Finans automatiserer organisasjonskartet i stedet for kontantsyklusen

Finanssektoren har brukt mye tid på å diskutere om ansatte vil ta i bruk KI, om finansdirektørene vil finansiere det, og om teknologien er moden nok til å brukes utover eksperimentering. Jeg er ikke engang sikker på om disse spørsmålene er nyttige lenger, siden vi allerede ser en jevn innføring av KI i finansdirektørens organisasjon.

I Auditorias nylige undersøkelse fra 2026 oppga 66,5 % av finansorganisasjonene at de økte investeringene i KI, og det gjennomsnittlige finansteamet brukte KI på tvers av 2,43 funksjoner, en økning på 36 % på ett år. Likevel oppga bare 21 % at KI-initiativene deres hadde gitt meningsfulle, målbare resultater.

Mulige forklaringer på hvorfor dette skjer, er at selskaper enten har valgt feil verktøy, gått for raskt fram eller ikke fått nok folk til å ta dem i bruk. Jeg tror imidlertid ikke helt på det, for vi har innført KI etter måten finansfunksjonen er organisert på. Dermed er nå leverandørgjeld, kundefordringer, treasury og til og med FP&A blitt smartere.

Kontanter beveger seg ikke på den måten. De krysser alle disse grensene, og jeg tror vi begynner å oppdage begrensningene ved å gjøre hver del av finans smartere uten å gjøre det samme med den finansielle syklusen de samlet sett håndterer.

Vi har gjort delene smartere

Et av de mer underlige gapene i moderne finans er at vi har utviklet svært avanserte måter for hver funksjon å forstå sin del av kontantstrømmen på. AP håndterer det som går ut, AR fokuserer på det som kommer inn, treasury styrer likviditeten, og FP&A prøver å forutse hvor tallene er på vei. Hvert team kan gjøre jobben sin godt, samtidig som finansdirektøren står uten noen som tydelig har ansvar for hva som skjer med kontantene når de beveger seg mellom disse funksjonene.

Se på dager med utestående leverandørgjeld (DPO) og dager med utestående kundefordringer (DSO). Jeg kan få et AP-team til å redusere DPO med fem dager og med god grunn rapportere det som framgang, samtidig som innbetalingene fra kunder går tregere i samme kvartal og DSO forverres med sju dager. Begge teamene kan ha gjort akkurat det de ble bedt om, og begge kan ha gode forklaringer på resultatene sine. Likevel avslutter virksomheten kvartalet med en to dager dårligere evne til å omsette arbeidskapital til kontanter.

Finans er svært god til å plassere ansvar hos ulike funksjoner, men det økonomiske resultatet oppstår ofte i rommet mellom dem.

Vi har utviklet systemer for å automatisere fakturaer, avstemme kontoer, lage kontantprognoser, håndtere innkreving og produsere rapporter. KI bygges nå inn i de samme kategoriene, noe som betyr at vi risikerer å gjøre hver del av finans mer effektiv uten å gjøre finansfunksjonen som helhet mindre fragmentert.

Raskere arbeid er ikke det samme som en kortere prosess

Ett funn fra undersøkelsen vår vender stadig tilbake til meg fordi det fanger dette problemet på en uvanlig treffende måte. Nå svarer 43,8 % på forespørsler innen 24 timer, det høyeste nivået vi har registrert på fire år. Samtidig bruker 44,5 % av teamene 11 timer eller mer hver uke på å følge opp leverandører, kunder og interne interessenter, opp fra 29,7 % for ett år siden. Ytterligere 13,4 % bruker mer enn 30 timer i uken på dette.

Tallene virker bare motstridende hvis vi antar at et raskere svar betyr at arbeidet er nærmere ferdigstillelse. En leverandør kan for eksempel svare på en e-post, men informasjonen er fortsatt ufullstendig, eller en kunde kan svare på en forespørsel om innbetaling ved å bestride fakturaen. Finans oppdager avviket og må deretter finne noen i en annen del av virksomheten som kan forklare det.

