Πάρα πολύ AI, πολύ νωρίς: Τα Οικονομικά Τμήματα Θέτουν τον Εαυτό τους σε Κίνδυνο Αποτυχίας;

Οι ομάδες οικονομικών βρίσκονται υπό τεράστια πίεση να υιοθετήσουν AI, κυρίως λόγω των διοικητικών συμβουλίων που επιδιώκουν κερδοσκοπίες αποδοτικότητας, των CFO που κυνηγούν ταχύτερους κλεισίματα, και των προμηθευτών που υπόσχονται πρωτοφανή αυτοματοποίηση. 

Η κυρίαρχη υπόθεση είναι ότι περισσότερη AI θα οδηγήσει φυσικά σε καλύτερα αποτελέσματα, καθώς μπορεί να αναλύει δεδομένα αποδοτικά μέσα σε δευτερόλεπτα. Αλλά η ταχύτητα μόνη της δεν είναι ο μοναδικός παράγοντας που εγγυάται την επιτυχία, ειδικά εάν η υποκείμενη διαδικασία είναι ελαττωματική ή ανεπαρκώς ανεπτυγμένη. 

Καθώς οι οργανισμοί βιάζονται να ενσωματώσουν AI στις οικονομικές ροές εργασίας, διατρέχουν τον κίνδυνο να παραβλέψουν μια θεμελιώδη αλήθεια: Η AI είναι αποτελεσματική μόνο όσο και τα συστήματα που αυτοματοποιεί. 

Μπορεί να επιταχύνει τις εργασίες, αλλά δεν μπορεί να αντισταθμίσει αδύνατους ελέγχους, κατακερματισμένα δεδομένα ή ασυνεπείς διαδικασίες.

Παρόλα αυτά, η τεχνολογία κερδίζει προβολή σε μεγαλύτερες επιχειρήσεις, και όλο και περισσότερες εταιρείες ελπίζουν ότι θα προσφέρει άμεσα αποτελέσματα. 

Για το 2025, το ποσοστό των στελεχών C‑suite που εντοπίζουν τους κινδύνους συμπεριφοράς AI ως κορυφαία ουσιαστική ανησυχία αυξήθηκε από 16 % τα τελευταία τρία χρόνια σε 56 % στο μέλλον, καθιστώντας το τον κυρίαρχο μη‑χρηματοοικονομικό κίνδυνο. Ταυτόχρονα, οι σημαντικές περιστατικά επιχειρηματικής συμπεριφοράς έχουν αυξηθεί κατά 55 % μεταξύ 2023 και 2025, με μέσο κόστος $14 εκατομμύρια ανά περιστατικό, οδηγώντας σε αντιδραστικές αντί για προληπτικές επενδύσεις στη διακυβέρνηση και την ποιότητα των δεδομένων. 

Σε καμία άλλη περιοχή η χρήση AI δεν είναι πιο κρίσιμη από ό,τι στα οικονομικά, όπου τα μηνιαία κλεισίματα εξαρτώνται από ελέγχους, συμφωνίες και επαλήθευση. Η AI μπορεί να αυξήσει την ταχύτητα αυτής της διαδικασίας, αλλά χωρίς ισχυρό θεμέλιο, μπορεί εξίσου εύκολα να ενισχύσει τις υπάρχουσες αδυναμίες όσο και να τις εξαλείψει. 

Το ερώτημα, λοιπόν, είναι αν τα οικονομικά έχουν κάνει αρκετό προαπαιτούμενο έργο ώστε να είναι έτοιμα για μια μαζική κατάληψη από AI. 

AI Is a Multiplier, Not a Fix

Ενώ αδιαμφισβήτητα η AI είναι ένα εξαιρετικό εργαλείο για να κάνουν τις εργασίες πιο εύκολες, μια κοινή παρεξήγηση είναι ότι η AI μπορεί να διορθώσει όλες τις σπασμένες διαδικασίες, ενώ στην πραγματικότητα, το μόνο που κάνει είναι να ενισχύει ό,τι υπάρχει ήδη. 

