– AI-en var imponerende, men tallene var feil

CFO hadde fått styrets godkjenning til å investere i en AI-agent som skulle analysere finansdata i sanntid. Seks måneder senere var løsningen live. Den leverte raske analyser og varsler. Dessverre falt tilliten nesten like raskt. 

Chief Technology Officer Imran Tamboli i Corvenia er personen som kjenner historien fra et selskap de har jobbet med, som testet ut kunstig intelligens i økonomiavdelingen. 

– Outputene var selvsikre og virket gjennomarbeidet, men de var feil ofte nok til at ingen stolte på dem. Det skapte mer arbeid enn verdi, fordi noen måtte kontrollere alt manuelt før det kunne brukes videre, sier Imran Tamboli.

AI lover mer enn finansdata tåler

Agentisk AI er nå blant de mest omtalte teknologiene i enterprise-markedet, med løfter om automatisert analyse, beslutningsstøtte og operasjonell oppfølging. For mange CFOer fremstår dette som neste steg i digitaliseringen av finansfunksjonen.

– Problemet er ikke teknologien i seg selv, men antagelsen den bygger på. De fleste løsninger forutsetter at dataene er konsistente og strukturerte. I virkeligheten er finansdata ofte fragmenterte og lite sammenlignbare på tvers av systemer, sier Tamboli.

For konsern med flere selskaper og ERP-systemer er utfordringen strukturell. Dataene er ikke én samlet sannhet, men flere parallelle representasjoner av virksomheten, hver med egne regler, kontoplaner og logikker som ikke uten videre kan sammenstilles.

– Hvert ERP-system er designet for å fungere isolert og korrekt i seg selv, ikke for å samhandle med andre systemer. Når man samler disse, sitter man igjen med flere ulike beskrivelser av samme virkelighet, uten en felles struktur, sier Tamboli.

Feilene som ikke synes

Det mest krevende er at feilene ikke nødvendigvis er åpenbare. AI-en produserer analyser som ser riktige ut, men som bygger på uforenlige datastrukturer. Dermed blir feilene skjult i selve grunnlaget, ikke i tallene isolert sett.

– Outputene refererer til reelle tall og virker troverdige, men de er feil på en måte som er vanskelig å oppdage. Det skyldes at strukturen bak tallene ikke er sammenlignbar, ikke at enkeltverdier er feil, sier Tamboli.

Før AI kan gi verdi i finans, må dataene normaliseres. Det innebærer å oversette ulike ERP-strukturer til én felles modell, der kontoplaner, dimensjoner og transaksjoner behandles likt uavhengig av hvilket system de kommer fra.

– Dette er ikke det mest synlige arbeidet, og det er heller ikke det som selger teknologi. Men uten en felles struktur vil enhver analyse på tvers av systemer i praksis sammenligne ulike definisjoner av samme størrelse, sier Tamboli.

Hva «AI ready» faktisk betyr

Tamboli har arbeidet med AI i finans, bank og forsikring i over to tiår, og mener mønsteret er det samme i alle bransjer. De som lykkes, prioriterer datagrunnlaget før de investerer tungt i modellene.

– Teamene som lykkes, bruker betydelig tid på datalaget før de tar i bruk AI-modeller. De som hopper over dette, ender opp med løsninger som ser avanserte ut, men som ikke leverer pålitelig beslutningsstøtte, sier han.

Når dataene først er strukturert riktig, endres forutsetningene for hva AI kan levere. Da kan analyser gjennomføres på tvers av hele konsernet med konsistente definisjoner, og uten at interntransaksjoner eller strukturforskjeller skaper støy.

– Når du har en felles modell, kan agenten jobbe med én versjon av sannheten. Den slipper å tolke forskjeller mellom systemer, og kan i stedet fokusere på analyse og innsikt som faktisk gir verdi, sier Tamboli.

Et tydelig skille i praksis

Ifølge Tamboli ser man nå et tydelig skille mellom virksomheter som har investert i datagrunnlaget, og de som ikke har det. Dette påvirker direkte hvor mye verdi de klarer å hente ut av nye AI-løsninger.

– Selskaper med strukturert datagrunnlag kan bruke AI til reell automatisering og innsikt. De andre får løsninger som må kontrolleres manuelt, og som derfor ikke gir den effektiviseringen man hadde forventet, sier han.

For CFO-er som vurderer AI-investeringer, er rådet klart: Start med dataene. Uten et solid fundament vil selv avansert teknologi gi begrenset verdi, og i verste fall skape nye risikoområder i finansfunksjonen.

– Agentisk AI kommer til finans, det er det liten tvil om. Men de som får verdi, er de som bygger grunnlaget først. Den kanoniske datamodellen er ikke et steg man kan hoppe over, sier Tamboli.