MI nozīme un riski finanšu funkcijās
Mākslīgais intelekts (turpmāk – MI) nav nākotnes tehnoloģija – tas šeit un tagad būtiski maina finanšu procesus, datus un lēmumu pieņemšanu. Uzņēmumā precizitāte, caurskatāmība un atbilstība likumdošanai ir kritiski svarīgas, MI rīki var kļūt par nozīmīgu konkurences priekšrocību gan pašam uzņēmumam, gan uzņēmuma finanšu vadītājam, gan grāmatvedim. MI rīki automatizē laikietilpīgus uzdevumus, uzlabo datu kvalitāti, ātrāk identificē neatbilstības un palīdz vadībai gūt kvalitatīvāku ieskatu uzņēmuma finanšu veselībā.
Tomēr līdztekus iespējām MI ieviešana finanšu funkcijās prasa īpašu uzmanību. Grāmatvedības dati ir jutīgi, likumdošana - stingra, un uzņēmuma finanšu vadītājs ir atbildīgs, lai jebkura tehnoloģijas izvēle neapdraudētu datu drošību, atbilstību likumdošanai un uzņēmuma reputāciju. Turklāt, atšķirībā no ierastajām grāmatvedības, datu analīzes programmām, MI modeļu darbība ir mazāk caurspīdīga, tādējādi radot papildu prasības risku vadībai un kontrolei.
Kur MI sniedz lielāko ieguvumu: trīs rīku kategorijas
Pirms jebkāda MI rīka iegādes un ieviešanas ir būtiski saprast trīs lietas: kā pareizi izvērtēt vajadzības, kā veiksmīgi iepirkt un integrēt rīku, un kādas juridiskās un tehniskās prasības jāievēro tā izmantošanā. Tieši finanšu profesionāļi ir tie, kas pieņem gala lēmumus par tehnoloģiju investīcijām un nodrošina, lai tās strādātu ne tikai efektīvi, bet arī droši.
Vispirms uzņēmuma finanšu vadītājam būtiski saprast, kur tieši MI visvairāk uzlabos komandas darba efektivitāti. MI rīkus iedalu trīs grupās, un katra no tām finanšu funkcijā risina atšķirīgus uzdevumus:
- Ģeneratīvais MI - rīki, kas rada jaunu saturu: tekstu, atskaites, prezentācijas, paskaidrojumus, risku kopsavilkumus, līgumu projektus utt. Šie rīki būs noderīgi atskaišu melnrakstiem, paskaidrojumiem auditoriem, transakciju komentāriem, politiku un procedūru melnrakstiem, budžeta scenāriju aprakstiem, prezentāciju sagatavošanai.
- Analītiskais MI, kas analizē lielus datu apjomus, prognozē vai rekomendē. Šie rīki būs noderīgi naudas plūsmas prognozēm, debitoru risku novērtēšanai, krāpniecības identificēšanai, izmaksu analīzei.
- Automatizācijas MI, kas automatizē manuālus uzdevumus, kur nepieciešama loģika vai datu atpazīšana. Piemēram, rēķinu atpazīšana un iegrāmatošana, dokumentu klasifikācija, kontu saskaņošana vai atgādinājumi par neatbilstībām vai termiņiem.
Kā pieņemt lēmumu par MI ieviešanu
Novēroju, ka uzņēmuma finašu vadītājiem sarežģīti mainīt savu attieksmi pret ikdienā izmantoto programmatūru. Proti, tradicionālā grāmatvedības programmatūra jau desmitiem gadu nodrošina finansistiem būtiskāko — precizitāti, caurspīdību un atbilstību likumdošanai. Grāmatvedības sistēmas darbojas pēc iepriekš definētas loģikas: “ja ievadi A → sistēma sagatavo B”. Katra darbība ir atkārtojama, pārbaudāma un auditējama. MI rīki vadās pēc modeļiem un varbūtībām, nevis seko fiksētiem noteikumiem. Tādējādi rezultāts ne vienmēr ir identisks, pat ja ievadīti vienādi dati, nepieciešama papildu uzraudzība, jānodrošina kontroles mehānismi, auditoriem jāpaskaidro kā modelis nonāca pie šī rezultāta.
