AI i finansfunksjonen – forbigående trend eller varig endring?

Generativ AI (GenAI) har akselerert den teknologiske utviklingen de siste 2-3 årene. Vi ser nå et stort potensial for bruk av teknologien i finansfunksjonen.

Oppsummert:

• Ifølge en undersøkelse fra EY mener 87 % av respondentene at GenAI vil øke produktiviteten i finansfunksjonen, mens 75 % beskriver dagens bruk som enten ikke-eksisterende eller utforskende
• For å utnytte det fulle potensialet av GenAI i finansfunksjonen er det nødvendig med investeringer i opplæring og implementering av nye løsninger
• Vi tror GenAI i finansfunksjonen vil utvikle seg gjennom tre faser: 1) innføring av generelle verktøy, 2) implementering spesialiserte løsninger og 3) utvikling av autonome AI-agenter
• For å lykkes med GenAI i finansfunksjonen er det viktig med en strukturert tilnærming når det kommer til strategi, bruksområder, kompetansebygging, implementering og gevinstrealisering

AI i finansfunksjonen – forbigående trend eller varig endring?

Teknologi har blitt en stadig viktigere del av hverdagen til de fleste. Tenk på alle fysiske objekter som nå er tilgjengelig via en smartelefon som eksempelvis bøker og kart, eller alle manuelle prosesser som nå har blitt effektivisert eller automatisert ved hjelp av digitale systemer som eksempelvis kjøp av bussbilletter og betaling av regninger.

AI har lenge vært en viktig driver av denne teknologiske utviklingen, men de siste 2-3 årene har det likevel skjedd et markant skifte, og inntoget av GenAI har gjort at man nærmest kan føle den teknologiske utviklingen på kroppen. Mens fokuset frem til nå har vært på områder som salg og markedsføring, kundeservice og programvareutvikling, ser vi nå et voksende potensiale for GenAI også innen finansfunksjonen.

Denne artikkelen utforsker hva GenAI er, hvilke erfaringer man har gjort seg med teknologien så langt, hvordan vi tror GenAI vil påvirke finansfunksjonen fremover, samt hvilke råd vi har til bedrifter som ønsker å komme i gang.

GenAI gir oss tilgang til verktøy som fremmer kreativitet og gjør oss mer produktive 

GenAI refererer til modeller som kan skape originalt innhold, som tekst, tale, kode, bilde og video, basert på mønstre den har lært etter å ha blitt trent på enorme mengder data. 

GenAI er et resultat av en rekke gjennombrudd innen kunstig intelligens de siste tiårene, og til tross for at utviklingen av de første modellene startet tidligere, var det først etter lanseringen av ChatGPT fra OpenAI i november 2022 at man for alvor fikk øynene opp for teknologien. I lys av dette har det også dukket opp en rekke andre GenAI-applikasjoner som er åpent tilgjengelig på internett, eksempelvis NotebookLM, Perplexity og MidJourney. 

Når det er sagt, kan bruk av offentlig tilgjengelige GenAI-verktøy blant selskapers ansatte utgjøre en risiko, da man mister kontroll over dataene og hvem som har tilgang til dem. Det er først når språkmodellene til teknologiselskapene brukes til å bygge applikasjoner hvor man har full kontroll over egne data, at vi vil se den største påvirkningen på arbeidslivet.

I EY har vi blant annet utviklet EYQ, vår egen GenAI-assistent basert på OpenAI sine språkmodeller. Applikasjonen har siden lansering mottatt over 85 millioner tekstkommandoer fra ansatte verden over, og det er allerede tydelig at den er med på å endre måten vi jobber på internt.

GenAI har potensiale til å øke produktiviteten i finansfunksjonen, men det er fortsatt et behov for ytterligere investeringer

EY har nylig gjennomført en undersøkelse om bruk av GenAI finansfunksjonen, og basert på svar fra 1600 ledere i selskaper globalt, er resultatene tydelige:

• 87 % av respondentene tror GenAI vil gjøre finansfunksjonen mer produktiv, noe som er en markant økning fra kun 15 % året før
• 75 % av respondentene karakteriserer bruken deres av GenAI i finansfunksjonen som enten ikke-eksisterende (23 %) eller utforskende (52 %)

Ledere i finansfunksjonen forstår altså hvilken verdi GenAI vil ha på sikt, men erkjenner at det fortsatt er en vei å gå før teknologien er fullt integrert i deres daglige arbeid. Dette betyr at det er nødvendig med ytterligere investeringer i opplæring og implementering av nye løsninger for å kunne utnytte det fulle potensialet av GenAI i finansfunksjonen.

Vi begynner å se konturene av at GenAI-løsninger kommer til å påvirke viktige områder av finansfunksjonen

Det kan være vanskelig å spå fremtiden, men vår hypotese er at GenAI-løsninger vil påvirke finansfunksjonen gjennom tre faser.

