Tre ting AI endrer i FP&A, og tre ting den aldri vil endre

Diskusjoner om AI innen økonomi har en tendens til å bli dramatiske. Enten skal alt snus på hodet, eller så er det overvurdert og lite relevant. Realiteten er mer presis, og langt mer nyttig, enn noen av disse ytterpunktene.

Enkelte ting endrer seg, mens andre forblir som før. Å forstå dette skillet er det som skiller organisasjoner som bruker AI godt, fra dem som ikke gjør det.

1. Hva analytikerne bruker tiden på

Den skjulte fabrikken i FP&A er enorm. De fleste økonomiavdelinger bruker mesteparten av arbeidsuken på datauthenting, avstemming og samling av rapporter. Selve analysen, altså tolkningen av hva tallene faktisk betyr, må nøye seg med tiden som blir til overs.

Denne effekten forsterker seg over tid. Et team som frigjør to dager i uken per analytiker, jobber ikke bare raskere. De jobber på en helt annen måte. Kvaliteten på kunnskapen forbedres når den ikke lenger må konkurrere med mengden manuelt produksjonsarbeid.

AI tar tak i denne skjulte fabrikken direkte. Teknologien samler data på tvers av kilder, avdekker avvik, genererer forklarende kommentarer og setter sammen oversikter som tidligere tok timer eller dager. Analytikerens oppgave går fra å produsere grunnlaget til å utfordre og granske det.

Kvartalsvise planleggingssykluser er i stor grad et kompromiss skapt av tungvinte prosesser. Det tar så lang tid å utarbeide en fullstendig prognose at organisasjoner bare har anledning til å gjøre det noen få ganger i året. AI endrer forutsetningene for denne avveiningen.

Når prognosene kan genereres på minutter i stedet for uker, erstattes den kalenderstyrte syklusen av en hendelsesstyrt tilnærming. En stor kontraktsinngåelse, et makroøkonomisk skifte eller endringer i bemanning kan alle utløse en ny prognose, uten at planleggingsteamet blir overbelastet. Økonomiavdelingen slutter å være en flaskehals i planleggingen og blir i stedet organisasjonens fremdriftsmotor.

Tradisjonelle FP&A-plattformer krevde spesialopplærte brukere som håndterte strukturerte datainndata. AI introduserer en helt ny samhandlingsmodell. Økonomer kan stille spørsmål på vanlig språk, utforske scenarioer gjennom dialog og hente frem kunnskap uten å måtte navigere gjennom hele systemarkitekturen.

Dette er ikke en marginal oppfatning, men et flertallssyn i økonomimiljøet. Skillet mellom systemet og kunnskapen viskes ut.

1. Ansvar

En prognose er en forpliktelse. En styrepresentasjon er en faglig anbefaling. En investeringsbeslutning hviler på tall noen har godkjent. AI kan generere tallene, men kan ikke bære ansvaret for dem.

En CFO som legger frem AI-genererte prognoser for styret, er fremdeles den som har det fulle ansvaret for fremleggelsen. Ansvaret ligger hos menneskene, og det vil det alltid gjøre.

2. Styring og kontroll

Revisjonsspor, godkjenningsflyter, versjonskontroll og datalinjer er ikke byråkratisk friksjon. De utgjør selve fundamentet for finansiell tillit. Hvert tall i en plan må ha et sporbart opphav. Hver endring må loggføres. Hver forutsetning må ha en navngitt eier.

AI uten en solid kontrollstruktur i bunnen produserer resultater som verken kan forsvares, revideres eller stoles på i et regulert miljø. Styring og compliance blir ikke mindre viktig med AI. Det blir tvert imot enda mer kritisk, fordi volumet og hastigheten på datagrunnlaget øker.

3. Skjønn og tillit

Økonomistyring handler om tillit. FP&A-teamets verdi for organisasjonen avhenger fullt og helt av om virksomheten stoler på tallene. Den tilliten er ikke algoritmisk, den er relasjonell. Den er bygget på erfaring, kvaliteten på analysene og viljen til å si: "Dette scenarioet er optimistisk, og her er forklaringen på hvorfor."

AI kan avdekke mønstre, men kan ikke utøve faglig skjønn for å vurdere om disse mønstrene gir mening i sammenhengen. Teknologien kan modellere scenarioer, men ikke vurdere hvilket scenario som bør vektes tyngst ut fra det ledelsen vet om virksomheten.

Dette skjønnet er selve kjerneleveransen. Det tilhører økonomene, og det vil det fortsette å gjøre.

Organisasjonene som lykkes med AI innen FP&A, er de som har et bevisst forhold til dette skillet. De investerer i å automatisere produksjonsleddet og hegne om det faglige skjønnet. De blander ikke disse to sammen.

De som vil møte utfordringer, er virksomhetene som enten motsetter seg AI helt og dermed forblir fanget i den skjulte fabrikken, eller de som tar teknologien i bruk uten styring og kontroll, for så å oppdage at raske, ukontrollerte resultater skaper større risiko enn trege, verifiserte analyser.

Skillet er tydelig. Spørsmålet er hvilken side du velger å investere i.