Finansiell motståndskraft handlar om en organisations förmåga att hantera chocker utan att ambitionen stannar av: fluktuationer i omsättning, oförutsedda kostnader, förseningar i projekt som kostar pengar innan de ger pengar. Som beredskapsdimension i ambitionstestet mäter finansiell motståndskraft något specifikt: kan finansfunktionen i tid överblicka och bära de scenarier som hör till en AI-förutsatt ambition.
Det är något annat än en sund balansräkning. En ambition som förutsätter AI-arbete förändrar kostnadsmönstret: mindre rörliga arbetskostnader i vissa processer, mer investering i teknik och tillsyn, och en annan rytm av utgifter i förväg jämfört med intäkter senare. Finansiell motståndskraft som capability innebär att organisationen kan räkna igenom det mönstret, övervaka det och justera det innan det blir ett problem i stället för efteråt.
I delar av verksamheten är detta redan praxis. Rapporteringscykler, avstämningar, kassaflödesprognoser baserade på historiska mönster: dessa är uppgifter där AI kan hantera den största delen av beräkningsarbetet, med en controller som godkänner eller avvisar resultatet med motivering. I andra delar av finansfunktionen är det annorlunda. Scenarioplanering vid strategisk osäkerhet, avvägningen mellan investeringsutrymme och risk, samtalet med banken eller styrelsen om motståndskraft vid motgång: det förblir mänskligt arbete, eftersom det kräver ett omdöme som inte följer av historisk data.
Skillnaden mellan företag som redan organiserar detta så och företag som inte gör det, ligger inte i tillgången på verktyg. Den ligger i om den underliggande data och processerna redan är utformade så att ett system kan göra något tillförlitligt med dem. En organisation där siffror kommer från lösa kalkylblad och där avslutningar bygger på individuell kunskap kan ha samma ambition som en organisation med löpande uppdaterad finansiell administration, men beredskapen att faktiskt låta AI-arbete landa skiljer sig fundamentalt.
Den märkbara skillnaden ligger inte i årsredovisningen. Den ligger i tempot med vilket en ledning kan besvara en fråga. Vid låg beredskap tar det dagar att veta vad en svag månad betyder för resten av året, eftersom siffror måste samlas in och tolkas av människor som måste avsätta tid för det. Vid högre beredskap kommer det svaret snabbare, eftersom en del av insamlandet och sammanfattningen redan har flyttats över och den återstående mänskliga tiden går till bedömningen i stället för till sammanräkningen.
Det sparar inte bara tid. Det förändrar också vad som krävs av finansfunktionen. Timmar som tidigare gick till att sammanställa översikter frigörs för att bedöma dem. Om den frigjorda kapaciteten används för fler scenarier, för tidigare ingripande vid avvikelser, eller för något annat, är ett val som ligger hos organisationen själv.
Beredskap på denna dimension beror på ett par saker som är svåra att dölja. Finns finansiella data på ett ställe där ett system kan läsa dem konsekvent, eller ligger de utspridda i filer med egna konventioner. Har antagandena bakom en prognos gjorts explicita, eller finns de bara i huvudet hos en enda controller. Finns det en fastställd process för vad som händer när ett scenario överskrider en viss tröskel, eller uppfinns det på nytt varje gång.
Detta berör också hur beslut fattas: vem får godkänna en investering baserat på en AI-genererad prognos, och när måste en människa explicit ta över det omdömet. Det är en fråga om beslutsrätter, inte bara om teknik, och bör därför också behandlas så. Hur strategi och styrning förhåller sig till AI:s övertagande av beslutsarbete är i det avseendet en näraliggande fråga, och svaret på den avgör delvis om finansiell motståndskraft som dimension kan stå fristående eller snarare väntar på andra capabilities.
Om insamlandet och sammanfattningen av finansiell data i stor utsträckning kommer att ligga hos AI, förändras profilen för vad som krävs av finansfunktionen. Det behövs mindre manuell bearbetning, och mer behov av människor som vet när ett resultat inte stämmer och varför. Det är en förskjutning i kompetens, inte automatiskt i antal personer: vad en arbetsgivare gör med det faller under egna lagkrav och är inte en fråga som denna sida besvarar.
Vad som däremot kan besvaras: vilken del av det finansiella arbetet i detta specifika företag som faktiskt går att ta över, beror på kvaliteten på de underliggande processerna, inte på ambitionen ensam. Den frågan besvaras uppgift för uppgift med FTE TO AI:s arbetsskanning. Och eftersom finansiell motståndskraft inte står fristående från hur processer är utformade, är det relevant att också titta på hur processer och drift förhåller sig till arbete som AI tar över, och på vad en target operating model i vanliga ord egentligen beskriver här.
Frågan om vad det kostar att göra finansiell motståndskraft redo för AI har inget fast svar: det beror på var data finns nu, hur processerna är utformade och vilken ambition som finns. En första bild av det får ni med den kostnadsfria beredskapskontrollen: åtta korta frågor, en per dimension, med ett resultat som visar var ni ligger längst fram och var ni ligger minst långt. Det fullständiga ambitionstestet, med de fyra lagren och de fem confidence gates, är under uppbyggnad. Den som redan nu vill veta vilka capabilities den egna organisationen behöver för den uppsatta ambitionen hittar där utgångspunkten.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.