AI generativa na função financeira do futuro

Funções financeiras de empresas globais não escaparam do burburinho em torno do potencial transformador de AI generativa Ferramentas, como ChatGPT e Google Bard. Para ver além do hype, os CFOs precisam de uma compreensão diferenciada de como essas ferramentas remodelarão o trabalho no Função de Finanças do Futuro . 

Como em outras tecnologias, a adoção de IA generativa nas funções financeiras provavelmente seguirá um padrão de curva S. (Consulte o Anexo 1.) Atualmente, as equipes financeiras estão considerando como a tecnologia pode aumentar os processos existentes criando texto e conduzindo pesquisas. Olhando para o futuro, a integração de IA generativa transformará processos principais, reinventará a parceria de negócios e mitigará os riscos. A IA generativa acabará colaborando com as ferramentas tradicionais de previsão de IA para criar relatórios, explicar variações e fornecer recomendações, elevando assim a capacidade da função financeira de gerar insights prospectivos. Os aprimoramentos capacitarão os profissionais de finanças a tomar decisões estratégicas mais informadas, levando a uma maior eficiência operacional e eficácia. Para superar os obstáculos e permanecer à frente da curva de adoção, agora é a hora dos CFOs aprenderem sobre as aplicações de IA generativa nas funções financeiras que terão mais impacto e se preparam para capitalizar os recursos emergentes. Sua capacidade de gerar análises numéricas com a precisão necessária nas finanças ainda está evoluindo. As ferramentas podem executar um passe inicial na análise de conjuntos de dados limitados, mas a confiabilidade dos resultados deve melhorar antes que a intervenção humana não seja mais necessária. Por outro lado, o

But, the adoption of generative AI in finance functions entails challenges, including accuracy and data security and privacy. To overcome the obstacles and stay ahead of the adoption curve, now is the time for CFOs to learn about the applications of generative AI in finance functions that will have the most impact and prepare to capitalize on emerging capabilities.

Current and Near-Term Applications Augment Existing Processes

So far, generative AI tools are primarily used to process and generate text and images. Their ability to generate numerical analyses with the accuracy required in finance is still evolving. The tools can perform an initial pass at analyzing limited data sets, but the reliability of outcomes must improve before human intervention is no longer required. In contrast, the Aplicações tradicionais de AI Nas funções financeiras, podem analisar com segurança dados numéricos para previsão e avaliação de riscos, entre outros casos de uso. Alguns casos de uso podem, portanto, ser específicos para as técnicas generativas de IA ou IA tradicional, enquanto para outros pode ser possível aplicar as tecnologias em combinação. (Consulte o Anexo 2.)

Atualmente, a integração da IA ​​generativa nas funções financeiras se concentra em aumentar os processos existentes por meio da geração narrativa e análise única de pequenos conjuntos de dados. As aplicações atuais e de curto prazo em toda a cadeia de valor financeiro incluem o seguinte:

• Operações de finanças. (Consulte “Estudo de caso: suplementando uma revisão de crédito.”) Creating preliminary drafts for tasks that are text-heavy or require minimal analysis, such as drafting contracts and supplementing credit reviews. (See “Case Study: Supplementing a Credit Review.”)
  

• Relatórios contábeis e financeiros. Comparando reais com os planos) e criando relatórios para os parceiros de negócios explicarem o desempenho financeiro de sua unidade. (Consulte “Estudo de caso: Redução de respostas para chamadas de relações com investidores.”) Offering initial insights for successive iterations of financial statements during month-end closures or assisting with audit trails for reclassification memos.
• Finance Planning and Performance Management. Performing ad-hoc variance analysis of the company’s structured or unstructured data sets (for example, comparing actuals to plans) and creating reports for business partners to explain their unit’s financial performance.
• Investor Relations. Supporting most aspects of the quarterly earnings calls. (See “Case Study: Drafting Responses for Investor Relations Calls.”)

