AI ในการเงินก้าวจากการทดลองสู่การปฏิบัติจริงสร้างคุณค่า

การใช้ปัญญาประดิษฐ์ (AI) ในด้านการเงินซึ่งเคยอยู่ในช่วงทดลองและสำรวจมาเป็นเวลาสองปีเต็ม ปัจจุบันกำลังเปลี่ยนทิศทางไปสู่ขั้นตอนการดำเนินงานจริง ผู้บริหารระดับ CFO เริ่มให้ความสนใจต่อคุณค่าที่วัดผลได้ แทนที่จะมองแค่ศักยภาพเชิงทฤษฎี

Overview

ในช่วงสองปีที่ผ่านมา องค์กรหลายแห่งได้ทำการทดลองเครื่องมือ AI ต่าง ๆ ตั้งแต่ระบบอัตโนมัติรายงานจนถึงการพยากรณ์และวิเคราะห์ขั้นสูง การทดลองเหล่านี้ส่วนใหญ่มุ่งเน้นที่การเข้าใจว่าตัวเทคโนโลยีจะช่วยอะไรได้บ้างในอนาคต มากกว่าจะผสานรวมเข้ากับกระบวนการทางการเงินหลัก อย่างไรก็ตาม ตอนนี้แนวคิดกำลังเปลี่ยนไป เนื่องจากผู้บริหารด้านการเงินเริ่มมุ่งเน้นที่การสร้างคุณค่าที่จับต้องได้และผลลัพธ์เชิงปฏิบัติ

CFO หลายคนปรับความคาดหวังจากการลดต้นทุนโดยตรงเป็นการใช้ AI เพื่อเสริมศักยภาพในการสร้างความยืดหยุ่นให้กับธุรกิจ รองรับความผันแปรของเศรษฐกิจแบบเรียลไทม์ และรักษาความถูกต้องของผลการเงิน

From Experimentation to Execution

AI ไม่ได้ถูกมองว่าเป็นโครงการนวัตกรรมแยกจากระบบเดิมอีกต่อไป แต่กลายเป็นส่วนหนึ่งของเทคโนโลยีทางการเงินที่ฝังอยู่ใน ERP และแพลตฟอร์มอื่น ๆ ที่องค์กรใช้เป็นฐาน การผสานรวมนี้ทำให้ AI ทำงานร่วมกับระบบควบคุมการเงินอิสระและกระบวนการตรวจสอบได้อย่างต่อเนื่อง

แทนที่จะสร้างเครื่องมือใหม่ทั้งหมด องค์กรเลือกนำ AI เข้าร่วมในขั้นตอนที่มีอยู่แล้ว เช่น การประมวลผลข้อมูลทางบัญชี หรือการจัดทำรายงาน ทำให้ค่าใช้จ่ายในการปรับตัวลดลงและความเสี่ยงต่อการขัดแย้งกับโครงสร้างเดิมน้อยลง

อย่างไรก็ตาม การนำ AI ไปใช้งานในระดับขั้นสูงยังคงต้องระมัดระวัง เนื่องจากโมเดลที่ทำงานแบบ “กล่องดำ” (black box) ยังไม่สามารถเปิดเผยกระบวนการทำงานต่อผู้ตรวจสอบได้อย่างชัดเจน

Governance & Trust

ด้านการเงินเป็นสาขาที่ให้ความสำคัญกับ ความแม่นยำ, การตรวจสอบได้ และ การควบคุม อย่างเคร่งครัด เมื่อ AI เข้ามามีบทบาทในกระบวนการตัดสินใจ ความกังวลเรื่องการกำกับดูแลจึงถูกผลักดันให้เป็นหัวข้อหลักของกลยุทธ์การนำไปใช้

หลายองค์กรเริ่มตั้ง แนวทางควบคุม (guardrails) เพื่อให้ผลลัพธ์จาก AI มีความโปร่งใส สามารถตรวจสอบได้ และสอดคล้องกับกฎระเบียบทั้งภายในและภายนอก แทนที่จะแทนที่การดูแลของมนุษย์ AI ถูกใช้เป็น ชั้นเสริม (augmentation layer) ที่ช่วยเร่งการเข้าถึงข้อมูล, ตรวจจับความผิดปกติ และเพิ่มความเร็วในการตัดสินใจ

การดำเนินงานแบบนี้ทำให้ AI ไม่ได้มาทำหน้าที่แทนที่ผู้เชี่ยวชาญทางการเงิน แต่เป็นเครื่องมือสนับสนุนให้พวกเขามีเวลาโฟกัสไปที่การวิเคราะห์และให้คำแนะนำเชิงกลยุทธ์มากขึ้น

