A vállalatok ma már rengeteg adattal rendelkeznek, a vezetői döntésekhez szükséges információk kinyerése mégis sokszor nehézkes. Az adatok mennyisége ugyanis gyorsabban nőtt, mint ahogyan a szervezetek képessé váltak azok feldolgozására és értelmezésére. A mesterséges intelligencia ezen a területen is új lehetőségeket nyit, miközben a reportinggal szembeni elvárásokat és a controllerek feladatait is átalakíthatja.
Az ERP- és CRM-rendszerek, a gyártási alkalmazások és a BI-platformok ma már a vállalati működés szinte minden területéről szolgáltatnak adatokat. Míg korábban ezek összegyűjtése és rendszerezése jelentette az egyik legnagyobb feladatot, ma inkább az okoz nehézséget, hogy a rendelkezésre álló adatokból miként lehet gyorsan, megbízhatóan és a vezetők számára jól használható információkat előállítani.
A tapasztalatok szerint a több adat nem feltétlenül eredményez jobb döntéseket. Sok vállalatnál továbbra is párhuzamos riportok készülnek, ugyanazt a mutatót különböző területeken eltérően értelmezik, az adatok egyeztetése és tisztítása pedig jelentős kapacitásokat köt le. A technológiai fejlődés tehát önmagában nem szüntette meg a vezetői információellátás régi problémáit. Felmerül a kérdés, hogy a mesterséges intelligencia mennyiben hozhat változást ezen a területen. Milyen feladatokat vehet át, és melyek azok a képességek, amelyekre a jövőben még nagyobb szükség lesz?
Bármennyire fejlett is egy AI-megoldás, az elemzéseinek minőségét alapvetően meghatározzák a felhasznált adatok. Ha a különböző rendszerekben eltérő definíciók szerepelnek, hiányosak az adatok, vagy nem egyértelműek a számítási szabályok, az AI sem tud megbízható eredményt garantálni. Ezért az egységes adatstruktúra, a megfelelő adatminőség és a következetesen alkalmazott KPI-definíciók jelentősége nem csökken az AI térnyerésével. Éppen ellenkezőleg: ezek nélkül az új technológia lehetőségei sem használhatók ki megfelelően.
A mesterséges intelligencia ugyanakkor jóval többre lehet képes, mint a riportkészítés felgyorsítása. Segíthet kiszűrni a lényeges eltéréseket, azonosítani a figyelmet érdemlő tendenciákat, és feltárni a teljesítményváltozások lehetséges okait. Egy vezető így nem csupán azt láthatja, hogyan alakultak az eredmények, hanem az értelmezésükhöz is támogatást kaphat. Ez újfajta kihívást is jelent. Hogyan ellenőrizhető egy AI által készített elemzés, ha a felhasználó nem látja át közvetlenül a mögötte álló számításokat és összefüggéseket? Minél nagyobb szerepet kap a mesterséges intelligencia az információk előállításában, annál fontosabb, hogy az eredmények visszakövethetők és ellenőrizhetők legyenek.
A management reporting egyik legérdekesebb fejlődési iránya a természetes nyelvű lekérdezés. A vezetőknek egyre kevésbé kell előre összeállított riportokra támaszkodniuk, vagy több dashboardon keresztül megkeresniük a szükséges adatokat. Ehelyett közvetlenül feltehetik a kérdéseiket: például miért romlott egy üzletág eredményessége, mely költségtételeknél jelentkezett a legnagyobb eltérés, vagy hogyan alakult egy termékcsoport teljesítménye az előző időszakhoz képest. Az AI-alapú megoldások képesek lehetnek a releváns adatok összegyűjtésére, elemzésére és az eredmények közérthető összefoglalására. Ez jelentősen megkönnyítheti a vezetői információkhoz való hozzáférést, és csökkentheti az egyedi riportigények kiszolgálására fordított időt.
Az egyszerűbb hozzáférés azonban nem feltétlenül jár együtt az adatok jobb megértésével. Egy mutató helyes értelmezéséhez továbbra is szükség van az üzleti folyamatok, a számítási módszerek és az összefüggések ismeretére. Attól, hogy egy kérdésre néhány másodperc alatt választ kapunk, még nem biztos, hogy a választ megfelelően is értelmezzük.
