Så här ger generativ AI mervärde för finansiell planering / analys

Börja med att välja användningsfall och välj AI-lösningar baserat på dessa.

Formulera en vision för hur generativ AI ska användas och skapa strategier för tekniklösningar och datahantering.

Sätt medarbetarna i centrum och sprid analytikernas insikter genom hela organisationen. Michael Lengenfelder, Head of FP&A Product Management på Unit4 skriver om hur team lyckas med implementation av generativ AI för finansiell planering och analys (FP&A).

Det har sagts och skrivits mycket om hur AI, särskilt generativ AI, påverkar finansiell planering och analys (FP&A). Om vi bortser från en hel del hajp står det klart att påverkan är positiv. Men frågan är vilka mål som bör formuleras för användning av AI inom området. Visionen hos Unit4 är att hälften av alla arbetsmoment som har att göra med affärssystem kommer att automatiseras under de kommande tre åren. Nu gäller det att bestämma vilka uppgifter vi ska fokusera på för att uppfylla det ambitiösa målet.

Michael Lengenfelder, Head of FP&A Product Management på Unit4

Gartner uttrycker sin vision så här: “Nyckeln är att tänka stort och att bredda finansiell planering och analys till hela organisationen, snarare än att bara effektivisera arbetet inom avdelningen för planering och analys”. Nya verktyg med funktioner för grafanalyser (graph analytics), maskininlärning och generativ AI gör det lättare för analytiker att överföra komplexa insikter till beslutsfattare.

AI-modeller för finansiell planering och analys bör alltså inte bara vara ett verktyg för analytiker. Det är viktigt att hela organisationen engageras i utvecklingen av lösningar. Detta betyder inte att generativ AI kommer att göra analytiker överflödiga. Tvärtom, genom att automatisera rutinarbete frigörs tid för analytikerna, vilket gör att de kan fokusera på mer strategiska uppgifter.

Planering och analys som självservice

De bästa analytikerna kan förmedla historier anpassade till olika delar av en organisation. De undersöker avvikelser mellan prognoser och faktiska resultat för att testa antaganden och ge en användbar översikt av organisationens ekonomi. Generativ AI är utmärkt för att upptäcka avvikelser baserade på data från många olika källor, men de genererade kommentarerna och analyserna är ofta generiska. Mänskliga analytiker har däremot den specialkunskap som krävs för att förklara resultaten, eftersom de förstår sina organisationers unika kontext, historik och externa faktorer.

Team för finansiell planering och analys kan dra stor nytta av generativ AI om de fokuserar på följande områden:

Vision: Klara riktlinjer för AI-användning är nödvändiga, särskilt för att få medarbetare engagerade i satsningen. Visionen måste vara flexibel, eftersom generativ AI fortfarande är i ett tidigt utvecklingsskede.

Människan i centrum: Medarbetarna stärks när innovation och nya tekniklösningar uppmuntras. Detta minskar osäkerheten och ökar förståelsen. Analysteam behöver tydliga direktiv från ledningen, och den inbyggda kunskapen i organisationen – som en AI-lösning saknar – måste vårdas.

Teknikstrategi: Fokusera först på användningsfall och därefter på teknikval. Undvik att först skaffa AI-verktyg och sedan leta efter problem att lösa.

Datastrategi: Även om datastrategi delvis handlar om teknik, är den så viktig att den kräver stor omsorg. Om datastrategin brister, kommer användningen av generativ AI att misslyckas. Det handlar om korrekthet, integritet och att välja rätt parametrar för att träna AI-modeller. Det behövs enighet om hur mycket data som krävs, varifrån den ska hämtas och hur den ska underhållas. Ett exempel är att förstå hur en modell påverkas av skillnaden mellan dagliga och månatliga data.

De organisationer som tar hänsyn till dessa faktorer kommer att lyckas bäst med generativ AI. Team som arbetar med finansiell planering och analys har då goda förutsättningar att skapa praktisk nytta och verkligt värde.