Finance automatizuje organizační strukturu místo peněžního cyklu

Finance dlouho diskutovala o tom, zda zaměstnanci přijmou AI, zda ji finanční ředitelé budou financovat a zda je tato technologie dostatečně vyspělá na to, aby se posunula od experimentování k širšímu využití. Už si ani nejsem jistý, zda jsou tyto otázky užitečné, protože v kanceláři finančního ředitele už nyní pozorujeme soustavné zavádění AI.

V nedávném výzkumu společnosti Auditoria z roku 2026 uvedlo 66.5 % finančních organizací, že zvyšují investice do AI, a průměrný finanční tým ji využíval ve 2.43 funkcích, což představuje meziroční nárůst o 36 %. Pouze 21 % však uvedlo, že jejich iniciativy v oblasti AI přinesly významné, měřitelné výsledky.

Jedním z možných vysvětlení je, že si společnosti vybraly nesprávné nástroje, postupovaly příliš rychle nebo nedokázaly přimět k jejich používání dostatek lidí. Tomu ale příliš nevěřím, protože AI zavádíme podle toho, jak jsou finance organizačně uspořádány. Díky tomu jsou dnes chytřejší oddělení závazků a pohledávek, treasury, a dokonce i finanční plánování a analýzy (FP&A).

Peníze se takto nepohybují. Překračují všechny tyto hranice a myslím, že začínáme narážet na meze přístupu, který zvyšuje inteligenci jednotlivých částí finančního oddělení, ale totéž nedělá s finančním cyklem, který společně spravují.

Zefektivnili jsme jednotlivé části

Jedním z podivnějších nedostatků moderních financí je, že jsme vytvořili velmi propracované způsoby, jak jednotlivé funkce chápou svou část peněžních toků. Oddělení závazků spravuje odchozí platby, oddělení pohledávek se zaměřuje na příchozí platby, treasury řídí likviditu a finanční plánování a analýzy se snaží předvídat, jakým směrem se budou čísla vyvíjet. Každý tým může svou práci odvádět dobře, a přesto může finanční ředitel zůstat bez někoho, kdo by jasně odpovídal za to, co se s penězi děje při jejich pohybu mezi těmito funkcemi.

Uvažujme ukazatele doby obratu závazků (DPO) a doby obratu pohledávek (DSO). Tým závazků může zlepšit dobu obratu závazků o pět dní a zcela oprávněně to vykázat jako pokrok, zatímco ve stejném čtvrtletí se zpomalí inkaso a DSO se zhorší o sedm dní. Oba týmy možná splnily přesně to, co se od nich požadovalo, a oba mohou mít pro své výsledky zcela dobré vysvětlení. Podniku se však na konci čtvrtletí stále o dva dny zhorší přeměna pracovního kapitálu na hotovost.

Finance umí velmi dobře svěřovat odpovědnost jednotlivým funkcím, ale finanční výsledek často vzniká v prostoru mezi nimi.

Vytvořili jsme systémy pro automatizaci faktur, párování účtů, prognózování hotovosti, správu inkasa a tvorbu výkazů. Do stejných oblastí se nyní začleňuje AI, a proto riskujeme, že zefektivníme každou část finančního oddělení, aniž by samotné finance byly méně roztříštěné.

Rychlejší práce neznamená kratší cestu

Jedno zjištění z našeho výzkumu se mi stále vrací na mysl, protože tento problém vystihuje mimořádně dobře. Nyní 43.8 % odpovídá na požadavky do 24 hodin, což je nejvyšší podíl, jaký jsme za poslední 4 roky zaznamenali. Zároveň 44.5 % týmů tráví každý týden 11 nebo více hodin urgováním dodavatelů, zákazníků a interních zainteresovaných stran; před rokem to bylo 29.7 %. Dalších 13.4 % tomu věnuje více než 30 hodin týdně.

Tato čísla vypadají protichůdně jen tehdy, pokud předpokládáme, že rychlejší odpověď znamená, že se práce blíží dokončení. Dodavatel například odpoví na e-mail, ale poskytnuté informace zůstávají neúplné, nebo zákazník na výzvu k úhradě reaguje rozporováním faktury. Finanční oddělení odhalí nesrovnalost a pak musí najít někoho v jiné části podniku, kdo ji dokáže vysvětlit.

