ผู้นำทางความคิด

AI ฉลาดได้เพียงเท่าข้อมูลการเงินที่อยู่เบื้องหลัง

Ilan Atias
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญAI ล้มเหลวเมื่อระบบต่างๆ ไม่ตรงกันว่าฟิลด์เดียวเช่นวันที่ชำระเงินหมายถึงอะไร
ดูเพิ่มเติม
  • AI ล้มเหลวเมื่อระบบต่างๆ ไม่ตรงกันว่าฟิลด์เดียวเช่นวันที่ชำระเงินหมายถึงอะไร
  • ข้อมูลทางการเงินที่เชื่อมต่อกันช่วยให้ AI แยกแยะการเปลี่ยนแปลงที่มีนัยสำคัญจากความผันผวนตามปกติ
  • สัญญาข้อมูลและโฟลว์ที่ขับเคลื่อนด้วยเหตุการณ์สำคัญกว่าตัวแอปพลิเคชัน AI เอง

AI กลายเป็นส่วนหนึ่งของบทสนทนาเกือบทุกครั้งเกี่ยวกับอนาคตของการเงิน องค์กรต่าง ๆ กำลังลงทุนใน AI เพื่อทำงานประจำให้เป็นอัตโนมัติ ปรับปรุงการคาดการณ์ และช่วยให้พนักงานตัดสินใจได้รวดเร็วยิ่งขึ้น บทสนทนาส่วนใหญ่เริ่มต้นที่โมเดลและแอปพลิเคชัน แต่จากประสบการณ์ของฉัน ควรเริ่มจากคุณภาพ การเชื่อมโยง และการกำกับดูแลข้อมูลที่ระบบเหล่านั้นต้องพึ่งพา

ฉันใช้เวลาทำงานตลอดอาชีพไปกับการสร้างและขยายโครงสร้างพื้นฐานด้านการชำระเงิน และปัญหาที่ยากที่สุดแทบไม่เคยอยู่ที่อัลกอริทึม แต่อยู่ที่โครงสร้างพื้นฐานเบื้องหลัง ซึ่งจำเป็นต่อการทำให้แพลตฟอร์มบัญชี ธนาคาร ผู้ให้บริการระบบเงินเดือน และเครือข่ายการชำระเงิน อธิบายเหตุการณ์ทางธุรกิจเดียวกันได้ตรงกัน

ความท้าทายนี้เห็นได้ชัดเป็นพิเศษในแวดวงการเงิน งานบัญชี ธนาคาร ระบบเงินเดือน การออกใบแจ้งหนี้ และการชำระเงิน ล้วนสร้างข้อมูลที่มีผลต่อการตัดสินใจทางธุรกิจ เมื่อระบบเหล่านี้ทำงานแยกจากกัน ก็จะเกิดสภาพแวดล้อมข้อมูลที่กระจัดกระจาย ทำให้ AI เชื่อมโยงบริบททั่วทั้งองค์กรได้ยากขึ้นมาก AI สามารถระบุรูปแบบภายในระบบแต่ละระบบได้ แต่หากไม่มีมุมมองการเงินขององค์กรที่เชื่อมโยงกัน ก็ไม่อาจอธิบายสิ่งที่เกิดขึ้นทั่วทั้งธุรกิจได้อย่างน่าเชื่อถือ ช่วงแรก ๆ ที่ Melio เราพบปัญหาหนึ่งที่ฟังดูเหมือนเรื่องเล็ก แต่ไม่ใช่ นั่นคือคำว่า “ชำระแล้ว” หมายถึงอะไร ลูกค้าอนุมัติการชำระเงินในวันจันทร์ เงินออกจากบัญชีของลูกค้าในวันอังคาร ธนาคารของผู้ขายทำให้เงินพร้อมใช้ในวันพฤหัสบดี และมีการจับคู่ธุรกรรมกับใบแจ้งหนี้ในสัปดาห์ถัดมา มีเวลาประทับ 4 รายการ และมีคำตอบที่สมเหตุสมผล 4 แบบสำหรับคำถามว่า “ชำระเงินเมื่อใด” โดยไม่มีคำตอบใดผิด นักบัญชีที่เป็นมนุษย์จัดการกับความกำกวมนี้ได้โดยไม่ต้องคิดมาก แต่โมเดลคาดการณ์ที่มอง “วันที่ชำระเงิน” เป็นช่องข้อมูลเพียงช่องเดียว จะสร้างคำทำนายที่ผิดเรื่องเวลาอย่างมั่นใจและเป็นระบบ ทั้งที่เวลาเป็นสิ่งเดียวที่การคาดการณ์กระแสเงินสดต้องระบุให้ถูกต้อง การเชื่อมต่อระบบเหล่านั้นคือก้าวแรกที่จำเป็น ส่วนการทำให้ระบบเข้าใจความหมายของช่องข้อมูลตรงกันต่างหากที่ทำให้การเชื่อมต่อนั้นมีคุณค่าอย่างแท้จริง ในแวดวงการเงิน การเตรียมข้อมูลให้พร้อมสำหรับ AI เริ่มจากการเชื่อมโยงระบบ และการเชื่อมโยงจะมีความหมายก็ต่อเมื่อระบบต่าง ๆ อธิบายเหตุการณ์เดียวกันได้ตรงกัน

