AI มากเกินไป, เร็วเกินไป: ทีมการเงินกำลังตั้งตัวเองให้ล้มเหลวหรือไม่?

ทีมการเงินกำลังเผชิญกับแรงกดดันอย่างมากในการนำ AI มาใช้ ส่วนใหญ่เกิดจากคณะกรรมการที่มองหาการเพิ่มประสิทธิภาพ CFO ที่เร่งเร่งการปิดบัญชีให้เร็วขึ้น และผู้จำหน่ายที่สัญญาว่าจะทำให้การทำงานอัตโนมัติในระดับที่ไม่เคยมีมาก่อน. 

สมมติฐานที่แพร่หลายคือว่าการใช้ AI มากขึ้นจะนำไปสู่ผลลัพธ์ที่ดียิ่งขึ้นโดยธรรมชาติ เนื่องจากมันสามารถวิเคราะห์ข้อมูลได้อย่างมีประสิทธิภาพภายในไม่กี่วินาที แต่ความเร็วเพียงอย่างเดียวไม่ใช่ปัจจัยเดียวที่รับประกันความสำเร็จ โดยเฉพาะอย่างยิ่งหากกระบวนการพื้นฐานมีข้อบกพร่องหรือยังไม่พัฒนาเต็มที่. 

เมื่อองค์กรเร่งรีบนำ AI ไปผสานกับกระบวนการทำงานด้านการเงิน พวกเขาอาจมองข้ามความจริงพื้นฐานหนึ่ง: AI มีประสิทธิภาพได้เพียงเท่ากับระบบที่มันทำอัตโนมัติ. 

มันสามารถเร่งความเร็วของงานได้ แต่ไม่สามารถชดเชยการควบคุมที่อ่อนแอ ข้อมูลที่กระจัดกระจาย หรือกระบวนการที่ไม่สอดคล้องกัน.

แม้เช่นนั้น เทคโนโลยีก็ยังคงได้รับความสนใจมากขึ้นในองค์กรขนาดใหญ่ และบริษัทจำนวนมากกำลังคาดหวังว่ามันจะให้ผลลัพธ์ที่ทันที. 

สำหรับปี 2025 ส่วนแบ่งของผู้บริหารระดับ C-suite ที่ระบุความเสี่ยงด้านพฤติกรรม AI เป็นความกังวลสำคัญอันดับต้น ๆ เพิ่มขึ้น จาก 16% ในช่วงสามปีที่ผ่านมาเป็น 56% ในอนาคต ทำให้เป็นความเสี่ยงที่ไม่ใช่ด้านการเงินที่สำคัญที่สุด ในเวลาเดียวกัน, เหตุการณ์พฤติกรรมธุรกิจสำคัญเพิ่มขึ้น เพิ่มขึ้น 55% ระหว่างปี 2023 ถึง 2025 โดยมีค่าเฉลี่ยค่าใช้จ่ายต่อเหตุการณ์ที่ 14 ล้านดอลลาร์ ส่งผลให้การลงทุนในด้านการกำกับดูแลและคุณภาพข้อมูลเป็นเชิงปฏิกิริยาแทนเชิงรุก. 

ไม่มีพื้นที่ใดที่การใช้ AI มีความสำคัญยิ่งกว่าในด้านการเงิน ซึ่งการปิดบัญชีสิ้นเดือนต้องอาศัยการควบคุม การกระทบยอด และการตรวจสอบ AI อาจเพิ่มความเร็วของกระบวนการนั้นได้ แต่หากไม่มีพื้นฐานที่มั่นคง มันอาจขยายความอ่อนแอที่มีอยู่เดิมได้เท่ากับการกำจัดมัน. 

คำถามคือว่า ฝ่ายการเงินได้ทำการเตรียมพื้นฐานเพียงพอหรือยัง เพื่อพร้อมรับการเข้าครอบครองของ AI อย่างมหาศาล. 

