Därför fungerar inte AI för ekonomifunktionen

Alla pratar om AI. Alla ska använda AI. Och ekonomifunktionen förväntas förstås vara med på tåget. Men det finns ett problem som väldigt få pratar om: AI fungerar inte särskilt bra när den möter verkligheten i en modern ekonomifunktion.

Det är lätt att imponeras av AI. Den kan skriva texter, analysera information, sammanfatta dokument och besvara avancerade frågor på några sekunder. Men be den ta fram en korrekt koncernrapport, analysera lönsamheten per kund eller förklara varför bruttomarginalen förändrats mellan två perioder – baserat på data från flera olika affärssystem – så blir det plötsligt betydligt svårare.

Hur redo är er ekonomidata för AI? Gör vår kostnadsfria Finance Control Assessment på några minuter, eller boka en demo och se hur Exopen gör datan AI-redo.

Och det finns flera ganska självklara skäl till det.

1. AI hittar inte datan

I många företag ligger ekonomisk och operativ data utspridd i en mängd olika system. Ett ERP här, ett annat där. Kanske flera olika ekonomisystem efter ett antal förvärv. Lägg till CRM, lönesystem, produktionssystem och ett antal Excel-filer.

Informationen finns där någonstans. Men den är inte samlad, inte enkelt tillgänglig och definitivt inte organiserad för att en AI ska kunna arbeta med den.

En AI som inte kommer åt datan kan heller inte göra särskilt mycket nytta med den.

2. AI förstår inte vad datan betyder

Även om AI får tillgång till informationen återstår nästa problem.

Samma kund kan ha olika kundnummer i olika system. Kontoplanerna ser olika ut. Kostnadsställen, projekt, produkter och organisatoriska enheter har olika definitioner och kodstrukturer.

Det som kallas omsättning i ett system behöver inte betyda exakt samma sak i ett annat.

För en människa med djup verksamhetskunskap går det ofta att reda ut. Men för en AI som förväntas analysera allt tillsammans är det ett betydande problem.

Att ha tillgång till data är nämligen inte samma sak som att förstå den.

3. Skräp in. Skräp ut. Fast mycket snabbare.

Sedan har vi datakvaliteten.

Felaktiga konteringar, bristfälliga dimensioner, dubbla poster, saknade värden och inkonsekventa definitioner är vardag i många organisationer.

AI löser inte automatiskt dessa problem. Tvärtom kan den göra dem ännu svårare att upptäcka genom att presentera felaktiga slutsatser på ett mycket övertygande sätt.

Dålig data blir inte bättre av att analyseras med AI. Man får bara fel svar snabbare.

4. Ekonomifunktionen har inte råd att nästan ha rätt

Här finns kanske den största skillnaden mellan ekonomifunktionen och många andra delar av företaget.

Inom exempelvis marknadsföring kan en AI-analys som är ungefär rätt fortfarande vara värdefull. Den kan ge en indikation, identifiera trender eller skapa ett underlag för vidare beslut.

Men ekonomifunktionen arbetar under helt andra krav.

En balansräkning ska balansera. En koncernkonsolidering ska stämma. En resultatrapport ska kunna härledas till korrekta transaktioner. Och siffrorna ska kunna granskas, förklaras och reproduceras.

Det räcker inte att AI ger ett svar som verkar rimligt.

Det måste vara rätt. På kronan. Varje gång.

Och där uppstår ett fundamentalt problem med generella AI-modeller. De är fantastiska på språk, mönster och resonemang, men de är inte konstruerade för att på egen hand garantera ekonomisk dataintegritet.

5. När det verkligen gäller går vi tillbaka till Excel

Så vad händer i praktiken?

Ekonomifunktionen experimenterar med AI. Man använder den för att sammanfatta rapporter, skriva kommentarer, analysera avvikelser och effektivisera olika arbetsmoment.

Men när månadsbokslutet ska presenteras, styrelserapporten ska levereras eller siffrorna ska rapporteras till ägarna?

