Teknikchefen säger att finanschefer missförstår AI:s ekonomiska påverkan

Ashok Manthena är ekonomichef och AI-chef för ekonomifunktionen på ChatFin.ai. Han är också författare och forskare med fokus på att tillämpa AI på ekonomifunktioner.

I den här intervjun berättade Ashok hur ekonomichefer måste ta sig an AI-transformationen i sina organisationer.

Från AI-analys till AI-genomförande

Jag heter Ashok Manthena och är forskare och praktiker med fokus på att tillämpa AI på ekonomifunktioner. Mitt arbete omfattar centrala ekonomifunktioner, inklusive leverantörs- och kundreskontra, controllerprocesser som månadsbokslut, FP&A och skatt.

Jag har arbetat med stora företag under hela min karriär, och i dag arbetar jag med ett brett spektrum av företag – från medelstora organisationer till verksamheter med intäkter på flera hundra miljoner till över en miljard dollar. Dessa organisationer skiljer sig åt när det gäller branscher, teknikstackar och ERP-system, vilket skapar ytterligare komplexitet – särskilt när det gäller cybersäkerhet.

Mitt fokus ligger på hur AI kan gå från analys till genomförande, automatisera arbetsflöden, förbättra noggrannheten och göra det möjligt för ekonomiteam att arbeta snabbare och med bättre kontroll.

Varför ekonomichefer måste driva på för ett gradvist införande av AI

Många ekonomichefer – särskilt i medelstora och stora företag, även om detta också gäller mer generellt – utgår från att deras AI-transformation kommer att vara ett plötsligt skifte där AI snabbt tar över processer från dag ett. Det är inte praktiskt genomförbart.

I större organisationer är ekonomifunktionerna avgörande för verksamheten och får inte störas. Därför måste införandet av AI vara betydligt mer genomtänkt och gradvist än många förväntar sig. Alla ekonomichefer bör inse detta.

Ashok berättar

Många ekonomichefer utgår från att deras AI-transformation kommer att vara ett plötsligt skifte där AI snabbt tar över processer från dag ett. Det är inte praktiskt genomförbart.

Vid alla transformationer är den mänskliga faktorn avgörande. Motstånd mot förändring och en väl fungerande förändringsledning kräver stor uppmärksamhet – och detta gäller särskilt vid AI-transformationer. I slutändan är en människa fortfarande ansvarig för resultatet; någon är alltid ansvarig för det. Därför får vi inte förbise eller ta den mänskliga aspekten av AI-införandet lättvindigt.

Ett uppifrån-och-ned-perspektiv fungerar bäst. När ekonomichefer aktivt driver på AI-införandet, identifierar var teamen lägger sina resurser och verkar för riktade förbättringar, går införandet snabbare. Detta ledningsdrivna fokus på operativa flaskhalsar gör att AI-initiativ ger resultat.

Hur AI påverkar ett företags resultat

När AI implementeras på ett genomtänkt sätt har jag sett fördelarna på flera områden.

Det har skett betydande kostnadsminskningar samt ett minskat beroende av manuella resurser, eftersom många processer nu körs automatiskt.

Dessutom har vi sett en mer betydelsefull förändring – människor och team kan nu göra sådant som de tidigare inte kunde på grund av tidsbrist eller begränsad kapacitet. I stället för att enbart fokusera på rutinuppgifter lägger de mer tid på arbete som direkt påverkar företagets resultat.

Med det sagt tror jag att många missförstår den ekonomiska påverkan. De initiala kostnadsbesparingarna från automatisering syns snabbt, men planar ut lika snabbt. Det viktigaste är att skydda verksamhetens kontinuitet, minimera risken för störningar och förbättra verksamhetens övergripande resultat. I stora ekonomiorganisationer kan även små störningar få oproportionerligt stora ekonomiska konsekvenser, så ett långsammare och kontrollerat införande bevarar värdet bättre än aggressiva kostnadsbesparingar.

När teamen experimenterar identifierar de vilka användningsområden som verkligen driver avkastning på investeringen – inte bara genom att minska arbetsinsatsen, utan också genom att förbättra noggrannhet, kontroll och beslutsfattande. Det är där den verkliga ekonomiska uppsidan finns.