I den første fasen vil selskapene implementere mer generelle GenAI-verktøy som er utviklet for å øke produktiviteten til ansatte. Det finnes allerede mange eksempler på slike løsninger. Microsoft sin GenAI-assistent, M365 Copilot, som er integrert i blant annet Teams, Outlook, Excel, PowerPoint og Word, kan eksempelvis benyttes til å utarbeide styringsdokumenter, oversette finansielle rapporter og bygge Excel-makroer uten behov for programmeringsekspertise. Andre eksempler på leverandører som har begynt å tilby GenAI-funksjonalitet i sine løsninger er SAP og Oracle. Denne utviklingen vil antakelig fortsette, og over tid vil det være stadig flere aktører som tilbyr slik funksjonalitet i sine systemer.

I den andre fasen vil selskapene implementere mer spesialiserte GenAI-verktøy som er utviklet for å optimalisere spesifikke prosesser i finansfunksjonen. Disse verktøyene kan enten ha tilgang til statiske data, som regnskapsdokumenter og finansielle rapporter, eller kobles til interne systemer, som ERP-systemet, for å generere innsikt og analyser direkte fra dynamiske data. Microsoft har også begynt å utvikle en løsning for sistnevnte gjennom M365 Copilot for Finance. Dette verktøyet integreres med selskapets økonomisystemer og tilbyr funksjonalitet for å effektivisere og automatisere oppgaver som er typiske for ansatte i en finansfunksjon. I EY har vi også erfaring med å utvikle slike løsninger, og under finner du en oppsummering av tre av dem:

• Regnskapsassistent: Løsning for kunder som kan svare på regnskapsrelaterte spørsmål som korrekt konto for posteringer, klassifisering av kostnadssenter/kostnadssted og hvorvidt en postering skal føres som CAPEX eller OPEX. Løsningen fungerer som et chat-basert grensesnitt der ansatte i finansfunksjonen kan stille spørsmål eller laste opp dokumenter for analyse og anbefalinger. Verktøyet er trent på regnskapsregler og beste praksis, og utvides deretter med selskapets egne regnskapsprinsipper og kontoplaner.
• Analyse av finansielle rapporter: Verktøy for intern bruk som forenkler prosessen for ‘tie-out’ av finansielle rapporter. Løsningen håndterer avstemminger ved å kontrollere tall, validere beregninger og identifisere avvik. Den inneholder moduler for å sikre korrekthet, intern konsistens og sammenligning med tidligere års tall. Et oversiktlig dashboard gir full oversikt over fremdrift, og prioriterer samtidig de områdene som trenger oppmerksomhet. Verktøyet legger også til rette for at flere kan arbeide med de samme rapportene samtidig.
• Innsiktsassistent: Prototype på en plattform for tilgang til finansielle data, slik at brukerne enkelt kan hente relevant informasjon fra underliggende systemer. Løsningen fungerer som et chat-basert grensesnitt der man kan stille spørsmål, utføre analyser og få presentert grafiske fremstillinger av finansielle data. Verktøyet oppgir referanser til datakildene, slik at brukerne enkelt kan verifisere informasjonen.

I den tredje fasen vil selskapene utvikle såkalte AI-agenter. Dette er programvare med høyere grad av autonomi, som kan utføre oppgaver på vegne av ansatte uten å bli direkte instruert eller være programmert til hvordan disse oppgavene skal løses. Eksempelvis kan det tenkes at en AI-agent kontinuerlig analyserer data fra finansielle rapporter og ERP-systemet, og automatisk foreslår tiltak for hvordan selskapet kan øke inntektene eller kutte kostnader. Microsoft og Google har allerede begynt å rulle ut funksjonalitet for å akselerere utviklingen av AI-agenter, og 2025 er av mange spådd som året Agentisk AI kommer til å få sitt store gjennombrudd. 

Vi anbefaler en strukturert tilnærming til hvordan man kan komme i gang med GenAI i finansfunksjonen

Ved å følge en strukturert tilnærming kan selskaper sikre at de får mest mulig ut av GenAI-investeringene sine. Vi har identifisert fire nøkkelområder for å lykkes:

• Strategi, målbilde og utvikling av driftsmodell: Ha en klar formening om hva man ønsker å oppnå med GenAI, når man ønsker å gjøre det og hvordan dette skal gjennomføres. Dette innebærer å sette tydelige mål og utvikle en robust driftsmodell som kan støtte implementeringen av GenAI-løsninger.
• Kartlegging og utvikling av bruksområder: Identifisere hvilke prosesser og områder i finansfunksjonen som kan dra nytte av GenAI, og deretter utvikle eller ta i bruk løsninger som er tilpasset disse behovene.
• Opplæring og utvikling av kompetanse: Investere i kompetanseutvikling for å sikre at ansatte kan bruke GenAI-verktøy effektivt. Dette omfatter både teknisk opplæring og strategisk forståelse for hvordan AI kan anvendes i finansfunksjonen.
• Utrulling og gevinstrealisering av GenAI-verktøy: Implementere M365 Copilot og andre GenAI-verktøy på en strukturert måte. Dette innebærer at verktøyene integreres i eksisterende arbeidsprosesser, at ansatte får nødvendig opplæring og støtte, samt at gevinster kontinuerlig måles og rapporteres underveis i prosessen.

Ved å ta hensyn til disse suksesskriteriene, kan selskaper sikre at de er godt posisjonert for å dra nytte av mulighetene som GenAI bringer med seg, samtidig som de sørger for at teknologien ikke bare forblir en forbigående trend, men faktisk bidrar til varig endring og forbedring av finansfunksjonen.