CFOen i Deloitte sier at KI må måles på mer enn bare sparte timer

Det er en underliggende frykt blant finansdirektører verden over for at konkurrentene har kommet lenger enn dem selv. Ifølge Janet Lewell, global CFO i Deloitte, er dette temaet som dominerer samtalene i bransjen akkurat nå.

– Jeg har aldri sett et tema skape så mye engasjement og ærlige diskusjoner oss imellom. Alle prøver å lære av hverandre, men det er en reell bekymring for at «alle andre» ligger foran, sier Lewell i et intervju publisert på selskapets sider i Wall Street Journal.

Men snarere enn å kaste seg over koding og «prompt engineering», mener hun den viktigste egenskapen for finansansatte fremover er evnen til å være både nysgjerrig og kritisk.

Piloter avslører svakheter

Deloittes egen finansavdeling gjennomfører nå en rekke piloter for å teste hvordan AI kan effektivisere alt fra månedsavslutninger til prognoser. Erfaringene så langt viser at veien fra pilot til full implementering er lengre enn mange tror.

I ett konkret forsøk matet de et AI-verktøy med egne finansielle data og stilte over 1.000 spørsmål.

– Da vi reviderte svarene, så vi at de var teknisk nøyaktige, men tolkningen var ofte ikke som tiltenkt, forklarer Lewell.

Hun trekker frem et enkelt eksempel: Hvis man spurte modellen «hva var rentekostnadene våre de siste fem årene?», kom den tilbake med et tall. Men det var uklart hvilken rentekostnad den refererte til – var det renter på langsiktig gjeld eller interne belastninger?

– Det kreves betydelige justeringer og intensiv menneskelig overvåkning for å validere at resultatene er til å stole på. Vi må bygge tillit til at "outputs" har integritet før vi kan rulle det ut, sier hun.

Gevinster på mikro- og makronivå

Lewell skiller mellom to typer gevinster ved bruk av AI i finans:

1. Mikronivå: Løsninger på spesifikke problemer, som for eksempel å oppdage duplikate fakturaer. Dette er enkelt å implementere, men det er ikke her de store gevinstene ligger.

2. Makronivå: Muligheten til å erstatte hele prosesser ende-til-ende, for eksempel order-to-cash-prosessen.

– Det er på makronivået vi ser de store mulighetene, men det er også her vi møter veggen på egne, historiske ineffektiviteter. Før vi kan automatisere en prosess ende-til-ende, må vi ha standardisering. Ting som faktureringskoder og oppsett av klientengasjementer må være like over hele linja. Det tar utrolig mye tid, sier Lewell.

Hennes samtaler med andre CFOer bekrefter trenden: Det haster for alle, men realiseringen tar lenger tid enn antatt nettopp fordi grunnlagsdataene og prosessene ikke er strømlinjeformede nok.

ROI-utfordringen

En klassisk utfordring for CFO er å regne hjem investeringen (ROI) i ny teknologi. Lewell mener den tradisjonelle tilnærmingen, hvor man kun teller sparte årsverk eller timer, kommer til kort i møte med generativ AI.

– Det er krevende å bruke et tradisjonelt ROI-syn her. Vi må måle både konkrete seire og strategiske gevinster. De konkrete er tid og ressurser spart. Men de strategiske gevinstene, for eksempel raskere innsikt, bedre beslutningsgrunnlag og at analytikere bruker tiden på analyse fremfor regneark, er vanskeligere å kvantifisere, påpeker hun.

Hun mener at dersom man kun ser på hva man sparer i dag og ekstrapolerer det, vil regnestykket se utilfredsstillende ut.

– Det må fortelles en kvalitativ historie hånd i hånd med de kvantitative tallene.

CFOen må tørre å drepe prosjekter

Som finansdirektør ser Lewell sin rolle primært som en porteføljeforvalter av interne ressurser. I et landskap der teknologien endres raskt, er evnen til å stanse prosjekter like viktig som å starte dem.

– Vi har hatt mange piloter de siste årene. Noen har fungert, andre ikke. En kritisk del av min jobb er å vite når vi skal erklære noe som ferdig, innrømme at det ikke vil bære frukter, og flytte investeringsmidlene til områder som faktisk viser potensial.

– Vi er garantister for finansiell stringens og styring. Det gjør oss godt posisjonert til å bringe trygghet inn i et felt som for mange fremstår som ganske diffust, sier Lewell.