Hvordan kan AI og machine learning forbedre Financial Planning – også i fremtiden?

Ved at bruge en moderne løsning til Financial Planning, der understøtter realtidsanalyser, kraftfulde scenarieopbygningssystemer og stadig mere præcise forudsigelser drevet af AI og machine learning (ML), har økonomi- og FP&A managers en enestående mulighed for at forbedre deres leverance og gentænke deres indflydelse. I denne artikel ser vi på de erfaringer, Workday har gjort sig, når det kommer til AI og ML. 

2024 har været et vildt år for generativ AI. ChatGPT har med sit indtog fascineret verden og skabt både ubegrænset begejstring for ‒ og stor bekymring om ‒ fremtiden for kunstig intelligens. Men mens AI skaber røre inden for teknologi, erhvervsliv og politik, fortsætter folkene bag Workday deres rejse med ansvarlig AI. Det betyder, at de kan lancere nye AI-drevne kundetilbud takket være det årti, de allerede har brugt på at integrere teknologien i kernen af deres platform. 

Workday har leveret AI-funktioner i årevis og har skabt en kundebase, der er trygge ved at bruge dem til at øge produktiviteten og træffe bedre beslutninger. Dette gælder især for forretningsansvarlige inden for finans og financial planning og analyse (FP&A), som bruger Workday Adaptive Planning til at mindske antallet af rutineopgaver. Det frigiver mere tid til at fokusere på strategiske indsigter, der muliggør bedre og hurtigere forretningsbeslutninger. 

Dette skift giver betydelige resultater. Forrester Consulting, som har interviewet fem Workday Adaptive Planning-kunder, fandt frem til, at de opnåede en ROI på 249% og øgede FP&A-produktiviteten med op til 20%. 

I dag forværres den makroøkonomiske og forretningsmæssige usikkerhed af geopolitisk uro, og finansledere skal holde sig ajour med udfordringerne. De står over for mere pres end nogensinde for at gå ud over deres traditionelle ansvar og påtage sig en mere strategisk rolle. Kravet om at skabe værdi, samt den hurtige stigning i tilgængelige teknologier som AI og machine learning (ML), betyder, at vi allerede ser et fundamentalt skift i den måde, FP&A-afdelinger bruger automatisering på. 

Ifølge en rapport automatiserer mere end 70% af finanslederne i dag transaktionsprocesser og rapportering. Og implementeringshastigheden øges hurtigt. Ifølge Gartner vil: 

Lad os i lyset af disse omfattende ændringer tage et nærmere kig på, hvilken værdi AI og ML kan tilbyde inden for finans. 

Finansledere har et urokkeligt greb om de eksterne faktorer, der påvirker deres forretning. Men at integrere disse faktorer – herunder rentesatser, vejroplysninger og arbejdsmarkedsstatistikker, for blot at nævne nogle få – i prognoser har historisk set krævet mere kunst end videnskab. Nu kan ML-teknologi bearbejde enorme datasæt relateret til alle disse faktorer for at opdage mønstre og forudsige fremtidige resultater, hvilket gør prognoserne mere præcise.  

Lad os komme med et konkret eksempel.  

Team Car Care, den største Jiffy Lube-franchisetager i USA, bruger AI og ML til at forudsige, hvor mange kunder der vil besøge de enkelte Jiffy Lube-butikker i løbet af dagen. Det er en proces, der inkluderer integration af vejrrapporter og andre eksterne data – og derefter bruges disse kundetal i salgs- og arbejdsstyrkeplaner. De bruger også intelligente efterspørgselsprognoser til at afgøre, hvor mange af hver af de 500 produkter de skal have på lager på hver lokation. Derefter automatiserer de genopfyldningen.    

Når det kommer til ML-drevne prognoser, er mulighederne tæt på uendelige. 

Intet sinker en finansafdelings vej til værdiskabelse mere end at blive fanget i manuelle indtastninger og fejl. Men der er hjælp at hente. For finans- og FP&A-ledere kan forbedre effektiviteten og fange potentielle fejl ved at bruge Workdays ML-funktionalitet til at gennemgå journalposter, isolere planafvigelser, sammenligne faktiske tal og historiske data samt advare, når data falder uden for normen.  

Denne funktionalitet bliver smartere, jo mere den bruges. Nøjagtigheden forbedres nemlig kontinuerligt. På samme måde kan ML identificere afvigere ved at sammenligne forskelle mellem værdier på tværs af dine prognoser, budgetter og what-if-scenarier. Det hjælper med at sikre nøjagtighed og øge forudsigeligheden. 

Når organisationer øger hastigheden på deres dataanalyser, og hvordan de handler på dem, skaber den traditionelle proces med at afstemme og lukke regnskaber ved slutningen af en rapporteringsperiode en stor flaskehals, som trækker processen ud. En langvarig afslutning dræner ikke kun finansressourcer, der kunne fokusere bedre på værdiskabelse, men det bremser også analyse og beslutningstagning. Ikke underligt, at 86% af finansledere siger, at de ønsker at opnå en hurtigere, realtidsafslutning inden 2025, ifølge Gartner.  

For at nå en nul-dages månedsluk skal finansafdelinger overgå til kontinuerlig planlægning. Ved at udnytte alle finansielle og operationelle data i en enkelt sandhedskilde kan finansafdelinger etablere et konstant feedback-loop, der sikrer, at informationen altid er opdateret. 

De skal også udnytte AI og ML til at automatisere fakturaer og journaloprettelse, hvilket igen hjælper med at automatisere pengestrømme og øger faktureringsnøjagtigheden. Som nævnt ovenfor bør finansafdelinger også bruge ML til hurtigt at identificere og håndtere afvigelser, før de påvirker afslutningen. 

Workday arbejder konstant på at forbedre, optimere og udvikle funktioner, der kan skabe værdi i din virksomhed. Således også på AI- og ML-fronterne. I skrivende stund er Workdays generative AI-model  blandt andet i gang med at skabe en analysefunktion, der kan forklare udvikling og afvigelse på rekordtid, og på den måde være med til at eliminere fejl i regnskabet og både spare betydelig tid og besvær for finans.  

Vi har altså at gøre med et område, som konstant finder forbedringspotentialer og nye måder at optimere forretningen på. Lad det være en opfordring til at se dine egne muligheder efter i sømmene. Forbedret agilitet og forretningspræstationer kan ikke vente. Det er tid til at handle nu.