MI ieviešana jāvērtē nevis “modes dēļ”, bet pēc ļoti konkrētiem kritērijiem: (1) kas ir risināmā problēma → (2) kāds ir ieguvums → (3) kāds risks → (4) alternatīvas → (5) izmaksas. Ja problēmu var atrisināt tradicionālā programmatūra – papildinājumi grāmatvedības sistēmā, datu noliktavā utml., nevajag MI. MI uzņēmuma finanšu vadības procesus var uzlabot, samazinot izmaksas (mazāk manuāla darba, mazāk kļūdu), palielinot ieņēmumus (precīzākas prognozes, uzlabota maksājumu disciplīna) vai samazinot riskus (neatbilstību atklāšanas reālā laikā). Tādējādi, pirms mesties MI rīka izvēlē, rūpīgi jāpārdomā alternatīvas: vai problēmu var atrisināt ar procesu sakārtošanu, esošās sistēmas konfigurāciju, automatizāciju bez MI, ar datu kvalitātes uzlabojumiem. Ja tomēr visas esošās iespējas ir izsmeltas, jāvērtē pilnas izmaksas: licence, ieviešana, datu sagatavošana, integrācijas ar esošajām uzņēmuma programmatūrām, apmācības, uzturēšanas izmaksas. Ja ieguvumi būtiski nepārsniedz izmaksas — MI nav vajadzīgs.
Pilotprojekti: drošākais veids, kā sākt
Konservatīvai MI ieviešanas pieejai būs jāsāk ar mazu, kontrolējamu pilotu, kur risks ir minimāls, bet var novērtēt rezultātu precizitāti, darbinieku pieredzi, produktivitātes uzlabojumus, kopējo efektu. Ja pilots nedod skaidrus rezultātus — nevajag virzīties tālāk. Tomēr nevajadzētu būt arī pārlieku konservatīviem un norakstīt MI tehnoloģiju kā nederīgu jau pašā sākumā. Piemēram, mazumtirgotāja finanšu direktors ievieš MI balstītu pieprasījuma prognozēšanas rīku noliktavas pārvaldībai. Sākotnējā pilotprojekta laikā rodas kļūda – modelis neņem vērā vietējus notikumus – koncertus, sporta pasākumus utml., radot neprecīzas prognozes dažos veikalos, kur preces izbeidzās vai uzkrājās pārāk lielos apjomos. Pilota realizācijas laikā modeli papildināja ar vietējiem notikumiem, palielinot pārdošanas apjomus, jo pircēji biežāk atrada meklētās preces. Šajā piemērā ir ļoti būtisks komponents– lokālās zināšanas. MI pielāgošana uzņēmuma vajadzībām ir dārga, tāpēc, lielākoties, to dara centralizēti, kur lokālie notikumi/informācija nav pieejama. Centralizētajām ieviesējam ir jāidentificē, ka vaina ir tieši lokālās informācijas trūkumā, un jāspēj tā pievienot modelim.
Kā izvēlēties īsto MI rīku
Izvēloties MI rīku, man vēlreiz jāatgādina, ka finansistam nevajag MI rīku, bet gan risinājumu konkrētai problēmai, kas uzlabo finanšu pārvaldību, un to iespējams izmērīt. Tāpēc rīka izvēle sākas nevis ar tirgus iespēju apskati, bet gan ar finansista prioritātēm. Ja mērķis ir samazināt manuālo darbu un kļūdas, izvēlies automatizācijas MI rēķinu atpazīšanai un iegrāmatošanai, dokumentu klasifikācijai, kontu saskaņošanai, transakciju anomāliju noteikšanai. Piemēram, Uipath, Microsoft Power Automate utml. rīki. Savukārt, ja rīks nepieciešams finanšu analīzei, jāskatās uz esošajā finanšu vadības sistēmā iebūvētajiem risinājumiem (Microsoft Power BI, Oracle NetSuite u.c.) vai ārējiem rīkiem (Tableau, Anaplan u.c.). Piemēram, Heineken lēma izmantot SAP izstrādātu mākslīgā intelekta risinājumu – iekšēji izveidotu tērzēšanas robotu “Hoppy”. Šis rīks balstās uz SAP Business AI, un ir tieši integrēts ar Heineken finanšu datiem. Darbinieki var dabiskā valodā, piemēram, jautājumos tērzēšanas robotam vaicāt finanšu datus, atskaites, rādītājus: "Parādi man septembra pārdošanas ieņēmumus Baltijā," Hoppy atgriežot atbildi ar vizualizāciju1. Finanšu informācija kļuvusi pieejamāka, to var izgūt ātrāk nekā veidojot atskaites datu analītikas kubos.
