Koncernens finanschef berättar var AI gör människor ännu mer relevanta i finansorganisationer

Annabella Bassler är koncernfinanschef på Ringier, ett diversifierat internationellt medie- och teknikföretag med mer än 120 bolag.

Vi satte oss ner med Annabella för att lära oss hur AI förändrar finansorganisationer – och var människor blir allt viktigare. Här är vad hon sa.

Att forma framtiden med AI

Jag har varit koncernfinanschef på Ringier sedan 2012, och min resa har varit en ständig omvandling.

När jag började bidrog digital verksamhet praktiskt taget inte alls till vårt EBITDA. I dag bidrar den med mer än 80 %. På vägen genomförde vi omkring 80 M&A-transaktioner med en total volym på cirka 2,5 miljarder CHF.

Så omvandling är inget nytt för mig. AI är ytterligare ett kapitel – men potentiellt ett grundläggande sådant. För första gången förändrar tekniken inte bara hur snabbt finansfunktionen bearbetar information. Den förändrar hur vi tänker med hjälp av information.

Det är den verkliga förändringen: från finans som en funktion som förklarar det förflutna till finans som en funktion som hjälper till att navigera i och forma framtiden.

Ett diversifierat medie- och teknikföretag

Ringier är ett mycket diversifierat internationellt medie- och teknikföretag med mer än 120 bolag i 19 länder.

Detta är viktigt när vi talar om AI. Vi lever inte i en vacker värld där allt körs i ett enda SAP-system – tryck på F9 och plötsligt uppenbarar sig sanningen.

Vår verklighet – liksom verkligheten för många företag som har byggts upp under årtionden och genom förvärv – är ett lapptäcke av system, datastrukturer, affärsmodeller, valutor och marknader.

Det gör finansfunktionen härligt komplex.

Vårt jobb är inte bara att konsolidera siffror. Vi skapar transparens i komplexiteten och omvandlar olika typer av data till information som möjliggör beslut. Vi skyddar och driver företaget framåt. AI kan hjälpa oss att göra båda delarna bättre.

Hur AI förändrar finansfunktionen från att hitta information till att interagera med den

En viktig förändring som vi har genomfört med AI var övergången från att söka efter information till att interagera med information.

Historiskt sett innebar det att besvara en fråga från ledningen att hitta rätt rapport, identifiera relevanta data i olika system, stämma av definitioner och därefter bygga och tolka en analys.

Detta är särskilt relevant för oss eftersom vår datamiljö speglar vår historia: många företag, förvärv, marknader och system. Vårt datauniversum är inte perfekt standardiserat.

Annabella svarar

Men den största förändringen handlar inte om snabbhet. Den handlar om var finansfunktionen lägger sin intellektuella energi. I stället för att ägna större delen av vår tid åt att fråga: ”Var finns siffrorna?” frågar vi allt oftare: ”Varför händer detta? Vad betyder det? Och vad bör vi göra?”

Genom våra AI- och datainitiativ, inklusive vårt arbete med Palantir, kopplar vi i allt högre grad samman dessa datavärldar och gör dem enklare att undersöka.

Men den största förändringen handlar inte om snabbhet. Den handlar om var finansfunktionen lägger sin intellektuella energi. I stället för att ägna större delen av vår tid åt att fråga: ”Var finns siffrorna?” frågar vi allt oftare: ”Varför händer detta? Vad betyder det? Och vad bör vi göra?”

Det är där jag vill att mina medarbetare inom finans ska lägga sin hjärnkraft.

Hur AI förändrar planering och prognostisering

Ett annat exempel är planering och prognostisering.

Många företag använder fortfarande planeringsprocesser som är utformade för en värld där information var dyr och datorkapaciteten begränsad. Vi ägnar månader åt att skapa en otroligt detaljerad bild av framtiden som vi redan vet inte kommer att förverkligas exakt på det sättet.

AI ger oss möjlighet att gå från årlig förutsägelse till kontinuerlig navigering. Det innebär dynamiska scenarier, sannolikheter, ledande indikatorer och mycket snabbare återkopplingsloopar.

Frågan bör inte längre bara vara: ”Vilket EBITDA kommer vi att ha om tolv månader?”

Den bör allt oftare vara: ”Vad skulle kunna förändra vårt EBITDA? Hur tidigt skulle vi se det? Vad skulle det innebära – och vad skulle vi göra?”

Det är en fundamentalt annorlunda finansorganisation.

En viktig regel för AI inom finans

Jag tycker inte om att dra en skarp gräns mellan beslut för AI och beslut för människor. Båda hör hemma vid bordet.

