jako ostatecznej odpowiedzi. Człowiek nadal sprawdza każdą liczbę przedstawianą zarządowi.

Dlaczego dyrektorzy finansowi muszą stworzyć podstawy przed integracją AI

Dave dzieli się wiedzą

Podstawa danych jest sednem projektu, a nie etapem przygotowawczym… Magia działa dopiero wtedy, gdy wykonana zostanie nudna praca u podstaw.

Podstawa danych jest sednem projektu, a nie etapem przygotowawczym.

Kiedy zaczynałem, sądziłem, że trudną i wartościową częścią pracy jest sztuczna inteligencja: modele, automatyzacja, pomysłowe wyniki. Traktowałem oczyszczanie i łączenie danych jako szybkie przygotowanie przed rozpoczęciem właściwej budowy. To było całkowicie błędne podejście.

Podstawy były właściwą budową. Większość wysiłku, a także większość czynników decydujących o tym, czy rozwiązanie rzeczywiście działało, znajdowała się w mało efektownej warstwie: czyste dane, sensowna struktura i niezawodne połączenia z systemami źródłowymi.

W rezultacie na początku poświęcałem czas na budowanie zaawansowanych funkcji na nieprzygotowanych danych i otrzymywałem dopracowane wyniki, którym nie mogłem w pełni ufać. Oznaczało to, że i tak musiałem wrócić do pracy u podstaw, już po fakcie. Gdybym wiedział to wcześniej, ustaliłbym kolejność odwrotnie: najpierw zadbać o właściwe działanie całej infrastruktury, a dopiero potem nałożyć na nią inteligencję. Ten sam cel, o połowę mniej zmarnowanego wysiłku.

Magia działa dopiero wtedy, gdy wykonana zostanie nudna praca u podstaw.

Jak dyrektorzy finansowi mogą usprawnić planowanie zatrudnienia dzięki sztucznej inteligencji

W większości firm, a już z pewnością w firmach SaaS, gdzie pracownicy są zdecydowanie największym kosztem, planowanie zatrudnienia nadal jest bardzo uproszczone. Firmy te korzystają z arkusza kalkulacyjnego zawierającego stanowiska, planu zatrudnienia ustalonego w czasie budżetowania oraz liczby, którą wszyscy traktują jako stałą, dopóki coś nie zmusi ich do ponownego przemyślenia założeń. To dziwne, ponieważ jest to największa pojedyncza dźwignia pozostająca pod kontrolą dyrektora finansowego, a mimo to często modeluje się ją w najmniej dynamiczny sposób.

Przeprojektowałem nasze podejście do planowania zatrudnienia, przechodząc od statycznej listy do modelu opartego na czynnikach napędzających, połączonego z pozostałą częścią planu. Zamiast „zatrudnimy w tym roku dwanaście osób”, mamy „to stanowisko jest uruchamiane przez taką wielkość lejka sprzedażowego, a tamto przez osiągnięcie takiego progu przychodów...” — dzięki temu zatrudnianie łączy się z czynnikami, które je uzasadniają.

Ponieważ model ten jest częścią połączonego systemu, mogę na bieżąco modyfikować jego założenia: dodać pracownika, zmienić termin i obserwować, jak zmiana przechodzi bezpośrednio przez rachunek zysków i strat, pozycję gotówkową oraz okres, na jaki wystarczy środków.

W rezultacie zatrudnienie przestało być corocznym zgadywaniem, a stało się decyzją podejmowaną w czasie rzeczywistym. Kiedy ktoś pyta: „Czy stać nas na zatrudnienie tej osoby?”, mogę odpowiedzieć podczas spotkania — nie na podstawie przeczucia, lecz wskazując wpływ tej decyzji na okres finansowania i harmonogram. Dzięki temu jedna z najbardziej brzemiennych w skutki i emocjonalnych rozmów w firmie zostaje w danym momencie oparta na liczbach.

Dlaczego Claude jest niezbędnym narzędziem dla dyrektorów finansowych

Claude jest moim podstawowym narzędziem — bez wahania. Nie jest narzędziem finansowym przeznaczonym do jednego celu i właśnie dlatego tak bardzo go cenię; radzi sobie ze wszystkim, do czego inne narzędzia nie potrafią się elastycznie dostosować.

Szczerze mówiąc, oczekiwałem więcej od gotowych narzędzi finansowych, do których dołączono „sztuczną inteligencję” jako dodatek do istniejącego produktu. Większość z nich to okna czatu nałożone na to samo oprogramowanie i nie zmienia w istotny sposób tego, jak wykonywana jest praca. Jeśli już, dobrze radzą sobie tylko z jednym zadaniem.

Claude potrafi jednak zrobić wszystko. Buduje modele, przygotowuje komentarze dla zarządu, analizuje dane, pisze analizy i pełni rolę partnera do myślenia, z którym konsultuję decyzje. Obsługuje szeroki zakres zadań wypełniających mój tydzień i dostosowuje się do wszystkiego, co przyniosę mu później.

Największy błąd popełniany przez dyrektorów finansowych w związku ze sztuczną inteligencją

Oto moja rada:

1. Największym błędem, jaki obserwuję, jest traktowanie przez CFO sztucznej inteligencji jako decyzji zakupowej — dwunastomiesięcznej oceny, pilotażu i wdrożenia. Sam popełniłem ten błąd. Zanim ten proces się zakończy, narzędzia zdążą zmienić się dwukrotnie. Zamiast tego użyj jej samodzielnie, przy prawdziwej pracy, już w tym tygodniu. W ciągu dwóch tygodni praktycznego korzystania dowiesz się więcej o tym, gdzie pomaga, a gdzie wprowadza cię w błąd, niż z jakiejkolwiek prezentacji dostawcy.
2. Nie czekaj na idealne narzędzie. Rynek gotowych rozwiązań nadal oferuje głównie okno czatu dołączone do starego oprogramowania. Możesz zbudować więcej, niż myślisz; bariera wejścia w tworzenie własnych rozwiązań całkowicie się zmniejszyła. CFO, którzy wysuną się do przodu, potraktują to jako kompetencję do rozwijania, a nie usługę do kupienia.
3. Co najważniejsze, zadbaj o tę nudną część. Czyste dane i solidny proces nie są tylko mało ekscytującym warunkiem wstępnym zastosowania sztucznej inteligencji; to cała istota sprawy. Sztuczna inteligencja oparta na chaotycznych danych po prostu szybciej generuje pewnie brzmiące nonsensy. Najpierw uporządkuj podstawy.
4. I zachowaj centralną rolę własnego osądu. Sztuczna inteligencja zmienia sposób wykonywania pracy, a nie to, kto ponosi za nią odpowiedzialność. Umiejętnością, która jest ważniejsza niż kiedykolwiek, nie jest tworzenie analiz — lecz wiedza, czy są poprawne i co z nimi zrobić. To wciąż należy do twoich obowiązków. Zawsze tak było.

Śledź na bieżąco

Możesz śledzić pracę Dave’a Leavera na LinkedInie.

Na The CFO Club pojawią się kolejne wywiady z ekspertami!