Od czego dyrektorzy finansowi powinni zacząć wdrażanie AI — i czego powinni unikać

Po pełnieniu różnych funkcji kierowniczych w finansach Mitch Petracca założył Forward Firm, zdalną firmę świadczącą usługi CPA i doradcze. Następnie, gdy AI usunęła ograniczenia w jego procesach pracy, zbudował Finsider.ai, aby wspierać swój model operacyjny.

Rozmawialiśmy z Mitchem o tym, jak AI zmienia pracę specjalistów ds. finansów. Opowiedział nam, od czego zacząć i w jakich obszarach należy zachować ostrożność.

Kiedy transformacja dzięki AI nabrała tempa

Nazywam się Mitch Petracca. Jestem CPA, partnerem zarządzającym w Forward Firm, a ostatnio także założycielem Finsider.ai.

W skrócie moja droga wyglądała tak: rozpocząłem karierę w PwC i szybko zauważyłem, ile czasu nawet elitarne zespoły poświęcały na porządkowanie danych, zanim mogły udzielić porad. Czyszczenie danych, uzgadnianie, odtwarzanie tych samych analiz od podstaw — przy każdym zleceniu. Technologia nie mogła wtedy tego naprawić; był to po prostu koszt prowadzenia działalności.

Kiedy odszedłem i zbudowałem Forward Firm, postanowiłem prowadzić firmę innego rodzaju. Zdalną od samego początku, szczupłą i opartą w całości na dźwigni operacyjnej. Świadczymy usługi doradztwa transakcyjnego, podatkowego i księgowego, a także realizujemy około 50 zleceń dotyczących jakości zysków rocznie. Osiągamy to bez liczby pracowników, jakiej potrzebowałaby tradycyjna firma, ponieważ konsekwentnie systematyzujemy wszystko.

Jednak mniej więcej po trzech latach wciąż napotykałem tę samą przeszkodę: narzędzia dostępne na rynku nie były projektowane z myślą o praktykach takich jak my. Były przeznaczone dla wewnętrznych zespołów FP&A. Dlatego zbudowałem narzędzie, którego sam potrzebowałem. Tak powstał Finsider — platforma analityki finansowej oparta na AI, zaprojektowana tak, aby przekształcać nieuporządkowane dane klientów w pakiet danych gotowy do celów doradczych w ułamku wcześniejszego czasu.

Właśnie wtedy transformacja dzięki AI nabrała dla mnie tempa. Nie była abstrakcyjna. Wynikała z obserwowania, jak godziny znikały na pracy, którą dobrze zaprojektowany system mógłby wykonać w kilka minut.

Jak rozpocząć pracę z AI

AI jest mnożnikiem siły, a nie samodzielną strategią transformacji. Sprawia, że wszystko, co już masz, działa szybciej, dokładniej i bardziej spójnie. Jeśli Twoje procesy są dobrze zaprojektowane, AI wzmacnia ich rezultaty. Jeśli Twoje procesy są wadliwe, AI szybciej i na większą skalę powiela wadliwe rezultaty.

Dlatego pierwsze pytanie CFO nie powinno brzmieć: którego narzędzia AI użyć. Powinno brzmieć: „Co dokładnie próbuję robić szybciej i lepiej?” oraz czy warto robić to szybciej i lepiej?”. CFO, który automatyzuje proces raportowania, którego nikt nie czyta, nie transformuje finansów. Automatyzuje szum informacyjny.

To ważne, ponieważ większość inicjatyw związanych z AI w finansach kończy się niepowodzeniem nie dlatego, że technologia jest niewłaściwa, lecz dlatego, że problem został nieprawidłowo zdefiniowany. Technologia działała dokładnie zgodnie z założeniami. Po prostu optymalizowała niewłaściwą rzecz. Zanim rozpoczniesz, określ, jak wygląda „lepiej” w postaci konkretnej liczby: czas trwania procesu, zakres objętych transakcji, liczba pracowników przypadających na zlecenie, liczba dni potrzebnych do zamknięcia okresu. Jeśli nie potrafisz wskazać wskaźnika, który ma się zmienić, nie masz jeszcze inicjatywy. Masz narzędzie szukające problemu.