AI เป็นตัวขยายผล ไม่ใช่การแก้ไข

แม้ว่า AI จะเป็นเครื่องมือที่ยอดเยี่ยมในการทำให้ภารกิจต่าง ๆ ง่ายขึ้น แต่ความเข้าใจผิดทั่วไปคือว่า AI สามารถแก้ไขกระบวนการที่เสียทั้งหมดได้ ในความเป็นจริง AI เพียงแค่ขยายสิ่งที่มีอยู่เดิม 

หากข้อมูลพื้นฐานไม่สอดคล้อง การควบคุมอ่อนแอ หรือการกระทบยอดมีข้อบกพร่อง AI จะดำเนินการข้อบกพร่องเหล่านั้นอย่างเร็วขึ้นและในระดับที่ใหญ่กว่า หลักการเก่า “ขยะเข้า ขยะออก” ยังไม่หายไป; ตอนนี้ทำงานด้วยความเร็วของเครื่องจักร.

ทั้งหมดนี้ไม่ได้หมายความว่า AI ไม่มีประโยชน์; ตรงกันข้าม AI ทำให้การทำงานที่ต้องใช้แรงงานมากเช่นการสกัดข้อมูลและการนำเสนอเป็นอัตโนมัติ ปล่อยให้ผู้เชี่ยวชาญด้านการเงินมุ่งเน้นงานที่มีมูลค่าสูงขึ้น มันช่วยให้พวกเขาใส่ใจในการคิดเชิงวิพากษ์ สรุปผล และตรวจสอบการทำงานของเครื่องจักรได้มากขึ้น. 

อย่างไรก็ตาม การพึ่งพา AI มากเกินไปอาจทำให้เกิดช่องโหว่หากระบบล้มเหลวหรือให้ผลลัพธ์ที่ไม่คาดคิด ตัวอย่างเช่น หากโมเดล AI ที่ใช้ทำนายตลาดทำงานผิดพลาดในช่วงวิกฤต มันอาจขยายขาดทุนหรือทำให้ตลาดไม่เสถียร. 

คณะกรรมการบาสเซลด้านการกำกับดูแลธนาคารและหน่วยงานอื่น ๆกังวลเป็นพิเศษ เกี่ยวกับความเสี่ยงเชิงระบบ ซึ่งความล้มเหลวของ AI อย่างกว้างขวางอาจคุกคามเสถียรภาพทางการเงิน. 

แทนที่จะมองว่า AI เป็นยารักษาความไม่มีประสิทธิภาพในการดำเนินงาน องค์กรควรให้ความสำคัญกับการสร้างโครงสร้างพื้นฐานทางการเงินที่ทำให้การอัตโนมัติทำงานได้อย่างเชื่อถือได้ ซึ่งหมายถึงกระบวนการกระทบยอดที่เป็นมาตรฐาน การควบคุมภายในที่แข็งแกร่ง การกำกับดูแลข้อมูลที่ดีขึ้น และการมองเห็นที่ชัดเจนยิ่งขึ้นในกระบวนการปิดบัญชี.

“มีความเข้าใจผิดทั่วไปที่ว่า AI เป็นวิธีแก้ปัญหากระบวนการ แต่มันไม่ใช่ มันเป็นตัวขยายของสิ่งที่มีอยู่แล้ว ผู้นำด้านการเงินมักมาหา AI เพื่อบรรเทาการทำงานด้วยมือ การปิดบัญชีที่ช้า หรือการรายงานที่ใช้เวลานานเกินไป” กล่าวโดย Shagun Malhotra, CEO ของซอฟต์แวร์ปิดบัญชีสิ้นเดือนอัตโนมัติ SkyStem ในการสนทนากับ Unite AI. 

แต่หากกระบวนการพื้นฐานมีข้อบกพร่อง เธอเสริมว่า AI ไม่ได้แก้ไขข้อบกพร่องนั้น มันเพียงทำให้กระบวนการทำงานเร็วขึ้นและในระดับที่ใหญ่กว่า “ความเข้าใจผิดคือเทคโนโลยีกำลังทำงานวินิจฉัยเมื่อจริง ๆ แล้วไม่ได้ ส่วนนี้ยังต้องอาศัยผู้เชี่ยวชาญอยู่”. 

