Avtor: Darren Roberts Umetna inteligenca za vodilne v finančnem sektorju ni več zgolj vprašanje prihodnosti. Že danes spreminja način, kako se varujejo marže, odkrivajo tveganja in izvajajo odločitve v celotnem podjetju. V ERA Group smo zadnjih nekaj let posvetili preoblikovanju načina, kako se Nabava vključuje v finančno odločanje. Ugotovili smo preprosto dejstvo: avtomatizacija sama po sebi ne prinaša prednosti. To stori inteligenca, vendar le, če se jo dejansko uporabi v praksi.
Številne organizacije še vedno obravnavajo Nabava transakcijsko funkcijo. Umetna inteligenca se uporablja zgolj za avtomatizacijo Nabava/Naročanje, pospešitev odzivov na razpise ali hitrejše pripravo poročil. Te izboljšave so sicer koristne, vendar redko rešujejo globlji problem:Uhajanje Marža ,Uhajanje nepopolna preglednost, zamude pri poročanju in nepovezano sprejemanje odločitev.
Največja sprememba se zgodi takrat, ko se umetna inteligenca vključi v osrednji Nabava model podjetja Nabava .
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, pravočasno zazna znake in odkrije Učinkovitost dobaviteljev , nepravilnosti pri oblikovanju cen ali dejavnike, ki vplivajo na stroške, še preden ti zmanjšajo Marža.
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 učinkovitosti proizvodnje smo si pred začetkom poslovnih pogovorov zagotovili prednost. Marža je bil strukturne narave, ne le postopne.
Tretjič, združujejo spoznanja, pridobljena z umetno inteligenco, z izkušenim presojanjem. Podatki sami po sebi ne zagotavljajo zaščite Marža. Podatke je treba razlagati, razvrstiti po pomembnosti in prenesti v prakso. Tehnologija sicer pospešuje preglednost, vendar je šele disciplinirano izvajanje tisto, kar spoznanja pretvori v finančne rezultate.
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 Nabava usklajenost med finančnim oddelkom, Nabava in tehnološkim oddelkom, skupaj z jasno odgovornostjo za rezultate.
V ERA Group se ne osredotočamo zgolj na hitrejšo analizo porabe. Naš cilj je ustvarjanje informacij, ki izboljšujejo nadzor, zmanjšujejoUhajanje Marža 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 v Nabava uvedejo umetno inteligenco. Vprašanje je, kako hitro jo lahko finančna služba uspešno vpelje s primerno strukturo, upravljanjem in vodstvom, da bi ohranila prednost pred konkurenco.
avtorji
