Finansavdelningen automatiserar organisationsschemat i stället för kassaflödescykeln

Finansbranschen har ägnat mycket tid åt att diskutera om medarbetarna kommer att börja använda AI, om finanscheferna kommer att finansiera satsningarna och om tekniken är tillräckligt mogen för att gå vidare från experimentstadiet. Jag är inte ens säker på att de här frågorna längre är relevanta, eftersom vi redan ser en stadig ökning av AI-användningen inom finanschefsfunktionen.

I Auditorias senaste undersökning från 2026 uppgav 66,5 % av finansorganisationerna att de ökade sina investeringar i AI, och det genomsnittliga finansteamet använde AI inom 2,43 funktioner, en ökning med 36 % på ett år. Ändå uppgav bara 21 % att deras AI-initiativ hade gett meningsfulla, mätbara resultat.

Några tänkbara förklaringar till utvecklingen är att företagen har valt fel verktyg, gått för fort fram eller misslyckats med att få tillräckligt många att använda dem. Jag tror dock inte riktigt på det, eftersom vi har infört AI utifrån hur finansfunktionen är organiserad. Därför har leverantörsreskontran, kundreskontran, likviditetsförvaltningen och till och med FP&A nu blivit smartare.

Pengar rör sig inte på det sättet. De passerar alla de här gränserna, och jag tror att vi börjar upptäcka begränsningarna med att göra varje del av finansfunktionen smartare utan att också göra detsamma för den finansiella cykel som delarna tillsammans hanterar.

Vi har gjort delarna smartare

En av de märkligare bristerna i dagens finansfunktioner är att vi har byggt mycket sofistikerade sätt för varje funktion att förstå sin del av kassaflödet. Leverantörsreskontran hanterar utbetalningarna, kundreskontran fokuserar på inbetalningarna, likviditetsförvaltningen hanterar likviditeten och FP&A försöker förutse vart siffrorna är på väg. Varje team kan sköta sitt jobb väl, men ändå lämna finanschefen utan någon som tydligt ansvarar för vad som händer med pengarna när de rör sig mellan funktionerna.

Tänk på genomsnittlig betalningstid till leverantörer (DPO) och genomsnittlig kredittid för kundfordringar (DSO). Jag kan låta ett team inom leverantörsreskontran förbättra betalningstiden till leverantörer med fem dagar och med all rätt rapportera det som ett framsteg, samtidigt som indrivningen går långsammare under samma kvartal och DSO försämras med sju dagar. Båda teamen kan ha gjort precis det de fått i uppdrag att göra och ha fullt rimliga förklaringar till sina resultat. Men företaget avslutar ändå kvartalet med en två dagar sämre förmåga att omvandla rörelsekapital till kontanter.

Finansfunktionen är mycket bra på att fördela ansvaret mellan olika funktioner, men det är ofta i utrymmet mellan dem som det ekonomiska utfallet avgörs.

Vi har byggt system för att automatisera fakturor, stämma av konton, prognostisera kassaflödet, hantera indrivning och ta fram rapporter. Nu införs AI inom samma områden, vilket innebär att vi riskerar att effektivisera varje del av finansfunktionen utan att göra den som helhet mindre fragmenterad.

Snabbare arbete innebär inte en kortare process

Ett resultat från vår undersökning återkommer jag ofta till, eftersom det fångar problemet ovanligt väl. Nu besvarar 43,8 % förfrågningar inom 24 timmar, den högsta andel vi har uppmätt på fyra år. Samtidigt lägger 44,5 % av teamen minst 11 timmar i veckan på att följa upp med leverantörer, kunder och interna intressenter, jämfört med 29,7 % för ett år sedan. Ytterligare 13,4 % lägger mer än 30 timmar i veckan på detta.

Siffrorna verkar bara motsägelsefulla om vi utgår från att ett snabbare svar innebär att arbetet är närmare slutfört. En leverantör kan till exempel svara på ett mejl, men informationen är fortfarande ofullständig, eller så svarar en kund på en begäran om betalning genom att bestrida fakturan. Finansavdelningen upptäcker avvikelsen och måste sedan hitta någon i en annan del av företaget som kan förklara den.

