Dyrektor praktyki FP&A w AFP mówi, że sztuczna inteligencja zmienia FP&A — od raportowania liczb do kształtowania decyzji

Jako dyrektor działu FP&A w Stowarzyszeniu Profesjonalistów Finansowych Bryan Lapidus miał możliwość obserwowania z pierwszego rzędu, jak sztuczna inteligencja zmienia branżę.

Usiedliśmy z Bryanem, aby dowiedzieć się, co obserwuje z tej perspektywy. Oto, co nam powiedział.

Przyspieszająca ewolucja

Nazywam się Bryan Lapidus i jestem dyrektorem działu FP&A w Stowarzyszeniu Profesjonalistów Finansowych. Moja kariera przebiegała tradycyjną ścieżką, która obejmowała pracę konsultingową, zdobycie tytułu MBA oraz pełnienie funkcji w finansach korporacyjnych w organizacjach takich jak American Express i Fannie Mae, gdzie koncentrowałem się na tworzeniu prognoz, zarządzaniu budżetami i pomaganiu kadrze kierowniczej w radzeniu sobie z niepewnością. Pracowałem również w dwóch spółkach portfelowych wspieranych przez fundusze private equity, a od ośmiu lat pracuję w Stowarzyszeniu Profesjonalistów Finansowych.

W obecnej roli tworzę i opracowuję treści dla społeczności finansów korporacyjnych, aby pomóc jej członkom osiągać sukcesy na obecnych i przyszłych stanowiskach. Utrzymuję stały kontakt ze społecznością finansową, zatwierdzając każdego roku około 50 sesji konferencyjnych, 20 webinarów, pięć przewodników lub ankiet oraz liczne artykuły. Zarządzam również pięcioma grupami dyskusji okrągłego stołu — przede wszystkim Radą Doradczą FP&A — aby dowiedzieć się, nad czym pracuje społeczność!

FP&A ewoluowało i nadal ewoluuje — od raportowania liczb do ich wyjaśniania, a coraz częściej także do kształtowania decyzji. W ciągu ostatnich kilku lat ewolucja ta znacznie przyspieszyła za sprawą sztucznej inteligencji. Nowe narzędzia tworzą nowe możliwości, które prowadzą do powstania nowego modelu operacyjnego dla finansów. Oznacza to, że możemy robić więcej, a nasi klienci oczekują od nas więcej.

Jak sztuczna inteligencja zmienia FP&A z funkcji raportowej w funkcję podejmowania decyzji

Sztuczną inteligencję należy rozumieć przez pryzmat podstawowego zadania dyrektora finansowego: zarządzania kapitałem od źródła do jego wykorzystania. Księgowość wyjaśnia, gdzie kapitał był. Zarządzanie płynnością zajmuje się tym, gdzie kapitał się znajduje i jak krąży. FP&A pomaga zdecydować, dokąd powinien trafić w następnej kolejności.

Narzędzia mogą się zmieniać, ale obowiązki działu finansowego pozostają takie same. Kontrola, zgodność z przepisami, alokacja kapitału, zarządzanie ryzykiem i odpowiedzialność wobec inwestorów nadal stanowią fundament. Zmienia się natomiast sposób, w jaki dział finansowy dostarcza wartość. Nowe narzędzia, takie jak automatyzacja i sztuczna inteligencja, tworzą nowe możliwości, które prowadzą do powstania nowych modeli operacyjnych. W ramach tych nowych modeli dział finansowy może zbliżyć się do biznesu w obszarach strategii, partnerstwa i wspierania podejmowania decyzji.

W miarę jak rutynowa praca jest automatyzowana lub zlecana na zewnątrz, role w finansach stają się bardziej analityczne, przekrojowe i zintegrowane z biznesem. Praca jest również w mniejszym stopniu związana z tradycyjnymi silosami. Zamiast organizować się ściśle wokół FP&A, zarządzania płynnością czy księgowości, dział finansowy coraz częściej organizuje się wokół przepływów pracy, możliwości i decyzji, które wykraczają poza poszczególne funkcje.

Bryan dzieli się

Sztuczna inteligencja nie naprawia słabych procesów; tylko sprawia, że działają szybciej.

Zmienia się również struktura aktywności. Czas przesuwa się z pracy manualnej i transakcyjnej w kierunku analizy scenariuszy, oceny możliwości i zarządzania ryzykiem. To sprawia, że dane, zarządzanie i projektowanie procesów stają się jeszcze ważniejsze. Sztuczna inteligencja nie naprawia słabych procesów; tylko sprawia, że działają szybciej.

