Finansrådgivningsexperten säger att AI tar mer, inte mindre, tid för ekonomiteamen

Christian Franz Hansen är partner i teamet för ekonomirådgivning på Implement Consulting Group, ett av de ledande managementkonsultföretagen i den skandinaviska regionen. Han är också författare till Att kommunicera ekonomisk information till chefer.

Vi satte oss ner med Christian för att diskutera AI:s ”fälla” – och var AI:s verkliga potential ligger för ekonomiteam. Här är vad han berättade för oss.

AI gör vissa delar av ekonomifunktionen ännu viktigare

Jag heter Christian Franz Hansen och är partner på Implement Consulting Group – Danmarks största konsultföretag och ett av de ledande managementkonsultföretagen i den skandinaviska regionen, med kontor i hela Skandinavien samt i Tyskland, Schweiz och USA.

Jag är partner i vårt team för ekonomirådgivning på Implement, ett team på omkring 120 personer som arbetar längs hela ekonomins värdekedja. Vårt stora team är specialiserat på CFO-rådgivning, hantering av masterdata, risk och andra områden som vanligtvis faller under CFO:s ansvarsområden. Jag arbetar främst med CFO-team och senior ekonomiledning i en mängd olika organisationer (läkemedel, bank, logistik och många andra). Jag är relativt branschoberoende, men fokuserar på seniora ekonomichefer i stora organisationer och täcker allt inom CFO:s ansvarsområde.

Jag har arbetat med ekonomi och CFO-rådgivning i de senaste femton åren. Jag började på Danmarks Nationalbank, där jag ägnade mig åt det jag brukar kalla Excel-akrobatik: finansiell modellering, alltså de verkliga grunderna. Därefter gick jag över till managementkonsulting, först med EY i Skandinavien och sedan i Sydafrika, i Kapstaden och Johannesburg, innan jag återvände till Norden för att fokusera på ekonomisk transformation, utveckling av affärspartnerskap och resultatstyrning för stora organisationer globalt.

Under lång tid levde jag djupt nere i datan – jag byggde allt mer avancerade modeller och var övertygad om att jag kunde förändra hur ett företag fattade beslut om min analys bara var tillräckligt sofistikerad. Jag lärde mig, ibland den hårda vägen, att modellen bara är halva jobbet. Insikter som inte kommuniceras blir aldrig till verklig effekt. Den insikten fick mig att skriva en bok förra året om hur man kommunicerar ekonomisk information till chefer – att överbrygga steget från data till insikt och sedan från insikt till effekt.

AI har nu gjort sitt intåg och kommer sannolikt att dramatiskt förändra hur vi går från data till insikter. Men här är vad jag tror att många missar i samtalen om AI: människor förändrar inte sitt beteende för att en algoritm säger åt dem att göra det. Insikter från ett AI-system är bara användbara om någon agerar utifrån dem. Det är där vi som ekonomiska affärspartners kommer in. Vi omvandlar insikter till handling. Vi driver förändring. Vi är kommunikatörer och förändringsagenter, och vi får saker att hända. Faktum är att den beteende- och förändringsledande sidan av ekonomifunktionen blir ännu viktigare med AI.

Så kan AI frigöra ekonomifunktionens potential

Det här är vad som verkligen entusiasmerar mig just nu: AI har potential att frigöra vår tid från det mekaniska arbetet med att extrahera och analysera data – något vi har diskuterat i flera år. Äntligen har vi ett verktyg som kan infria det löftet.

Om det används på rätt sätt ger det oss tillbaka de timmar vi har förlorat på Excel och modellering, så att vi kan fokusera på det verkliga mervärdet: strategi, relationer, inflytande och att driva affärsresultat. Äntligen kan vi frigöra ekonomifunktionens potential som verkliga affärspartners.

Just nu arbetar vi med en kund för att kartlägga en transformation av deras processer för kundreskontra och leverantörsreskontra vid deras globala center för gemensamma tjänster, där trettiofem heltidsanställda till stor del hanterar fakturor manuellt.

Vi undersöker möjligheten att införa avancerad AI-aktiverad teknik – med Celonis – för att hantera fakturabehandlingen mer effektivt än med deras nuvarande manuella upplägg. En preliminär analys tyder på att vi skulle kunna minska personalstyrkan från 35 personer på SSC till betydligt färre vid huvudkontoret. De återstående experterna skulle fokusera på hantering av undantag och processövervakning i stället för repetitivt transaktionsarbete.

