Dyrektor finansowy firmy z branży technologii medycznych mówi, że najtrudniejsza część to nie sztuczna inteligencja — lecz to, co kryje się pod spodem

Fernando Blumenkron jest dyrektorem finansowym w globalnej firmie z branży technologii medycznych Eden. Obecnie wdraża sztuczną inteligencję w procesach finansowych, ze szczególnym uwzględnieniem fakturowania, windykacji i kategoryzacji wydatków.

Usiedliśmy z Fernando, aby dowiedzieć się, co udało mu się zautomatyzować. Powiedział, że sukces zależy od podstawowej infrastruktury.

Skalowanie organizacji finansowej poza realizację zadań typową dla startupu

Kieruję działem finansowym w Eden, amerykańskiej firmie z branży technologii medycznych wykorzystującej sztuczną inteligencję, działającej w całej Ameryce Łacińskiej. Firma znajduje się na etapie wzrostu, ma strukturę z amerykańską spółką nadrzędną oraz złożone operacje handlowe, prawne i podatkowe w Meksyku, Brazylii, Kolumbii i innych rynkach regionalnych.

Dział finansowy obejmuje działalność prowadzoną przez wiele podmiotów i w wielu walutach, z przychodami z oprogramowania jako usługi i opartymi na wykorzystaniu, usługami wdrożeniowymi, relacjami z dystrybutorami, klientami korporacyjnymi, lokalnymi wymogami dotyczącymi fakturowania, ekspozycją walutową oraz zarządzaniem kosztami sztucznej inteligencji i infrastruktury.

Zespół jest niewielki i opiera się na kluczowych filarach funkcjonowania finansów: FP&A, księgowości, fakturowaniu, windykacji, rozliczaniu płatności, podatkach i zgodności oraz finansach strategicznych. Istotną częścią mojej roli jest skalowanie organizacji finansowej od realizacji zadań typowej dla startupu do bardziej instytucjonalnego modelu operacyjnego, z silniejszymi mechanizmami kontroli, lepszymi danymi, sprawniejszymi procesami O2C oraz ściślejszą współpracą ze sprzedażą, działem prawnym, operacjami i produktem.

Jak sztuczna inteligencja zmienia operacje finansowe

W ubiegłym roku przenieśliśmy część działań finansowych z ręcznego kompilowania danych na monitorowanie procesów wspomagane przez sztuczną inteligencję, szczególnie w obszarach fakturowania, windykacji i kategoryzacji wydatków.

Wcześniej zespół finansowy poświęcał zbyt dużo czasu na pobieranie danych z różnych systemów, czyszczenie raportów, sprawdzanie statusu faktur, analizowanie zaległości, kategoryzowanie wydatków i ręczne identyfikowanie działań wymagających dalszej uwagi. Praca ta była niezbędna, ale miała w dużej mierze charakter operacyjny i reaktywny.

Wprowadziliśmy przepływy pracy wspomagane przez sztuczną inteligencję, które monitorują dane finansowe, wykrywają wyjątki, klasyfikują transakcje, identyfikują priorytety windykacyjne i przygotowują wstępną analizę do weryfikacji przez człowieka. Celem nie było zastąpienie osądu działu finansowego, lecz wyeliminowanie powtarzalnych prac przygotowawczych, które uniemożliwiały zespołowi skupienie się na podejmowaniu decyzji.

W rezultacie dział finansowy działa szybciej i bardziej proaktywnie. Zespół poświęca teraz mniej czasu na gromadzenie informacji, a więcej na ich wykorzystywanie: ustalanie priorytetów dla przeterminowanych należności, wcześniejsze identyfikowanie luk w fakturowaniu, poprawę widoczności wydatków i eskalowanie problemów w oparciu o pełniejszy kontekst. Największa poprawa polega na tym, że sztuczna inteligencja przeniosła nas od „raportowania tego, co się wydarzyło” do „wykrywania tego, co wymaga uwagi”.

Jak sztuczna inteligencja usprawnia proces windykacji należności

Przykładowo budujemy przepływ pracy związany z windykacją należności, wspomagany przez sztuczną inteligencję.

Dział finansowy dąży do zarządzania windykacją w ramach jednej aplikacji, eliminując potrzebę przełączania się między danymi dotyczącymi fakturowania, raportami o zaległościach, pocztą elektroniczną, Slackiem, rejestrami płatności i notatkami dotyczącymi klientów.

Sztuczna inteligencja identyfikuje przeterminowane należności, analizuje historię płatności i komunikacji, ustala priorytety według ryzyka i rekomenduje kolejne działanie: przypomnienie, eskalację, baner, plan płatności lub analizę prawną. Następnie system generuje wiadomość, śledzi odpowiedź, aktualizuje sprawę i eskaluje ją w razie potrzeby.

Wszystko odbywa się w ramach biznesowego planu Claude, który chroni poufne informacje i kontroluje również zużycie tokenów.

Ludzie nadal zatwierdzają działania wrażliwe, ale przepływ pracy staje się bardziej zautomatyzowany, scentralizowany i proaktywny.

Dlaczego ocena sytuacji finansowej wciąż wymaga ludzkiego podejścia

To prowadzi mnie do kolejnej kwestii.

Sztuczna inteligencja będzie wspierać dane wejściowe do prognoz, budżetowanie, analizę odchyleń, kategoryzację wydatków, ustalanie priorytetów windykacji, wykrywanie wyjątków w fakturowaniu, monitorowanie przepływów pieniężnych oraz sygnalizowanie ryzyka. Jednak ludzka ocena sytuacji pozostaje niezbędna przy zatwierdzaniu budżetu, alokacji kapitału, decyzjach kredytowych, ustalaniu planów płatności, eskalacji prawnej, komunikacji z inwestorami oraz podejmowaniu decyzji dotyczących okresu funkcjonowania firmy.