Przyszłość FP&A nie polega na konkurowaniu ze sztuczną inteligencją w zakresie analiz, lecz na kształtowaniu środowiska, w którym analiza prowadzi do dobrych decyzji. W miarę jak prognozowanie, raportowanie i modelowanie scenariuszy stają się szybsze i bardziej dostępne, wyniki analiz stają się powszechne, a osąd — deficytowy. Rola FP&A przesuwa się zatem od raportowania wyników i tworzenia analiz w kierunku doradzania przy podejmowaniu decyzji oraz projektowania ram decyzyjnych: ustalania założeń, definicji, wskaźników, ograniczeń, celów, kompromisów, tolerancji ryzyka, ścieżek eskalacji, zasad zarządzania i zasad alokacji kapitału, które pozwalają na spójne podejmowanie tysięcy decyzji przez ludzi i maszyny w całym przedsiębiorstwie.

Poprzez zakodowanie tej wiedzy finansowej w systemach generujących prognozy, rekomendacje i działania, FP&A staje się strażnikiem rzetelności procesu decyzyjnego, dbając o to, aby decyzje były zgodne ze strategią i tworzyły trwałą wartość na dużą skalę.

Najczęstsze zastosowania sztucznej inteligencji w finansach

Miałem możliwość obserwowania z pierwszego rzędu, jak liderzy finansowi reagują na sztuczną inteligencję. Niektórzy eksperymentują ostrożnie, podczas gdy inni całkowicie przeprojektowują przepływy pracy.

Najczęstsze przypadki zastosowania, które obserwuję w środowisku finansowym, zwiększają produktywność poszczególnych członków zespołu. Przykłady obejmują przygotowywanie komentarzy wyjaśniających raporty dotyczące odchyleń oraz sprawdzanie wyników poprzez nadawanie AI określonych ról, aby podważała te raporty.

Wykrywanie anomalii to kolejny skuteczny przypadek zastosowania: AI może identyfikować wartości odstające w raportach i modelach, które wymagają dalszej analizy. Przyspiesza to sprawdzanie błędów i chroni ludzi przed niektórymi krępującymi sytuacjami!

Rozmawiałem nawet z jedną z dyrektorek finansowych, która powiedziała mi, że używa LLM do czytania umów, przygotowywania podsumowań, sygnalizowania ryzyka i identyfikowania potencjalnie kłopotliwych sformułowań. Ukończyła analizę w jeden poranek, zamiast przekazywać umowę działowi prawnemu i czekać trzy dni na odpowiedź.

Dlaczego ludzie muszą wykorzystywać swoje doświadczenie i osąd do oceny wyników AI

Zawsze zakładałem, że doświadczenie jest nieodłącznym elementem modeli finansowych, ponieważ modele te zawsze tworzyli doświadczeni ludzie.

Tak już nie jest. AI tworzy teraz modele, więc doświadczenie zostało oddzielone od mechaniki budowania modeli. Obecnie znajduje ono odzwierciedlenie w założeniach, sposobie formułowania początkowych promptów oraz rygorystycznej interpretacji i weryfikacji wyników.

Porównania obok siebie mogą być pouczające:

• AI generuje prognozy bazowego scenariusza, a następnie ludzie uwzględniają potencjalne przyszłe inwestycje lub „korekty w dół” związane z ryzykiem w obszarach, w których występują wyzwania.
• AI generuje i ocenia wiele scenariuszy typu „co, jeśli” oraz potencjalnych trendów, a następnie ludzie decydują, na których ryzykach się skupić i które wyniki są najważniejsze.
• AI pobiera dane i parametry do modeli, a następnie ludzie decydują, które z nich uwzględnić w modelu.

Główna myśl jest taka, że AI zajmuje się pracą wymagającą przetwarzania dużej ilości danych, podczas gdy ludzie wykorzystują doświadczenie i osąd.

Dlaczego przepływy pracy AI wymagają zarówno dyscypliny, jak i elastyczności

Finanse muszą kierować opracowaniem spójnych ram analitycznych, które definiują wskaźniki, obliczenia, źródła danych oraz proces przekształcania danych w informacje.

Pamiętam rozmowę z jedną z dyrektorek finansowych, która zaleciła „dyscyplinę u podstaw i elastyczność na obrzeżach”. To stwierdzenie zapadło mi w pamięć, ponieważ zapewnia wystarczającą kontrolę, aby wszyscy ufali danym, oraz wystarczającą zwinność, by szybko je wykorzystywać.

