Finansdirektøren er i en unik posisjon for å bringe AI til bedriften.
Kundedata og prediktiv pris
I mange firmaer har finansdirektøren ansvaret for rapporteringsdelen av data som kommer fra kunderettet virksomhet – for eksempel fordringer som er gitt fra salgsorganisasjonen eller prisdata fra salgssteder. I dagens verden av digital handel setter dette finansdirektøren i en sterk posisjon til å koble prediktiv analyse og kundeatferd.
En controller går sammen med dataeksperter for å kjøre sammenhenger mellom prisatferd og fordringer. Deretter legges det over et sett med transaksjonsdata, slik som type produkt som har blitt kjøpt, betalingsmetode og kundedemografi. Bare for å gjøre det interessant, legger de til data fra tredjepart om innspill som vær og beliggenhet på kjøpsstedet.
Resultatet er en projeksjon av den optimale prisingen for en kvinnelig kunde fra 18 til 24 år som bruker kredittkort for å kjøpe gaver til høytiden når været er dårlig.
De fleste av oss må ha sett applikasjoner av denne typen prediktive analyser, for eksempel når vi mottar film- eller videoanbefalinger basert på innhold vi har sett tidligere.
Disse samme tilnærmingene kan til og med hjelpe finansdirektører med å opprettholde optimale lagernivåer, unngå nedskrivning av lager og spare arbeidskapital.
Se utover bokført verdi
En av de største utfordringene for en finansdirektør kan være å vurdere den virkelige verdien av eiendeler. Usikkerhet i verdsettelsen, enten det er å anskaffe et kapitalintensivt selskap eller bestemme skattegrunnlaget for omløpsmidler, kan tilføre eller trekke millioner fra bunnlinjen.
Den mest effektive metoden for å bestemme verdien av eiendeler er en vurdering av et stort antall sammenlignbare uavhengige transaksjoner. Det er her AI kan hjelpe.
Finansdirektører og takseringspesialister i eiendomsbransjen kan bruke AI til å vurdere tusenvis av boligvariabler – boliglånsrenter, kvalitet på skolene, antall soverom, lokal sysselsetting – for å bygge prediktive modeller for boligprisene. Disse kan være for anskaffelse eller for salg av foretaket. Dette hjelper ikke bare eiendomsselskapet, men gir også verdi til kjøpere, selgere og långivere.
Relatert artikkel
Å forutse dødgang: prognoser og styring av dårlig gjeld
Ifølge de amerikanske skattemyndighetene1 utgjør dårlig gjeld 0,5 % av amerikanske firmaers inntekter. I 2018 utgjorde det over 100 milliarder USD i manglende penger, noe som reduserte fortjenestemarginene med hele 5 %2.
Kunstig intelligens setter økonomidirektøren i stand til å forutsi hvilke kunder som vil betale, være sent ute med å betale, eller ikke vil betale i det hele tatt. En multivariat analyse av B2B-kundedata, som bransjetype, kredittvurdering, produktkjøp og salgsperson, kan gi en prognose for sannsynligheten for at en bedrift vil betale regningene sine – og bør gis kreditt. Alternativt hjelper identifisering av sannsynlige ikke-betalere med å kvalifisere kunder og godkjenne kreditt.
Dårlig gjeld
100 milliarder USDMengden dårlig gjeld som påvirker amerikanske firmaer i 2018.
Bedrageri og utgiftssvindel
Intern svindel er spesielt vanskelig å oppdage, forutsi og kontrollere. Den er episodisk, og etterlater ikke et tydelig dataspor. Den blir ofte utført i små trinn som unnslipper deteksjon. Til slutt kan gjerningsmannen med vilje forvrenge datasporet for å forhindre å bli oppdaget.
Kostnadssvindel alene anslås å koste selskaper 1,8 milliarder dollar per år3. Å håndtere denne risikoen, som kan ha betydelige juridiske, skattemessige og økonomiske konsekvenser, kan distrahere finansdirektører fra mer strategiske spørsmål.
