بازاندیشی در امور مالی با رویکرد اول هوش مصنوعی

لایه بندی هوش مصنوعی بر روی عملیات موجود ممکن است کارایی کوتاه مدت را افزایش دهد. با این حال، کاربرد تکه تکه این فناوری دستاوردهای افزایشی را به همراه دارد.

چه می‌شود اگر مدیران مالی مالی بتوانند به‌جای حذف ناکارآمدی‌ها در لبه‌ها، عملیات‌های مالی را از ابتدا به طور کامل بازطراحی کنند و هوش مصنوعی را در هسته اصلی خود داشته باشند و در سطوح جدیدی که فراتر از بهره‌وری هستند، سود را افزایش دهند؟ چنین امکان وسوسه انگیزی با رویکرد اولیه AI برای تامین مالی به خوبی در دسترس است. مثال زمان چرخه بسته مالی را در نظر بگیرید. به جای منتظر ماندن برای پایان یک دوره مالی، تغییر به بسته شدن مداوم اطلاعاتی را که تیم های مالی به آنها نیاز دارند همیشه در اختیار آنها قرار می دهد، که می تواند منجر به تصمیم گیری سریعتر شود. این تخیل مجدد از عملیات روزمره تجاری دقیقاً همان چیزی است که AI-first finance ارائه می دهد. در یک چشم انداز دیجیتالی که به سرعت در حال تحول است، بقای کسب و کار مستلزم راه اندازی مجدد استراتژیک ذهنیت هوش مصنوعی است. و AI-first finance به معنای استفاده کورکورانه از این فناوری در هر فرآیند نیست.

در عوض، این در مورد ارزیابی عملیات مالی با یک لنز هوش مصنوعی و استفاده از این فناوری است که چه زمانی و در کجا می تواند پیشرفت های اساسی را ارائه دهد.

اما انجام این انتقال بدون چالش نیست.

موانع پذیرش و کمبود استعداد

مرتبط:چگونه Embracing Data Fabric می تواند ارزش ابتکار هوش مصنوعی را افزایش دهد

مدیران مالی که می‌خواهند رویکرد اول هوش مصنوعی را اتخاذ کنند ممکن است با چند مانع روبرو شوند:

در واقع، طبق مطالعه ای که با مشارکت HFS Research روی 550 مدیر ارشد در مورد آنها انجام شد. پذیرش مولد هوش مصنوعیپاسخ دهندگان از توابع مالی می گویند که “مشکل در یافتن، آموزش و حفظ استعدادهای هوش مصنوعی” (34٪) و “فقدان کیفیت داده یا استراتژی” (34٪) دو تا از سه مانع اصلی برای پذیرش هوش مصنوعی ژنرال هستند. رهبران مالی در حال مقابله با این چالش ها هستند.

به عنوان مثال، برای رفع شکاف استعدادها، آنها روی ارتقای مهارت استعدادهای داخلی، افزایش بخش های تحقیق و توسعه و ایجاد مشارکت با ارائه دهندگان تخصصی سرمایه گذاری می کنند.

علاوه بر این، 40 درصد از مدیران مالی در نظرسنجی ژنرال هوش مصنوعی می‌گویند که با ارائه‌دهندگان فناوری متخصص در راه‌حل‌های هوش مصنوعی ژنرال به عنوان راهی برای ایجاد و ارتقای قابلیت‌های فناوری خود همکاری می‌کنند.

هنگامی که این موانع برطرف شدند، مدیران مالی می توانند با تمرکز بر چهار جنبه کلیدی، اولین رویکرد هوش مصنوعی خود را وارد عمل کنند.

مرتبط:آینده کسب استعدادهای هوش مصنوعی در اروپا

چهار بلوک ساختمانی AI-first Finance

1. توانمندسازی داده ها

هوش مصنوعی با داده های قابل دسترسی و کشف رشد می کند. با این حال، بدون یک منبع حقیقت واحد، داده‌ها می‌توانند سیلو شوند، که منجر به نسخه‌های متعددی شود که حتی برای بخش‌های داخلی سازمان دور از دسترس هستند.

به همین دلیل است که اولویت بندی مدیریت داده ها ضروری است.

داده های بدون ساختار و ساختاریافته نیاز به تجزیه و مسیریابی به سیستم های مناسب در یک حلقه پیوسته دارند. از آنجایی که هوش مصنوعی می‌تواند به سرعت از داده‌های دقیق از سراسر تجارت استفاده کند، برای مثال، اقلام تعهدی حمل‌ونقل را می‌توان به‌محض خروج کالاها از انبار به‌جای ماهانه، با تعدیل‌هایی برای نشت کالاهای دریافتی در مقابل فاکتورهای دریافتی، بر اساس حمل و نقل حساب کرد. .