Jag tror att vi har ägnat för mycket tid åt att mäta hur snabbt enskilda uppgifter utförs och för lite åt att mäta hur lång tid det tar från att ett problem upptäcks tills det har lösts på ett sätt som förändrar det ekonomiska utfallet.

AI-agenter höjer insatserna

Traditionell automatisering har hjälpt oss att snabba upp en mycket fragmenterad process. AI har däremot förändrat spelplanen helt. En AI-agent kan börja fatta beslut i den automatiserade processen. Därför spelar målen vi ger de här systemen mycket större roll än när programvara bara flyttade information från ett fält till ett annat.

Problemet blir tydligare när AI börjar agera inom flera delar av finansfunktionen. Leverantörsreskontran kan försöka optimera betalningstidpunkterna, kundreskontran påskynda indrivningen och Treasury skydda likviditeten, alla med egna, rimliga mål. Risken uppstår när systemen fattar beslut utifrån olika definitioner av framgång, utan en gemensam bild av vilket ekonomiskt utfall företaget försöker uppnå.

Därför handlar nästa problem med AI inom finans inte om användning. Det handlar i stället om att avgöra vad systemet ska optimera och vad som händer när lokalt rimliga beslut står i konflikt med det övergripande ekonomiska utfallet. Behörigheter, godkännandetrösklar, granskningsspår och regler för eskalering är viktiga, men de besvarar frågan om vad ett AI-system får göra. Finanschefer måste också avgöra vad systemet ska uppnå inom ramen för de finansiella reglerna och styrningsreglerna.

Integration blir en fråga om verksamhetsstyrning

Bristande integration med befintliga system är nu det hinder för införandet av AI som nämns oftast; enligt vår forskning gäller det 36,7 %. Motstånd mot införandet av teknik, som tidigare toppade listan, har fallit till sjunde plats. En separat studie från 2026 av ACCA och CA ANZ visade att 40 % av ekonomiprofessionella ser svårigheter med att integrera flera datakällor som ett hinder för att få bättre insikter om verksamheten.

Ledare inom ekonomifunktionen lägger inte längre merparten av sin energi på att övertyga människor om att AI hör hemma i funktionen. I stället upptäcker de vad som händer när flera AI-funktioner behöver arbeta med samma transaktioner, riktlinjer, godkännanden, undantag och finansiella utfall.

En användbar AI-funktion kan finnas inom en enskild funktion. En användbar verksamhetsmodell för ekonomifunktionen kan inte det.

I stället för att räkna hur många användningsområden som har tagits i bruk bör man alltså börja ta reda på hur många överlämningar som återstår mellan att ett problem identifieras och att dess ekonomiska konsekvenser hanteras. I stället för att bara titta på hur många timmar som sparas inom leverantörs- eller kundreskontran skulle jag fråga mig om pengarna rör sig genom verksamheten på ett mer förutsägbart sätt. Och i stället för att ge varje del av ekonomifunktionen sin egen definition av framgång med AI skulle jag fråga vem som ansvarar för resultatet när definitionerna krockar.

I åratal har ekonomiteknik byggts upp kring organisationens struktur, så det är knappast förvånande att AI införs på samma sätt. CFO:n ansvarar för hur dessa funktioner presterar, men i slutändan bedömer verksamheten inte ekonomifunktionen utifrån om leverantörsreskontran, kundreskontran, finansförvaltningen eller FP&A var för sig når sina lokala effektivitetsmål. Det är det ekonomiska resultat de åstadkommer tillsammans som räknas.

Om AI ska förändra ekonomifunktionen på något meningsfullt sätt måste detta bli själva utgångspunkten för omvandlingen. Annars automatiserar vi funktionerna och förbättrar de lokala nyckeltalen, men låter ändå det ekonomiska resultatet förbli splittrat längs samma gränser som vi skulle åtgärda.