Myslím, že jsme věnovali příliš mnoho času měření rychlosti jednotlivých úkolů a příliš málo tomu, jak dlouho trvá cesta od odhalení problému k jeho vyřešení způsobem, který změní finanční výsledek.

AI agenti zvyšují sázky

Tradiční automatizace nám dobře sloužila ke zrychlování velmi roztříštěného procesu. AI však pravidla hry zcela změnila. AI agent může začít rozhodovat přímo v rámci automatizovaného procesu. Cíle, které těmto systémům stanovíme, proto mají mnohem větší význam než v době, kdy software pouze přesouval informace z jednoho pole do druhého.

Problém je zřetelnější, jakmile AI začne jednat napříč finančním oddělením. Oddělení závazků se může snažit optimalizovat načasování plateb, oddělení pohledávek urychlit inkaso a treasury chránit likviditu; každé přitom sleduje vlastní rozumně zvolené cíle. Riziko vzniká ve chvíli, kdy tyto systémy rozhodují podle odlišných definic úspěchu a nemají společný pohled na finanční výsledek, kterého se podnik snaží dosáhnout.

Proto dalším problémem AI ve financích není její zavádění. Jde spíše o rozhodnutí, na co má systém optimalizovat a co se stane, když se místně rozumná rozhodnutí dostanou do konfliktu s širším finančním výsledkem. Oprávnění, schvalovací limity, auditní záznamy a pravidla eskalace jsou důležité, ale odpovídají na otázku, co smí systém AI dělat. Finanční ředitelé také musí rozhodnout, čeho má systém dosahovat v rámci finančních pravidel a pravidel správy a řízení společnosti.

Integrace se stává provozním problémem

Nedostatečné propojení se stávajícími systémy je nyní nejčastěji uváděnou překážkou zavádění umělé inteligence; náš výzkum uvádí podíl 36,7 %. Odpor k zavádění technologií, který dříve zaujímal první místo, klesl na sedmé. Samostatný výzkum z roku 2026, který provedly ACCA a CA ANZ, zjistil, že 40 % odborníků na finance považuje obtížné propojování více zdrojů dat za překážku lepšího porozumění podnikání.

Vedoucí pracovníci ve financích už nevěnují většinu energie přesvědčování lidí, že umělá inteligence do jejich oblasti patří. Zjišťují, co se děje, když musí více schopností umělé inteligence pracovat se stejnými transakcemi, pravidly, schvalovacími procesy, výjimkami a finančními výsledky.

Užitečná schopnost umělé inteligence může fungovat v rámci jednoho oddělení. Užitečný provozní model finančního oddělení ale nikoli.

Místo toho, abychom sledovali, kolik případů využití bylo zavedeno, začněme zjišťovat, kolik předání ještě zbývá mezi odhalením problému a vyřešením jeho finančních dopadů. Místo toho, abychom se dívali jen na počet hodin ušetřených v oddělení závazků (AP) nebo pohledávek (AR), bych se ptal, zda se hotovost pohybuje firmou předvídatelněji. A místo toho, abychom každé finanční funkci přisuzovali vlastní definici úspěchu umělé inteligence, bych se ptal, kdo odpovídá za výsledek, když se tyto definice střetnou.

Finanční technologie se po léta vyvíjely podle organizační struktury firmy, takže není nijak překvapivé, že se stejným způsobem zavádí i umělá inteligence. Finanční ředitel odpovídá za fungování těchto oblastí, ale firma v konečném důsledku neposuzuje finance podle toho, zda oddělení závazků (AP), pohledávek (AR), treasury nebo finančního plánování a analýzy (FP&A) dosahují svých vlastních cílů v oblasti efektivity. Zajímá ji finanční výsledek, kterého společně dosahují.

Má-li umělá inteligence přinést do financí skutečně významnou změnu, právě tento výsledek se musí stát jednotkou transformace. Jinak automatizujeme jednotlivé funkce, zlepšíme místní ukazatele, a přesto ponecháme finanční výsledek roztříštěný podél stejných hranic, které jsme měli odstranit.