Ibland kallar vi AI för vår nya kollega. Jag vill ha den kollegan med i rummet vid prognostisering, scenarioanalys, avvikelseanalys och riskbedömning — och även vid kapitalallokering, investeringar och M&A. Varför skulle jag inte vilja det?

Om AI kan ifrågasätta en investeringshypotes, identifiera mönster som vi missar, testa antaganden mot betydligt mer information, skapa alternativa scenarier eller upptäcka risker som människor förbiser, vill jag ha det perspektivet innan vi investerar miljoner.

Men det finns en viktig regel: Vi måste ifrågasätta vår nya kollega precis som alla andra kollegor.

AI kan vara extremt kraftfullt, men kan också ha fel med stort självförtroende.

Ett ekonomiskt optimalt beslut är inte nödvändigtvis det rätta beslutet. Strategi handlar om sammanhang. Ledarskap handlar om värderingar. M&A handlar om människor. Ibland är den viktigaste variabeln den som inte ligger prydligt i din datamängd.

Det handlar alltså om människor plus AI — med mänskligt ansvar. AI får en plats vid bordet. Ansvaret lämnar inte bordet.

Hur AI förändrar analysen av ledningens resultat

Ta analysen av ledningens resultat som exempel. Traditionellt börjar processen med att samla in data: utfall, budget, prognos, föregående år och operativa nyckeltal — ofta från olika system och olika verksamheter. Ekonomifunktionen stämmer av informationen, identifierar avvikelser, ber verksamheterna om förklaringar och tar så småningom fram beslutsunderlag för ledningen.

Den AI-förstärkta ekonomimodellen förändrar ordningsföljden.

När relevanta data väl är sammankopplade kan AI hjälpa till att identifiera ovanliga utvecklingar, mönster och väsentliga avvikelser, generera hypoteser om möjliga drivkrafter och göra det möjligt för ekonomifunktionen att ställa betydligt mer dynamiska frågor till data.

Människan kan därför bidra tidigare, precis där mänsklig intelligens skapar störst värde: tolkning och bedömning.

Jag ser det framtida arbetsflödet så här: Data → AI-identifiering → Mänsklig granskning → Dialog med verksamheten → Beslut → Lärande.

Och jag tycker särskilt mycket om det sista steget. För när vi systematiskt lär oss av de beslut vi fattade och vad som hände därefter, slutar ekonomifunktionen att enbart vara ett rapporteringssystem. Den blir ett lärande system.

Varför den nya utmaningen med AI handlar om fokus

Det största positiva resultatet av AI är inte bara kostnadsminskning; det är att tiden mellan fråga och insikt förkortas.

Uppgifter som tidigare krävde flera iterationer — att samla in, stämma av, analysera och förbereda information för ledningen — sker nu mycket snabbare. Det skapar något som jag tycker är betydligt mer värdefullt än effektivitet: utrymme för ledningen.

Men AI har också skapat ett nytt problem: överflöd.

Plötsligt kan vi ta fram ännu en analys, ännu ett scenario, ännu en presentation eller ännu ett tiotalssidors PM — med nästan ingen extra arbetsinsats. Det märks till och med i den dagliga kommunikationen. E-postmeddelanden blir längre eftersom AI gör det så enkelt att skriva mer. Men mer är inte nödvändigtvis bättre.

Jag tror att en av de mest värdefulla färdigheterna för CFO:er i AI-åldern kommer att vara förmågan att sammanfatta.

Vad är verkligen viktigt? Vilka är de två eller tre insikterna? Vilket beslut behöver vi fatta? Att hålla det kort och enkelt får plötsligt en helt ny innebörd.

De klassiska frågorna är fortfarande anmärkningsvärt kraftfulla: Varför? Vad? Hur?

AI kan nästan oändligt utöka möjligheterna. Ledarskap måste skapa fokus.

Varför AI inte kan implementeras isolerat

Jag har alltid trott att förändring vilar på fyra sammanlänkade dimensioner:

• Processer
• System
• Organisation
• Kultur

Ändra en av dem, så påverkar det oundvikligen de andra. AI gör detta ännu tydligare.

Du kan inte utforma om en process med AI utan att säkerställa att systemen stöder den. Du kan inte förändra systemet utan att identifiera processägarskapet. Du kan inte förändra ansvarsområden utan att ta hänsyn till kompetenser, incitament och kultur.

Därför skulle jag i dag alltid tänka stort innan jag tänker smått.