SkyStem มุ่งเน้นหลักในการช่วยองค์กรที่ใช้แพลตฟอร์มการปิดบัญชีมาตรฐานกระทบยอด ทำงานอัตโนมัติ และเสริมสร้างการควบคุมภายใน ก่อนที่จะเพิ่ม AI เข้าไปในกระบวนการบัญชีที่สำคัญ แทนที่จะทดแทนการดำเนินงานการเงินที่มีระเบียบด้วย AI บริษัทสร้างพื้นฐานการดำเนินงานที่เชื่อถือได้ เพื่อให้การอัตโนมัติสามารถให้ผลลัพธ์ที่แม่นยำโดยไม่ทำให้ข้อมูลเสียหาย. 

“AI สร้างคุณค่าอย่างมหาศาลในด้านปริมาณ ความสม่ำเสมอ และความเร็วสำหรับงานที่กำหนดไว้อย่างชัดเจน […] แต่พื้นที่ที่มนุษย์ต้องคงการควบคุมไว้คือจุดที่ประสบการณ์มีความสำคัญที่สุด: สัญชาตญาณด้านความเสี่ยง การจดจำรูปแบบในความคลุมเครือ และโดยสำคัญที่สุด การตัดสินใจภายใต้ความกดดัน” Malhotra กล่าวต่อ. 

พื้นฐานก่อนการอัตโนมัติ

การเงินมีพื้นที่สำหรับข้อผิดพลาดน้อยมาก การรายงานที่แม่นยำ การกระทบยอด การปฏิบัติตามกฎระเบียบ และความสามารถในการตรวจสอบเป็นสิ่งสำคัญ; AI ควรเสริมและทำให้กระบวนการเหล่านี้ง่ายขึ้น ไม่ใช่ทำให้เสี่ยงโดยเร่งความอ่อนแอที่มีอยู่ในระบบ. 

Kognia Labs บริษัทที่ปรึกษาและพัฒนาซอฟต์แวร์ AI มีมุมมองคล้ายกัน มันช่วยองค์กรนำระบบที่ตรวจจับข้อบกพร่องหรือความไม่สอดคล้องในรายงาน ก่อน ที่จะกลายเป็นค่าใช้จ่ายสูง. 

ก่อนที่ AI จะเข้าสู่กระบวนการทำงานที่ลูกค้ากำลังรอคำตอบ มีสามสิ่งที่ต้องเป็นจริงในสถาบัน: การเชื่อมต่อระหว่างระบบ การเข้าถึงข้อมูลที่ไม่ได้จัดเก็บเป็นเอกสาร และความสามารถในการตรวจสอบที่มาของคำตอบ ตามที่ Alexandra Ollé, ผู้อำนวยการยุทธศาสตร์ที่ Kognia Labs กล่าว. 

“ข้อมูลที่ที่ปรึกษาต้องการกระจายอยู่ในระบบและรูปแบบต่าง ๆ และระบบเหล่านั้นมักไม่สื่อสารกัน นั่นคือสาเหตุที่ทำให้คำตอบช้าและไม่สอดคล้องกันตั้งแต่แรก” Ollé กล่าวกับ Unite AI “AI ไม่ได้แก้ไขปัญหานี้โดยการเพิ่มเข้าไปด้านบนของมัน”. 

ช่องว่างนั้น ระหว่างการเร่งกระบวนการและการปรับปรุงจริง คือจุดที่ความเสี่ยงทางการเงินเป็นรูปธรรม: เมื่อเงินทุนอยู่ในความเสี่ยง ความน่าเชื่อถือไม่ใช่เรื่องเลือกได้ และการจัดการ AI อย่างไม่เหมาะสมอาจนำไปสู่ความเสี่ยงทางกฎหมายจริง. 

“AI ปรับปรุงกระบวนการเมื่อบริษัทใช้มันเพื่อเปลี่ยนวิธีการทำงานจริง ๆ ซึ่งมักเริ่มจากการเข้าใจว่าทำไมกระบวนการถึงล้มเหลว ซึ่งหลายสถาบันไม่สามารถมองเห็นได้ชัดเจน เพราะหลักฐานอยู่ในบทสนทนาลูกค้านับพันที่ไม่มีทีมใดมีเวลาตรวจสอบ” Ollé เน้นย้ำ.   