Zasada jest prosta: sztuczna inteligencja powinna szybciej wskazywać ryzyka, wzorce i dostępne opcje. Finanse nadal odpowiadają za decyzję, odpowiedzialność i kompromisy biznesowe.

Jak sztuczna inteligencja tworzy fałszywe poczucie pewności, gdy infrastruktura danych jest niewystarczająca

Myśli Fernando

Ostatecznie sztuczna inteligencja nie jest najtrudniejszym elementem. Najtrudniejsze są uporządkowane dane, jasno określona odpowiedzialność i dobrze zdefiniowany proces.

Na wyniki jest jeszcze za wcześnie, ponieważ jest to część naszego planu działania i rozwiązanie nie zostało jeszcze wdrożone na pełną skalę.

Główną korzyścią jest oczywiście szybkość: mniej czasu poświęcanego na kompilowanie i oczyszczanie danych oraz szybsze identyfikowanie luk w fakturowaniu, priorytetów windykacji, problemów z wydatkami i przyczyn odchyleń.

Jakościowa poprawa dotyczy koncentracji: Finanse mogą poświęcać więcej czasu na ocenę sytuacji i eskalację, a mniej na analizę wstępną.

Główną wadą jest jakość danych. Sztuczna inteligencja może tworzyć fałszywe poczucie pewności, jeśli dane źródłowe są niekompletne lub źle ustrukturyzowane.

Nie wyeliminowała również potrzeby stosowania uporządkowanych systemów i mechanizmów kontrolnych. Jeśli dane dotyczące fakturowania, statusy klientów, umowy lub kategorie wydatków są niespójne, sztuczna inteligencja może zapewnić szybszą analizę, ale niekoniecznie lepszą.

Ostatecznie sztuczna inteligencja nie jest najtrudniejszym elementem. Najtrudniejsze są uporządkowane dane, jasno określona odpowiedzialność i dobrze zdefiniowany proces.

Dlatego przed próbą automatyzacji poświęć więcej czasu na początku na zdefiniowanie modelu danych, zasad obsługi wyjątków, punktów zatwierdzania i warstw kontroli człowieka. Gdybyśmy zrobili to wcześniej, moglibyśmy uniknąć wielu dodatkowych prac i fałszywych alarmów.

Jak sztuczna inteligencja na nowo definiuje kontrolę finansową i prognozowanie

Sztuczna inteligencja pokazuje, że kontrola nie musi oznaczać dodawania kolejnych punktów kontrolnych, arkuszy kalkulacyjnych ani zatwierdzeń. W wielu przypadkach silniejsza kontrola wynika z lepszej widoczności w czasie rzeczywistym: wcześniejszego wykrywania wyjątków, sygnalizowania nietypowych wzorców i kierowania problemów do właściwej osoby przed końcem miesiąca.

Sztuczna inteligencja zmieniła również sposób, w jaki myślimy o prognozowaniu. Prognoza nie powinna być statycznym, comiesięcznym ćwiczeniem. Powinna stać się żywym modelem, który jest stale aktualizowany wraz z napływem nowych sygnałów.

Dlaczego dyrektorzy finansowi powinni przeprojektować proces od zamówienia do płatności z myślą o sztucznej inteligencji

Dyrektorzy finansowi muszą przeprojektować proces od zamówienia do płatności.

Celem powinien być zintegrowany, zautomatyzowany i podlegający audytowi przepływ od utworzenia zamówienia przez fakturowanie i windykację po rozliczenie płatności, aby firma mogła jak najszybciej uwolnić przepływy pieniężne.

Oznacza to, że sztuczna inteligencja powinna pomagać w wykrywaniu luk w fakturowaniu, uruchamianiu monitów, ustalaniu priorytetów windykacji, uzgadnianiu płatności, sygnalizowaniu sporów i eskalowaniu ryzyka — wszystko w ramach jednego połączonego przepływu pracy.

Przeprojektowujemy ten obszar, aby Finanse przeszły od ręcznego śledzenia i reaktywnej windykacji do proaktywnej kontroli przychodów.

Cel jest prosty: szybsza konwersja gotówki, mniej pominiętych faktur, sprawniejsze mechanizmy kontrolne, lepsza audytowalność i więcej czasu zespołu Finansów na ocenę sytuacji zamiast na poszukiwanie danych.

Jak dyrektorzy finansowi mogą wykorzystywać AI do ciągłego doskonalenia

Moja rada? Dyrektorzy finansowi powinni rejestrować i dokumentować wszystko. W modelu operacyjnym opartym na AI, jeśli coś nie zostało zapisane, to tak, jakby się nie wydarzyło.

Największa szansa polega na umożliwieniu zespołom osiągania większych rezultatów przy mniejszych zasobach: wyższej wydajności, szybszej analizie i większej ilości czasu na podejmowanie decyzji zamiast na ręczne przygotowywanie materiałów.

Jednak prawdziwym celem nie jest wyłącznie indywidualna produktywność, lecz budowanie pętli ciągłego doskonalenia, w których AI nieustannie obserwuje proces, identyfikuje utrudnienia, rekomenduje usprawnienia i z czasem sprawia, że praca staje się łatwiejsza i bardziej efektywna.

Finanse powinny zmierzać w tym kierunku: nie tylko wykorzystywać AI jako narzędzie, lecz także projektować operacje finansowe, które doskonalą się samodzielnie przez całą dobę, 7 dni w tygodniu.

Bądź na bieżąco

Śledź pracę Fernando Blumenkrona na LinkedInie.

W The CFO Club pojawią się kolejne wywiady z ekspertami!