มองเห็นชัดขึ้น ตัดสินใจได้ดีขึ้น

ความจำเป็นในการเชื่อมโยงข้อมูลการเงินกำลังเร่งด่วนขึ้นเรื่อย ๆ รายงาน Small Business Insights ของ Xero พบว่า ปัจจุบันธุรกิจขนาดเล็กในสหรัฐฯ ต้องรอรับเงินเฉลี่ย 29.3 วัน ขณะที่ยอดขายเติบโต 4.0% ต่อปี ซึ่งยังต่ำกว่าค่าเฉลี่ยระยะยาว เมื่อช่วงเวลาการชำระเงิน ค่าใช้จ่าย และอุปสงค์เปลี่ยนแปลงไปโดยไม่ขึ้นต่อกัน องค์กรต่าง ๆ จำเป็นต้องมีระบบที่เชื่อมโยงสัญญาณเหล่านี้เข้าด้วยกัน แทนที่จะวิเคราะห์แต่ละอย่างแยกกัน ซึ่งจำเป็นไม่ต่างกันทั้งกับงานบริหารเงินขององค์กรขนาดใหญ่และธุรกิจที่มีพนักงาน 10 คน

ลองพิจารณาธุรกิจแห่งหนึ่งที่กำลังตัดสินใจว่าจะจ้างพนักงานเพิ่มได้หรือไม่ก่อนสิ้นไตรมาส การตัดสินใจนั้นขึ้นอยู่กับมากกว่ายอดเงินในธนาคารวันนี้ เพราะต้องพิจารณาทั้งเงินที่คาดว่าจะได้รับจากลูกค้า ภาระผูกพันด้านเงินเดือน ค่าใช้จ่ายประจำ ภาษีที่ใกล้ถึงกำหนด และรายได้ที่คาดการณ์ไว้ ไม่มีตัวชี้วัดใดเพียงตัวเดียวที่ให้คำตอบได้อย่างน่าเชื่อถือ การนำข้อมูลเหล่านี้มาพิจารณาร่วมกันช่วยให้ผู้บริหารเข้าใจสถานะทางการเงินได้ชัดเจนขึ้น และทำให้ AI มีข้อมูลที่มีความหมายเพื่อนำไปใช้ให้เหตุผล ระบบอัตโนมัติต้องเข้าถึงธุรกรรม ส่วนการใช้เหตุผลต้องอาศัยบริบท

ทีมการเงินอาจใช้เวลาช่วงแรกของทุกเดือนกระทบยอดข้อมูลจากหลายระบบ ก่อนจะเริ่มวิเคราะห์อย่างมีความหมายได้ เมื่อรวบรวมข้อมูลได้ครบถ้วน ความเปลี่ยนแปลงของกระแสเงินสดที่พวกเขาพยายามทำความเข้าใจอาจเกิดขึ้นไปแล้วหลายสัปดาห์ ความล่าช้านี้เองคือสิ่งที่ข้อมูลที่เชื่อมโยงกันช่วยลดได้