Gdy już to określisz, zacznij od jednego procesu, w pełni potwierdź jego skuteczność, a dopiero potem go rozszerzaj. Kiedy dostrzegasz potencjał, pojawia się pokusa, aby od pierwszego dnia zbudować wszystko. To opóźnia gotowość produkcyjną, ponieważ budowanie na zbyt dużą skalę jednocześnie wydłuża realizację każdego elementu. Wybierz coś, co ma jednoznacznie poprawną odpowiedź, mierzalny koszt czasowy i oczywisty punkt potwierdzenia skuteczności. Wdróż to, korzystaj z tego w praktyce, a następnie przejdź do kolejnego procesu.

Ja tego nie zrobiłem, a ceną było zaufanie.

Dlaczego liderzy finansowi powinni zautomatyzować 80%, a 20% pozostawić ludziom

Jeśli chodzi o to, co powinni robić ludzie, a co AI, postrzegam to jako stos. U podstaw znajdują się czynności weryfikacyjne, pośrodku analiza, a na szczycie osąd. AI odpowiada za podstawę i wspiera środkową warstwę, ale nie dotyka szczytu.

AI zajmuje się więc klasyfikacją transakcji, uzgadnianiem środków pieniężnych, analizą odchyleń, oznaczaniem anomalii w całej księdze głównej, raportowaniem KPI, analizą przeterminowania należności i zobowiązań oraz przygotowaniem pierwszej wersji pakietu danych. Działania te stawiają szybkość i zakres nad interpretacją. Maszyna może szybciej i bardziej spójnie przeanalizować 100 procent transakcji pod kątem 300 flag niż jakikolwiek specjalista.

Intensywnie wykorzystujemy AI także w warstwie operacyjnej firmy: do sporządzania notatek ze spotkań i podsumowań klientów po każdej rozmowie, codziennej klasyfikacji zapisów księgowych z maksymalnym terminem 48 godzin na zaklasyfikowanie nieprzypisanych pozycji oraz nadawania oceny kondycji każdemu plikowi QBO, zanim zajmiemy się zleceniem dotyczącym jakości zysków. Są to automatyzacje procesów pracy, a nie decyzje finansowe, ale tworzą warunki do podejmowania lepszych decyzji.

Do zadań wykonywanych wyłącznie przez człowieka należą wszystkie wnioski QoE, wszystkie zatwierdzenia podatkowe, wszystkie decyzje dotyczące korekt add-back oraz wszystkie rekomendacje dla klienta. Licencja CPA obejmuje te wyniki. Sztuczna inteligencja może wydobyć dane, oznaczyć anomalie i wykonać pierwszą analizę. To ja decyduję, co one oznaczają i co należy z nimi zrobić.

Ta sama zasada dotyczy ustalania cen i strukturyzowania transakcji. Sztuczna inteligencja może dostarczyć mi zestaw porównawczy, punkt odniesienia dla marży oraz analizę odchyleń. Jednak ustalenie, czy korekta EBITDA klienta jest możliwa do obrony przed zespołem QoE wyrafinowanego nabywcy, wymaga kontekstu, doświadczenia i odpowiedzialności. To nigdy nie zostaje przekazane sztucznej inteligencji.

Moja zasada operacyjna brzmi: automatyzować 80 procent zadań związanych z potwierdzaniem i rozpoznawaniem wzorców. Chronić 20 procent obejmujących osąd i odpowiedzialność. Odwrócenie tych proporcji jest albo nieefektywne, albo niebezpieczne.

Korzyści z integracji sztucznej inteligencji

Dzięki sztucznej inteligencji skróciliśmy czas realizacji zleceń w Forward Firm o 40 procent. Nasz niewielki zespół realizuje około 50 zleceń QoE rocznie, a czas dostawy skróciliśmy z 3–4 tygodni do 2–3 tygodni. Naszym krótkoterminowym celem jest 1–2 tygodnie. To nie prognoza, lecz kierunek, w którym zmierzamy przy obecnie używanych narzędziach.