Os recursos generativos de IA de amanhã serão transformadores

Como a capacidade generativa da IA ​​de analisar com precisão grandes conjuntos de dados melhora e os profissionais financeiros se tornam mais adeptos dos usuários da tecnologia, que esperamos ver um aumento gradual no número de "copilotes" ou “assistentes” ou “assistentes”, que esperamos que o aumento gradual do número de pratos de Ai. Também visualizamos a integração perfeita da IA ​​tradicional e da IA ​​generativa em casos de uso combinados. Por exemplo, uma ferramenta de previsão tradicional de IA pode produzir finanças previstas, enquanto a IA generativa pode explicar variações e, mais importante, oferecer recomendações sobre diferentes cenários de previsão e decisões de negócios associadas. Uma variedade crescente de assistentes generativos de IA transformará continuamente processos de financiamento central, como desenho de contrato, processamento de faturas e revisões gerais de ledger. (Consulte “Revisão de entradas gerais-ledger”.) Inicialmente, os assistentes focados podem melhorar a eficiência de processos específicos em aproximadamente 10% a 20%. No entanto, à medida que as ferramentas e os recursos se desenvolvem, eles aumentarão uma parte maior das tarefas gerais de operações financeiras. Eventualmente, à medida que os casos de uso se expandem ao longo da curva S, a IA generativa se integrará perfeitamente aos processos que são atualmente manuais ou tediosos. Durante o fechamento do final do mês, um contador analisa as entradas gerais de ledger antes de finalizar as demonstrações financeiras. Ela observa que a conta de despesa de marketing mostra uma atividade significativa em comparação com os períodos anteriores. Nesses casos, o contador conduz uma revisão aprofundada dos dados gerais de ledger para entender o desvio do precedente e identificar quaisquer erros em potencial.

As a result, the next generation of finance copilots will empower the finance function of the future in three significant ways:

• Transforming Core Processes. An increasing array of generative AI assistants will continually transform core finance processes, such as contract drafting, invoice processing, and general-ledger reviews. (See “Reviewing General-Ledger Entries.”) Initially, focused assistants may improve the efficiency of specific processes by approximately 10% to 20%. However, as tools and capabilities develop, they will augment a larger portion of overall finance operations tasks. Eventually, as use cases expand along the S-curve, generative AI will integrate flawlessly with processes that are currently manual or tedious.

  Expand All

  Case Study: Reviewing General-Ledger Entries

  During the month-end closure, an accountant reviews general-ledger entries before finalizing the financial statements. She observes that the marketing expense account shows significant activity compared with previous periods. In such instances, the accountant conducts an in-depth review of the general-ledger data to understand the deviation from precedent and to identify any potential errors.
  
  entrada. O contador envia um registro de todas as transações de despesas de marketing para o período para um sistema de IA generativo. Ela também envia qualificadores, como faixas de valor em dólares e palavras -chave, indicando os tipos de anomalias a serem procuradas nos dados que podem sugerir postagens na conta errada.
  
  Query. O contador pede a ferramenta AI generativa para identificar entradas em potencial que podem ser melhor classificadas em contas diferentes. A ferramenta AI generativa identifica dez entradas questionáveis. Após a revisão, o contador descobre que cinco entradas de grandes quantidades deveriam ter sido publicadas em outras contas de despesas. Ela reclassifica essas entradas.
  
  Output. The generative AI tool identifies ten questionable entries. Upon review, the accountant discovers that five entries of large amounts should have been posted to other expense accounts. She reclassifies those entries.

• Reinventando os negócios parceria. Isso pode abranger insights sobre previsões financeiras, planejamento de cenários durante todo o ciclo orçamentário e inteligência de negócios mais rápida e abrangente. (Consulte “Estudo de caso: gerando inteligência de negócios e insights estratégicos”.) Atividades financeiras que atualmente são tão tediosas que dificultam a coleta de idéias podem ser revisadas para permitir a geração de insights rápidos e claros. O emparelhamento de IA generativo com casos de uso de IA tradicional aprimorará ainda mais os recursos. Um grande varejista multinacional com centenas de lojas dos EUA desenvolve declarações de P&L para grupos regionais de lojas. Os relatórios internos para cada região incluem uma quebra de dados financeiros e margens em várias linhas de negócios. Esses P&Ls regionais são consolidados em um P&L corporativo. No entanto, esse processo de agregação dificulta a equipe de Planejamento e Análise Financeira Corporativa (FP&A) para construir uma narrativa coerente do desempenho dos negócios nacionais e fornecer informações acionáveis ​​aos executivos com base nos dados consolidados. Generative AI will provide support to the finance function’s business partners. This could encompass insights into financial forecasts, scenario planning throughout the budget cycle, and faster and more comprehensive business intelligence. (See “Case Study: Generating Business Intelligence and Strategic Insights.”) Finance activities that are currently so tedious that they hinder the gleaning of insights can be overhauled to enable rapid and clear insight generation. Pairing generative AI with traditional AI use cases will further enhance capabilities.