Data Readiness

หนึ่งในข้อจำกัดสำคัญของการใช้ AI คือ ความพร้อมของข้อมูล ระบบ AI จะทำงานได้ดีเท่าที่ฐานข้อมูลมีคุณภาพ หากข้อมูลทางการเงินกระจัดกระจาย, ไม่สอดคล้องกัน หรือไม่มีการกำกับดูแลอย่างเข้มงวด ผลลัพธ์ที่ได้จะไม่น่าเชื่อถือ

องค์กรที่เคยลงทุนในการปรับปรุงกระบวนการปิดบัญชี (financial close), เสริมสร้างการควบคุมการทำรายการปรับยอด, และทำให้ข้อมูลมี ความเป็นมาตรฐาน มากขึ้น พบว่าตนเองพร้อมรับ AI ได้ดีกว่า การแปลงโฉมเหล่านี้กลายเป็นพื้นฐานสำคัญสำหรับการใช้ AI อย่างเต็มประสิทธิภาพ

ดังนั้น ความสำเร็จของ AI ไม่ได้อาศัยเพียงเทคโนโลยีที่ซับซ้อน แต่ต้องอาศัย ข้อมูลที่เชื่อถือได้, มีโครงสร้างและพร้อมตรวจสอบ ซึ่งเป็นผลมาจากปีหลายปีของการปรับปรุงระบบการเงิน

Early Use Cases Delivering Tangible Value

องค์กรบางส่วนที่เริ่มใช้ AI แล้วพบประโยชน์จริงในหลายด้าน ได้แก่

• กระบวนการปิดบัญชี: AI ช่วยตรวจจับความคลาดเคลื่อนได้เร็วขึ้น ลดเวลาที่ต้องใช้ในการทำ reconciliation
• การตรวจสอบและการปฏิบัติตามกฎระเบียบ: การวิเคราะห์ข้อมูลขนาดใหญ่เป็นไปอย่างรวดเร็ว ทำให้รอบการเตรียมเอกสารสั้นลง
• **การวางแผนและการวิเคราะห์ (P&A): AI สนับสนุนการสร้างแบบจำลองสถานการณ์และการเปรียบเทียบผลต่าง (variance analysis) ทำให้ทีมการเงินตีความผลได้เร็วกว่าเดิม

ในทุกกรณี AI ไม่ได้ทดแทนผู้เชี่ยวชาญด้านการเงิน แต่ทำหน้าที่ปลดปล่อยเวลาของพวกเขาจากงานที่ต้องทำซ้ำซ้อน เช่น การเก็บรวบรวมและตรวจสอบข้อมูล ให้มุ่งเน้นไปที่การให้ข้อคิดเห็น, การวิเคราะห์เชิงลึก และสนับสนุนการตัดสินใจ

Scaling AI Across the Enterprise

เมื่อเทคโนโลยีเข้าสู่ขั้นตอนต่อไป ความท้าทายหลักจะเปลี่ยนจากการหา use case ใหม่ ไปสู่การขยายผลที่มีอยู่ให้ครอบคลุมทั่วทั้งองค์กร การทำเช่นนี้ต้องอาศัย

• ข้อมูลทางการเงินที่ได้รับการจัดมาตรฐานและพร้อมตรวจสอบ
• กระบวนการทำงานที่ผสาน AI ไว้ในขั้นตอนหลักอย่างเป็นธรรมชาติ
• กรอบการกำกับดูแลที่ชัดเจนเพื่อให้ AI ทำงานได้โดยปลอดภัย

หากขาดหนึ่งในสามองค์ประกอบนี้ AI อาจจะยังคงอยู่แค่ระดับ “เกาะ” ให้ผลลัพธ์เพียงส่วนใดส่วนหนึ่งขององค์กร แทนที่จะเป็นการเปลี่ยนแปลงเชิงโครงสร้างที่ก่อให้เกิดประโยชน์ต่อธุรกิจโดยรวม

ผู้จำหน่ายเทคโนโลยีทางการเงินเริ่มตอบสนองต่อความต้องการนี้ด้วยการพัฒนาแพลตฟอร์ม AI ที่สามารถผสานเข้ากับระบบ ERP, ระบบควบคุมภายในและเครื่องมือวิเคราะห์ข้อมูลได้อย่างราบรื่น

Summary

AI ในด้านการเงินกำลังย้ายจากขั้นตอนทดลองไปสู่การดำเนินงานจริง โดยอาศัยการผสานรวมกับระบบเดิม การให้ความสำคัญกับการกำกับดูแลและคุณภาพของข้อมูลเป็นกุญแจสำคัญในการสร้างคุณค่าที่จับต้องได้ และองค์กรที่พร้อมทำพื้นฐานเหล่านี้จะสามารถขยายผล AI ให้ครอบคลุมทั่วทั้งธุรกิจได้อย่างยั่งยืน.