AI สร้างคุณค่าได้เมื่อเข้าใจธุรกิจ

AI รุ่นแรกในแวดวงการเงินมุ่งเน้นประสิทธิภาพ เช่น จัดหมวดหมู่ธุรกรรม ประมวลผลใบแจ้งหนี้ และช่วยให้ทีมทำงานประจำได้รวดเร็วยิ่งขึ้น ความสามารถเหล่านี้ยังคงสร้างคุณค่า แต่ความคาดหวังกำลังเปลี่ยนจากการทำงานให้เป็นอัตโนมัติ ไปสู่การสนับสนุนการตัดสินใจที่เข้าใจบริบท ได้แก่ การมองเห็นความเสี่ยงด้านกระแสเงินสดได้เร็วขึ้น การคาดการณ์ที่แม่นยำยิ่งขึ้น และความเข้าใจว่าการเปลี่ยนแปลงของพฤติกรรมการชำระเงิน ค่าใช้จ่าย หรือรูปแบบรายได้ อาจส่งผลต่อผลประกอบการในอนาคตอย่างไร

การทำเช่นนั้นได้ต้องอาศัย AI ที่วิเคราะห์ข้อมูลการเงินโดยคำนึงถึงบริบท ความหมายของธุรกรรมแต่ละรายการขึ้นอยู่กับเงื่อนไขแวดล้อม การเพิ่มขึ้นของค่าใช้จ่ายอาจบ่งชี้ถึงการใช้จ่ายเกินตัว หรืออาจเป็นการซื้อสินค้าคงคลังเพื่อรองรับอุปสงค์ตามฤดูกาล ส่วนเงินสำรองที่ลดลงอาจเป็นสัญญาณของแรงกดดันด้านสภาพคล่อง หรือเป็นเพียงผลจากจังหวะเวลาการชำระภาษีรายไตรมาส AI จะมีคุณค่าเมื่อทำเช่นเดียวกันได้ โดยเชื่อมโยงรูปแบบจากธุรกรรมในอดีต สถานะเงินสด ลูกหนี้การค้า และสัญญาณจากการดำเนินงาน เพื่อแยกความเปลี่ยนแปลงที่มีนัยสำคัญออกจากความผันผวนตามปกติ

วางรากฐานให้ถูกต้อง

สำหรับผู้นำด้านเทคโนโลยีที่กำลังประเมินการนำ AI มาใช้ในแวดวงการเงิน คำถามสำคัญไม่ใช่ควรเริ่มใช้งานแอปพลิเคชันใดก่อน แต่คือสภาพแวดล้อมข้อมูลเบื้องหลังสามารถให้บริบทที่ครบถ้วนและทันเวลา ซึ่งแอปพลิเคชันเหล่านั้นต้องการได้หรือไม่ เมื่อต้องสร้างระบบเหล่านี้ การลงทุนบางด้านมีความสำคัญมากที่สุด ดังนี้

มองการผสานระบบเป็นข้อตกลง ไม่ใช่แค่การเชื่อมต่อ การซิงก์ข้อมูลเพียงครั้งเดียวระหว่างแพลตฟอร์มบัญชีกับระบบชำระเงินจะค่อย ๆ คลาดเคลื่อน กำหนดข้อตกลงด้านข้อมูลอย่างชัดเจน ทั้งโครงสร้างข้อมูล คำนิยามของช่องข้อมูล และการรับประกันความใหม่ของข้อมูล เพื่อให้เมื่อระบบต้นทางเปลี่ยนแปลง AI ในระบบปลายทางไม่เสื่อมประสิทธิภาพลงโดยไม่มีใครสังเกต