علاوه بر این، در گذشته، تیم مالی مجبور بود پرس و جوهای SQL یا دستورات پایگاه داده تخصصی را برای دریافت داده های مورد نیاز خود اجرا کند. اکنون، آنها می توانند به سادگی یک درخواست را به زبان روزمره تایپ کنند و اطلاعات را بسیار راحت تر بازیابی کنند و دسترسی به داده ها را افزایش دهند.

با پشتوانه این پیشرفت‌ها، ایجاد شیوه‌های تجاری قوی برای حاکمیت داده‌ها، اصول اخلاقی و انطباق بسیار مهم است. در غیر این صورت، شرکت ها ممکن است در معرض خطر مسائل قانونی و مقرراتی، نقض داده ها و آسیب به شهرت قرار گیرند.

2. تکنولوژی که مقیاس

یک معماری فنی قوی یک تفاوت اساسی در امور مالی با هوش مصنوعی ایجاد می کند. یک پشته فناوری بهینه شامل چهار لایه ضروری است:

وقتی به چهار لایه نگاه می کنیم، تقریباً همه شرکت ها یک SOR دارند، اما به احتمال زیاد SOO نادیده گرفته شده است.

رویکرد اول هوش مصنوعی، خطوط بین این چهار لایه را محو می‌کند و به هر لایه کمک می‌کند تا با هم هوشمندانه‌تر و یکپارچه‌تر کار کند.

به عنوان مثال، Copilot در مایکروسافت اکسل می تواند به طور خودکار تطبیق تراکنش ها و تطابق مالی را مدیریت کند. همچنین می‌تواند ایمیل‌ها یا پیام‌های بعدی را مستقیماً از صفحه‌گسترده ارسال کند و گردش‌های کاری را با استفاده از Power Apps، یک برنامه جداگانه مدیریت کند – نمونه‌ای بارز از SOE، SOI و SOO که همگی با هم ترکیب می‌شوند.

3. عملیات الگوریتم محور

در AI-first finance، هر عملیات مالی به یک الگوریتم، مجموعه‌ای از قوانین یا دستورالعمل‌ها خلاصه می‌شود که در اکوسیستم فناوری بزرگ‌تر ادغام می‌شود. هر چالش تجاری را می توان به یک کار پیش بینی تبدیل کرد که الگوریتم ها می توانند با پیش بینی راه حل ها به آن رسیدگی کنند.

برای مثال، اقلام تعهدی گارانتی شامل تخمین تعداد ادعاهایی است که یک شرکت انتظار دریافت آن را دارد. با پیش بینی تعداد احتمالی ادعاهای گارانتی، شرکت می تواند وجوه مناسب را کنار بگذارد. سپس این اقلام تعهدی در پایان ماه در صورتهای مالی ثبت می شود.

مدیران مالی باید الگوریتم های مبتنی بر هوش مصنوعی را برای بهبود عملیات مالی و نتایج تعبیه کنند.

4. نظارت انسانی برای هوش مصنوعی مسئول

نتایج حاصل از هوش مصنوعی باینری نیستند. وقتی هوش مصنوعی پاسخی را ارائه می دهد که ارزش اطمینان 94٪ را ارائه می دهد، به این معنی است که نیاز به نظارت یا بهبود توسط افرادی با دانش و زمینه مناسب دارد. بدون در نظر گرفتن امتیاز اطمینان، حضور انسان‌ها در این حلقه مانند همیشه مهم است – به‌ویژه در امور مالی، جایی که تصمیم‌های اشتباه یا مغرضانه هوش مصنوعی می‌تواند منجر به نتایج شدید شود.

به همان اندازه که شرکت‌ها برای توسعه الگوریتم‌های بدون تعصب تلاش می‌کنند، انسان‌ها کمک می‌کنند تا مطمئن شوند تصمیمات مبتنی بر هوش مصنوعی منعکس‌کننده ارزش‌های شرکت هستند و منصفانه، عادلانه و دقیق هستند. ما باید به تأثیر هوش مصنوعی بر محیط کنترلی موجود نگاه کنیم و تغییرات مورد نیاز و همچنین روش‌هایی را که این کنترل‌ها در فرآیندهای مختلف تعبیه شده‌اند، در نظر بگیریم.

باز کردن قفل نتایج استثنایی

AI-first finance در حال حاضر در حال تجسم مجدد رویه های ثابت شده است. پردازش صفر لمسی با زمان صفر برای بسته شدن، زمان صفر برای بینش و صفر استثنا کاملاً در دسترس است. و تطبیق صورت‌های ماهانه می‌تواند برای شرکت‌هایی که زمان‌های چرخه نزدیک خود را با هوش مصنوعی تجدیدنظر کرده‌اند، به گذشته تبدیل شود.

با تمرکز بر یادگیری مداوم، شرکت‌های آزمایش و سازگاری می‌توانند از پتانسیل کامل هوش مصنوعی با گنجاندن آن در عملیات مالی، فرآیندها و تصمیم‌گیری‌ها استفاده کنند.

و کسانی که انجام می دهند، به نتایج بی نظیری دست می یابند.