Zwiększyliśmy zakres objętych analizą transakcji ze standardowych dla branży 5–10 procent do 100 procent. Przy każdym zleceniu skanujemy całą księgę główną pod kątem około 300 słów kluczowych. Zmienia to jakość produktu pracy, a nie tylko szybkość jego przygotowania.

Mapowanie COA, czyli standaryzacja planu kont klienta względem naszego modelu, osiąga automatycznie dokładność na poziomie 95 procent. Na początku każdego nowego zlecenia wymagało to całego dnia ręcznej pracy. Obecnie jest to popołudnie poświęcone na sprawdzenie 5 procent pozycji oznaczonych przez system do weryfikacji przez człowieka.

Gdzie sztuczna inteligencja potrzebuje wsparcia człowieka

Mitch ponownie podkreśla

Nakłonienie doświadczonych specjalistów ds. finansów do polegania na wynikach sztucznej inteligencji bez przeprowadzania ręcznych kontroli jest problemem zarządzania zmianą, a nie problemem oprogramowania.

Nie wszystko jednak wygląda dobrze. Oto kilka obszarów, w których wpływ sztucznej inteligencji był mniejszy od oczekiwanego.

• Jakość danych: To kluczowa zmienna. Sztuczna inteligencja jest tylko tak dobra, jak dane, które jej dostarczasz. Widzieliśmy księgi klientów z kontami księgi głównej zakodowanymi tak niespójnie, że wynik pierwszej analizy wymaga znacznych poprawek wykonanych przez człowieka, zanim stanie się użyteczny. Nie można rozwiązać problemu „śmieci na wejściu” lepszym algorytmem.
• Kalibracja zaufania: Nakłonienie doświadczonych specjalistów ds. finansów do polegania na wynikach sztucznej inteligencji bez przeprowadzania ręcznych kontroli jest problemem zarządzania zmianą, a nie problemem oprogramowania. Zajęło to więcej czasu niż samo stworzenie rozwiązania. Gdybym o tym wiedział, zaprojektowałbym wdrożenie tak, aby budować zaufanie małymi, możliwymi do zweryfikowania krokami, zamiast wdrażać pełne możliwości i oczekiwać, że zachowanie samo się zmieni. Zachowanie zmienia się pod wpływem dowodów.
• Luki w zakresie pokrycia: Sztuczna inteligencja prawidłowo oznacza niektóre kategorie — złożone transakcje między podmiotami powiązanymi, niestandardowe ujmowanie przychodów oraz niektóre korekty podatkowe — ale nie potrafi powiedzieć, co należy z nimi zrobić. Nadal konieczny jest osąd osoby starszej rangą. System wskazuje pytanie, a CPA udziela na nie odpowiedzi.
• Analiza wybiegająca w przyszłość: Sztuczna inteligencja zrewolucjonizowała analizę historyczną. Uzgadnianie, analiza odchyleń, wykrywanie anomalii i przygotowywanie pakietów danych w pierwszej wersji — wszystko to działa. W obszarze prognozowania nie przyniosła jednak rezultatów zgodnych z moimi oczekiwaniami. Przygotowanie możliwej do obrony 13-tygodniowej prognozy przepływów pieniężnych, prognozy przychodów rozdzielającej wpływ ceny i wolumenu oraz modelu scenariuszowego, na którym oprze się dyrektor finansowy lub kredytodawca, nadal wymaga znacznego udziału człowieka. Narzędzia mogą wskazać historyczne czynniki wpływające na wyniki. Nie tworzą jeszcze użytecznych modeli prognostycznych.
• Narracje pisemne: Raport QoE to nie tylko pakiet danych. Zawiera sekcję z wnioskami, opis ustaleń oraz podsumowanie dla kadry kierowniczej, które nabywca, jego doradca prawny i kredytodawca będą uważnie czytać. Sztuczna inteligencja może przygotować zarys. Może uporządkować sekcję. Jednak jakość narracji pisemnych tworzonych przez narzędzia sztucznej inteligencji nie osiągnęła jeszcze poziomu, na którym mógłbym przekazać je drugiej stronie bez znacznej redakcji. Spodziewałem się, że do tej pory postęp będzie większy.

