For meget AI, for tidligt: Sætter finansholdene sig selv op til fiasko?

Finanshold er under enormt pres for at implementere AI, primært drevet af bestyrelser, der søger effektivitetsgevinster, CFO’er, der jagter hurtigere afslutninger, og leverandører, der lover hidtil uset automatisering. 

Den gældende antagelse er, at mere AI naturligt vil føre til bedre resultater, da det kan analysere data effektivt på få sekunder. Men hastighed alene er ikke den eneste faktor, der sikrer succes, især hvis den underliggende proces er fejlbehæftet eller underudviklet. 

Når organisationer hastigt integrerer AI i finansielle arbejdsprocesser, risikerer de at overse en grundlæggende sandhed: AI er kun så effektivt som de systemer, det automatiserer. 

Det kan accelerere opgaver, men det kan ikke kompensere for svage kontroller, fragmenterede data eller inkonsistente processer.

Alligevel vinder teknologien frem i større virksomheder, og flere og flere selskaber håber, at den vil levere umiddelbare resultater. 

For 2025 er andelen af C‑suite‑ledere, der identificerer AI‑adfærdsmæssige risici som en væsentlig bekymring er steget fra 16 % i de sidste tre år til 56 % fremadrettet, hvilket gør det til den førende ikke‑finansielle risiko. Samtidig er større hændelser inden for forretningsadfærd steget med 55 % mellem 2023 og 2025, med en gennemsnitlig omkostning på 14 millioner dollars pr. hændelse, hvilket fører til reaktive i stedet for proaktive investeringer i styring og datakvalitet. 

Ingen anden område er brugen af AI så kritisk som i finans, hvor månedslukninger afhænger af kontroller, afstemning og verifikation. AI kan øge hastigheden af den proces, men uden et solidt fundament kan den lige så let forstørre eksisterende svagheder som fjerne dem. 

Spørgsmålet er derfor, om finans har gjort nok forarbejde til at være klar til en massiv AI‑overtagelse. 

AI er en multiplikator, ikke en løsning

Selvom AI utvivlsomt er et fremragende værktøj til at gøre opgaver lettere at håndtere, er en udbredt misforståelse, at AI kan løse alle ødelagte processer, mens virkeligheden er, at den blot forstærker det, der allerede findes. 

Hvis de underliggende data er inkonsistente, kontrollerne er svage, eller afstemningspraksisser er fejlbehæftede, vil AI blot udføre disse mangler hurtigere og i større skala. Det gamle princip om “garbage in, garbage out” er ikke forsvundet; det fungerer nu med maskinhastighed.

Intet af dette betyder, at AI er ubrugeligt; tværtimod automatiserer det arbejdsintensive opgaver som dataudtræk og -præsentation, så finansprofessionelle kan fokusere på arbejde med højere værdi. Det kan give dem mulighed for at investere mere i kritisk tænkning, at drage konklusioner og sikre tilsyn med, hvad maskinerne udfører. 

Dog kan overafhængighed af AI skabe sårbarheder, hvis systemer fejler eller leverer uventede resultater. Hvis en AI‑model, der bruges til markedsprognoser, fejler under en krise, kan den for eksempel forstærke tab eller destabilisere markeder. 

Basel-komitéen for banktilsyn og andre organer er særligt bekymrede om systemiske risici, hvor udbredte AI‑fejl kan true den finansielle stabilitet. 

I stedet for at betragte AI som en kur mod operationelle ineffektiviteter, bør organisationer fokusere på at opbygge den finansielle infrastruktur, der gør automatisering pålidelig. Det betyder standardiserede afstemningsprocesser, stærkere interne kontroller, bedre datastyring og større synlighed i afslutningsprocessen.

“Der er en udbredt misforståelse om, at AI er en løsning på procesproblemer. Det er det ikke. Det er en forstærker af det, der allerede er der. Finansledere søger ofte AI for at få lettelse fra manuelt arbejde, langsomme afslutninger eller rapportering, der tager for lang tid,” sagde Shagun Malhotra, CEO for den automatiserede månedslukningssoftware SkyStem, mens hun var i samtale med Unite AI. 

Men hvis den underliggende proces er fejlbehæftet, tilføjede hun, så løser AI ikke fejlen. I stedet kører den den hurtigere og i større skala. “Misforståelsen er, at teknologien udfører diagnostisk arbejde, når den ikke gør det. Den del kræver stadig en professionel bagved.” 

SkyStem fokuserer primært på at hjælpe organisationer, hvis finansielle lukningsplatforme standardiserer afstemninger, automatiserer arbejdsprocesser og styrker interne kontroller, før AI lægges oven på kritiske regnskabsprocesser. I stedet for at erstatte disciplinerede finansoperationer med AI, bygger virksomheden pålidelige operationelle fundamenter, så automatisering faktisk kan levere nøjagtige resultater uden at gå på kompromis med data. 

