Streszczenie: W strefie zainteresowania dyrektorów finansowych (CFO) pojawia się coraz więcej narzędzi cyfrowych, co wynika z rosnącej ilości danych i złożoności biznesu. Cyfryzacja stała się koniecznością, a CFO często współpracują z dyrektorami ds. technologii (CTO) lub przejmują zarządzanie IT, stając się kluczowymi ambasadorami transformacji cyfrowej. Wdrażanie sztucznej inteligencji (AI) w biznesie może przynieść liczne korzyści, takie jak automatyzacja procesów, optymalizacja działań oraz rozszerzenie możliwości narzędzi. Jednak przed implementacją AI firmy powinny dokładnie zrozumieć dostępne rozwiązania, ocenić ich przydatność w konkretnych obszarach oraz zidentyfikować potencjalne ryzyka, takie jak utrata kontroli nad procesami czy błędne wyniki spowodowane niewłaściwymi danymi wejściowymi. Kluczowe etapy przed wdrożeniem AI obejmują: Identyfikację obszarów problemowych lub z potencjałem korzyści, gdzie AI może przynieść wartość dodaną. Określenie potencjalnego wpływu finansowego, czyli oszacowanie możliwych oszczędności lub wzrostu przychodów dzięki AI. Przeprowadzenie studium wykonalności z udziałem działu IT, aby potwierdzić dostępność odpowiednich danych, zasobów technologicznych oraz możliwość adaptacji rozwiązania. Wyzwania związane z wdrażaniem AI zależą od poziomu dojrzałości analitycznej organizacji. Firmy powinny być świadome ryzyk prawnych, zwłaszcza w kontekście praw autorskich przy korzystaniu z generatywnej AI. Ważne jest również zapewnienie pętli zwrotnej z udziałem człowieka, który monitoruje i poprawia wyniki dostarczane przez AI, aby zwiększyć zaufanie do systemu i jego skuteczność. Podsumowując, odpowiednie przygotowanie i świadomość potencjalnych wyzwań są kluczowe dla skutecznego wdrożenia narzędzi AI w biznesie.
W strefie zainteresowania CFO pojawia się coraz więcej narzędzi cyfrowych. Zwiększa się tempo przyrostu danych i kompleksowość biznesu, a jednocześnie biznes chce reagować coraz szybciej, patrzeć bardziej holistycznie i nieustannie optymalizować ścieżki decyzyjne. Cyfryzacja w biznesie przestała być ciekawostką, jest już koniecznością. CFO coraz częściej współpracuje ściśle z CTO albo przejmuje zarządzanie obszarem IT. W wielu firmach to właśnie CFO staje się jednym z głównych ambasadorów cyfrowej transformacji.
Dla dyrektorów finansowych nadążanie za trendami rynkowymi i dobór właściwych narzędzi cyfrowych może stanowić wyzwanie. Wynika to z dwóch przyczyn. Po pierwsze, dla znakomitej większości przedstawicieli tej profesji nie jest to obszar pierwotnej kompetencji. Drugi powód jest prozaiczny – to brak czasu, by eksplorować rynek cyfrowych rozwiązań. Zalew nowinek technologicznych sprzyja pokusie ich szybkiej implementacji. Jednocześnie jednak typowy dla CFO pragmatyzm ostrzega przez zbyt pochopnymi decyzjami i nakazuje najpierw:
dobrze poznać i zrozumieć narzędzia,
zdecydować, w jakim obszarze rzeczywiście warto zainwestować (przecież CFO sami uczą partnerów biznesowych, żeby decydowali na podstawie faktów i liczb),
oddzielić modę od rzeczywistych trendów,
zmapować ryzyka i właściwie na nie odpowiedzieć,
ustalić, czy istnieje ryzyko utraty kontroli człowieka nad procesami,
pozbyć się obaw o to, czy obiektywizm maszyn będzie odpowiadał ludzkiemu,
upewnić się, czy niewłaściwe parametry wejściowe dla sztucznej inteligencji nie spowodują „wypaczenia” generowanych przez nią wyników.
Można powiedzieć, że menedżerowie równie wiele nadziei pokładają w sztucznej inteligencji (AI – Artificial Intelligence), co obawiają się jej emancypacji.
Taksonomia – wprowadzenie do AI
Sztuczną inteligencją można nazwać zbiór rozwiązań, które wykorzystują zaawansowaną analitykę danych (w tym uczenie maszynowe) oraz zasady logiki do interpretacji zdarzeń, wsparcia i automatyzacji decyzji oraz wykonywania czynności operacyjnych. Można powiedzieć, że stanowi ona rozwiązanie inżynierskie nadające maszynom możliwości ludzkiej inteligencji. Sztuczna inteligencja w środowisku biznesowym rzadko występuje w „czystej” postaci, najczęściej jest ona wbudowana w inne rozwiązania, co ma zwiększyć szanse na ich sukces. Im bardziej zaawansowane technologicznie jest dane narzędzie, tym większe prawdopodobieństwo, iż pojawia się w nim AI. Sztuczną inteligencję można zatem znaleźć zarówno w robotach księgowych i OCR, jak i w rozbudowanych modelach predykcyjnych. W dużym skrócie, AI wbudowane w inne narzędzia przede wszystkim ma służyć jednemu z trzech celów: automatyzacji, optymalizacji lub rozszerzeniu ich możliwości.
