Avtor: Darren Roberts Umetna inteligencaza vodilne v finančnem sektorju ni več zgolj vprašanje prihodnosti. Že danes spreminja način, kako se v podjetju varujejo marže, odkrivajo tveganja in izvajajo odločitve. V ERA Group smo zadnjih nekaj let posvetili preoblikovanju načina, kako se informacije o nabavi vključujejo v finančno odločanje. Ugotovili smo nekaj preprostega: avtomatizacija sama po sebi ne prinaša prednosti. To stori inteligenca, vendar le, če se jo dejansko uporabi v praksi.
Številne organizacije še vedno obravnavajo nabavo kot transakcijsko funkcijo. Umetna inteligenca se uporablja zgolj za avtomatizacijo iskanja virov, pospešitev odzivov na razpise ali hitrejše pripravo poročil. Te izboljšave učinkovitosti so sicer koristne, vendar redko rešujejo globlji problem: izgubo marže, ki jo povzročajo nepopolna preglednost, zamude pri poročanju in nepovezano sprejemanje odločitev.
Največja sprememba se zgodi takrat, ko se umetna inteligenca vključi v osnovni operativni model nabave.
Pri našem delu v različnih panogah opažamo enak vzorec. Finančni vodje, ki ustvarjajo strukturno prednost, se osredotočajo na tri stvari:
Najprej preidejo z retrospektivnega poročanja na finančno analitiko v realnem času. Tradicionalna analiza porabe prikazuje, kaj se je že zgodilo. Analitika, ki temelji na umetni inteligenci, pa pravočasno opozori na težave, saj odkrije težave z uspešnostjo dobaviteljev, nepravilnosti pri oblikovanju cen ali dejavnike, ki vplivajo na stroške, še preden ti zmanjšajo dobiček.
Drugič, pred avtomatizacijo nalog najprej preoblikujejo odločitve. Pri enem od nedavnih projektov nas je stranka sprva prosila, naj izpogajamo ugodnejšo ceno za ključno surovino. Namesto da bi se lotili pogajanj, smo najprej preučili zasnovo izdelka in operativne procese. Z zmanjšanjem porabe materiala in izboljšanjem proizvodne učinkovitosti smo si pred začetkom poslovnih pogovorov zagotovili prednost. Vpliv na maržo je bil strukturne narave, ne le postopne narave.
Tretjič, združujejo spoznanja, pridobljena z umetno inteligenco, z izkušenim presojanjem. Podatki sami po sebi ne zagotavljajo dobička. Podatke je treba razlagati, razvrstiti po pomembnosti in uporabiti v praksi. Tehnologija omogoča hitrejši vpogled v stanje, vendar je šele disciplinirano izvajanje tisto, kar spoznanja pretvori v finančne rezultate.
Prav tu postane upravljanje ključnega pomena. S tem, ko postajajo zmogljivosti umetne inteligence cenejše in dostopnejše, se povečuje tveganje za razdrobljenost. Številna orodja, ločeni nadzorni plošči in neusklajene pobude lahko ustvarijo nove slepe točke, namesto da bi jih odpravile. Vključitev umetne inteligence v nabavo zahteva usklajenost med finančnim oddelkom, oddelkom za nabavo in tehnološkim oddelkom, skupaj z jasno odgovornostjo za rezultate.
V skupini ERA se ne osredotočamo zgolj na hitrejšo analizo porabe. Naš cilj je ustvarjanje informacij, ki krepijo nadzor, zmanjšujejo izgube marže in odkrivajo skrito vrednost v ekosistemih dobaviteljev. To pomeni povezovanje podatkov, odkrivanje tveganj v realnem času in zagotavljanje, da se odločitve izvajajo disciplinirano.
Umetna inteligenca ne nadomešča finančne presoje. Jo izostri.
V razmerah, ko se marže zmanjšujejo, kompleksnost pa narašča, se finančni direktorji ne sprašujejo več, ali naj umetno inteligenco vključijo v nabavo. Vprašanje je, kako hitro jo lahko finančna služba uspešno uvede s primerno strukturo, upravljanjem in vodstvom, da bi ohranila prednost pred konkurenco.
avtorji