เส้นทางข้างหน้า: สะพานระหว่าง AI กับมนุษย์

ก่อนพึ่งพา AI เพื่อทำอัตโนมัติในกระบวนการการเงินที่สำคัญ องค์กรต้องมั่นใจก่อนว่ากระบวนการของตนพร้อมสำหรับมัน ซึ่งเริ่มจากการประเมินความพร้อมของกระบวนการ แก้ไขคอขวดและปัญหาคุณภาพข้อมูล และนำ AI เข้าใช้อย่างค่อยเป็นค่อยไปในพื้นที่ความเสี่ยงต่ำก่อนขยายไปสู่การดำเนินงานการเงินที่ซับซ้อนมากขึ้น. 

การสร้างพื้นฐานการดำเนินงานที่แข็งแกร่งก่อนโดยสรุป ทำให้การอัตโนมัติสามารถเพิ่มประสิทธิภาพโดยไม่เสียความแม่นยำหรือการตรวจสอบ และนี่คือส่วนที่มนุษย์ไม่อาจละเลยได้; มีสิ่งที่ AI ไม่สามารถทำได้ด้วยตนเอง. 

มีบริษัทบางแห่งที่มุ่งเน้นการนำ AI ไปใช้จากแนวทาง “มนุษย์เป็นอันดับแรก” เพื่อให้มีการตรวจสอบและความน่าเชื่อถือจากมนุษย์ต่อระบบอัตโนมัติ ตัวอย่างเช่น Solvd บริษัทวิศวกรรมซอฟต์แวร์ที่ตั้งอยู่ในแคลิฟอร์เนีย ซึ่งพัฒนา ดำเนินการ และจัดการระบบ AI สำหรับองค์กร โดยเชี่ยวชาญในการสร้างกระบวนการทำงานที่ซับซ้อนซึ่งต่อมาถูกมนุษย์ปรับปรุงก่อนขยายผ่านการอัตโนมัติ. 

“บริษัทที่ให้ความสำคัญกับ AI อย่างจริงจังจะเรียนรู้ได้เร็วขึ้น เก็บข้อมูลเชิงลึกของลูกค้ามากขึ้น ทำงานได้มีประสิทธิภาพมากขึ้น และปรับแต่งได้อย่างมีประสิทธิผลมากขึ้น เมื่อเวลาผ่านไป การตามให้ทันยิ่งยากขึ้น เพราะคู่แข่งไม่ได้แค่ใช้เครื่องมือที่ดีกว่า; พวกเขากำลังสร้างข้อมูล กระบวนการ และการเรียนรู้องค์กรที่ดีกว่า” Skylar Roebuck, chief technology officer ของ Solvd, กล่าวกับ Unite AI. 

องค์กรจะพร้อมกับ AI อย่างแท้จริงเมื่อทีมผู้บริหารสอดคล้องกันไม่เพียงแค่ความสำคัญของ AI แต่ยังรวมถึงวิธีที่ AI จะสร้างความได้เปรียบเชิงแข่งขันที่มีความหมายให้กับธุรกิจ. 

“การตรวจสอบโดยมนุษย์ไม่ควรมองว่าเป็นเพียงการที่ใครสักคนอนุมัติการกระทำของ AI ทุกครั้ง วิธีการนี้ไม่สามารถขยายได้และมักสร้างภาพลวงของความปลอดภัยโดยไม่ให้การควบคุมที่มีความหมาย” Roebuck เน้นย้ำ พร้อมเสริมว่าระบบควรสามารถทำงานอย่างอิสระภายในขอบเขตที่ชัดเจนและรับรู้ความไม่แน่นอนเพื่อส่งต่อเมื่อจำเป็นต้องใช้การตัดสินใจ. 

สรุปแล้ว AI มีศักยภาพที่จะเปลี่ยนแปลงการเงิน แต่ไม่สามารถทดแทนวินัยการดำเนินงานและการตัดสินใจของมนุษย์ที่การตัดสินใจทางการเงินต้องการ เป้าหมายที่นี่ไม่ใช่การเร่งกระบวนการปิดบัญชี แต่เป็นการเร่งความมั่นใจในกระบวนการนั้น. 

องค์กรที่ประสบความสำเร็จอย่างแท้จริงจะไม่ใช่องค์กรที่อัตโนมัติก่อน แต่เป็นองค์กรที่สร้างพื้นฐานที่ถูกต้องและให้คนอยู่ในศูนย์กลางของกระบวนการที่สำคัญที่สุด.