AI i ekonomifunktionen
Höstens Hot Topic undersöker hur AI påverkar ekonomifunktionen, både utifrån hur organisationer styr och följer upp användningen och vilka processer och roller som redan håller på att förändras. Frågorna sträcker sig från prioritering till praktisk tillämpning och de hinder som finns.
De senaste åren har frågor om AI blivit alltmer aktuella för finanschefer. Diskussionen har gått från enskilda verktyg och effektivisering av repetitiva uppgifter till hur AI kan integreras i ekonomifunktionens processer, analyser och beslutsstöd. I takt med att användningen breddas flyttas uppmärksamheten också från tekniken i sig till hur initiativen styrs, hur värdet följs upp och vilka förutsättningar som krävs för att skala användningen genom hela ekonomifunktionen för att stärka affärsbeslut.
Svaren visar att många organisationer redan har börjat omsätta AI i praktisk förändring. Transaktionsflöden, standardiserad rapportering och delar av analysarbetet är de områden där omställningen är tydligast. Samtidigt är styrningen ofta pragmatisk, genom riktade användningsfall eller bredare koncernprogram, medan få ekonomifunktioner har en tydlig utvecklingsplan. Samma mönster återkommer i uppföljningen, där 24 procent uppger att värdet ofta bedöms med traditionella finansiella mått för generella investeringar i teknologi, varav 67 procent av respondenterna inte har ett särskilt ramverk för att mäta avkastningen på AI-investeringar.
Trots organisationernas framsteg uppger 64 procent att effekterna ännu inte kan mätas. Bland de resultat som lyfts fram finns mer framåtblickande analys, förbättrad datakvalitet och effektivare processer. Svarsfördelningen tyder på att många har tagit steget från test till faktisk användning, men att arbetet med att definiera och följa upp värdet av AI-investeringar inte har utvecklats i samma takt.
På frågan om vilka faktorer som främst begränsar möjligheten att skala upp användningen av AI menar 50 procent att data- och teknikinfrastrukturen inte är redo. Därefter följer ekonomifunktionens kultur (26 procent) och förändringsberedskap (11 procent). Det finns också skillnader mellan bolag av olika storlek. Större bolag har kommit längre i att implementera AI-lösningar för transaktionsprocesser, rapporterings- och variansanalys samt FP&A-modeller. Samtidigt har de utvecklat business-partner rollen inom ekonomifunktionen i högre utsträckning än mindre bolag. Däremot beskriver de i högre grad utmaningar kopplade till komplexitet, data och skalbarhet. Mindre bolag arbetar oftare ad hoc och upplever större osäkerhet kring investeringslogiken.
Avslutningsvis ställs frågan om varför organisationerna investerar i AI-transformation inom ekonomifunktionen. Kostnadsminskning och effektivitet är de vanligaste svaren, följt av en ambition att bygga organisatorisk förmåga och frigöra kapacitet. Resultaten indikerar att organisationer som vill realisera värdet av AI i ekonomifunktionen kan behöva stärka ägarskap, uppföljning samt förutsättningarna inom data, teknik och arbetssätt.