Vi befinner oss fortfarande i kartläggningsfasen, men det här uppdraget entusiasmerar mig eftersom det signalerar framtiden. AI kommer att hantera volymen och det mekaniska arbetet. Människor kommer att hantera bedömningar, relationer och allt som ligger utanför det normala mönstret. Om vi genomför detta på ett bra sätt kommer tre högkvalificerade personer att hantera det arbete som tidigare krävde trettiofem.

Varför ekonomichefer fortfarande måste ansvara för bedömningar och berättande

Den uppdelningen är viktig. I dag använder jag AI för databearbetning och förberedelser. Det innefattar att organisera datamängder, utföra beräkningar och förbereda ledningsrapporter. AI är utmärkt på detta och sparar oss mycket tid.

Det verkliga värdet är dock i grunden mänskligt: att ta dessa insikter, skapa en berättelse och kommunicera dem för att påverka affärens beslutsfattare att agera. Det handlar om berättande, att bedöma vad som är viktigt och att skapa kontakt med människor för att driva förändring.

Det här har vi inte automatiserat, och det bör vi inte heller göra.

Så undviker du AI:s ”fälla” inom finans

Jag har sett nedslående resultat av AI-användning, och det oroar mig.

AI kan göra oss farligt bekväma med att inte använda vår egen kognitiva förmåga. Vi riskerar att gå på autopilot: vi ber systemet om ett svar, tar det för gott och går vidare utan att reflektera över informationen. Jag har sett finansanalytiker bli mer benägna att göra fel eftersom de förlitar sig för mycket på AI:s resultat utan att själva tänka kritiskt. De har outsourcat den reflektion som krävs för analys. Det är fällan.

Det förvärras dessutom av kortvideor och bombardemanget från sociala medier. Vi outsourcar vårt tänkande samtidigt som vi förlorar den mentala disciplinen att tänka på djupet. Det är ett verkligt hot mot hur finanssektorn — och samhället — löser problem.

AI är ett verktyg för att förstärka vårt tänkande, inte ersätta det. Om vi inte är försiktiga går team snabbare fram men tänker mindre, vilket leder till misstag. Människor måste behålla disciplinen att ifrågasätta resultatet, stresstesta antaganden och förstå logiken; annars automatiserar vi oss fram mot oförutsedda problem.

Men å andra sidan sker också mycket genuint gott. Jag har sett människor bli 20 %, 30 % och till och med 40–50 % snabbare på grundläggande uppgifter. Det här arbetet brukade ta enormt mycket tid. Datakonsolidering, datarensning och förberedelsearbete som tidigare tog en vecka sker nu på några timmar. Det är verkligen omvälvande.

Nyckeln är att behålla det kritiska tänkandet och reflektionen samtidigt som vi tar vara på vinsterna i snabbhet och effektivitet. Den balansen är allt.

Varför AI kräver nya ramverk för att validera resultat

Med AI blir det genuint svårare inom finans att spåra var besluten kommer ifrån och var insikterna har sitt ursprung när AI genererar resultat utan mänsklig inblandning.

Vi kommer att behöva vänja oss vid att förlita oss på insikter som AI hämtar och levererar utan att vi själva skapar dem. Det är knepigt eftersom det finns ett inslag av en svart låda. Om jag inte har byggt modellen, inte har gått igenom logiken steg för steg och inte har verifierat varje antagande, hur mycket litar jag då på den?

Det är en verklig oro för mig. Det blir svårare att känna förtroende för siffror när man inte själv har skapat dem och inte fullt ut kan följa vägen från rådata till slutlig insikt. Inom finans har vi alltid värdesatt spårbarheten, alltså möjligheten att exakt förklara hur vi kom fram till en slutsats.

Med AI kommer vi att behöva ändra det synsättet. Vi behöver nya ramverk för att validera resultat, stickprovskontrollera utfall och bygga förtroende för insikter som vi inte själva har konstruerat. Det är en annan typ av tillit, och det blir inte enkelt att nå dit. Men det är avgörande för att frigöra det AI kan göra för oss.

Varför AI kan bli en tidstjuv för finansteam

Vi pratar oändligt mycket om AI:s omvälvande potential, och förväntningarna har varit enorma. Men här är vad jag ser i praktiken: för de flesta inom finans tar det just nu mer tid, inte mindre.

Varför? Eftersom de lär sig en ny teknik, ett nytt ordförråd och nya arbetssätt — samtidigt som de fortfarande använder sina gamla processer. Omställningskostnaden är verklig.