Rzeczywisty przebieg pracy QoE

Przez dziesięciolecia kontrole finansowe i testowanie transakcji opierały się na założeniu, że dobrze zaprojektowana próba jest w praktyce niemal tak dobra jak pełne pokrycie. Standardem branżowym dla QoE jest objęcie analizą od 5 do 10 procent transakcji. To założenie nie było przypadkowe. Wynikało z rzeczywistego ograniczenia: osiągnięcie pełnego pokrycia nie było możliwe w rozsądnym czasie. Dlatego zawód wypracował metodologię opartą na tym ograniczeniu i nazwał ją najlepszą praktyką. AI usuwa to ograniczenie.

Przeprowadzę Was przez proces realizacji QoE — od momentu, gdy trafia do nas transakcja, do chwili dostarczenia raportu. Tak wygląda ten proces obecnie.

Zanim zajmiemy się zleceniem. Gdy pojawia się nowy klient, najpierw przepuszczamy jego plik QBO przez CheckTheLevel — narzędzie, które ocenia kondycję pliku QuickBooks w skali od 0 do 100. Wykrywa duplikaty dostawców, błędnie zakodowane konta, brakujące integracje z bankiem i niespójności klasyfikacji. Wynik informuje nas, ile ręcznego porządkowania należy zaplanować i na czym skupić pierwszą rozmowę z klientem. Unikamy niespodzianek po dwóch tygodniach.

Pobieranie danych. Korzystamy z naszego narzędzia, aby połączyć się z księgą główną i bankiem. Dane są pobierane przez Plaid i Railz, a synchronizacja trwa około pięciu minut. Platforma automatycznie mapuje plan kont na nasz ustandaryzowany model z dokładnością 95 procent. Oznacza 5 procent pozycji, których nie może z wystarczającą pewnością zmapować, do weryfikacji przez człowieka.

Analiza wstępna. Po wprowadzeniu danych automatycznie uruchamiane są trzy procesy. Po pierwsze, uzgodnienie środków pieniężnych: księga główna powiązana z bankiem, każde konto, każdy okres. Po drugie, pełne skanowanie księgi głównej: 300 oznaczeń słów kluczowych obejmujących 100 procent transakcji. Po trzecie, analiza zmian: odchylenia okres do okresu, z automatycznym wskazaniem zmian procentowych i kwotowych.

Warstwa weryfikacji przez człowieka. W tym miejscu rozpoczyna się praca CPA. Analizuję oznaczone transakcje, anomalie zmian i wyjątki w COA. Formułuję tezę dotyczącą korekt: identyfikuję, które pozycje w tym rachunku zysków i strat są jednorazowe, osobiste dla właściciela lub niezwiązane z działalnością operacyjną, a także ustalam, czy mogę obronić każdą z nich przed zespołem QoE doświadczonego nabywcy. Platforma nie dostarcza tego osądu. Przekazuje mi uporządkowany, priorytetowy zestaw pytań. To ja na nie odpowiadam.

Rytm rozmów. Fathom rejestruje każdą rozmowę z klientem, automatycznie do niej dołącza, sporządza transkrypcję i przygotowuje podsumowanie. W ciągu 24 godzin od każdej rozmowy z klientem w pliku znajduje się pisemne podsumowanie. Żadne notatki nie giną. Zadania są jasno określone i przypisane.

Dostarczenie. Przekazujemy raport QoE z dokumentacją roboczą przyjazną dla audytu, ścieżką pochodzenia od źródła do wniosku oraz podsumowaniem zarządczym przygotowanym przez zespół realizujący zlecenie, a nie wygenerowanym przez AI.

Sedno: AI odpowiada za pobieranie, standaryzację i potwierdzanie danych oraz wykrywanie wzorców. CPA odpowiada za każdy wniosek. Proces zapewnia, że zanim podejmę decyzję wymagającą osądu, dysponuję lepszymi informacjami, szybciej i przy większym pokryciu niż w jakimkolwiek wcześniejszym procesie, który prowadziłem.