  Expand All

  Case Study: Generating Business Intelligence and Strategic Insights

  A large multinational retailer with hundreds of US outlets develops P&L statements for regional clusters of stores. Internal reporting for each region includes a breakdown of financial data and margins across various business lines. These regional P&Ls are consolidated into a corporate P&L. However, this aggregation process makes it hard for the corporate financial planning and analysis (FP&A) team to construct a coherent narrative of national business performance and deliver actionable insights to executives based on the consolidated data.
  
  Input. Para facilitar a geração de insights, a equipe de FP&A envia as planilhas que mostram declarações regionais de P&L, dados gerais de ledger e dados suplementares para uma ferramenta de AI generativa segura familiarizada com conjuntos de dados semelhantes.
  
  Query. A equipe pede a ferramenta para fornecer informações gerais sobre o desempenho dos negócios, concentrando -se em elementos dentro da margem bruta que podem ter contribuído para um recente declínio no lucro líquido no nível corporativo. Ele também pede a ferramenta para fornecer informações para estratégias de investimento ou modificações operacionais que possam beneficiar as linhas de negócios. A ferramenta realiza uma análise abrangente do conjunto de dados e identifica os principais fatores de desempenho nas linhas de negócios. Ele oferece um resumo das idéias para cada região, destacando linhas de negócios mais lucrativas ou estão experimentando crescimento de receita ou redução de custos. Analistas da equipe da FP&A verificam a precisão dos insights antes de compartilhá -los com executivos.
  
  Output. The tool conducts a comprehensive analysis of the data set and identifies key drivers of performance across the business lines. It delivers a summary of insights for each region, highlighting business lines that are more profitable or are experiencing revenue growth or cost reductions. Analysts on the FP&A team check the accuracy of the insights before sharing them with executives.

• Gerenciamento e mitigação de risco. As equipes financeiras já estão usando a IA em ambientes de auditoria e controle, como identificar anomalias que podem ser indicadores de fraude ou não conformidade. A próxima onda de IA generativa pode ir além prevendo e explicando anomalias. A identificação e a comunicação oportunas dos riscos associados podem impedir achados indesejáveis ​​de auditoria. (Consulte “Estudo de caso: identificação de risco.”)

  Expanda tudo

  Estudo de caso: identificação de risco

  As descobertas de auditoria recentemente recebidas de uma empresa revelaram deficiências em seu ambiente de controle que representaram uma ameaça de perdas financeiras. Em resposta, a empresa pretende estabelecer uma segunda linha de defesa para identificar riscos antes de uma auditoria e detectar lacunas na primeira linha de defesa. No entanto, devido a restrições orçamentárias, a equipe financeira tem recursos insuficientes para alocar para essa segunda linha de defesa. Como alternativa, eles decidem explorar a AI generativa de alavancagem para ajudar na identificação de riscos potenciais.
  
  Entrada. Analistas de risco importam dados de origem para pagar-incluindo dados mensais de dados de faturas e informações de dados mestre-em um agente gerador de IA.
  
  Consulta. Riscos. The analysts ask the generative AI agent to detect potential fraudulent invoices, duplicate payments, and other issues that were recently highlighted by audit findings as potential risks.
  
  saída. O agente fornece à equipe financeira uma lista consolidada de áreas de risco sinalizadas que justificam um exame mais aprofundado antes da auditoria. Com essas informações direcionadas, a equipe pode aplicar criteriosamente seus recursos limitados para se concentrar nas áreas identificadas.

Os desafios para a adoção

em comparação com tecnologias anteriores, como automação de processos robóticos e mineração de processos, as barreiras para experimentar a IA generativa nas funções financeiras são relativamente baixas. No entanto, vários desafios críticos devem ser abordados ou gerenciados para liberar completamente o potencial da tecnologia na função financeira do futuro. Entre outros, incluem:

• precisão de dados. ferramentas generativas de IA, especialmente versões iniciais, podem lutar para realizar cálculos precisos. Garantir cálculos altamente precisos requer diligência no projeto de ferramentas generativas de IA. Como alternativa, as equipes podem usar soluções alternativas para gerar conteúdo com base nos cálculos realizados fora das ferramentas generativas de IA. Espera-se que esses desafios diminuam com os avanços contínuos, conforme demonstrado por recursos rapidamente aprimorados do GPT-3 ao GPT-4, que inclui um plug-in de intérprete de código.
• vazamentos de dados proprietários. Ao treinar modelos generativos de IA na nuvem pública, as empresas transmitem dados proprietários que podem ser vazados em uma violação de segurança.
• Modelo de governança. As ferramentas generativas de IA não têm consciência contextual e informações em tempo real. Atualmente, não existe um modelo de governança implícito ou explícito para validação de saída.
• Alucinações. AI generativa às vezes pode produzir respostas incorretas de uma maneira altamente convincente. Abraçar essa tecnologia é crucial para manter uma organização financeira de ponta. Para se preparar, os CFOs devem dar várias etapas.

