Derfor kan KI gjøre økonomiavdelingen enda mer effektiv

Kunstig intelligens (KI) kan effektivisere og forenkle arbeidet i økonomiavdelingen, og det er hverken skummelt eller vanskelig. For å forstå hva som er så spesielt med akkurat denne teknologien, trenger vi bare følge en seksåring til skolen.

Filmer, TV-serier og bøker fremstiller gjerne kunstig intelligens som noe futuristisk, uforståelig og kanskje litt skummelt.

Selv om noen mener det er skummelt, er det ikke til å komme bort fra at det vil prege arbeidsdagen vår i årene fremover minst like mye som datamaskiner gjorde på 1990-tallet, internett gjorde på 2000-tallet og smarttelefoner gjorde på 2010-tallet. 

For AI finnes allerede, og det er et fenomen som egentlig ikke er så veldig vanskelig å forstå. Ja, faktisk kan det hevdes at det er få som har bedre forutsetninger for å forstå det enn ledere og ansatte i regnskaps- og økonomiavdelingen.

 

Utfordringen med roboter

Helt siden datamaskinene ble et vanlig arbeidsverktøy, har vi tenkt nokså likt om hvordan de hjelper oss i arbeidet vårt: Noen har laget et program for én bestemt arbeidsoppgave – regneark, tekstbehandling, økonomisystem eller tilsvarende – og så har vi brukt det programmet for å utføre den oppgaven. Av og til gjør en oppdatering at programvaren kanskje får litt ny funksjonalitet eller gjør noe enklere, men det vi taster inn har bestemt hva vi kan få ut.

Dette gjelder ennå for mye av det vi bruker datamaskiner til, og vi er blitt vant til å jobbe på dem. Hvis du er en litt avansert Excel-bruker, har du kanskje laget en Excel-makro for å automatisere en oppgave du utfører ofte – og kjent på den herlige følelsen det gir å se maskinen bruke sekunder på en jobb som pleide å ta deg minutter eller timer? Dette kan naturligvis gjøres på andre måter enn i Excel – mange økonomifunksjoner benytter allerede tilsvarende funksjonalitet til for eksempel fakturaprosessering, da under betegnelsen «Robotic Process Automation», eller RPA.

Men i Excel ville du også ha sett hvor lite som skal til før makroen ikke fungerer som den skal, og det er ikke helt ulikt i RPA: Et tall er feilformatert, en verdi er satt en rad for lavt, eller noen har vært inne og flyttet en kolonne. Det skal ikke mer til før makroen knekker sammen og trenger tilsyn før den igjen kan gjøre jobben sin (frem til noe liknende skjer igjen).

LES MER: Automatisering av regnskapet? Disse begrepene må du kunne

Læring istedenfor instruksjoner

Det er her kunstig intelligens (eller AI, for «Artificial Intelligence») har mer funksjonalitet å spille på, og det krever en ny dimensjon i vår forståelse av hvordan datamaskiner opererer.

Så hvordan skiller AI seg fra RPA? Og hvorfor kan kunstig intelligens gi din økonomiavdeling så uendelig mange flere muligheter enn disse forvokste makroene klarer?

La oss tenke oss at vi har en robot, og at denne skal følge seksåringer trygt gjennom bybildet og til skolen. Hvis roboten bruker RPA, må den programmeres med nøyaktig rute fra start til destinasjon: 350 meter langs denne gaten, inn til venstre på en annen gate i 150 meter, og så videre. Men hvis det plutselig en dag er veiarbeid et sted på veien, kan roboten plutselig stå fast – dersom ikke et bredt spekter av forbehold og alternative ruter er innprogrammert på forhånd.

Hvis vi derimot bruker kunstig intelligens, behøver vi ikke å programmere inn hver sving, gate og veikryss på skoleveien.

Da lar vi bare AI’en følge med på skoleveien et par ganger, og kanskje bruke litt forskjellige veier til målet. Den vil se hvor vi starter og stopper, følge med på landemerker, og legge merke til detaljer underveis. Kort sagt; den lærer av historikken og opparbeider seg evnen til å finne veien til skolen på den måten.

LES MER: Hvor effektiv er egentlig din fakturahåndtering?

Fordelene ved kunstig intelligens

Forskjellen er altså, at mens RPA må programmeres med en helt nøyaktig «bruksanvisning» for hvert enkelt trinn i en prosess, lærer en AI hvor den skal (hvilket sluttresultat den skal ende opp med), og dermed forstår hvordan den kommer dit. Det betyr at den er mye mer omstillingsdyktig for eventuelle avvik underveis på ruten.

Denne omstillingsdyktigheten er nødvendig for en økonomiavdeling som mottar og behandler fakturaer hver eneste dag. De kommer fra et bredt spekter av leverandører, omhandler mange ulike produkter som gjerne har vært sendt til hver sin avdeling, eller skal belastes forskjellige prosjekter. Mva-satsene vil variere, og det samme kan også gjelde betalingsfrister, kontantrabatter og en million andre ting.

Hvis det i det hele tatt er praktisk mulig å lage regler som er detaljerte nok til at en RPA kan håndtere en sånn kompleksitet, er det ikke særlig drivverdig. Det ville krevd nærmest uendelig med tid til å opprette slike regler, og minst like mye å opprettholde dem, siden parameterne kan forandre seg når som helst: Paragrafer endres, leverandører byttes ut, fakturaoppsett skiftes om på, prosjekter sluttføres eller påbegynnes.

Selv den minste endring kan være en potensiell feilkilde, og der et RPA-basert system kan gjøre en feil tusen ganger uten å lære noe av det, vil en løsning basert på kunstig intelligens for eksempel kunne hente ut linjedata selv om fakturaen plutselig ser litt annerledes ut.

Det er dette som gjør avansert, kunstig intelligens til et mye kraftigere verktøy. Et slikt system vil både evne å se flere sammenhenger tidlig, og til å lære selv underveis. Derfor vil det ikke bare hente ut data fra fakturaene med større nøyaktighet mye tidligere, det vil også lære av sine feil – og bli stadig bedre. Derfor vil det gi stadig mer verdi og kvalitet gjennom hverdagens uunngåelige endringer, samtidig som det åpner for en automatisering som frigir mye tid for økonomiavdelingen.

Alt dette betyr igjen at hvis du mener alvor med å bruke teknologi for å forenkle hverdagen i din økonomiavdeling, bør du for det første ikke ta i bruk et lite fleksibelt system som kommer til å kreve mye vedlikehold for å kunne levere på oppgavene sine, og for det andre bør du kunne se forbi de enkleste oppgavene dere trenger hjelp til. Du bør derfor velge et system som også kan hjelpe hele bedriften med mer avanserte problemer etter hvert som avdelingen og organisasjonen blir moden for det.