Noslēgumā
MI ieviešanas praktiskie soļi sākas ar pilotprojektu, kas ļauj uzņēmumam mazā mērogā pārbaudīt risinājuma efektivitāti, identificēt riskus, pirms pāriet uz pilna apjoma ieviešanu. Eiropas uzņēmumi parasti īsteno vairākus MI pilotprojektus, pirms lēmj par risinājuma izvēršanu visā uzņēmumā. Tipiski tiek realizēti 2–3 piloti dažādos lietojumos, lai pārliecinātos par MI pievienoto vērtību2. Pilota ilgums vidēji ir daži mēneši (bieži ~6 mēneši), taču lēmums par plašu ieviešanu netiek pieņemts, kamēr pilotprojekti nepierāda skaidru ieguvumu, kvalitatīvu rezultātu un darbinieku gatavību izmaiņām. Būtiskākie kriēriji lemšanai par MI ieviešanu visa uzņēmumā ir: atbilžu precizitāte, rezultātu iegūšanas ātrums, ietekme uz uzlabojamo procesu, atbilstība likumdošanai. Šie paši kritēriji jāizmanto testējot Mi risinājumu. MI testēšana atbilstoši definētajiem kritērijiem nozīmē rūpīgi izvērtēt, vai risinājums stabili sasniedz gaidīto precizitāti, stabilitāti un uzticamību dažādos scenārijos, izmantojot gan validācijas datu kopas, gan reālus lietošanas piemērus. Iegūtos rezutātus salīdzina ar noteiktajiem kvalitātes kritēriju sliekšņiem, analīzē kļūdas pirms tā ieviešanas produkcijā.
MI jau šobrīd būtiski ietekmē finanšu funkciju, uzlabojot precizitāti, datu kvalitāti un procesu efektivitāti, tomēr tā ieviešana prasa īpašu uzmanību datu drošībai, caurskatāmībai un atbilstībai likumdošanai. Finanšu vadītājiem svarīgi nevis pirkt MI, bet atrisināt konkrētu problēmu, izvērtējot, vai MI tiešām sniedz lielāku ieguvumu nekā tradicionālās sistēmas vai procesu uzlabošana. MI ieviešana jābalsta konservatīvā, pakāpeniskā pieejā, sākot ar maziem, kontrolējamiem pilotprojektiem, kas sniedz iespēju novērtēt precizitāti, ietekmi uz procesiem un darbinieku gatavību. Pirms lēmuma par plašu ieviešanu ir jāvērtē skaidri kritēriji — precizitāte, ātrums, processu uzlabojums un atbilstība regulējumiem — un jānodrošina rūpīga testēšana, validācija un kļūdu analīze. MI ieviešana finanšu vadībā ir stratēģisks, nevis tehnoloģisks lēmums, un tā panākumi ir atkarīgi no pareizi identificētas problēmas, pārdomāta risinājuma izvēles un disciplinētas ieviešanas pieejas.
Atsauces
1 Avots: SAP powers Heineken’s digital transformation: AI chatbot “Hoppy” accelerates data access and operational efficiency, avota datums: 12-Jan-26.
2 Avots: Stop Running So Many AI Pilots, avota datums: 12-Jan-26.
Kontakti