CFOs Must Prepare

CFOs cannot afford to stand on the sidelines as generative AI reshapes the finance function of the future and its partner functions, such as marketing and HR. Embracing this technology is crucial to maintaining a cutting-edge finance organization. To prepare, CFOs should take several steps.

Crie provas de conceito usando casos de uso disponíveis. Inicie a adoção com casos de uso cujas barreiras à entrada são baixas, como relações com investidores e desenho de contrato. Avalie e refine continuamente a abordagem para obter resultados ideais. O pessoal financeiro provavelmente descobrirá que a aplicação da nova tecnologia em casos de uso real é a melhor maneira de escalar a curva de aprendizado. Essa abordagem iterativa é essencial para cortar o hype em torno da IA ​​generativa e desenvolver uma compreensão diferenciada das aplicações práticas e do valor concreto da tecnologia na função financeira. Avalie o talento existente, identifique lacunas de habilidades, forneça oportunidades de treinamento e recrute indivíduos que estão equipados para lidar com futuros casos de uso à medida que surgirem. Certifique -se de que o pessoal financeiro entenda como a IA generativa pode complementar seu trabalho e desbloquear seu potencial, automatizando tarefas de rotina, acelerando insights de negócios e melhorando a eficiência operacional. No nível do analista individual, a proposta de valor inclui menos tarefas repetitivas e traços de teclado e mais tempo para a colaboração de negócios. Avalie se a abordagem ideal está criando um centro de excelência ou incorporação de recursos de IA nas equipes de tecnologia. As equipes de TI desempenharão um papel fundamental na priorização de investimentos generativos de IA e abordando preocupações de segurança de dados em torno do uso da IA ​​em aplicações de função financeira.

Identify and train internal talent. Assess existing talent, identify skill gaps, provide training opportunities, and recruit individuals who are equipped to handle future use cases as they emerge. Ensure that finance personnel understand how generative AI can complement their work and unlock their potential by automating routine tasks, accelerating business insights, and improving operational efficiency. At the level of the individual analyst, the value proposition includes fewer repetitive tasks and keyboard strokes and more time for business collaboration.

Develop traditional and generative AI capabilities in-house. Evaluate whether the optimal approach is creating a center of excellence or embedding AI capabilities into technology teams.

Collaborate with IT. Build a strong partnership with IT to drive successful implementation. IT teams will play a pivotal role in prioritizing generative AI investments and addressing data security concerns surrounding the use of AI in finance function applications.

Champion Generative IA. Muitas das oportunidades atuais mais importantes residem fora da função financeira. Os CFOs devem trabalhar com seus colegas C-Suite para incentivar o pensamento criativo em torno de possíveis casos de uso que promovem a eficiência e a eficácia dos custos. Os CFOs também podem colaborar com o planejamento e análise financeira e parceiros de negócios para alocar investimentos a IA generativa e incorporar metas de custo generativas influenciadas pela IA no plano de negócios. Atualmente, ele se destaca na geração de texto e está aprimorando rapidamente suas habilidades em análise numérica. Os líderes financeiros devem monitorar de perto a evolução da IA, obter experiência prática e desenvolver as capacidades de sua organização. Dadas as barreiras de entrada comparativamente baixas, não há necessidade de aguardar mais avanços antes de iniciar a adoção. Os CFOs devem adotar essa tecnologia imediatamente, remover quaisquer obstáculos à adoção em seus departamentos e incentivar suas equipes a aproveitar a IA generativa em toda a função financeira. E-alert.

Generative AI has arrived and is evolving at an unprecedented pace. It currently excels in text generation and is swiftly honing its skills in numeric analysis. Finance leaders must closely monitor AI’s evolution, gain hands-on experience, and develop their organization’s capabilities. Given the comparatively low entry barriers, there is no need to wait for further advancements before initiating adoption. CFOs should embrace this technology immediately, remove any obstacles to adoption in their departments, and encourage their teams to take advantage of generative AI across the finance function.

The authors thank Deep Narayan, Francesca Gradara, Udit Mehra, and Kiran Wali for their contributions to this article.