Hur AI förändrar arbetsflödena för kundreskontra i grunden

Jag har varit delaktig i förändringar inom nästan alla ekonomichefsfunktioner.

Ta som exempel hanteringen av inkorgen för kundreskontra. Traditionellt lägger teamen mycket tid på att kommunicera med kunder, besvara frågor och följa upp utestående fakturor. Även om tidigare metoder automatiserade delar av detta har AI-agenter gjort processen mycket enklare och betydligt mer effektiv.

Arbetsflödet börjar när agenten läser fakturor, identifierar förfallna och kommande poster och tillämpar era policyer och betalningsvillkor. Den skickar automatiskt påminnelser om förfallna fakturor samt periodiska kontoutdrag som omfattar alla öppna och kommande saldon. När en kund svarar hämtar agenten relevanta data, verifierar frågeställaren och svarar med lämplig information.

Vi testade det under några veckor för att säkerställa noggrannheten innan vi körde det i produktion. Nu är det till stor del en beröringsfri process som i grunden förändrar hur arbetsflödet för kundreskontra fungerar.

Varför budgetering och prognostisering inte kan automatiseras helt

Ashok delar med sig

AI påverkar budgetering mindre än andra funktioner. Den är starkt beroende av bedömningar, sammanhang och affärsintuition.

AI påverkar budgetering mindre än andra funktioner. Den är starkt beroende av bedömningar, sammanhang och affärsintuition. AI kan hjälpa till med datainsamling och delar av budgetprocessen, men vi har ännu inte helt löst hur mänskliga indata effektivt ska kombineras med AI-drivna insikter här.

Detsamma gäller prognostisering. Det förblir en beräknad bedömning snarare än ett helt automatiserat resultat, och jag tror att det kommer att fortsätta vara så under en längre tid.

På en konsoliderad ekonominivå är det svårt att förlita sig enbart på maskininlärning eftersom signalen ofta är begränsad och förutsägelserna kanske inte är tillräckligt tillförlitliga. Det är här mänskliga bedömningar fortfarande spelar en avgörande roll – att förstå verksamhetens sammanhang och nyanser samt göra välgrundade antaganden.

För budgetering och prognostisering förlitar vi oss därför på strukturerade, parameterstyrda modeller som använder kända variabler och affärslogik, så att resultaten blir deterministiska och enkla för ekonomiteamen att validera, i stället för prognoser som enbart drivs av maskininlärning. Och vi förlitar oss på människor i loopen.

För resten av ekonomifunktionerna, såsom avstämningar, leverantörsreskontra, kundreskontra, rapportering och bokslutsaktiviteter, använder vi AI-agenter. Dessa hanterar datainläsning, matchning, kommunikation och genomförandet av arbetsflöden.

Varför AI inte förändrar analysprocessen

AI har inte heller gett den effekt jag förväntade mig inom analys.

AI har gjort dessa processer snabbare, men har inte konsekvent producerat helt nya insikter utöver vad ekonomiteamen redan tog fram.

Resultaten är ofta bättre paketerade och snabbare att ta fram, men den grundläggande förståelsen av verksamheten har inte förändrats nämnvärt – åtminstone inte för oss.

Hur ekonomifunktionen kommer att förändras under de kommande åren

Framöver kommer AI att förändra verktygen för ekonomifunktionen från en samling separata verktyg till mer enhetliga och integrerade system. Nya programvarukategorier kommer att växa fram, och denna förändring kommer att påverka hur organisationer utformar ekonomisystem och använder teknik. Organisationer behöver börja tänka på detta nu.

AI förändrar ekonomifunktionen, inte genom en enda förändring, utan genom arbetsflöden, team, system och beslutsfattande.

Vi befinner oss fortfarande mycket tidigt i resan mot en AI-transformation , och många frågetecken återstår, särskilt inom områden som kapitalallokering. Så även om AI nu kan utföra många uppgifter autonomt, är mitt råd till ekonomichefer att behålla det slutliga omdömet — grundat i affärskunskap, branschkontext och erfarenhet.

Följ med

Du kan följa Ashok Varmas resa på LinkedIn.

Fler expertintervjuer kommer på The CFO Club!