Obszary zastosowania AI w biznesie
Dobrą praktyką dla firm jest zaangażowanie sztucznej inteligencji w tych obszarach, które generują problemy biznesowe lub stanowią duży potencjał do generowania korzyści (oszczędności lub przychodów). Możliwości zastosowania AI są szerokie i rozciągają się praktycznie na każdy obszar biznesowy, od sprzedaży i obsługi klienta po controlling i procesy administracyjne. W obszarze sprzedaży sztuczna inteligencja może wesprzeć analizę komercyjną klienta i prognozowanie popytu oraz wielkości przychodów. Zaawansowana analityka umożliwia generowanie rekomendacji cross‑sellingowych i up‑sellingowych. Obszar obsługi klienta to z kolei pole do rozwoju narzędzi wspierających szybką analizę prowadzonych rozmów lub wręcz ich automatyzację przez użycie chatbotów i voicebotów. W controllingu AI wspiera zespoły analityczne w pracy na dużych zbiorach danych i dostarcza algorytmów służących zarówno analityce, jak i predykcji. Istotnymi obszarami zastosowania sztucznej inteligencji są także governance i compliance, w których możliwość identyfikacji wzorców na znacznych zbiorach danych ułatwia wykrywanie defraudacji i oszustw.
Choć zaawansowana analityka jest kojarzona przede wszystkim z dużymi zbiorami danych (big data), to jednak możliwości użycia sztucznej inteligencji istnieją w organizacjach niezależnie od ich wielkości. Dostępne na rynku narzędzia pozwalają na zakup gotowych, pre‑trenowanych rozwiązań, które bardzo łatwo jest zaimplementować, co eliminuje konieczność żmudnego i kosztownego procesu wdrożeniowego.
Dla CFO wdrożenie rozwiązań z użyciem sztucznej inteligencji jest projektem, który musi spełniać kryteria akceptowalności. Zalecaną metodyką jest postępowanie w trzech następujących po sobie etapach.
Porównanie dostępnego portfela rozwiązań z potrzebami biznesu (istotnych informacji mogą w tym zakresie dostarczyć pracownicy zgłaszający swoje potrzeby).
Zdefiniowanie potencjalnego wpływu na finanse firmy, czy to w postaci wygenerowanych oszczędności, czy też zwiększenia potencjału przychodowego.
Studium wykonalności opracowanego z zaangażowaniem IT, potwierdzające dostępność danych do wsparcia przez AI, dostępność kapitału technologicznego oraz łatwość adaptacji danego rozwiązania. Pozytywny wynik studium wykonalności jest ostatecznym argumentem dającym „zielone światło” wdrożeniu.
Wyzwania i ryzyko organizacyjne we wdrażaniu AI
Korzystanie z narzędzi sztucznej inteligencji, zwłaszcza z tzw. generatywnego AI (czyli narzędzi wspomagających tworzenie np. kodu programistycznego), wiąże się z ryzykiem natury prawnej, chociażby w kwestii praw autorskich. Firmy powinny mieć tego świadomość. Z drugiej strony rozwiązania oparte na uczeniu maszynowym charakteryzują się dużą skutecznością działania, co może uspokoić obawy związane z przekazaniem maszynom odpowiedzialności za dostarczane informacje i rekomendacje. Czynnikiem istotnie zwiększającym pewność użytkowników jest istnienie pętli zwrotnej z człowiekiem, który testuje wyniki dostarczane przez sztuczną inteligencję, aby wykryć błędne dane wyjściowe, i w ten sposób uczy ją poprawiać jakość pracy.
Wyzwania we wdrażaniu AI będą przede wszystkim zależały od poziomu dojrzałości analitycznej firmy. Kluczem do poradzenia sobie z nimi jest określenie, jaki poziom dojrzałości organizacja aktualnie reprezentuje. Pozwoli to ustalić potencjalne problemy, z jakimi przyjdzie jej się mierzyć w procesie wdrożeniowym. Inne wyzwania rodzi bowiem etap przekonania organizacji do celowości wdrożenia AI i dobierania właściwych narzędzi, a inne etap skalowania już istniejących rozwiązań.
Podczas webinarium Klubu CFO poruszyliśmy temat praktycznego zastosowania sztucznej inteligencji w biznesie, rozmawiając o korzyściach wynikających z jej wdrożenia, ale także wyzwaniach organizacyjnych i ryzykach związanych z jej implementacją.
Gośćmi webinarium byli Jarosław Hermann – CTO/COO, członek Zarządu Banku Millennium SA, oraz Łukasz Dylewski – Head of Data Science w KPMG Polska. Spotkanie prowadził Bartosz Gayer – ekspert ICAN Institute.