Börja med slutläget: Hur bör ekonomi fungera i en AI-förstärkt organisation? Vilka beslut bör bli bättre? Var bör människor lägga sin tid?

Arbeta sedan bakåt till processer, system, organisation och kultur — och bygg in AI i hela den bilden i stället för att lägga till det som en femte ruta vid sidan av. AI är nämligen inte ytterligare ett lager i verksamhetsmodellen. Det genomsyrar i allt högre grad verksamhetsmodellen.

Varför processer och data måste optimeras innan AI läggs till

AI har inte på magiskt vis löst fragmenterade processer eller dålig datakvalitet. Det var en viktig lärdom för mig.

I en komplex miljö som vår upptäcker man snabbt att intelligens ovanpå komplexitet inte automatiskt eliminerar den.

Om processer eller ansvarsområden är otydliga, eller om datadefinitioner skiljer sig åt mellan verksamheter, kan AI ibland synliggöra problemet snabbare. Det är värdefullt — men det är ännu inte en transformation.

Min slutsats är: Lägg inte AI ovanpå en dålig process. Förstå först vad processen ska uppnå. Förenkla den sedan. Bestäm därefter var teknik och AI verkligen skapar värde. Annars kan du skapa en snabbare version av något som du inte borde göra från första början.

Varför erfarna människor fortfarande är avgörande för ekonomifunktionen

Förklarbarhet är fortfarande avgörande inom ekonomi. Ett vackert svar är värdelöst om jag inte kan förstå var det kommer ifrån.

Inom ekonomi kan ”modellen säger det” aldrig vara tillräckliga bevis. Vi behöver tydlig spårbarhet från källdata, via AI-genererade insikter, till det slutliga beslutet.

Och vi behöver människor som behåller tillräckligt mycket expertis för att kunna ifrågasätta maskinen.

Annabella svarar

Förklarbarhet är fortfarande avgörande inom ekonomi. Ett vackert svar är värdelöst om jag inte kan förstå var det kommer ifrån.

Så förändras ekonomiteamen

Korten blandas om. Och jag tycker att det är spännande.

Traditionell ekonomikompetens är fortfarande avgörande, men plötsligt blir andra förmågor mycket mer värdefulla: nyfikenhet, datakunskap, kreativitet, förmågan att formulera bra frågor och modet att experimentera.

Genom initiativ som våra AI-hackathon ser vi människor visa talanger som traditionella ekonomistrukturer kanske aldrig skulle ha upptäckt.

Så jag tänker inte nödvändigtvis först på färre personer inom ekonomi. Jag tänker på att olika superkrafter blir synliga.

Varför CFO:er måste förstå psykologi för att vara effektiva med AI

CFO:er behöver förstå psykologi. På allvar.

Tekniken kommer sannolikt att utvecklas snabbare än vad din organisation kan ta till sig. Människor kommer att vara entusiastiska, skeptiska, rädda, nyfikna och defensiva — ibland allt före lunch.

Så om du vill få människor att ta till sig AI, förstå människor.

Teknik kan driva AI-transformationen. Men den drivs av mänsklig psykologi.

Så omvandlar du AI från ett hot till en inbjudan

Jag vill ge tre råd:

1. Börja med affärsfrågan, inte tekniken. AI-universumet håller på att bli en djungel av möjligheter. Som ekonomichefer är vår uppgift inte att demonstrera alla teoretiska möjligheter. Vår uppgift är att prioritera det som spelar roll. Jag skulle hellre ha fem AI-användningsfall som förändrar verksamheten än femtio imponerande demonstrationer.
2. Engagera dig personligen. Delegera inte AI till IT, ditt digitala team eller den yngsta personen i rummet. Experimentera med det. Utmana det. Använd det. Du kan inte leda en omvandling som du bara har läst om i en PowerPoint-presentation.
3. Förmodligen viktigast av allt: omfamna förändringen och gör den rolig. Jag älskar våra AI-hackathon av just den anledningen. Nya kombinationer av finansiell expertis, nyfikenhet, kreativitet och teknik uppstår. Det är otroligt inspirerande.

Gör alltså inte AI till ett hot som hänger över organisationen. Förvandla det till en inbjudan. Ge människor tillåtelse att experimentera. Låt dem överraska dig. Fira nyfikenheten.

För jag tror att den största möjligheten inte är att ersätta talanger med AI. Det handlar om att genom AI upptäcka talanger som vi inte ens visste att vi hade.

Följ arbetet

Du kan följa Annabella Basslers arbete på LinkedIn. Du kan också ta en titt på hennes initiativ, EqualVoice.