For mye AI, for tidlig: Setter finansavdelinger seg selv i fare?

Finansavdelinger er under enormt press for å ta i bruk AI, hovedsakelig drevet av styret som søker effektivitetsgevinster, CFO‑er som jager raskere avslutninger, og leverandører som lover enestående automatisering. 

Den rådende antagelsen er at mer AI naturlig vil gi bedre resultater, siden den kan analysere data på sekunder. Men hastighet alene er ikke den eneste faktoren som garanterer suksess, spesielt hvis den underliggende prosessen er feilaktig eller underutviklet. 

Når organisasjoner skynder seg å integrere AI i finansielle arbeidsflyter, risikerer de å overse en grunnleggende sannhet: AI er kun så effektivt som systemene det automatiserer. 

Den kan akselerere oppgaver, men den kan ikke kompensere for svake kontroller, fragmenterte data eller inkonsistente prosesser.

Likevel får teknologien økt betydning i større foretak, og stadig flere selskaper håper den vil levere umiddelbare resultater. 

For 2025 har andelen toppledere som identifiserer AI‑atferdsrisiko som en viktig bekymring økt fra 16 % de siste tre årene til 56 % fremover, og gjør det til den ledende ikke‑finansielle risikoen. Samtidig har store brudd på forretningsatferd økt med 55 % mellom 2023 og 2025, med en gjennomsnittlig kostnad på $14 millioner per hendelse, noe som fører til reaktive i stedet for proaktive investeringer i styring og datakvalitet. 

Ingen annen sektor er AI‑bruken så kritisk som i finans, hvor månedsslutt‑avslutninger avhenger av kontroller, avstemming og verifisering. AI kan øke hastigheten i den prosessen, men uten et solid fundament kan den like lett forsterke eksisterende svakheter som fjerne dem. 

Spørsmålet er derfor om finans har gjort nok forarbeid for å være klare for en massiv AI‑overhaling. 

AI er en multiplikator, ikke en løsning

Selv om AI utvilsomt er et kraftig verktøy for å gjøre oppgaver enklere, er en vanlig misforståelse at AI kan fikse alle ødelagte prosesser, mens realiteten er at den bare forsterker det som allerede finnes. 

Hvis de underliggende dataene er inkonsistente, kontrollene svake, eller avstemmingspraksisen feilaktig, vil AI bare utføre disse manglene raskere og i større skala. Det gamle prinsippet “garbage in, garbage out” har ikke forsvunnet; det opererer nå med maskinhastighet.

Dette betyr ikke at AI er verdiløs; tvert imot automatiserer den arbeidskrevende oppgaver som datauttrekk og presentasjon, slik at finansprofesjonelle kan fokusere på mer verdiskapende arbeid. Den kan gi dem mer tid til kritisk tenkning, å trekke konklusjoner og sikre tilsyn med hva maskinene utfører. 

Imidlertid kan overdreven avhengighet av AI skape sårbarheter dersom systemene svikter eller gir uventede resultater. Hvis en AI‑modell som brukes til markedsprognoser feiler under en krise, kan den forsterke tap eller destabilisere markedene. 

Basel‑komiteen for banktilsyn og andre organer er spesielt bekymret for systemiske risikoer, hvor omfattende AI‑feil kan true finansiell stabilitet. 

I stedet for å behandle AI som en kur for operasjonelle ineffektiviteter, bør organisasjoner fokusere på å bygge den finansielle infrastrukturen som gjør at automatisering kan fungere pålitelig. Det innebærer standardiserte avstemmingsprosesser, sterkere interne kontroller, bedre datastyring og større innsikt i avslutningsprosessen.

«Det er en vanlig misforståelse at AI er en løsning på prosessproblemer. Det er det ikke. Det er en forsterker av det som allerede er der. Finansledere kommer ofte til AI for å få lettelse fra manuelt arbeid, trege avslutninger eller rapportering som tar for lang tid», sier Shagun Malhotra, administrerende direktør i den automatiserte månedsslutt‑programvaren SkyStem, i samtale med Unite AI. 

Men hvis den underliggende prosessen er feilaktig, legger hun til, løser ikke AI feilen. Den kjører den bare raskere og i større skala. «Misforståelsen er at teknologien gjør diagnostisk arbeid når den ikke gjør det. Den delen krever fortsatt en profesjonell bak den.» 

SkyStem fokuserer hovedsakelig på å hjelpe organisasjoner med å standardisere avstemminger, automatisere arbeidsflyter og styrke interne kontroller før de legger AI på kritiske regnskapsprosesser. I stedet for å erstatte disiplinerte finansoperasjoner med AI, bygger selskapet pålitelige operative fundamenter slik at automatisering faktisk kan levere nøyaktige resultater uten å kompromittere data. 

