AI-infödd grundare berättar hur han använder AI i sin ekonomiavdelning

Nicholas Rudder inledde sin karriär inom finans på PwC och Macquarie Bank. I dag är han grundare och vd för Sphere, ett AI-inhemskt skatterådgivningsföretag.

Vi pratade med Nicholas för att ta reda på hur en AI-inhemsk finansorganisation ser ut. Här är vad han berättade.

Att bygga ett verktyg för att lösa problem med gränsöverskridande efterlevnad

Jag heter Nick Rudder. Jag är grundare och vd för Sphere.

Jag inledde min karriär inom finans på PwC och Macquarie Bank. Jag lämnade snart den världen eftersom jag kände att arbete inom finans bara gav en ytlig bild av hur företag faktiskt fungerar. Man känner inte av konkurrenstrycket, upplever inte hur det är att lansera en funktion under en deadline och ser inte tusentals människor använda något man har byggt.

Mitt första startupföretag kom in på Y Combinator. Vi gjorde bra ifrån oss i YC-omgången – nådde några miljoner i GMV – men efter att ha kämpat på i 18 månader efter omgången insåg vi att verksamheten aldrig skulle kunna skalas på det sätt vi ville. Som tur var hade den synliggjort många problem med gränsöverskridande efterlevnad, och när jag lade ner den blev jag helt uppslukad av idén att hjälpa företag att expandera internationellt samtidigt som den administrativa bördan kring gränsöverskridande efterlevnad försvann.

Det fick mig att starta Sphere, som faktiskt låg betydligt mer i linje med min bakgrund än mitt EdTech-företag!

Vi föddes i tiden efter AI-genombrottet och tänkte om kring hur man kan förstå global handelslagstiftning med hjälp av AI. Det ledde till idén om vår AI-inhemska skattemotor, TRAM, som läser in, kodifierar och övervakar världens handelslagstiftning. Denna egenutvecklade teknik – tränad på tusentals timmars material från skatteexperter och miljontals sidor med indexerad global skattelagstiftning – gör att vi kan tillämpa rätt skattebehandling på vilken produkt som helst, oavsett var den säljs. Mer övergripande tror vi att TRAM kommer att minska kostnaden för internationella transaktioner och göra dem lika enkla som lokal försäljning, vilket driver vår vision om att göra världen till en enda marknad.

Sphere är ett företag i serie A – vi tog in $21M i en finansieringsrunda ledd av a16z i september förra året – och i dag växer vi med 30 % MoM. Vi har en global närvaro och säljer till kunder över hela världen. Därför arbetar vårt team i Nordamerika, EMEA och APAC, med totalt omkring 50 personer. Jag är den enda personen inom ekonomifunktionen. Här på Sphere lever vi som vi lär, så vi är i grunden AI-inhemska och kan effektivt hantera vår ekonomifunktion med våra nuvarande system.

Så effektiviserar AI finansiell analys

Den största förändringen som AI har medfört för hur ekonomifunktionen arbetar på Sphere under det senaste året är ganska odramatisk: Varje månad analyserar vi utgifterna på alla våra bankkonton och kreditkort genom att mata in våra kontoutdrag i Claude.

Denna analys visar de enorma fördelar som AI nu erbjuder. Att med några få klick identifiera våra största utgiftsposter och möjligheter att minska kostnaderna får många långtgående effekter på verksamheten. Dessutom har det avsevärt minskat tiden vi lägger på månadsrapportering.

Detta är verkligen ett exempel på Paretoprincipen, enligt vilken 80 % av vinsterna ofta uppnås med 20 % av insatsen.

Nicholas anteckningar

AI och skatt har länge varit en omdiskuterad kombination – många anser starkt att mänsklig inblandning behövs för att förstå gråzonen.

Varför ansvar blir ett allt mindre bekymmer med AI-drivna skattearbetsflöden

AI och skatt har länge varit en kontroversiell kombination — många anser starkt att mänsklig inblandning krävs för att förstå gråzonen. Men när modeller kan tränas på handelsrättens samlade kunskapsunderlag och bearbeta mer av det än någon enskild rådgivare någonsin skulle kunna, verkar det oundvikligt att dessa modeller kommer att överträffa även de bästa skatterådgivarna med god marginal.

Den enda anledningen till att företag fortfarande anlitar de fyra stora revisionsbyråerna är ansvarsskyldigheten. Om något går fel, vem vänder du dig då till? Men man kan inkludera försäkring i dessa AI-drivna erbjudanden för att minska den oron.

Så effektiviserar AI skatteutredningar

Vi använder också AI-agenter i många andra arbetsflöden för att förbättra effektiviteten:

• Vårt egenutvecklade AI-system utför våra skatteutredningar.
• AI-agenter skickar in deklarationer och registreringar i myndigheternas skatteportaler.
• AI läser in digitaliserad fysisk post från skattemyndigheter för att flagga ändringar i deklarationsfrekvens eller revisionsmeddelanden.
• Klassisk maskininlärning prognostiserar skatteskulder över tid och föreslår när företag kan komma att överskrida tröskeln för skatteplikt i olika jurisdiktioner.
• AI läser in företagsdata för att hjälpa oss att ge kunder råd om gränsöverskridande efterlevnad när de etablerar sig i nya jurisdiktioner.

Och varje dag hittar vi otaliga fler användningsområden när teamet experimenterar med vilka arbetsflöden AI kan automatisera.

Men som vi brukar säga internt räcker det inte att något är tillräckligt bra, så en erfaren intern expert är alltid delaktig — särskilt i våra skatteutredningar.

Där AI fortfarande levererar sämre än förväntat i ekonomiprocesser

Med tanke på den nuvarande takten i AI-utvecklingen är det svårt att säga vad som fortfarande kommer att kräva en människa i morgon. Men riskbedömning kommer sannolikt alltid att kräva en människa som slutlig beslutsfattare.

Och i dag levererar AI fortfarande inte den förväntade effekten i mer verksamhetskritiska ekonomiflöden, som intäktsredovisning. Dessa fördelar verkar vara mer stegvisa än de omvälvande förbättringar vi ser på andra håll.

En AI-stack för ekonomi

När det gäller AI-verktyg inom ekonomi föreslår jag följande stack:

• Ramp för AP
• Deel för lönehantering
• Och naturligtvis Sphere för efterlevnad av indirekta skatter

På tvärfunktionell nivå rekommenderar jag att använda Claude för att analysera hur dessa lager fungerar tillsammans. Jag har upplevt att det är otroligt effektivt.

Varför CFO:er måste tänka om kring sina begränsningar

Mitt råd? Tänk om kring dina begränsningar.

Många av våra kunders ekonomiteam åstadkommer mycket mer med betydligt mindre. När de får rätt agenter till sin hjälp kan de till exempel fungera som ett team av generalister — en ekonom kan hantera arbete som tidigare krävde fem specialistroller. Så anställ generalister, inte specialister.

När det gäller automatisering bör du granska din stack och börja med lättillgängliga möjligheter eller mindre verksamhetskritiska arbetsflöden. Automatisera dem — via externa leverantörer eller internt — och arbeta dig uppåt i stacken.

Följ arbetet

Du kan följa Nicholas Rudders arbete på LinkedIn. Besök också Sphere.

Fler expertintervjuer kommer på The CFO Club!