Εάν τα υποκείμενα δεδομένα είναι ασυνεπή, οι έλεγχοι αδύναμοι ή οι πρακτικές συμφωνίας ελαττωματικές, η AI θα εκτελεί αυτές τις ελλείψεις πιο γρήγορα και σε μεγαλύτερη κλίμακα. Η παλιά αρχή «σκουπίδια μέσα, σκουπίδια έξω» δεν έχει εξαφανιστεί· λειτουργεί τώρα με ταχύτητα μηχανής.

Τίποτα από αυτά δεν σημαίνει ότι η AI είναι άχρηστη· αντίθετα, αυτοματοποιεί εργασίες έντονης εργασιακής ενέργειας όπως η εξαγωγή και παρουσίαση δεδομένων, απελευθερώνοντας τους επαγγελματίες οικονομικών να επικεντρωθούν σε πιο προστιθέμενη αξία. Μπορεί να τους επιτρέψει να επενδύσουν περισσότερο στην κριτική σκέψη, στη διατύπωση συμπερασμάτων και στην εξασφάλιση εποπτείας πάνω σε ό,τι εκτελούν οι μηχανές.

Ωστόσο, η υπερβολική εξάρτηση από την AI μπορεί να δημιουργήσει ευπάθειες εάν τα συστήματα αποτύχουν ή παράγουν απροσδόκητα αποτελέσματα. Εάν, για παράδειγμα, ένα μοντέλο AI που χρησιμοποιείται για προβλέψεις αγοράς δυσλειτουργήσει κατά τη διάρκεια μιας κρίσης, θα μπορούσε να ενισχύσει τις απώλειες ή να αποσταθεροποιήσει τις αγορές. 

Η Επιτροπή Basel για την Εποπτεία Τραπεζών και άλλοι φορείςείναι ιδιαίτερα ανήσυχοι για συστημικούς κινδύνους, όπου ευρείες αποτυχίες AI θα μπορούσαν να θέσουν σε κίνδυνο τη χρηματοοικονομική σταθερότητα. 

Αντί να αντιμετωπίζει η AI ως θεραπεία για λειτουργικές αναποτελεσματικότητες, οι οργανισμοί πρέπει να επικεντρωθούν στην κατασκευή της οικονομικής υποδομής που επιτρέπει στην αυτοματοποίηση να λειτουργεί αξιόπιστα. Αυτό σημαίνει τυποποιημένες διαδικασίες συμφωνίας, ισχυρότερους εσωτερικούς ελέγχους, καλύτερη διακυβέρνηση δεδομένων και μεγαλύτερη διαφάνεια στη διαδικασία κλεισίματος.

“Υπάρχει μια κοινή παρεξήγηση ότι η AI είναι λύση σε προβλήματα διαδικασιών. Δεν είναι. Είναι ενισχυτής ό,τι υπάρχει ήδη. Οι ηγέτες των οικονομικών συχνά στρέφονται στην AI αναζητώντας ανακούφιση από τη χειροκίνητη εργασία, τα αργά κλεισίματα ή τις αναφορές που διαρκούν πολύ,” είπε η Shagun Malhotra, CEO του λογισμικού αυτοματοποιημένου κλεισίματος μηνιαίων λογαριασμών SkyStem, ενώ συνομιλούσε με Unite AI. 

Αλλά εάν η υποκείμενη διαδικασία είναι ελαττωματική, πρόσθεσε, η AI δεν διορθώνει το ελάττωμα. Αντίθετα, το εκτελεί πιο γρήγορα και σε μεγαλύτερη κλίμακα. “Η παρεξήγηση είναι ότι η τεχνολογία κάνει διαγνωστική εργασία όταν δεν το κάνει. Αυτό το κομμάτι εξακολουθεί να χρειάζεται έναν επαγγελματία πίσω από αυτό.” 

Η SkyStem εστιάζει κυρίως στο να βοηθά οργανισμούς των οποίων οι πλατφόρμες κλεισίματος οικονομικών τυποποιούν τις συμφωνίες, αυτοματοποιούν τις ροές εργασίας και ενισχύουν τους εσωτερικούς ελέγχους πριν ενσωματώσουν AI σε κρίσιμες λογιστικές διαδικασίες. Αντί να αντικαθιστά τις πειθαρχημένες οικονομικές λειτουργίες με AI, η εταιρεία δημιουργεί αξιόπιστα λειτουργικά θεμέλια ώστε η αυτοματοποίηση να μπορεί πραγματικά να παρέχει ακριβή αποτελέσματα χωρίς να διακυβεύει τα δεδομένα. 