«AI skaper enorm verdi i volum, konsistens og hastighet for veldefinerte oppgaver […] Men de områdene hvor mennesker må beholde kontrollen er nettopp der erfaring betyr mest: risikointuisjon, mønstergjenkjenning under tvetydighet, og viktigst av alt, beslutningstaking under press», legger Malhotra til.  

Fundament før automatisering

Finans har svært lite rom for feil. Nøyaktig rapportering, avstemming, regulatorisk etterlevelse og revisjonsevne er essensielt; AI bør forbedre og forenkle disse prosessene, ikke svekke dem ved å akselerere eksisterende svakheter i systemet. 

Kognia Labs, et AI‑konsulent- og programvareutviklingsselskap, deler et lignende syn. De hjelper organisasjoner med å implementere systemer som oppdager feil eller inkonsistenser i rapporter før de blir så kostbare. 

Før AI settes inn i en arbeidsflyt hvor en kunde venter på svar, må tre ting være sanne i institusjonen: koblingen mellom systemene, tilgang til informasjon som ikke er arkivert som dokument, og evnen til å verifisere hvor et svar kommer fra, sier Alexandra Ollé, strategidirektør i Kognia Labs. 

«Informasjonen en rådgiver trenger er spredt over ulike systemer og formater, og disse systemene snakker vanligvis ikke med hverandre. Det er det som gjør svar langsomme og inkonsistente i første omgang», forteller Ollé til Unite AI. «AI løser ikke dette ved å bare legges oppå det.» 

Det gapet mellom å akselerere en prosess og faktisk forbedre den er der de finansielle innsatsene blir konkrete: når penger står på spill, er pålitelighet ikke valgfritt, og feil håndtering av et AI‑system medfører reell juridisk eksponering. 

«AI forbedrer en prosess når en bedrift bruker den til å endre hvordan arbeidet faktisk utføres. Det begynner vanligvis med å forstå hvorfor prosessen feiler, noe de fleste institusjoner ikke ser tydelig fordi bevisene ligger i tusenvis av kundesamtaler som ingen team har tid til å gå gjennom», understreker Ollé.   

Veien videre: En AI‑menneskelig bro

Før man stoler på AI for å automatisere kritiske finansielle arbeidsflyter, må organisasjoner først sikre at prosessene er klare for det. Det starter med å vurdere prosessmodenhet, adressere flaskehalser og datakvalitetsproblemer, og introdusere AI gradvis i lav‑risikoområder før man utvider til mer komplekse finansoperasjoner. 

Å bygge et sterkt operasjonelt fundament først gjør at automatisering kan forbedre effektiviteten uten å gå på akkord med nøyaktighet eller tilsyn. Og dette er delen hvor mennesker ikke kan senke vaktholdet; det finnes ting AI rett og slett ikke kan gjøre på egen hånd. 

Det finnes allerede noen selskaper som fokuserer på AI‑implementering fra et «mennesker først»-perspektiv, som sikrer menneskelig tilsyn og troverdighet over automatiserte systemer. Solvd, for eksempel, er et programvare‑ingeniørselskap basert i California som utvikler, implementerer og styrer AI‑systemer for bedrifter, og som er spesialisert i å bygge komplekse arbeidsflyter som deretter finjusteres av mennesker før de skaleres gjennom automatisering. 

«Selskaper som tar AI på alvor vil lære raskere, samle rikere kundeinnsikt, operere mer effektivt og personalisere mer presist. Over tid blir det vanskeligere å holde tritt fordi konkurrentene ikke bare bruker bedre verktøy; de bygger bedre data, prosesser og institusjonell læring», sier Skylar Roebuck, teknologidirektør i Solvd, til Unite AI. 

En organisasjon er virkelig AI‑klar når lederteamet er enige ikke bare om viktigheten av AI, men også om hvordan den skal skape en meningsfull konkurransefordel for virksomheten. 

«Menneskelig tilsyn bør ikke bare betraktes som at noen godkjenner hver AI‑handling. Den tilnærmingen skalerer ikke og skaper ofte en illusjon av sikkerhet uten å levere reell kontroll», understreker Roebuck, og legger til at systemet bør kunne operere selvstendig innen klare grenser og gjenkjenne usikkerhet for eskalering når skjønn er nødvendig. 

Kort sagt har AI potensialet til å transformere finans, men den kan ikke erstatte den operative disiplinen og menneskelige dømmekraften som finansielle beslutninger krever. Målet her er ikke å akselerere avslutningen, men å øke tilliten til den. 

De virkelig suksessrike organisasjonene vil ikke være de som automatiserer først, men de som bygger det rette fundamentet, og holder mennesker i sentrum av de prosessene som betyr mest.