CFOens AI-jobb starter med datakildene 

Bærekraftsrapportering er blitt en integrert del av selskapenes rapportering, og nye  og mer omfattende krav fra EU har skjerpet forventningene i markedet.  Rapporteringen skal holde samme kvalitet som finansielle tall, med tydelige kilder,  robuste prosesser og minst mulig manuelt arbeid. 

AI er en viktig del av løsningen. Men den gir liten effekt hvis den legges oppå svake  prosesser.  

– AI er en gamechanger for rapportering. Men verdien kommer ikke av teknologien  alene. CFOer som lykkes starter med å rydde i egne prosesser og identifisere hvor  rapporteringen i dag er manuell, sårbar og tidkrevende. Får du dette på plass, kan AI  forsterke, effektivisere og løfte kvaliteten betydelig, sier Jan Fredrik Stoveland-Alfsen, AI-ekspert i PwC. 

Dette var en av hovedkonklusjonene i vårens siste episode av webinarserien Børs  og Bærekraft. 

Verktøyene er her 

Stoveland-Alfsen skiller mellom tre hovedtyper AI-støtte: generelle verktøy som  Copilot, Claude og ChatGPT, mer spesialiserte løsninger for konkrete prosesser, og  AI som er tett integrert med virksomhetens egne data. 

– Den første kategorien er det vi kaller generelle AI-verktøy. Dette er verktøy hver  enkelt kan bruke som støtte i arbeidshverdagen, på tvers av oppgaver. I praksis  fungerer de som en personlig assistent, sier Stoveland-Alfsen.  

For økonomifunksjonen er dette lavterskelområdet. AI kan brukes til utkast,  oppsummeringer, strukturering, IRO-beskrivelser og gap-analyser. Men effekten  avhenger av at brukerne gir modellen riktig kontekst og kontrollerer svaret. 

Går vi til mer spesialiserte løsninger kan disse støtte konkrete deler av  bærekraftsarbeidet, som dobbel vesentlighetsanalyse, leverandørscreening eller  vurdering av konsekvenser av tiltak. 

– Det kan i denne sammenheng dreie seg om en AI-agent som er spesialisert på å  hjelpe og støtte en dobbeltvesentlighetsanalyse eller tilsvarende, sier han. 

… Men datagrunnlaget er flaskehalsen

Det viktigste AI-området for CFO er datarapporteringen. Her kan teknologien bidra til  å kvalitetssikre, berike og tolke data. Men den erstatter ikke grunnarbeidet. 

– AI kan støtte arbeidet med å kvalitetssikre og berike datasett, og ikke minst hjelpe  med å tolke og trekke ut relevant innsikt. Samtidig krever det et solid løft i  datagrunnlaget for å lykkes og få ut reell verdi, sier han.  

Stoveland-Alfsen sier at når bærekraftsdata ligger i manuelle regneark, uklare  filversjoner og hos enkeltpersoner, blir AI først og fremst en raskere måte å håndtere  svakheter på. CFO må vite hvor tallene kommer fra, hvilke definisjoner som er brukt,  og hvilke kontroller som ligger bak. 

I analysefasen ligger det likevel et betydelig potensial. AI kan spare mye tid, særlig i  gjennomgang av dokumentasjon, tidligere rapporter og nye krav. 

– Her kan AI være en reell kraftmultiplikator. Den kan raskt kartlegge og screene  leverandører, og peke på hvor de største gapene sannsynligvis ligger, basert på  fjorårets rapport og nye standarder. Det gir et langt bedre utgangspunkt for videre  arbeid, sier han. 

– Samtidig erstatter ikke dette virksomhetens egne vurderinger. For å prioritere riktig  og gjøre gode valg kreves fortsatt profesjonelt skjønn og solid faglig kompetanse. 

Rapportproduksjonen må avmanualiseres 

For mange er selve rapportproduksjonen det største smertepunktet. Tall, tekst,  kryssreferanser, versjonskontroll og godkjenninger «møtes» ofte tett før fristen.  