“Η AI δημιουργεί τεράστια αξία σε όγκο, συνέπεια και ταχύτητα για εργασίες που είναι καλά ορισμένες […] Αλλά τα σημεία όπου οι άνθρωποι πρέπει να παραμείνουν στον έλεγχο είναι ακριβώς εκεί όπου η εμπειρία έχει τη μεγαλύτερη σημασία: η διαίσθηση κινδύνου, η αναγνώριση προτύπων υπό αβεβαιότητα, και, το πιο σημαντικό, η λήψη αποφάσεων υπό πίεση,” πρόσθεσε η Malhotra.  

Foundation Before Automation

Τα οικονομικά έχουν πολύ μικρό περιθώριο για λάθη. Η ακριβής αναφορά, οι συμφωνίες, η κανονιστική συμμόρφωση και η δυνατότητα ελέγχου είναι ουσιώδεις· η AI πρέπει να ενισχύει και να απλοποιεί αυτές τις διαδικασίες, όχι να τις διακυβεύει επιταχύνοντας τις υπάρχουσες αδυναμίες του συστήματος. 

Η Kognia Labs, μια εταιρεία συμβούλων AI και ανάπτυξης λογισμικού, υιοθετεί παρόμοια άποψη. Βοηθά οργανισμούς να εφαρμόσουν συστήματα που εντοπίζουν ελαττώματα ή ασυνέπειες σε αναφορές πριν γίνουν τόσο δαπανηρές. 

Πριν η AI ενσωματωθεί σε μια ροή εργασίας όπου ένας πελάτης περιμένει την απάντηση, τρία πράγματα πρέπει να ισχύουν στον οργανισμό: σύνδεση μεταξύ συστημάτων, πρόσβαση στην πληροφορία που δεν είναι αποθηκευμένη ως έγγραφο, και δυνατότητα επαλήθευσης της προέλευσης της απάντησης, σύμφωνα με την Alexandra Ollé, διευθύντρια στρατηγικής στην Kognia Labs. 

“Οι πληροφορίες που χρειάζεται ένας σύμβουλος διασπείρονται σε διαφορετικά συστήματα και διαφορετικές μορφές, και αυτά τα συστήματα γενικά δεν επικοινωνούν μεταξύ τους. Αυτό είναι που κάνει τις απαντήσεις αργές και ασυνεπείς από την αρχή,” είπε η Ollé στο Unite AI. “Η AI δεν επιλύει αυτό προσθέτοντάς το από πάνω.” 

Αυτό το κενό, μεταξύ της επιτάχυνσης μιας διαδικασίας και της πραγματικής βελτίωσής της, είναι όπου τα χρηματοοικονομικά στοιχήματα γίνονται σαφή: όταν τα κεφάλαια είναι σε κίνδυνο, η αξιοπιστία δεν είναι προαιρετική, και η κακή διαχείριση ενός συστήματος AI φέρνει πραγματική νομική έκθεση. 

“Η AI βελτιώνει μια διαδικασία όταν μια εταιρεία τη χρησιμοποιεί για να αλλάξει τον τρόπο που γίνεται πραγματικά η εργασία. Αυτό συνήθως αρχίζει με την κατανόηση του γιατί η διαδικασία αποτυγχάνει, κάτι που οι περισσότερες οργανώσεις δεν μπορούν να δουν καθαρά επειδή τα αποδεικτικά στοιχεία βρίσκονται σε χιλιάδες συνομιλίες πελατών που καμία ομάδα δεν έχει χρόνο να εξετάσει,” τόνισε η Ollé.   

The Path Forward: An AI-Human Bridge

Πριν βασιστούν στην AI για την αυτοματοποίηση κρίσιμων οικονομικών ροών εργασίας, οι οργανισμοί πρέπει πρώτα να εξασφαλίσουν ότι οι διαδικασίες τους είναι έτοιμες. Αυτό ξεκινά με την αξιολόγηση της ωριμότητας των διαδικασιών, την αντιμετώπιση των στενών σημείων και των προβλημάτων ποιότητας δεδομένων, και την εισαγωγή της AI σταδιακά σε περιοχές χαμηλού κινδύνου πριν επεκταθεί σε πιο σύνθετες οικονομικές λειτουργίες. 

