CFO-ene som bygger KI-løsningene selv: Fra én time til fem minutters betalingskjøring

– Jeg har til dags dato ikke sett et regnskapssystem med en godkjenningsflyt som faktisk fungerer for travle ledere.

Det sier Leif Andreassen, CFO i Noteless, som leverer KI-basert journalføring til helsepersonell. Selskapet har over 4.000 kunder, og økonomiavdelingen har hatt utfordringer med å få godkjent fakturaene i tide før betalingskjøringen.

Problemet var ikke først og fremst selve godkjenningen, men tiden som gikk med til å purre på ledere, avklare hva fakturaene gjaldt, og samle opp løse tråder før betalingene skulle gjennomføres.

Andreassen bygget derfor en arbeidsflyt der Claude er koblet til regnskapssystemet gjennom MCP, en teknologi som lar KI-modeller kommunisere med eksterne systemer. Løsningen bruker kun fakturainformasjonen som er nødvendig for godkjenningen. To dager før betalingskjøringen får hver leder én samlet e-post med fakturaene som krever godkjenning.

– Når jeg på torsdager skal kjøre betalinger sammen med vår finance manager, bruker vi nå rundt fem minutter totalt. Minst tre av disse minuttene går med til å logge inn med BankID.

Tidligere tok den samme prosessen rundt 60 minutter.

Sammen med CFO Vegard Aakre Vik i After Technologies, holdt han i forrige uke foredrag om praktisk KI-bruk på et CFO-seminar i regi av Cardboard. Vik var for øvrig en av gründerne i Oda.

Andreassen understreker at ingen av løsningene han beskriver, er koblet til helsedataene Noteless behandler for sine kunder. Helsedata holdes fullstendig adskilt fra økonomi- og analysesystemene. Ifølge Andreassen behandles kundedata i tråd med GDPR og gjeldende kundeavtaler. 

Ville automatisere bort purringene

Fakturagodkjenningen er bare én av arbeidsprosessene Andreassen har endret. Et annet problem har vært innbetalinger fra danske kunder, der mange foretrekker faktura fremfor betalingskort.

Når innbetalingene ikke ble avstemt raskt nok, kunne kundene motta automatiske purringer selv om de allerede hadde betalt. Det førte til unødvendige henvendelser til både kundeservice og økonomiavdelingen.

Ved hjelp av Claude og MCP satte Andreassen opp regelmessige varsler om kunder som nærmet seg en purring. Dermed kunne innbetalingene avstemmes før betalingspåminnelsene ble sendt.

– Dette reduserte antall henvendelser betraktelig.

Neste skritt er å automatisere hele avstemmingen. Dagen før foredraget hadde Andreassen brukt tre timer i Claude Code på å bygge en fungerende prototype, uten å trekke inn selskapets utviklere.

– Løsningen må settes i produksjon, men den krevde ingen bistand fra utviklerteamet vårt; jeg bygde den selv i samarbeid med vår finance manager og med nødvendige avklaringer fra regnskapsfører.

Målet er ikke bare å fjerne manuelt arbeid. Med en automatisert avstemming vil Noteless kunne tilby fakturabetaling til flere kunder i Danmark, uten at økonomiavdelingen må bruke tilsvarende mer tid på oppfølgingen.

Andreassen mener dette også kan redusere frafallet i kjøpsprosessen, ettersom kunder som foretrekker faktura, slipper å bruke betalingskort. Den nye løsningen er foreløpig ikke satt i drift, så denne gevinsten gjenstår å realisere.

Bygget en mer omfattende prognosemodell på under fem timer

Vegard Aakre Vik har valgt å bruke AI på en annen av CFO-ens tradisjonelle oppgaver: Finansiell modellering.

I fjor bygget han prognosemodellen for After Technologies manuelt i Excel. Arbeidet, inkludert diskusjoner, deling og innhenting av tilbakemeldinger, tok over 20 timer. Resultatet var et overordnet resultatregnskap og en enkel inntektsmatrise.

– Det er definitivt den siste Excel-modellen jeg noen gang kommer til å bygge for hånd.

I år startet prosessen med et halvtimes møte med ledergruppen, der Notion tok referat. Relevant underlagsmateriale var strukturert på Google Drive, slik at Claude kunne bruke dokumentene til å bygge prognosemodellen.

Ifølge Vik bygget AI-verktøyet selve modellen, avdekket og korrigerte feil underveis og kryssjekket leverandøravtaler og kontrakter mot dokumentene på Google Drive.

– Den samlede menneskelige innsatsen fra min side for å bygge årets modell ble redusert til under fem timer.

Samtidig ble resultatet mer omfattende. Der fjorårets arbeid endte med et resultatregnskap og en inntektsmatrise, fikk han denne gangen en integrert modell med både resultatregnskap, balanse og kontantstrømoppstilling.

For Vik ligger gevinsten dermed ikke bare i de rundt 15 timene han har spart. Han har også fått et mer fullstendig finansielt beslutningsgrunnlag uten å bruke mer av sin egen tid på modellbyggingen.

