AI er ubrukelig uten kontroll på finansdataene

Automatisert rapportering. Prediktiv forecasting. Likviditetsprognoser. Listen over hva AI kan revolusjonere er lang. Men i all hypen glemmer vi en hodepine som har plaget økonomiavdelinger i flere tiår: Datakaos.

Fragmenterte systemer. Ustrukturerte datasett. Utallige regneark. Så lenge det ikke er kontroll på finansdataene, vil AI-mulighetene forbli utenfor rekkevidde.

Ustrukturerte data er en showstopper

Digitalisering har gjort det mulig å samle inn enorme mengder data fra ulike kilder, men det har også avdekket et voksende problem: Dataene mangler struktur og kvalitet. For å sitere Nobelprisvinner Sidney Brenner:

«We now have unprecedented ability to collect data, but there is now a crisis developing that unstructured information does not enhance understanding. What people want is to understand, which means you must have a theoretical framework in which to embed this.»

Brenner snakket om medisinsk forskning, men problemet er like relevant for økonomistyring. Uten struktur og et rammeverk for å tolke dataene som samles inn, blir det vanskelig å bruke dem til noe verdifullt – enten du er menneske eller maskin.

Du blir hva du spiser

For at AI skal kunne spille en sentral rolle, noe jeg mener den både bør og kommer til å gjøre, må du servere teknologien det den trenger for å briljere. AI vil ikke levere på forventning hvis du mater den med fragmentert og ustrukturert rådata.

Gjennom flere tiår i skjæringspunktet mellom teknologi og økonomi har vi sett at utfordringene med å gå fra datakaos til kontroll, kvalitet og flyt er like relevant i dag som på 90-tallet. 

En nyere undersøkelse gjennomført av Gartner backer dette. Her kom det fram at 35 % av CFO-er ser på dårlig datakvalitet som en av de største barrierene for å ta i bruk AI i organisasjonen.

AI utfordrer kjerneverdien i økonomifaget

En annen utfordring som må løses før AI er klar for showtime i den finansielle manesjen, er såkalte «black box»-fremgangsmåter, hvor AI genererer tall uten å vise beregningene eller forutsetningene bak. Dette utfordrer en av kjerneverdiene i økonomifaget: transparens.

Å ta et tall for god fisk uten å forstå fremgangsmåten, strider mot alt erfarne økonomer er opplært til. Det er ikke uten grunn at Excel fortsatt har en såpass dominerende plass i økonomiavdelingen.

Du kan du si hva du vil om samarbeidsproblemer og manuell tallknusing, men Excel lar deg se formler og beregninger slik at du kan forstå og svare for logikken bak tallene som ender opp i finansielle rapporter til ledelsen og styret.

Derfor er det også avgjørende med «explainable AI», som viser hvilke beregninger og data som har påvirket anbefalinger til beslutninger som skal tas. Først da kan økonomene bruke AI som co-pilot.

Systemleverandører må også i sving

Ansvaret for å rydde opp i datakaoset hviler ikke bare på økonomisjefens skuldre. Mange systemleverandører i denne sfæren har bygget systemer som holder data som gisler bak dyre integrasjoner. Eller proprietære strukturer som gjør at API-er bare får hentet ut lapskaus som en konsulent må bruke mange timer på å strukturere og transformere til noe brukbart. 

Tanken om å være tilbyder av ett system som er alt økonomiavdelingen skal forholde seg til, er ikke liv laga i en verden hvor vi ser at data flyter frem og tilbake i utstrakte økosystem av forskjellige programvarer. I denne verdenen må økonomiavdelingen kunne ta eierskap til – og kvalitetssikre – egne data, uten å måtte betale løsepenger for tilgang.

Økonomer må ut av regnearkene og inn i IT-arkitekturen, og de må stille krav til AI-løsningenes transparens. Systemleverandører må legge til rette for fri flyt av data og enkel integrasjon på tvers av økosystemer.

Ingen snarveier til AI-suksess

AI kan ikke trylle bort datakaoset, men når grunnmuren av struktur og kvalitet er på plass, kan teknologien gi økonomiavdelingen raskere innsikt og pålitelig beslutningsstøtte. 

For mange vil dette kreve et skippertak, men gevinsten er stor: Raskere analyser, bedre prognoser og smartere beslutninger.

Veien til AI-suksess starter med kontroll på dataene – og den kontrollen kan ikke outsources til en algoritme.