– Prosessen blir ofte svært manuell, tidkrevende og intensiv, sier Stoveland-Alfsen. 

Kollega Ingunn Rognlien, som jobber med rapporteringsløsninger og systemstøtte  for bærekraftsrapportering i PwC, peker på tre kjerneoppgaver: å samle inn data,  strukturere og transformere dem, og til slutt analysere, presentere og rapportere tall  og tekst. 

– AI og gode systemløsninger kan bidra på to måter. De kan effektivisere og  automatisere prosessen, og samtidig løfte kvaliteten, sier hun. 

Det krever imidlertid en annen arbeidsmåte. Tall og tekst bør ikke først møtes i et  Word-dokument. Data må flyte strukturert fra kildesystemene, via kvalitetssikring og  bearbeiding, og helt frem til rapportering og visualisering. 

– Muligheten ligger særlig i at tall kan flyte direkte fra kildene, enten det er  innkjøpssystemer, HR-systemer eller klimaregnskap, via en dataplattform der de  struktureres og kvalitetssikres, og videre inn i rapporten, sier Rognlien. 

Velg systemstøtte ut fra kontrollbehov

Disclosure management-systemer kan være relevante der rapporteringen fortsatt  preges av klipp og lim. Slike systemer kobler tallgrunnlag, tekst, standarder,  tilgangsstyring og publisering. Workiva, som Økonomi24 har skrevet om tidligere,  trekkes frem som ett eksempel. 

– Workiva er et rapporteringssystem som dekker tre områder: finansiell rapportering,  bærekraftsrapportering og GRC, altså virksomhetsstyring, risikostyring og  etterlevelse. 

Det sentrale er likevel ikke leverandøren, men kontrollsporet. Når tall henger  sammen på tvers, reduseres risikoen for feil – særlig i sluttfasen, når tidspresset er  størst. 

– Det betyr mindre klipp og lim og færre manuelle steg, samtidig som du beholder  muligheten for kontroll før publisering. Det gir et ekstra nivå av intern kontroll, sier  Rognlien. 

Hun mener en praktisk tommelfingerregel er å bruke innebygd AI når data og  arbeidsprosess ligger i samme system. Når bærekraftsdata hentes fra flere kilder,  bør AI heller vurderes i samspill med dataplattform og integrasjoner. 

Klimadata må tas på alvor 

Klimaregnskapet blir raskt komplekst når utslippsfaktorer og datakvalitet skal henge  sammen. 

– Dette er et område hvor jeg ofte vil anbefale å vurdere spesialiserte verktøy.  Kompleksiteten er rett og slett for høy til å håndtere det godt på andre måter. 

Samtidig finnes mye av datagrunnlaget allerede digitalt. Data om strøm, avfall,  drivstoff og reiser kan ofte hentes langt mer automatisert enn i dag. 

– Det handler om å utforske mulighetene og stille tydeligere krav til leverandørene.  Be om data i et format som kan brukes direkte, slik at det enkelt kan struktureres og  kvalitetssikres i egne systemer, sier hun.  

CFOens prioritering bør begynne med prosessene 

Den praktiske starten er ikke et AI-verktøy, men en god prosesskartlegging. Hvor  brukes det mest tid? Hvor oppstår feil? Hvor er kontrollsporet svakt? Og hvilke data  bør automatiseres først? 

– Start med egne smertepunkter. Hvor bruker dere mest tid, og hvor er utfordringene  størst? Se på systemstøtten dere har i dag, følg dataene bakover og still de kritiske  spørsmålene: Hvor kommer dette egentlig fra? Det finnes alltid en kilde. 

Målbildet er en rapporteringsprosess med minst mulig manuell håndtering. 

– De fleste bør ha en ambisjon om å ha en dataflyt med «null hender». Altså en  prosess der data flyter automatisk fra kilde til rapport. No hands, sier hun.