Fikk innsikt i hva hver kunde faktisk koster å betjene

Hos Noteless har Andreassen brukt KI til å analysere lønnsomheten på en måte som tidligere ville krevd betydelig mer manuelt arbeid.

I forbindelse med et tilbud til en større bedriftskunde ønsket han å forstå hva de ulike kundene faktisk kostet selskapet å betjene. Da måtte han kombinere informasjon som normalt ligger i forskjellige systemer.

Fra faktureringsplattformen hentet han inntektene, og fra regnskapssystemet hentet han leverandørfakturaer. Bruken ble belyst gjennom metadata og aggregerte bruksmønstre fra en hendelsesdatabase, supplert med overordnet kundeinformasjon som kundetype. Ifølge Andreassen inngikk ikke navn, e-postadresser eller telefonnumre i analysen.

Ifølge Andreassen tok det ham 30 minutter å sette opp en kostnads- og bruttofortjenestemodell med oversikt over kostnadene fordelt på kunder og kundegrupper.

Resultatet ga ham et langt mer presist bilde enn tidligere av hva hver enkelt kunde og kundetype koster selskapet, og hvordan kostnadene fordeler seg på tvers av kundeporteføljen.

– Analysen gir oss et mye bedre grunnlag for å gi hver kunde det mest konkurransedyktige tilbudet vi kan, basert på hva det faktisk koster oss å betjene dem.

Andreassen mener denne typen analyser kan gi selskapet et bedre grunnlag for prisingen i fremtidige anbudsprosesser. Arbeidet som tidligere ville krevd innhenting og sammenstilling av data fra flere avdelinger, kunne han nå gjøre selv.

Lar ansatte spørre selskapets egne data

En viktig forutsetning for kundelønnsomhetsanalysen var at Noteless allerede hadde etablert en felles datainfrastruktur.

Andreassen forteller at økonomiavdelingen tidligere var avhengig av utviklerne for å etablere koblinger mellom forskjellige systemer. Problemet var at teknologiavdelingen allerede var fullt opptatt med å utvikle selskapets kjerneprodukt.

Ved hjelp av KI har økonomiavdelingen selv utviklet datakoblinger som samler relevante økonomiske og kommersielle data fra flere av selskapets systemer.

Noteless bruker Snowflake som datavarehus og Metabase som analyselag. Her kan selskapet legge inn felles definisjoner av sentrale nøkkeltall, blant annet hvordan årlige gjentakende inntekter (ARR) skal beregnes.

Over denne infrastrukturen har selskapet koblet en KI-modell som medarbeiderne kan stille spørsmål til. Ifølge Andreassen er modellen underlagt rollebasert tilgangsstyring, slik at medarbeiderne bare får tilgang til data de har tillatelse til å se. Løsningen gjør det enklere å kontrollere hvilke kundemetadata som tilgjengeliggjøres for KI-modellene, samtidig som analysene bygger på felles definisjoner.

Andreassen understreker også at KI-basert beslutningsstøtte har begrensninger, og at koblinger mellom systemer krever bevisst håndtering av risiko, datakvalitet og regelverk. Raskere sammenstilling av data betyr ikke at analysene kan brukes uten faglige vurderinger.

Andreassen anslår at selskapet allerede har hentet ut 80 prosent av verdien, selv om ikke alle datakilder er koblet sammen.

– Den virkelige endringen i kulturen er at ansatte nå stiller i møter med konkrete, datadrevne analyser for forslagene sine, i stedet for rene antagelser.

For økonomiavdelingen betyr det at arbeidet med datakvalitet, nøkkeltallsdefinisjoner og tilgjengeliggjøring av informasjon får betydning langt utenfor den tradisjonelle rapporteringen.

CFO som systembygger

Vegard Aakre Vik mener økonomidirektører ofte bruker for mye oppmerksomhet på å effektivisere sin egen avdeling, fremfor å undersøke hvordan de kan bidra til bedre beslutninger i hele virksomheten.

– Man ender fort opp med å bruke uforholdsmessig mye tid og krefter på å optimalisere det interne teamet, for eksempel på å korte ned månedsavslutningen fra ti til fem dager, eller på å automatisere interne rutiner.

Han mener CFO-rollen er på vei mot å bli mer preget av systembygging, der økonomiavdelingen etablerer verktøy, datagrunnlag og styringsmekanismer som gjør virksomheten i stand til å ta beslutninger på oppdatert informasjon.

Samtidig skiller Vik mellom de operative økonomiprosessene, som i stor grad kan standardiseres og automatiseres, og oppgaver knyttet til strategi, finansiering og investorkontakt. På de sistnevnte områdene mener han menneskelige vurderinger og relasjoner fortsatt vil være avgjørende.

Vik har også erfart hvor forskjellig økonomifunksjonen kan organiseres. I Oda ledet han på ulike tidspunkter mellom 20 og 40 medarbeidere i økonomiavdelingen. I After Technologies, som riktignok ikke har inntekter ennå, håndterer han foreløpig arbeidet alene, men innrømmer at han er i ferd med å ansette en medarbeider.