Her kommer kunstig intelligens inn i bildet. Med AI kan du analysere og tolke utgiftsdata og oppdage mistenkelige utgiftskrav. Du kan utforske bruksmønster og ansattes atferd i forskjellige roller. Dessuten kan maskinlæringsteknologi identifisere og forutsi vanlig atferd hos ansatte som forfalsker eller overdriver påstander. Dette gjør det mulig for en finansdirektør å forutse potensiell utgiftssvindel før det skjer.
Relatert artikkel
Utgiftssvindel
1,8 milliarder USDDe anslåtte årlige kostnadene for utgiftssvindel mot selskaper.
Kunstig intelligens og deteksjon av hvitvasking av penger
Med tanke på alvoret i hvitvaskingslovbrudd og muligheten for sterke regulatoriske sanksjoner, har mange banker installert varslingsmekanismer basert på kjente misbruksmønstre. Mange av disse varslingsprogrammene er lovpålagt. Problemet er at disse systemene kan generere en flom av varsler og gjøre at finansdirektørens team lurer på hvor de skal plassere knappe ressurser.
Kunstig intelligens kan lære datamaskiner å gjenkjenne mistenkelig oppførsel og å klassifisere varsler som høy, middels eller lavere risiko. Å bruke regler på disse varslingsklassifiseringene kan lette automatisk lukking av falske varsler, og frigjøre personalet til å fokusere på det lille mindretallet som har en sterk sannsynlighet for å være en ulovlig transaksjon.
Relatert artikkel
Å ta slitet ut av finans
Kanskje har ingen deler av bedriften like mange repetitive, rutinemessige oppgaver som økonomiavdelingen. Å legge inn fakturaer, spore fordringer og logge betalingstransaksjoner koster mye, har lav avkastning og er ikke av høy interesse for ansatte.
Kunstig intelligens, kombinert med robotprosessautomatisering, gir mulighet til å utvikle finansavdelingens tradisjonelle back-office . Mens robotikken setter fart i transaksjonen, bruker AI innsiktsdataene på front-office: Hvordan setter vi fart i innsamlingen? Hvor skal vi investere? Hva vil være virkningen hvis vi senker prisene?
Finansdirektører bruker i økende grad AI for å håndtere betydelige endringer i regnskapsregelverk. For eksempel har vi sett store selskaper spare betydelig arbeidskraft ved å bruke naturlig språkbehandling (NLP) for gjennomgang av leiekontrakter. Uten AI ville dette vært en veldig arbeidsintensiv oppgave.
Relatert artikkel
Finansdirektør og kraften i prognoser
Historisk har økonomifunksjonen fokusert på å dokumentere fortiden – inntektsføring, revisjonskostnader eller overvåking av compliance. Kunstig intelligens er transformativ fordi den plasserer finansdirektøren i fremtiden med den datadrevne prediksjonskraften. Plutselig er finansavdelingen utrustet til å forutsi hvordan konkurrenter vil reagere, hvordan kunder vil svare, og hvor risiko vil dukke opp.
Denne transformasjonen går langt utover digital spådomskraft: den forvandler finansdirektørens og økonomiteamets rolle, og plasserer den i det strategiske hjertet av bedriften. Finansdirektøren som griper mulighetene innen kunstig intelligens og maskinlæring vil ikke bare transformere bedriften, men også omfanget, ansvaret og kraften i selve jobben.
En forkortet versjon av denne artikkelen ble opprinnelig publisert i CFO Magazine.
Sammendrag
Kunstig intelligens er ett aspekt av den bredere reisen Finance 4.0 som finansdirektører tar. Når det kombineres med andre teknologier, for eksempel blockchain og intelligent automatisering, vil det gi finansfunksjonen mulighet til å ta bedre forretningsavgjørelser enn noen gang før.