De flesta finansteam har tillgång till verktyg som Copilot eller Claude och kan använda dem dagligen för mindre uppgifter. Men det är något annat än en grundläggande processförändring. I andra delar av verksamheten är effekten obestridlig — programmerare arbetar på helt andra sätt; AI-aktiverade chattbotar och kundinteraktioner omformar kundservicen. Men inom finans väntar vi fortfarande på betydande processförändringar där själva arbetet förändras dramatiskt, i stället för att bara bli lite snabbare i marginalen.

Jag är optimistisk inför vart vi är på väg, men realistisk kring var vi befinner oss. Det stora värdeskapandet inom finans ligger fortfarande framför oss.

Christian delar med sig

För de flesta som arbetar inom finans tar saker mer tid just nu, inte mindre. Varför? Eftersom de lär sig ny teknik, ny terminologi och nya arbetssätt — samtidigt som de fortfarande använder sina gamla processer. Kostnaden för övergången är verklig.

Varför AI:s verkliga potential ligger inom FP&A

De enklaste vinsterna finns i manuella, transaktionella processer som hantering av utlägg, leverantörsreskontra, kundreskontra samt grundläggande bokföring och redovisning. AI är utmärkt på att hantera volymen och det mekaniska arbetet inom dessa områden, vilket ger den snabbaste återbetalningen.

Men den verkliga potentialen finns någon annanstans: inom finansiell planering och analys (FP&A). AI skulle kunna vara verkligt omvälvande här. I dag ser vi fortfarande planering som en återkommande övning: att upprätta en budget, skapa en prognos och leva med den under ett kvartal eller ett år. Men föreställ dig att AI hjälper oss att gå över till löpande bokslut och kontinuerlig uppdatering av mål och prognoser. Det skulle radikalt förändra hur företag hanterar den dagliga verksamheten.

Utöver själva planeringsarbetet kan AI hjälpa oss med analysarbete som i dag tar veckor. Det omfattar avvikelseanalys, identifiering av grundorsaker till avvikelser och författande av ledningsrapporter som berättar historien om händelser i verksamheten. Allt detta blir snabbare och mer innehållsrikt.

Börja alltså med transaktionella processer. Men den större möjligheten, den som verkligen förändrar hur ekonomifunktionen arbetar, handlar om att tänka om kring finansiell planering och analys från grunden.

Varför ekonomichefer måste gå från nerifrån-och-upp till systemgenererade prognoser

I åratal trodde vi att om varje avdelning och kostnadsställe noggrant byggde sin del av pusslet skulle vi skapa en användbar långsiktig plan. Men det tillvägagångssättet är arbetsintensivt, långsamt och tappar ofta kontakten med verkligheten så snart verksamheten börjar förändras.

Att arbeta med AI lärde mig att vi kan vända på detta helt och hållet. I stället för att bygga nerifrån och upp och mata in resultatet i ett system kan systemet generera prognoser baserade på drivkrafter, varefter vi verifierar och förfinar dess resultat. Det går snabbare, är bättre förankrat i verksamhetens dynamik och kräver betydligt mindre manuellt arbete.

Den förändringen i tankesätt — från konstruktion nerifrån och upp till systemgenererade resultat med mänsklig verifiering — förändrar min inställning till finansiell planering. Det innebär att vi lägger mindre tid på det mekaniska arbetet med att sammanställa information och mer tid på de bedömningar som verkligen spelar roll.

Den mest underskattade risken med att implementera AI inom finans

Ledare underskattar ofta en betydande finansiell risk med AI: de misslyckas med att uppskatta implementeringskostnaderna korrekt eller att bygga in den styrning som krävs för säker användning.

Tekniken är kraftfull men dyr. Kostnaderna för tokens ökar snabbt, en ordentlig implementering kräver betydande investeringar och styrning är inte billig. Ändå skyndar sig organisationer in utan att budgetera tillräckligt för något av detta.

Konsekvenserna kan bli allvarliga. Företag har redan implementerat AI med minimala styrningskontroller, vilket har lett till att system raderat kritiska kunddata utan tillstånd. Ett aktuellt exempel är företaget — PocketOS — som tvingades agera snabbt efter att en okontrollerad AI-agent raderat stora delar av den kod som utgjorde grunden för verksamheten. Sådant orsakar en katastrofal ekonomisk och anseendemässig smäll.

Dessutom innebär avkastningen på investeringen en annan risk. Organisationer kan lägga betydande summor på att införa AI-lösningar utan att se någon avkastning på investeringen, åtminstone på kort sikt. Återbetalningen kan så småningom komma, men om organisationer inte har tänkt igenom hela kostnadsbilden — implementering, styrning, utbildning och ineffektivitet under övergången — kan de hamna betydligt över budget med nedslående resultat.