Dlaczego dyrektorzy finansowi powinni przeprojektować finanse na potrzeby księgowości ciągłej

Mitch powtarza

Przeprojektowanie nie wymaga imponujących narzędzi. Wymaga trzech decyzji: zdefiniowania standardu opóźnienia klasyfikacji i rozliczania zespołu z jego przestrzegania, wdrożenia kontroli uzgodnień uruchamianej po każdej synchronizacji zamiast na koniec okresu oraz przeniesienia przeglądu anomalii z działania zaplanowanego na działanie wyzwalane konkretnym zdarzeniem.

Najmocniej opowiadałbym się za przeprojektowaniem samego cyklu zamknięcia ksiąg. Nie tylko jego części, lecz całej jego architektury.

Większość organizacji finansowych nadal prowadzi księgowość jako proces wsadowy. Transakcje się kumulują. Na koniec miesiąca zespół przeprowadza uzgodnienia, przegląd klasyfikacji, analizę odchyleń i raportowanie. Zamknięcie trwa kilka dni, a czasem tygodni, a kierownictwo analizuje obraz sytuacji, który jest już nieaktualny. Ograniczenia wynikające z tempa pracy człowieka ukształtowały tę architekturę. Ograniczenie zniknęło, ale architektura pozostała.

Księgowość ciągła jest rozwiązaniem tego problemu. Zamiast gromadzić i przetwarzać transakcje partiami, klasyfikujesz je i uzgadniasz w czasie rzeczywistym, oznaczasz anomalie w momencie ich wystąpienia i utrzymujesz bieżący, a nie okresowy obraz sytuacji finansowej. Zamknięcie miesiąca nadal się odbywa, ale staje się przeglądem i formalnym zatwierdzeniem, a nie projektem konstrukcyjnym.

Stosujemy ten model po stronie księgowości. Codziennie klasyfikujemy księgę główną każdego klienta. Pozycje niesklasyfikowane muszą zostać obsłużone w ciągu maksymalnie 48 godzin. Anomalie są wykrywane w tym samym tygodniu, w którym wystąpiły, a nie sześć tygodni później, gdy ktoś pobiera miesięczny raport. Przed rozpoczęciem zlecenia QoE przeprowadzamy ocenę kondycji pliku QBO, aby zidentyfikować luki w jakości danych. Zanim wykonamy prace doradcze dotyczące transakcji, księgi są już do tego przygotowane.

Ma to istotny wpływ na dalsze działania. Dyrektor finansowy, który ma ciągły i dokładny obraz sytuacji finansowej, może doradzać w czasie rzeczywistym. Obecnie większość dyrektorów finansowych doradza na podstawie danych sprzed kilku tygodni oraz modeli zbudowanych na zamkniętym okresie, w którym błędy mogły zostać skorygowane dopiero po fakcie. To nie jest problem dyrektora finansowego, lecz problem związany z projektem systemu.

Przeprojektowanie nie wymaga imponujących narzędzi. Wymaga trzech decyzji: zdefiniowania standardu opóźnienia klasyfikacji i rozliczania zespołu z jego przestrzegania, wdrożenia kontroli uzgodnień uruchamianej po każdej synchronizacji zamiast na koniec okresu oraz przeniesienia przeglądu anomalii z działania zaplanowanego na działanie wyzwalane. Każda organizacja finansowa może podjąć dziś te decyzje dotyczące procesów i narzędzi.

Dlaczego autorytet dyrektora finansowego zmienia się wraz z danymi AI w czasie rzeczywistym

Pytanie brzmi: „Co dzieje się z autorytetem dyrektora finansowego, gdy dane są zawsze aktualne i zawsze dostępne?”