További lehetőséget jelent a proaktív reporting. A rendszerek nemcsak a felhasználók kérdéseire reagálhatnak, hanem önállóan is jelezhetik a kritikus eltéréseket, a kedvezőtlen trendeket vagy a figyelmet érdemlő üzleti lehetőségeket. Így a vezetők hamarabb értesülhetnek azokról a változásokról, amelyek beavatkozást igényelnek. A reporting ezzel fokozatosan túlléphet a múltbeli teljesítmény bemutatásán, és közvetlenebbül támogathatja a jövőre vonatkozó döntéseket.
Az AI alkalmazásával várhatóan kevesebb manuális munkát igényel majd az adatok előkészítése, a standard riportok összeállítása és az egyszerűbb eltéréselemzések elkészítése. A hagyományos dashboardok szerepe is változhat: ha a vezető közvetlenül kérdezhet az adatoktól, nem feltétlenül lesz szüksége minden információhoz külön, előre definiált kimutatásra. Ez természetesen nem jelenti azt, hogy a hagyományos riportok eltűnnek. A rendszeres teljesítménykövetésben, az egységes vezetői tájékoztatásban és az ellenőrizhető adatszolgáltatásban továbbra is fontos szerepük lehet. Ugyanakkor az információk előállítása mellett egyre nagyobb hangsúlyt kaphat azok értelmezése és a belőlük levonható üzleti következtetések megfogalmazása.
Ezzel párhuzamosan felértékelődik az adatminőség biztosítása, a KPI-rendszerek következetes kialakítása és az elemzések mögötti üzleti logika ismerete. Különösen fontos lesz az AI által készített eredmények kritikus értékelése. Egy meggyőzően megfogalmazott elemzés ugyanis tartalmazhat téves következtetéseket, vagy olyan összefüggéseket emelhet ki, amelyek mögött nincs valódi ok-okozati kapcsolat. A gyorsaság tehát önmagában nem elegendő. A reporting értékét továbbra is az határozza meg, hogy mennyire megbízható és a döntéshozatal szempontjából releváns információkat nyújt.
A mesterséges intelligencia terjedése tovább erősítheti azt a folyamatot, amelyben a controller a hagyományos riportkészítő szerepből egyre inkább üzleti partnerként vesz részt a vállalat működésében. Ha az adatgyűjtés, a standard riportok összeállítása és az elsődleges elemzések egy része automatizálható, több idő juthat az eredmények értelmezésére, az üzleti összefüggések feltárására és a vezetői döntések támogatására.
Ehhez azonban az eddigieknél is nagyobb hangsúlyt kell helyezni az ellenőrzésre. A controllernek értenie kell, hogy az AI milyen adatokból dolgozott, milyen definíciókat és számítási szabályokat alkalmazott, illetve mennyire megalapozottak a levont következtetések. Fel kell ismernie azokat az eseteket is, amikor egy eredmény további vizsgálatot igényel, vagy az AI által azonosított összefüggés üzleti szempontból félrevezető lehet.
A controller feladata tehát nem pusztán az lesz, hogy felhasználja az AI által előállított információkat, hanem az is, hogy szakmai kontrollt gyakoroljon felettük. A business partner szerep így egy hangsúlyosabb validációs és minőségbiztosítási feladattal egészülhet ki. Mindez a szükséges kompetenciákat is érinti. A pénzügyi és controlling szaktudás mellett egyre fontosabbá válik az adatok, az alkalmazott elemzési módszerek és az AI-megoldások működésének megfelelő szintű ismerete. Legalább ilyen lényeges azonban az üzleti gondolkodás és a kritikus szemlélet: annak megítélése, hogy egy elemzés valóban segíti-e a döntést, és milyen korlátok mellett használható fel.
A mesterséges intelligencia jelentős változásokat hozhat a management reportingban, de önmagában egy új technológia bevezetése még nem garantál jobb vezetői információellátást. A sikerhez továbbra is szükség van egységes adatstruktúrára, jól meghatározott KPI-okra, megfelelő adatminőségre és olyan szakemberekre, akik képesek az eredmények ellenőrzésére és üzleti értelmezésére. A reporting fejlődésének valódi mércéje ezért az lesz, hogy a rendelkezésre álló információk alapján sikerül-e jobb, megalapozottabb döntéseket hozni.
Ebben a folyamatban az AI fontos eszköz lehet, a controller szakmai ítélőképességét és felelősségét azonban nem helyettesíti. A technológia akkor teremthet valódi értéket, ha a gyorsabb információfeldolgozás megbízható adatokkal, megfelelő kontrollal és alapos üzleti értelmezéssel párosul.
Olvasson tovább a témáról az IFUA Horváth honlapján!