Jeśli jest sprawowane właściwie, tego rodzaju zarządzanie pozwala działowi finansowemu przyspieszać procesy w firmie, a nie je hamować.

Dlaczego dyrektorzy finansowi muszą współpracować międzyfunkcyjnie, aby eliminować zanieczyszczone dane

Skoro mowa o dyscyplinie, każdy dyrektor finansowy musi zdyscyplinować się w zakresie danych! To niezwykle ważne — a w przypadku AI jeszcze ważniejsze. Kucharz nie ugotowałby zupy na brudnej wodzie, a Ty nie powinieneś podejmować decyzji finansowych na podstawie zanieczyszczonych danych ani niezrozumiałych wskaźników.

Finanse są często opisywane jako funkcja, która przekształca dane w decyzje. Zanim jednak dział finansowy będzie mógł generować spostrzeżenia, ktoś musi zadbać o to, aby dane leżące u podstaw były wiarygodne, spójne i rozumiane w ten sam sposób w całej organizacji. Dlatego czołowe zespoły finansowe coraz częściej pełnią rolę wykraczającą poza raportowanie i analizę. Stają się częścią międzyfunkcyjnej zdolności organizacyjnej, która definiuje kluczowe wskaźniki, zarządza standardami danych i ustanawia zasady dotyczące przepływu informacji z systemów źródłowych do decyzji biznesowych.

Bryan dzieli się

Jeśli przychody, klient, marża lub produktywność oznaczają różne rzeczy dla różnych grup, organizacja poświęca więcej czasu na debatowanie nad liczbami niż na działanie w oparciu o nie. Dział finansowy ma wyjątkową pozycję, aby pomóc zapobiec takiemu scenariuszowi.

Można to postrzegać jako łańcuch nadzoru nad informacjami. Dane pochodzą z systemów operacyjnych, są przekształcane za pomocą logiki biznesowej i obliczeń, a ostatecznie pojawiają się w prognozach, pulpitach nawigacyjnych, raportach zarządczych i decyzjach strategicznych. Na każdym etapie znaczenie mają definicje, założenia i zarządzanie. Jeśli przychody, klient, marża lub produktywność oznaczają różne rzeczy dla różnych grup, organizacja poświęca więcej czasu na debatowanie nad liczbami niż na działanie w oparciu o nie.

Dział finansowy ma wyjątkową pozycję, aby pomóc zapobiec takiemu scenariuszowi. Jako opiekun wyników przedsiębiorstwa może współpracować z działami IT, operacyjnym i liderami biznesowymi w celu stworzenia wspólnych ram analitycznych — takich, które zapewnią spójność danych od źródła do wykorzystania, pozwalając organizacji poświęcać mniej czasu na uzgadnianie informacji, a więcej na podejmowanie lepszych decyzji.

Jak sztuczna inteligencja wpływa na rekrutację i wielkość zespołu finansowego

W wyniku wykorzystania sztucznej inteligencji często obserwuję, że firmy rozwijają się znacznie szybciej niż ich zespoły finansowe, zwiększając dźwignię operacyjną.

Nie dzieje się tak z powodu zwolnień — dyrektorzy finansowi rzadko zwalniają osoby ze swoich zespołów. Chodzi o to, że obecnie zatrudniają inaczej. Przed rozpoczęciem rekrutacji muszą zadać sobie pytanie: „Czy sztuczna inteligencja może to zrobić, czy potrzebuję człowieka?”

Skup wykorzystanie sztucznej inteligencji na rzeczywistych wyzwaniach biznesowych

Oto moja rada: oprzyj działania związane ze sztuczną inteligencją na rzeczywistych wyzwaniach biznesowych, zamiast zaczynać od technologii i dopiero potem szukać problemu.

Pomoże Ci to uniknąć chaotycznych eksperymentów i zapewni budowanie rozwiązań przynoszących mierzalne rezultaty. Zmieni to również punkt ciężkości rozmowy z „Co potrafi ta technologia?” na „Jakie decyzje możemy usprawnić?” — i właśnie w tym obszarze sztuczna inteligencja wywiera znaczący wpływ.

Pamiętaj, że obowiązki dyrektora finansowego się nie zmieniają. Zmieniają się tylko narzędzia, których używamy do przekazywania naszych spostrzeżeń!

Śledź na bieżąco

Możesz śledzić pracę Bryana Lapidusa na LinkedInie.

Więcej wywiadów z ekspertami już wkrótce w The CFO Club!