Финансовая функция автоматизирует оргструктуру вместо цикла движения денежных средств

В финансовой сфере много времени уделяли обсуждению того, будут ли сотрудники использовать ИИ, станут ли финансовые директора выделять на него средства и достаточно ли созрела технология, чтобы выйти за рамки экспериментов. Но я уже не уверен, что эти вопросы полезны: мы и так наблюдаем устойчивое внедрение ИИ в подразделениях финансовых директоров.

В недавнем исследовании Auditoria за 2026 год исследовании 66,5% финансовых организаций сообщили, что увеличивают инвестиции в ИИ, а среднестатистическая финансовая команда использовала его в 2,43 функциональных направлениях — на 36% больше, чем годом ранее. И все же лишь 21% заявили, что их инициативы в области ИИ принесли существенные, измеримые результаты.

Возможно, это происходит потому, что компании выбрали неподходящие инструменты, слишком поторопились или не смогли добиться их широкого использования. Однако я не очень верю в эти объяснения: мы внедряли ИИ в соответствии с тем, как устроена финансовая функция, и теперь он помогает работать эффективнее подразделениям кредиторской и дебиторской задолженности, казначейству и даже FP&A.

Деньги движутся иначе. Они пересекают границы всех этих подразделений, и, похоже, мы начинаем осознавать пределы подхода, при котором совершенствуем каждую часть финансовой функции, но не сам финансовый цикл, которым они управляют сообща.

Мы сделали отдельные части умнее

Один из самых удивительных пробелов в современной финансовой сфере заключается в том, что мы создали весьма сложные способы для каждого подразделения понимать свою часть движения денежных средств. Подразделение кредиторской задолженности (AP) отвечает за исходящие платежи, подразделение дебиторской задолженности (AR) сосредоточено на поступлениях, казначейство управляет ликвидностью, а FP&A пытается предвидеть, куда движутся показатели. Каждая команда может хорошо справляться со своей работой, и при этом у финансового директора может не оказаться никого, кто явно отвечал бы за движение денежных средств между этими подразделениями.

Возьмем срок погашения кредиторской задолженности (DPO) и срок погашения дебиторской задолженности (DSO). Допустим, команда AP сократит DPO на пять дней — вполне обоснованно можно отчитаться о прогрессе. Но в том же квартале взыскание задолженности может замедлиться, а DSO — увеличиться на семь дней. Обе команды могли выполнить именно то, что от них требовалось, и у обеих могли быть вполне веские объяснения полученных результатов. Но в итоге к концу квартала компания на два дня хуже справляется с превращением оборотного капитала в денежные средства.

В финансовой сфере хорошо умеют распределять ответственность между подразделениями, однако финансовый результат часто формируется на стыке их работы.

Мы создали системы для автоматизации выставления счетов, сверки счетов, прогнозирования денежных потоков, управления взысканием задолженности и подготовки отчетов. Теперь в те же процессы внедряют ИИ, и мы рискуем повысить эффективность каждой части финансовой функции, не сделав ее менее разобщенной.

Более быстрая работа — не то же самое, что более короткий путь

Один вывод из нашего исследования постоянно приходит мне на ум: он необычайно точно отражает эту проблему. Сейчас 43,8% отвечают на запросы в течение 24 часов — это самый высокий показатель за четыре года наблюдений. В то же время 44,5% команд тратят не менее 11 часов в неделю на напоминания поставщикам, клиентам и внутренним заинтересованным сторонам — год назад таких было 29,7%. Еще 13,4% тратят на это более 30 часов в неделю.

Эти цифры кажутся противоречивыми, только если предположить, что быстрый ответ означает, будто работа ближе к завершению. Например, поставщик отвечает на письмо, но информация остается неполной; или клиент отвечает на запрос об оплате, оспаривая счет. Финансовая команда обнаруживает несоответствие, а затем вынуждена искать кого-то в другом подразделении компании, кто сможет его объяснить.

Мне кажется, мы слишком много внимания уделяли измерению скорости выполнения отдельных задач и слишком мало — тому, сколько времени проходит с момента обнаружения проблемы до ее решения, которое меняет финансовый результат.

ИИ-агенты повышают ставки

Традиционная автоматизация хорошо помогала ускорять весьма разобщенный процесс. Однако ИИ полностью изменил ситуацию. ИИ-агент может начать принимать решения в рамках автоматизированного процесса. Поэтому цели, которые мы ставим перед такими системами, теперь имеют гораздо большее значение, чем тогда, когда программное обеспечение просто перемещало данные из одного поля в другое.

Проблема становится очевиднее, когда ИИ начинает действовать во всех подразделениях финансовой функции. AP может стремиться оптимизировать сроки платежей, AR — ускорить взыскание задолженности, а казначейство — защитить ликвидность, и у каждого подразделения при этом могут быть вполне разумные собственные цели. Риск возникает, когда эти системы принимают решения, опираясь на разные критерии успеха и не имея общего представления о финансовом результате, которого стремится достичь компания.

Вот почему следующая проблема, связанная с ИИ в финансовой сфере, — не его внедрение. Важно решить, что должна оптимизировать система и что произойдет, если локально разумные решения будут противоречить более широким финансовым целям. Права доступа, пороговые значения для согласования, журналы аудита и правила эскалации важны, но они определяют, что системе ИИ разрешено делать. Финансовым директорам также нужно определить, каких целей система должна достигать с учетом финансовых требований и правил корпоративного управления.

Интеграция становится операционной проблемой

Отсутствие интеграции с существующими системами теперь чаще всего называют препятствием для внедрения ИИ: по данным нашего исследования, на него указали 36,7% респондентов. Сопротивление внедрению технологий, ранее занимавшее первое место в списке, опустилось на седьмую позицию. Отдельное исследование, проведенное в 2026 году ACCA и CA ANZ, показало, что 40% специалистов в сфере финансов считают трудности с интеграцией нескольких источников данных препятствием для повышения качества бизнес-аналитики.

Финансовые руководители уже не тратят большую часть сил на то, чтобы убедить сотрудников: ИИ нужен финансовой функции. Теперь они узнают, что происходит, когда несколько возможностей ИИ должны работать с одними и теми же транзакциями, политиками, согласованиями, исключениями и финансовыми результатами.

Полезная возможность ИИ может быть встроена в отдельную функцию. Но полезную операционную модель финансовой службы так не построить.

Поэтому вместо подсчета внедренных сценариев использования стоит выяснять, сколько передач между сотрудниками остается на пути от выявления проблемы до устранения ее финансовых последствий. Вместо того чтобы смотреть только на часы, сэкономленные в подразделениях по работе с кредиторской задолженностью (AP) или дебиторской задолженностью (AR), я бы спросил, движутся ли денежные средства по компании более предсказуемо. И вместо того чтобы устанавливать для каждой финансовой функции собственное определение успеха ИИ, я бы спросил, кто отвечает за результат, когда эти определения вступают в противоречие.

Годами финансовые технологии создавали с учетом организационной структуры компании, поэтому неудивительно, что ИИ внедряют таким же образом. Финансовый директор отвечает за работу этих функций, но в конечном счете бизнес оценивает финансовую службу не по тому, достигли ли подразделения по работе с кредиторской задолженностью и дебиторской задолженностью, казначейство или FP&A каждый своих локальных целевых показателей эффективности. Для бизнеса важен финансовый результат, которого они достигают вместе.

Если ИИ действительно должен преобразить финансовую сферу, именно такой результат должен стать мерилом преобразований. Иначе мы автоматизируем функции, улучшим локальные показатели, но финансовые результаты так и останутся разрозненными и ограниченными теми же границами, которые мы должны были устранить.