เปลี่ยนจากการกระทบยอดข้อมูลเป็นรอบ ๆ ไปสู่กระแสข้อมูลที่ขับเคลื่อนด้วยเหตุการณ์ หากกระทบยอดข้อมูลทางการเงินเป็นรายสัปดาห์หรือรายเดือน AI ก็จะคาดการณ์จากข้อมูลที่ล้าสมัย ระบบส่งต่อข้อมูลที่ขับเคลื่อนด้วยเหตุการณ์ ซึ่งส่งผ่านธุรกรรมทันทีที่เกิดขึ้น จะช่วยให้โมเดลมีข้อมูลล่าสุดที่จำเป็นต่อการตรวจจับความเปลี่ยนแปลงได้ตั้งแต่เนิ่น ๆ

สร้างชั้นข้อมูลเชิงความหมายสำหรับตัวชี้วัดทางการเงิน คำว่า “สถานะเงินสด” “ลูกหนี้ค้างชำระ” และ “รายได้” ต้องมีความหมายตรงกันในทุกระบบ หากไม่มีคำจำกัดความที่สอดคล้องกัน AI ก็จะให้คำตอบอย่างมั่นใจ ทั้งที่แต่ละทีมตีความคำตอบนั้นไม่ตรงกัน

ประเมินผลลัพธ์จาก AI เทียบกับข้อมูลจริงที่ตรวจสอบได้ บัญชีแยกประเภทเป็นข้อได้เปรียบของงานการเงินเมื่อเทียบกับงาน AI ส่วนใหญ่ เพราะมีบันทึกที่ตรวจสอบยืนยันได้ ข้อมูลเชิงลึกทางการเงินที่ AI สร้างขึ้นควรได้รับการประเมินด้วยมาตรฐานเดียวกับผลงานของนักวิเคราะห์ระดับเริ่มต้น โดยทดสอบกับตัวเลขจริงและวัดความแม่นยำอย่างต่อเนื่อง ความไว้วางใจในคำแนะนำจาก AI ต้องสร้างขึ้นด้วยการวัดผล ไม่ใช่การกล่าวอ้าง

การลงทุนเหล่านี้ได้รับความสนใจน้อยกว่าแอปพลิเคชัน AI ที่สร้างขึ้นบนโครงสร้างพื้นฐานดังกล่าว แต่เป็นตัวกำหนดว่าแอปพลิเคชันเหล่านั้นจะใช้งานได้หรือไม่

ปัจจัยสร้างความแตกต่างที่แท้จริง

เมื่อ AI เข้ามาเป็นส่วนหนึ่งของการบริหารจัดการทางการเงิน ความท้าทายด้านเทคนิคกำลังเปลี่ยนจากการมุ่งดูว่าโมเดลแต่ละตัวทำอะไรได้บ้าง ไปสู่การพิจารณาว่าโมเดลเหล่านั้นทำงานภายในสถาปัตยกรรมข้อมูลทางการเงินที่ครอบคลุมได้อย่างมีประสิทธิภาพเพียงใด

องค์กรที่ลงทุนกับข้อมูลที่เชื่อมโยงถึงกันจะตรวจพบความเปลี่ยนแปลงของกระแสเงินสดได้เร็วขึ้น และมั่นใจในการคาดการณ์ที่ AI สร้างขึ้นได้มากขึ้น ความแตกต่างไม่ได้อยู่ที่โมเดล แต่อยู่ที่ข้อมูลเบื้องหลังโมเดล

Ilan Atias เป็นผู้นำทีม R&D ทีมผลิตภัณฑ์ และทีม BI ที่ Melio ก่อนร่วมงานกับ Melio Ilan ดำรงตำแหน่งรองประธานฝ่าย R&D ที่ Windward ซึ่งเป็นผู้นำระดับโลกด้านการวิเคราะห์การเดินเรือเชิงคาดการณ์ ก่อนหน้านั้น Ilan เป็นนักวิจัยที่ Outbrain บริษัทโฆษณาแบบเนทีฟ โดยรับผิดชอบระบบแนะนำเนื้อหาเฉพาะบุคคลที่ใช้อัลกอริทึมแมชชีนเลิร์นนิง