Underskatta inte den faktiska kostnaden för en ordentlig AI-implementering. Bygg in robust styrning från dag ett, även om det till en början bromsar arbetet. Och var realistisk kring tidsplanerna för avkastningen på investeringen. Den finansiella risken med att ta genvägar är mycket större än kostnaden för att göra rätt.

Varför AI är en människofråga, inte en teknikfråga

Jag underskattade tidigt hur motståndskraftiga människor är mot radikala förändringar.

Att få människor att ta till sig AI och fundamentalt förändra hur de arbetar är svårt. Det är inte ett teknikproblem. Det är ett människoproblem. Vi ber människor att helt förändra sitt tankesätt, att se på sina jobb på ett helt annat sätt. Det är enormt. Och det kommer inte att hända bara genom att implementera ett smart system.

Den mänskliga aspekten är avgörande här. Tekniskt sett är AI fantastiskt. Men för att framgångsrikt införa det krävs ett omfattande förändringsarbete på människosidan. Du måste hjälpa människor att förstå varför de bör bry sig, hur deras roll utvecklas och hur framgång ser ut för dem personligen. Du måste hantera den rädsla, osäkerhet och känsla av förlorad kontroll som människor upplever när deras dagliga arbete omformas.

Jag önskar att jag hade prioriterat det tidigare, eftersom det är där det verkliga arbetet finns. Det är där transformationer lyckas eller misslyckas.

Varför ekonomichefer måste bli förändringsagenter

Mjuka färdigheter blir allt viktigare, inte mindre.

AI kan hantera de tekniska aspekterna av ekonomi — databearbetning, modellering och analys. Så vad blir verkligen sällsynt och värdefullt? Förmågan att hantera människor: förmågan att påverka andra, bygga förtroendefulla relationer och kommunicera på ett sätt som berör och fastnar. För förtroende handlar inte bara om att leverera en insikt — det handlar om en relation som byggs över tid.

Vi behöver ekonomer som kan berätta historier, måla upp bilder i människors medvetande och förstå hur de ska skapa en känslomässig koppling till sin målgrupp. Det är personer som kan driva beslut och föra organisationer genom förändring. Det är där premien uppstår när AI blir allt mer framträdande.

Profilen förändras alltså dramatiskt. Du är inte längre bara en person som arbetar med data och bearbetar siffror. Du blir en förändringsagent. Du blir någon som effektivt kan samarbeta med hela verksamheten, bygga trovärdighet och vet hur man navigerar i organisationer och påverkar resultat. Det är dessa förmågor som kommer att skilja exceptionella ekonomer från resten.

Det innebär en betydande förändring i hur vi ser på kompetens och utveckling inom ekonomi.

Varför ekonomiteam måste bli agila nu

Mitt bästa råd just nu, även om det låter lite klyschigt, är att ekonomiteam ska förbli agila. Ärligt talat är ekonomi inte naturligt bra på detta.

Jag pratade nyligen med femtonhundra personer inom ekonomi och IT på ett globalt teknikföretag. Jag utformade ett agilt ramverk för ekonomi åt dem genom att anpassa det klassiska manifestet för agil utveckling till något som tilltalar ekonomer. Det togs emot väldigt väl när de såg det. Men när jag frågade om de levde efter dessa agila värderingar i vardagen svarade bara omkring sextio procent ja. Fyrtio procent medgav att de inte gjorde det. Så även när ekonomiteam tar till sig agilitet har de svårt att tillämpa den konsekvent.

Det är det tankesättet vi måste knäcka med AI. Vi vet inte vart det här leder. Vi måste experimentera både på det personliga planet, genom att förbättra vår egen effektivitet, och på processnivå, genom att tänka om kring arbetssätt. Vi måste känna oss bekväma med att genomföra pilotprojekt och veta att vissa kommer att misslyckas medan andra inte ger positiv avkastning till en början. Det är så man bygger upp en AI-förmåga. Det är så man utvecklar verklig kompetens.

Christians råd

Mitt bästa råd just nu, även om det låter lite klyschigt, är att ekonomiteam ska förbli agila. Ärligt talat är ekonomi inte naturligt bra på detta. Det är det tankesättet vi måste knäcka med AI. Vi vet inte vart det här leder. Vi måste känna oss bekväma med att genomföra pilotprojekt och veta att vissa kommer att misslyckas medan andra inte ger positiv avkastning till en början. Det är så man bygger upp en AI-förmåga. Det är så man utvecklar verklig kompetens.

Följ med

Du kan följa Christian Franz Hansens arbete på LinkedIn. Och läsa hans bok, Kommunicera ekonomisk information till ledningsgrupper.

Fler expertintervjuer kommer på The CFO Club!