Finans automatiserer organisationsdiagrammet i stedet for pengestrømmenes kredsløb

Økonomifunktionen har brugt meget tid på at diskutere, om medarbejderne vil tage AI i brug, om økonomidirektørerne vil finansiere det, og om teknologien er moden nok til at komme videre fra eksperimentstadiet. Jeg er ikke engang sikker på, at de spørgsmål stadig er relevante, eftersom vi allerede ser en stabil udbredelse af AI i økonomidirektørens organisation.

I Auditorias nylige undersøgelse fra 2026 svarede 66,5 % af økonomiafdelingerne, at de øgede deres investeringer i AI, og den gennemsnitlige økonomiafdeling brugte teknologien på tværs af 2,43 funktioner, en stigning på 36 % på et år. Alligevel svarede kun 21 %, at deres AI-initiativer havde skabt meningsfulde, målbare resultater.

Nogle mulige forklaringer på, hvorfor det sker, er, at virksomhederne enten har valgt de forkerte værktøjer, er gået for hurtigt frem eller ikke har fået nok medarbejdere til at bruge dem. Det tror jeg dog ikke rigtig på, for vi har indført AI efter den måde, økonomifunktionen er organiseret på. Derfor er kreditorbogholderiet, debitorbogholderiet, likviditetsstyringen og endda FP&A nu blevet mere intelligente.

Pengestrømmene bevæger sig ikke på den måde. De går på tværs af alle disse organisatoriske grænser, og jeg tror, vi er begyndt at opdage begrænsningerne ved at gøre de enkelte dele af økonomifunktionen mere intelligente uden også at gøre det samme for det økonomiske kredsløb, de tilsammen styrer.

Vi har gjort de enkelte dele mere intelligente

Et af de mere besynderlige problemer i moderne økonomistyring er, at vi har udviklet meget avancerede metoder, så hver funktion kan forstå sin del af pengestrømmene. Kreditorbogholderiet styrer det, der skal betales, debitorbogholderiet fokuserer på det, der skal indbetales, likviditetsstyringen håndterer likviditeten, og FP&A forsøger at forudse, hvilken retning tallene bevæger sig i. Hvert team kan udføre sit arbejde godt og alligevel efterlade økonomidirektøren uden nogen, der tydeligt har ansvaret for, hvad der sker med pengene, når de bevæger sig mellem funktionerne.

Tag kreditorernes gennemsnitlige betalingstid (DPO) og debitorernes gennemsnitlige betalingstid (DSO). Kreditorbogholderiet kan forbedre kreditorernes gennemsnitlige betalingstid med fem dage, og det kan med god grund rapportere det som et fremskridt, mens inddrivelsen af tilgodehavender går langsommere i samme kvartal, og DSO forværres med syv dage. Begge teams kan have gjort præcis, hvad de blev bedt om, og begge kan have helt rimelige forklaringer på deres resultater. Men virksomheden afslutter stadig kvartalet med en forringelse på to dage i sin evne til at omsætte arbejdskapital til likvider.

Økonomifunktionen er god til at placere ansvaret hos de enkelte funktioner, men det økonomiske resultat bliver ofte skabt i mellemrummet mellem dem.

Vi har udviklet systemer til at automatisere fakturering, afstemme konti, forudsige pengestrømme, håndtere inddrivelse af tilgodehavender og udarbejde rapporter. Nu bliver AI føjet til de samme kategorier, og dermed risikerer vi at gøre hver enkelt del af økonomifunktionen mere effektiv uden at gøre selve økonomifunktionen mindre fragmenteret.

Hurtigere arbejde er ikke det samme som en kortere proces

Et resultat fra vores undersøgelse bliver ved med at dukke op i mine tanker, fordi det usædvanligt godt indfanger problemet. Nu besvarer 43,8 % henvendelser inden for 24 timer, hvilket er det højeste niveau, vi har målt i fire år. Samtidig bruger 44,5 % af teamene 11 timer eller mere hver uge på at følge op over for leverandører, kunder og interne interessenter, mod 29,7 % for et år siden. Yderligere 13,4 % bruger mere end 30 timer om ugen på det.

Tallene virker kun selvmodsigende, hvis vi antager, at et hurtigere svar betyder, at arbejdet er tættere på at være færdigt. En leverandør kan for eksempel svare på en e-mail, men oplysningerne er stadig ufuldstændige, eller en kunde kan svare på en henvendelse om inddrivelse ved at bestride fakturaen. Økonomiafdelingen opdager uoverensstemmelsen og må derefter finde nogen i en anden del af virksomheden, der kan forklare den.