Obecnie osąd dyrektora finansowego ma znaczenie częściowo dlatego, że ma on kontekst, którego brakuje innym osobom w pomieszczeniu — kontekst zbudowany przez długotrwałe obcowanie z liczbami. Gdy AI udostępnia ten kontekst wszystkim w czasie rzeczywistym, przewaga dyrektora finansowego całkowicie przesuwa się w stronę interpretacji, komunikacji i odpowiedzialności, a liderzy, którzy nie dokonali tej transformacji, odkryją, że ich rola stopniowo traci znaczenie, nie rozumiejąc dlaczego.

Dyrektorzy finansowi, którzy za pięć lat będą mieli największe znaczenie, to nie ci, którzy najlepiej znają liczby, lecz ci, którzy potrafią powiedzieć, co te liczby oznaczają, i wziąć za nie odpowiedzialność.

Pięć porad dla dyrektorów finansowych

Mam pięć porad dla liderów finansowych:

1. Zacznij od pracy weryfikacyjnej, a nie od pracy wymagającej osądu. Najlepszym miejscem do wdrożenia AI pod względem zwrotu z inwestycji i niskiego ryzyka jest praca, która obecnie pochłania czas specjalistów tylko po to, by potwierdzić stan faktyczny. Uzgadnianie środków pieniężnych, analiza odchyleń, kompletność transakcji, standaryzacja planu kont. Ta praca ma prawidłową odpowiedź. AI dociera do niej szybciej i dokładniej niż człowiek. Zacznij od tego, udowodnij wartość i zbuduj zaufanie wewnątrz organizacji. Nie zaczynaj od prognozowania ani od narracji strategicznej , a potem nie zastanawiaj się, dlaczego wynik nie jest wystarczająco dobry.
2. Uporządkuj dane, zanim kupisz narzędzie. Nikt nie chce słuchać tej rady, ponieważ jest powolna i mało atrakcyjna, ale to właśnie ona wyznacza granicę możliwości. Obserwowałem firmy wdrażające drogie platformy na podstawie niespójnie zaksięgowanych danych, a następnie obwiniające AI, gdy wyniki były niewiarygodne. Problemem nie jest narzędzie. Jeśli Twoja księga główna jest w nieładzie, najpierw ją uporządkuj. Korzyści przyjdą później.
3. Oddziel to, za co odpowiadasz jako posiadacz uprawnień zawodowych, od tego, za co nie odpowiadasz, i jasno wyjaśnij to swojemu zespołowi. Trwała linia podziału w finansach nie przebiega między AI a człowiekiem. Chodzi o odpowiedzialność. Każdy wynik opatrzony Twoim nazwiskiem, Twoją akceptacją oraz Twoją rekomendacją dla zarządu lub kredytodawcy należy do Ciebie. AI może przygotować analizę. Osąd i odpowiedzialność prawna należą do Ciebie. Ta granica się nie przesuwa, a jeśli pozwolisz jej się zatrzeć, ostatecznie będziesz odpowiadać za błąd popełniony przez narzędzie.
4. Nie kupuj po prostu narzędzi. Zbuduj system. Narzędzie jest komponentem. Warstwa operacyjna wokół niego tworzy dźwignię: logika kierowania zadań, standardowe procedury operacyjne, jasno określeni właściciele oraz przekazywanie zadań. Widziałem zespoły finansowe dysponujące świetnymi narzędziami, ale pozbawione systemu, które nie osiągały lepszych wyników niż wcześniej. System jest tym, co ma znaczenie.
5. AI nie zagraża roli dyrektora finansowego. Dyrektor finansowy, który je ignoruje, ryzykuje pozostanie w tyle za tym, który tego nie robi. Nie jest to groźba, lecz obserwacja dotycząca struktury rynku. Jeśli Twój konkurent dostarcza raport QoE w 10 dni, a Ty w cztery tygodnie, rynek pokaże Ci, która opcja należy do przyszłości. Okno na zbudowanie tych kompetencji, dopóki pozostają one czynnikiem różnicującym, jest krótsze, niż większość osób sądzi.

Śledź jego działalność

Możesz śledzić działalność Mitcha Petracci na LinkedInie. Sprawdź także Finsider.ai.

W The CFO Club pojawi się więcej wywiadów z ekspertami!