“AI skaber enorm værdi i volumen, konsistens og hastighed for veldefinerede opgaver […] Men de steder, hvor mennesker skal forblive i kontrol, er netop hvor erfaring betyder mest: risikointuition, mønstergenkendelse under tvetydighed, og vigtigst af alt, beslutningstagning under pres,” tilføjede Malhotra.  

Fundament før automatisering

Finans har meget lidt plads til fejl. Nøjagtig rapportering, afstemninger, regulatorisk overholdelse og auditabilitet er afgørende; AI bør forbedre og forenkle disse processer, ikke kompromittere dem ved at accelerere eksisterende svagheder i systemet. 

Kognia Labs, et AI‑rådgivnings- og softwareudviklingsfirma, har en lignende holdning. Det hjælper organisationer med at implementere systemer, der opdager fejl eller uoverensstemmelser i rapporter før de bliver så omkostningsfulde. 

Før AI integreres i en arbejdsproces, hvor en kunde venter på svaret, skal tre ting være sande i institutionen: forbindelse mellem systemer, adgang til information, der ikke er arkiveret som et dokument, og evnen til at verificere, hvor et svar stammer fra, ifølge Alexandra Ollé, strategidirektør hos Kognia Labs. 

“Den information, en rådgiver har brug for, er spredt på tværs af forskellige systemer og formater, og disse systemer taler generelt ikke sammen. Det er det, der gør svar langsomme og inkonsistente i første omgang,” sagde Ollé til Unite AI. “AI løser ikke dette ved blot at blive lagt ovenpå.” 

Det hul, mellem at accelerere en proces og faktisk forbedre den, er hvor de finansielle indsatser bliver konkrete: når midler er på spil, er pålidelighed ikke valgfri, og forkert håndtering af et AI‑system medfører reel juridisk eksponering. 

“AI forbedrer en proces, når en virksomhed bruger den til at ændre, hvordan arbejdet faktisk udføres. Det begynder typisk med at forstå, hvorfor processen fejler, hvilket er noget de fleste institutioner ikke kan se klart, fordi beviserne ligger i tusindvis af kundesamtaler, som ingen team har tid til at gennemgå,” understregede Ollé.   

Vejen frem: En AI‑menneskelig bro

Før man stoler på AI til at automatisere kritiske finansielle arbejdsprocesser, skal organisationer først sikre, at deres processer er klar til det. Det starter med at vurdere procesmodenhed, adressere flaskehalse og datakvalitetsproblemer samt introducere AI gradvist i lavrisikoområder, før man udvider til mere komplekse finansielle operationer. 

At først opbygge et stærkt operationelt fundament gør det samlet set muligt for automatisering at forbedre effektiviteten uden at gå på kompromis med nøjagtighed eller tilsyn. Og dette er den del, hvor mennesker ikke kan sænke deres årvågenhed; der er ting, AI simpelthen ikke kan gøre alene. 

Der er allerede nogle virksomheder, hvis fokus på AI‑implementering kommer fra en “mennesker først” tilgang, der sikrer menneskelig kontrol og troværdighed over automatiserede systemer. Solvd er for eksempel et software‑ingeniørfirma med base i Californien, der udvikler, implementerer og administrerer AI‑systemer for virksomheder, specialiseret i at bygge komplekse arbejdsprocesser, som derefter forfines af mennesker, før de skaleres gennem automatisering. 

“Virksomheder, der tager AI alvorligt, vil lære hurtigere, indsamle rigere kundeindsigter, operere mere effektivt og personalisere mere effektivt. Over tid bliver det sværere at følge med, fordi konkurrenterne ikke kun implementerer bedre værktøjer; de bygger bedre data, processer og institutionel læring,” sagde Skylar Roebuck, chief technology officer hos Solvd, til Unite AI. 

En organisation er virkelig AI‑klar, når dens ledelsesteam er enige ikke kun om AI’s betydning, men også om hvordan den vil skabe en meningsfuld konkurrencefordel for virksomheden. 

“Menneskelig kontrol bør ikke blot ses som nogen, der godkender hver AI‑handling. Den tilgang skalerer ikke og skaber ofte en illusion af sikkerhed uden at levere meningsfuld kontrol,” understregede Roebuck og tilføjede, at systemet både skal kunne operere selvstændigt inden for klare grænser og genkende usikkerhed for eskalering, når dømmekraft er påkrævet. 

Bundlinjen er, at AI har potentialet til at transformere finans, men den kan ikke erstatte den operationelle disciplin og menneskelige dømmekraft, som finansielle beslutninger kræver. Målet her er ikke at accelerere afslutningen, men at accelerere tilliden til den. 

De virkelig succesfulde organisationer vil ikke være dem, der automatiserer først, men dem der bygger det rette fundament og holder mennesker i centrum af de processer, der betyder mest.