Gartner a identificat principalele 5 cazuri de utilizare a inteligentei artificiale in departamentele financiare ale companiilor

Gartner a identificat cinci dintre cele mai importante cazuri de utilizare a inteligentei artificiale (AI) pentru ca liderii departamentelor de planificare si analiza financiara (FP&A) sa le poata lua in considerare pentru implementarea in operatiunile departamentelor lor. 

„Organizatiile care ignora aceste cazuri de utilizare ar trebui sa aiba un motiv intemeiat pentru a face acest lucru, deoarece acestea ofera cea mai buna combinatie de fezabilitate si beneficii de afaceri”, a spus Mark D. McDonald, Director Senior pentru cercetare in cadrul departamentului Gartner Finance. „Incercarea de a folosi inteligenta artificiala in alte cazuri de utilizare inainte de a le face pe acestea cinci sa functioneze eficient este probabil sa duca la obtinerea unei eficiente diminuate a proceselor si castiguri mai reduse de performanta a afacerii”, a adaugat Mark D. McDonald. 

Analistii Gartner au examinat 23 de cazuri de utilizare a inteligentei artificiale in departamentele financiare ale companiilor, reprezentand tipurile de procese la care va lucra o viitoare organizatie financiara autonoma. Acestea au fost clasificate in functie de valoarea adusa pentru afaceri si de fezabilitatea implementarii (vezi Figura 1). 

„Liderii FP&A ar trebui sa tina cont de maturitatea si nevoile propriei organizatii financiare, deoarece aplicabilitatea poate varia in functie de organizatii si industrii”, a spus McDonald. „Aceste cazuri de utilizare sunt de obicei implementate si eficiente, dar cele mai valoroase cazuri de utilizare exploateaza punctele forte unice ale unei companii si ii permit sa se diferentieze in continuare”, a completat domnia sa. 

Pentru a clarifica cazurile de utilizare, expertii Gartner au oferit definitii mai detaliate. 

1. Prognoza cererii/ veniturilor: Folosind atat surse interne, cat si externe de date, modelele prezic cererea si veniturile asociate tinand cont de o varietate de elemente, inclusiv departamentele de business, liniile de produse, identificatorii de produs, tipurile de clienti si regiunea in care activeaza. 
2. Detectarea anomaliilor si erorilor: Detectarea anomaliilor foloseste o serie de modele de invatare automata (machine learning – ML) pentru a evidentia tranzactiile sau soldurile care sunt eronate sau care pot incalca principiile sau politicile contabile. O solutie cuprinzatoare va include, de asemenea, analize in timp real in timpul introducerii datelor, prevenind aparitia erorilor in fluxul de lucru si evitand corectiile ulterioare deosebit de costisitoare. 
3. Suport decizional: Algoritmii de predictie ML conceputi pentru predictia rezultatelor pe baza datelor curente sunt utilizati pentru a prezice rezultatele atunci cand sunt utilizate valori alternative ale datelor. Utilizarea modelelor cu date ipotetice prezice rezultatul deciziilor alternative. 
4. Prognoza POC (percentage of completion) a veniturilor: Cunoscuta si sub titulatura de contabilitate POC. Modelele ML prognozeaza valorile procentuale de realizare pentru diferite metrici (de exemplu, ore, cost, unitati, greutate etc.) pentru a previziona procentul de realizare a veniturilor si efortul total de finalizare ramas. 
5. Incasari in numerar: Modelele ML sunt folosite pentru a prognoza cand isi vor plati clientii facturile, declansand eforturi proactive de colectare inainte ca platile sa fie restante. Folosind predictiile din aceste modele, personalul responsabil de colectare isi concentreaza eforturile asupra conturilor cu risc. Incasarile de numerar prognozate contribuie, de asemenea, la prognoza generala a fluxului de numerar bazata pe ML. 

„Prognoza este un caz de utilizare popular in departamentele financiare, deoarece procesele mostenite sunt unele in care activitatile manuale sunt intensive si recunoscute a nu fi de incredere. AI exceleaza la capitolul automatizarii si la imbunatatirea preciziei,” a spus McDonald, completand: „Multe pachete software preconfigurate se adreseaza proceselor financiare comune, cum ar fi creantele, dar trebuie sa fiti constienti de faptul ca aceste cazuri de utilizare care se adreseaza nevoilor unice ale afacerii, cum ar fi prognozele, vor necesita anumite abilitati interne pentru a fi dezvoltate”.