Miközben a vállalatvezetők sokat várnak a mesterséges intelligenciától a döntéstámogatásban, a fejlesztések nem járnak élen ezen a területen. Cikkünk ezt az ellentmondást világítja meg.
A vállalatvezetők szerint a mesterséges intelligencia (AI) alkalmazása rendkívül jó hatással lesz a döntéstámogatásra. Ezt mutatta ki a Horváth csoport AI transzformációról készített felmérése, amelyben a vállalatvezetők a hatékonyságjavulás után rögtön a döntéstámogatást említették, mint azt a területet, ahol az AI-tól a legnagyobb hozzáadott értéket várják.
Egy másik kutatásból, a Horváth CFO Study 2025-ből pedig az derült ki, hogy a mesterséges intelligencia CFO-területen mind rövid-, mind középtávon a legfontosabb prioritások közé tartozik a gazdasági vezetők szerint. Ezek alapján úgy tűnik tehát, hogy az AI jelentős szerepet kap a vállalati döntéstámogatásban.
Ám ha azt nézzük meg, hogy mennyire elterjedt a mesterséges intelligencia gazdasági területen, akkor már nem ilyen rózsás a kép. Megkérdeztük az említett felmérésben, hogy 12 különböző vállalati funkció közül melyeknél a legjobban elterjedt a mesterséges intelligencia, és a gazdasági terület az utolsó előtti helyen szerepelt.
Mondhatnánk, hogy jó, most annyira nem elterjedt az AI, de biztos nagyon komoly fejlesztések vannak tervben. Ám arra a kérdésre, hogy hol helyezkedik el az egyik legfontosabb döntéstámogató folyamat, a beszámolás terén az AI a fejlesztések rangsorában, kiderült, hogy a nem éppen előkelő 8. helyen. Hasonlóan járt a tervezés terén is az AI: ott van ugyan a prioritások között, de a rangsor alján.
Eléggé ellentmondásos kép rajzolódik ki. Nagyon hiszünk az AI-ban, nagyon szeretnénk csinálni, de a konkrét fejlesztési elképzelésekben nagyon sok minden megelőzi a mesterséges intelligenciát.
Vajon mi magyarázhatja ezt az ellentmondást? AI szakértő kollégáimmal konzultálva négy dologra jutottam.
Most, ha AI-ról beszélünk, akkor a generatív mesterséges intelligenciára gondolunk, mert most ennek van nagy hype-ja. Ám – különösen a gazdasági területen – a prediktív AI legalább akkora jelentőséggel bír, mint a generatív mesterséges intelligencia. Ezek azok a megoldások, amelyek gépi tanulási módszerekkel, belső historikus adatok vagy akár külső adatok feldolgozásával előrejelzik a jövőt. Itt a fejlődés iránya már arról szól, hogy minél inkább betekintést engedjünk a felhasználók számára abba, hogyan jött ki az a bizonyos előrejelzés.
Arról is megkérdeztük a vállalati vezetőket, hogy mi gátolja őket leginkább a mesterséges intelligencia szélesebb körű használatában, és az látszott, hogy a gyenge adatminőség komoly gátló tényező. A GenAI-ban rejlő lehetőségek kiaknázásában az akadályok között a külső forrásból származó adatok minőségét az 1., a belső forrásból származó adatok minőségét pedig a 3. helyre tették.
Hiába szeretnénk a döntéseinket AI-jal támogatni, vagyis azt a kérdést megválaszolni, hogy egy bizonyos cél érdekében mit tehetnénk, ha arra sem tudunk elég megbízhatóan felelni, hogy a múltban mi és miért történt. Mindenekelőtt tehát rendbe kell tennünk az alapokat.
Ha belegondolunk abba, hogy CFO-területen milyen tevékenységeket végzünk, milyen adatokat kezelünk – legyen szó akár termékjövedelmezőségről, bérszámfejtésről, adózásról -, akkor nem nehéz belátni, hogy a gazdasági terület érzékeny a compliance-re, az adatbiztonságra. Ezt visszaigazolják a felmérési adatok is: az adatminőség mellett az adatbiztonsággal kapcsolatos bizonytalanság a 2. helyen áll a gátló tényezők között. Úgyhogy aki hosszútávon akar sikeres lenni az AI alkalmazásában, annak foglalkoznia kell az adatbiztonsággal. Főleg azért, mert most már a korszerű AI megoldások ritkán képzelhetők el valamilyen felhős alkalmazás nélkül.
Sokszor lehet hallani, hogy nem látjuk a use case-eket. Pedig use case-ekből már nincs hiány CFO területen sem, meg a vállalatirányítás terén sem. Az egyik a korábban már említett prediktív előrejelzések világa, de az optimalizációs AI-nak is van itt szerepe (lásd ábránkat).
De ne hanyagoljuk el a generatív mesterséges intelligenciát sem! Íme egy generatív mesterséges intelligenciát használó use case: eltéréselemzés és kommentelés a beszámolásban.
Mindenkinek ismerős lehet, hogy a tényadatok eltérnek a tervadatoktól, és az eltérést meg kell magyarázni a beszámolókban. A Horváth csoportban kifejlesztettünk egy applikációt, amelyet erre lehet használni. Példának okáért a kérdés legyen az, hogy különböző termékkategóriákban a tény EBIT hogyan tért el a tervezettől. Az AI-t segítségül hívó controller kiválasztja a számára érdekes időszakot, régiót, termékkört. Utána megkéri az AI-t, hogy koncentráljon azokra a területekre, ahol a legnagyobb az eltérés, és megkéri, hogy írjon automatizált kommentet.
Maguk a controllerek a meglévő belső adatokhoz nyúlnának, amelyek alapvetően számszaki strukturált adatok, és ez alapján kimutatnák, hogy mennyi az árhatás, mennyi a volumenhatás és mennyi az árfolyamhatás.
Amit pluszban az AI alkalmazás tud, az az, hogy figyelembe vesz olyan adatokat is, melyek alapvetően strukturálatlanok és adott esetben külső adatok. Tehát ebben az esetben különböző belső jegyzőkönyveket, globális híreket és iparági jelentéseket. Ahol külső információt használ, ott beteszi a kommentbe a linket is, ahonnan az információ származott. Mert a mesterséges intelligencia kommentjeit az embernek ellenőriznie, javítania kell, akár teljesen el is kell dobnia. Hiszen a felelősség az emberé.
Összefoglalva azt mondhatjuk, hogy a mesterséges intelligencia a CFO-területen eléggé ellentmondásos helyzetben van a döntéstámogatást tekintve. Ahhoz, hogy az ellentmondásokat fel lehessen oldani, a CFO-knak, controllereknek is részt kell venniük a vállalat AI stratégiájának a kialakításában. Meg kell ismerniük a use case-eket, meg kell hallgatniuk a kollégáikat, mert a kollégáktól remek ötletek jönnek. Meg kell határozniuk, hogy miért is csinálják ezt, hogyan fogja a mesterséges intelligencia a napi működésüket támogatni.
Horváth Gergő, principális, IFUA Horváth
A cikk a szerzőnek a 37. Budapesti Menedzsment és Controlling Fórumon elhangzott előadása alapján készült