Då går man tillbaka till de gamla, beprövade systemen.

Till Excel. Till BI-verktygen. Till rapporterna man vet stämmer.

AI får hjälpa till runt omkring. Men den får inte ta ansvar för siffrorna.

Och då har vi egentligen inte förändrat särskilt mycket.

Problemet är inte AI. Problemet är vad vi matar den med.

För att AI verkligen ska kunna förändra ekonomifunktionen måste vi börja i andra änden.

Inte med AI-modellen. Utan med datan.

All finansiell och operativ data behöver samlas i en gemensam plattform där den automatiskt struktureras, harmoniseras och kvalitetssäkras.

Kontoplaner måste översättas till gemensamma strukturer. Kunder, produkter, projekt och organisatoriska dimensioner måste få en enhetlig betydelse. Informationen behöver kompletteras med metadata som beskriver vad den faktiskt representerar och hur den hänger ihop.

Och datan måste vara tillgänglig för AI på ett sätt som gör att modellen inte behöver gissa.

Först då kan AI börja förstå företagets ekonomi på riktigt.

Det är precis därför vi byggt Exopen

Exopen är inte ännu ett AI-verktyg som försöker förstå ostrukturerad data från ett antal olika system.

Vi har byggt själva grunden som gör AI användbar för ekonomifunktionen.

Med ett 50-tal standardiserade integrationer mot olika affärssystem samlar vår plattform automatiskt in finansiell och operativ data. Informationen harmoniseras och struktureras i en gemensam finansmodell, där olika konton, dimensioner, kunder, produkter och organisatoriska enheter får rätt sammanhang.

Resultatet är en gemensam, strukturerad och AI-redo dataplattform.

På den grunden kan företag redan bygga resultaträkningar, balansräkningar, KPI-rapporter, kundlönsamhetsanalyser, produktanalyser och andra avancerade ekonomiska rapporter.

Men det riktigt intressanta börjar när vi lägger AI ovanpå denna struktur.

Exopen har en specialiserad AI-lösning som är anpassad för plattformens finansiella och operativa datamodell, snarare än att enbart förlita sig på en generell språkmodell.

Vi har dessutom utvecklat våra egna EXO-funktioner för Excel, som AI kan använda för att skapa rapporter direkt i Excel genom vanliga instruktioner.

Det innebär att användaren kan beskriva vilken rapport eller analys som behövs, och låta AI bygga den med hjälp av plattformens strukturerade data och definierade beräkningsfunktioner.

AI behöver inte hitta på siffror eller försöka tolka vad olika kontokoder betyder. Den kan arbeta mot en gemensam datamodell och hämta och beräkna värden med samma logik som företagets ordinarie rapportering.

Därmed kan vi kombinera AI:s flexibilitet med ekonomifunktionens krav på exakthet, spårbarhet och kontroll.

Framtidens ekonomifunktion behöver inte mer AI. Den behöver bättre förutsättningar för AI.

Det är lätt att tro att nästa generation AI-modeller kommer att lösa alla problem. Att de bara behöver bli lite smartare, lite snabbare och lite bättre på att resonera.

Men ingen AI-modell i världen kan trolla fram en korrekt koncernrapport ur data som den inte kommer åt, inte förstår eller som innehåller fel.

Det krävs en genomtänkt dataplattform, en gemensam informationsmodell och en arkitektur där AI kan arbeta med tillförlitliga data och deterministiska beräkningar.

Det är först då AI kan gå från att vara en imponerande assistent till att bli ett verkligt arbetsverktyg för ekonomifunktionen.

Så nej, AI fungerar inte för ekonomifunktionen.

Inte förrän vi ger den rätt förutsättningar.

Och det är precis vad Exopen gör.

Vill du veta var ni står i dag? Gör Finance Control Assessment och få en tydlig bild av hur väl er ekonomidata stödjer rapportering, beslut och AI. Eller boka en demo så visar vi hur Exopen samlar, strukturerar och gör er data AI-redo.