Η δημιουργία ενός ισχυρού λειτουργικού θεμελίου πρώτα, συνοπτικά, επιτρέπει στην αυτοματοποίηση να βελτιώσει την αποδοτικότητα χωρίς να διακυβεύει την ακρίβεια ή την εποπτεία. Και αυτό είναι το σημείο όπου οι άνθρωποι δεν μπορούν να χαλαρώσουν· υπάρχουν πράγματα που η AI απλώς δεν μπορεί να κάνει μόνη της. 

Υπάρχουν ήδη ορισμένες εταιρείες των οποίων η προσέγγιση στην υλοποίηση AI προέρχεται από μια φιλοσοφία “πρώτα οι άνθρωποι”, η οποία διασφαλίζει ανθρώπινη εποπτεία και αξιοπιστία πάνω σε αυτοματοποιημένα συστήματα. Η Solvd, για παράδειγμα, είναι μια εταιρεία λογισμικού με έδρα την Καλιφόρνια που αναπτύσσει, υλοποιεί και διαχειρίζεται συστήματα AI για επιχειρήσεις, εξειδικευμένη στην κατασκευή πολύπλοκων ροών εργασίας που στη συνέχεια βελτιώνονται από ανθρώπους πριν κλιμακωθούν μέσω αυτοματοποίησης. 

“Οι εταιρείες που παίρνουν την AI σοβαρά θα μαθαίνουν πιο γρήγορα, θα συγκεντρώνουν πιο πλούσιες πληροφορίες πελατών, θα λειτουργούν πιο αποδοτικά και θα προσωποποιούν πιο αποτελεσματικά. Με την πάροδο του χρόνου, η διατήρηση του ρυθμού γίνεται πιο δύσκολη επειδή οι ανταγωνιστές δεν απλώς υλοποιούν καλύτερα εργαλεία· δημιουργούν καλύτερα δεδομένα, διαδικασίες και θεσμική μάθηση,” Skylar Roebuck, chief technology officer στην Solvd, είπε στο Unite AI. 

Μια οργάνωση είναι πραγματικά έτοιμη για AI όταν η εκτελεστική της ομάδα είναι ευθυγραμμισμένη όχι μόνο σχετικά με τη σημασία της AI, αλλά και σχετικά με το πώς θα δημιουργήσει ένα ουσιαστικό ανταγωνιστικό πλεονέκτημα για την επιχείρηση. 

“Η ανθρώπινη εποπτεία δεν πρέπει να θεωρείται απλώς ως κάποιος που εγκρίνει κάθε ενέργεια της AI. Αυτή η προσέγγιση δεν κλιμακώνεται και συχνά δημιουργεί την ψευδαίσθηση ασφαλείας χωρίς να προσφέρει ουσιαστικό έλεγχο,” τόνισε ο Roebuck, προσθέτοντας ότι το σύστημα πρέπει να μπορεί να λειτουργεί ανεξάρτητα εντός σαφών ορίων και να αναγνωρίζει αβεβαιότητα για κλιμάκωση όταν απαιτείται κριτική. 

Συνοψίζοντας, η AI έχει τη δυνατότητα να μεταμορφώσει τα οικονομικά, αλλά δεν μπορεί να αντικαταστήσει την λειτουργική πειθαρχία και την ανθρώπινη κρίση που απαιτούνται για τη λήψη χρηματοοικονομικών αποφάσεων. Ο στόχος εδώ δεν είναι να επιταχύνουμε το κλείσιμο, αλλά να επιταχύνουμε την εμπιστοσύνη σε αυτό. 

Οι πραγματικά επιτυχημένοι οργανισμοί δεν θα είναι εκείνοι που αυτοματοποιούν πρώτα, αλλά εκείνοι που χτίζουν το σωστό θεμέλιο, και κρατούν τους ανθρώπους στο κέντρο των διαδικασιών που έχουν τη μεγαλύτερη σημασία.