Jeg tror, vi har brugt for meget tid på at måle, hvor hurtigt enkelte opgaver bliver udført, og for lidt tid på at måle, hvor lang tid der går fra det øjeblik, et problem bliver identificeret, til det bliver løst på en måde, der ændrer det økonomiske resultat.

AI-agenter sætter mere på spil

Traditionel automatisering har været nyttig til at fremskynde en meget fragmenteret proces. Men AI har ændret spillereglerne fuldstændigt. En AI-agent kan begynde at træffe beslutninger som led i den automatiserede proces. Derfor betyder de mål, vi sætter for disse systemer, langt mere, end de gjorde, da software blot flyttede oplysninger fra ét felt til et andet.

Problemet bliver tydeligere, når AI begynder at handle på tværs af økonomifunktionen. Kreditorbogholderiet forsøger måske at optimere betalingstidspunkterne, debitorbogholderiet at fremskynde inddrivelsen af tilgodehavender og likviditetsstyringen at beskytte likviditeten, alt sammen ud fra fornuftige mål for hver enkelt funktion. Risikoen opstår, når disse systemer træffer beslutninger ud fra forskellige succeskriterier uden et fælles overblik over det økonomiske resultat, virksomheden forsøger at opnå.

Derfor handler den næste udfordring med AI i økonomifunktionen ikke om udbredelse. Den handler snarere om at beslutte, hvad systemet skal optimere, og hvad der sker, når lokalt fornuftige beslutninger strider mod det overordnede økonomiske resultat. Adgangsrettigheder, godkendelsesgrænser, revisionsspor og regler for eskalering er vigtige, men de besvarer spørgsmålet om, hvad et AI-system har lov til at gøre. Økonomidirektørerne skal også beslutte, hvad systemet skal forsøge at opnå inden for de finansielle rammer og reglerne for virksomhedsledelse.

Integration er ved at blive et driftsmæssigt spørgsmål

Manglende integration med eksisterende systemer er nu den oftest nævnte hindring for at indføre AI; vores undersøgelse angiver andelen til 36,7 %. Modstand mod at tage ny teknologi i brug, som tidligere toppede listen, er faldet til syvendepladsen. En separat undersøgelse fra 2026 foretaget af ACCA og CA ANZ viste, at 40 % af fagfolk inden for økonomi ser vanskeligheder med at integrere flere datakilder som en hindring for at forbedre forretningsindsigten.

Ledere inden for økonomi bruger ikke længere størstedelen af deres energi på at overbevise folk om, at AI hører hjemme i økonomifunktionen. De er ved at opdage, hvad der sker, når flere AI-funktioner skal arbejde med de samme transaktioner, retningslinjer, godkendelser, undtagelser og økonomiske resultater.

En nyttig AI-funktion kan godt høre hjemme i én funktion. En velfungerende driftsmodel for økonomifunktionen kan ikke.

I stedet for at opgøre, hvor mange anvendelsesområder der er taget i brug, bør man altså begynde at undersøge, hvor mange overdragelser der stadig er mellem det at identificere et problem og at afhjælpe dets økonomiske konsekvenser. I stedet for kun at se på, hvor mange timer der spares i AP eller AR, ville jeg spørge, om pengestrømmen gennem virksomheden er blevet mere forudsigelig. Og i stedet for at give hver enkelt økonomifunktion sin egen definition af, hvad succes med AI er, ville jeg spørge, hvem der har ansvaret for resultatet, når definitionerne støder sammen.

I årevis er teknologi til økonomifunktionen blevet udviklet ud fra organisationens struktur, så det er næppe overraskende, at AI bliver taget i brug på samme måde. CFO’en har ansvaret for, hvordan de enkelte funktioner klarer sig, men i sidste ende vurderer virksomheden ikke økonomifunktionen ud fra, om AP, AR, likviditetsstyring eller FP&A hver især når deres lokale effektivitetsmål. Det afgørende er det økonomiske resultat, de skaber sammen.

Hvis AI skal ændre økonomifunktionen på nogen meningsfuld måde, må det være den samlede økonomiske effekt, der bliver omdrejningspunktet for forandringen. Ellers automatiserer vi funktionerne og forbedrer de lokale måltal, men lader stadig det økonomiske resultat være splittet op på de samme områder, som vi skulle have arbejdet på at samle.