Jeg tror vi har brukt for mye tid på å måle hvor raskt enkeltoppgaver utføres, og for lite tid på å måle hvor lang tid det tar fra et problem blir identifisert til det blir løst på en måte som påvirker det økonomiske resultatet.

KI-agenter øker innsatsen

Tradisjonell automatisering har vært nyttig for å få fart på en svært fragmentert prosess. KI har imidlertid endret spillereglene fullstendig. En KI-agent kan begynne å ta beslutninger som en del av den automatiserte prosessen. Det betyr at målene vi gir disse systemene, er langt viktigere enn da programvare bare flyttet informasjon fra ett felt til et annet.

Problemet blir tydeligere når KI begynner å handle på tvers av finansfunksjonen. AP kan forsøke å optimalisere betalingstidspunktet, AR å få inn betalinger raskere og treasury å beskytte likviditeten, alt ut fra fornuftige mål hver for seg. Risikoen oppstår når disse systemene tar beslutninger basert på ulike definisjoner av suksess, uten en felles forståelse av hvilket økonomisk resultat virksomheten prøver å oppnå.

Derfor handler ikke det neste KI-problemet i finans om innføring. Det handler snarere om å avgjøre hva systemet skal optimalisere, og hva som skjer når beslutninger som virker fornuftige lokalt, kommer i konflikt med det overordnede økonomiske resultatet. Tilganger, godkjenningsterskler, revisjonsspor og regler for eskalering er viktige, men de sier noe om hva et KI-system har lov til å gjøre. Finansdirektører må også avgjøre hva systemet skal oppnå innenfor økonomiske rammer og styringsregler.

Integrasjon er i ferd med å bli et driftsproblem

Manglende integrasjon med eksisterende systemer er nå den oftest nevnte hindringen for å ta i bruk KI; i vår undersøkelse oppgis den av 36,7 %. Motstand mot å ta i bruk teknologi, som tidligere toppet listen, har falt til sjuendeplass. En separat undersøkelse fra 2026 utført av ACCA og CA ANZ viste at 40 % av økonomimedarbeidere mener det er vanskelig å integrere flere datakilder, og at dette hindrer dem i å få bedre forretningsinnsikt.

Økonomiledere bruker ikke lenger mesteparten av kreftene på å overbevise folk om at KI hører hjemme i økonomifunksjonen. De oppdager hva som skjer når flere KI-funksjoner må arbeide med de samme transaksjonene, retningslinjene, godkjenningene, avvikene og økonomiske resultatene.

En KI-funksjon kan være nyttig innenfor én enkelt funksjon. En nyttig driftsmodell for økonomifunksjonen kan ikke være avgrenset til én enkelt funksjon.

I stedet for å telle hvor mange bruksområder som er tatt i bruk, bør man begynne å kartlegge hvor mange overleveringer som gjenstår fra et problem blir identifisert til de økonomiske konsekvensene er håndtert. I stedet for bare å se på hvor mange timer som spares i AP eller AR, ville jeg spurt om pengestrømmen gjennom virksomheten er blitt mer forutsigbar. Og i stedet for å la hver del av økonomifunksjonen definere KI-suksess på sin egen måte, ville jeg spurt hvem som har ansvaret for resultatet når definisjonene kolliderer.

I årevis har økonomiteknologi blitt utviklet med utgangspunkt i organisasjonens struktur, så det er ikke overraskende at KI tas i bruk på samme måte. Finansdirektøren har ansvar for hvordan disse funksjonene presterer, men virksomheten vurderer ikke økonomifunksjonen ut fra om AP, AR, likviditetsstyring eller FP&A hver for seg når sine lokale effektivitetsmål. Det som betyr noe, er det økonomiske resultatet de skaper sammen.

Hvis KI skal endre økonomifunksjonen på en meningsfull måte, må dette bli nivået omstillingen skjer på. Ellers automatiserer vi funksjonene, forbedrer de lokale måltallene og lar likevel det økonomiske resultatet forbli fragmentert langs de samme grensene som vi skulle ha fjernet.