در داخل بازار میانی کانادا، CFOها برای کارآمد کردن هوش مصنوعی تلاش می کنند

اگرچه تیم‌های مالی کانادایی در حال آزمایش با هوش مصنوعی هستند، برخی از مدیران مالی بازار متوسط ​​در آنجا می‌گویند تبدیل این آزمایش‌ها به فرآیندهای مالی قابل اعتماد بسیار دشوارتر است.

در میزگرد اخیر CFO Alliance در تورنتو، رهبران مالی به سرعت از فرصت یک فضای مشترک برای بحث در مورد سیستم‌های اشتراک‌گذاری داده غیرقابل اعتماد و هزینه‌های فناوری که نمی‌توانند به درستی تخصیص داده شوند، استفاده کردند.

به گفته نیک آراکو جونیور، بنیانگذار و مدیر عامل اتحادیه CFO، یکی دیگر از موضوعات مورد بحث، استفاده از هوش مصنوعی از طریق حساب های شخصی کارکنان بود، پدیده ای که در محاوره به عنوان "هوش مصنوعی سایه" شناخته می شود که دیلویت در تحقیقات اخیر در خارج از کشور آن را کمی سازی کرد.

آراکو گفت که رهبران مالی مسائلی را مطرح کردند که در میزگردهای قبلی این سازمان در ایالات متحده ظاهر نشده بود. این بحث نگاهی به چگونگی رویکرد مدیران مالی کانادایی به فناوری مشابه از نقطه‌ای متفاوت در چرخه پذیرش ارائه داد. برخی گفتند که ابتدا حرکت شرکت ها در جنوب مرز را تماشا می کنند و برخی از این درس ها را به کار می گیرند.

ونسا گالارنو در این میزگرد حضور نداشت، اما تجربه مالی شرکتی در هر دو طرف شکاف کانادا و ایالات متحده دارد. مدیر مالی کانادایی در حال حاضر در ساختمان Pluvo در سانفرانسیسکو کار می کند، که شرکت آن را به عنوان "لایه بومی هوش مصنوعی ساخته شده برای تامین مالی استراتژیک" توصیف می کند. Galarneau یکی از بنیانگذاران، CFO و COO شرکت فناوری کانادایی است.

به نظر او، تیم‌های مالی کانادایی اشتهای یکسانی برای هوش مصنوعی با منابع کمتری برای انتقال آزمایش‌ها به تولید دارند. او در مصاحبه‌ای اخیر به CFO.com گفت، شرکت‌ها در سیلیکون ولی اغلب سرمایه رشد کافی برای حمایت از تحقیق و توسعه در سرتاسر کسب‌وکار را دارند و افزود که مدیران مالی کانادا معمولا با محدودیت بالاتری برای هزینه‌های بدون بازده مشخص روبرو هستند.

Galarneau گفت: "در بازارهای کانادا حاشیه کمتری برای خطا وجود دارد." این روی سرعت تیم‌های مالی می‌تواند استعدادهای فنی را استخدام کرده و زیرساخت‌های مربوط به هوش مصنوعی را بسازد، تأثیر می‌گذارد. همچنین برای هر آزمایشی که بودجه دریافت می کند، ریسک را افزایش می دهد.

در داخل میزگرد تورنتو، اولین نگرانی مربوط به استفاده از هوش مصنوعی فراتر از ابزارهای تایید شده شرکت بود. Araco گفت: "نشت یک ابزار سازمانی نیست. بلکه یک حساب شخصی است." امروزه کارمندان به شکلی بی سابقه می توانند اطلاعات شرکت را در عرض چند ثانیه به خارج از یک محیط کنترل شده منتقل کنند.

آراکو گفت: «در آن لحظه، قرارداد حفظ داده‌های صفر شرکت با فروشنده‌اش هیچ معنایی ندارد.

توافق‌نامه‌های مشتری موجود، لایه دیگری از ریسک را اضافه می‌کند، زیرا ممکن است بسیاری از کارمندان بدانند که شرکت آنها یک قرارداد عدم افشای اطلاعات را بدون اتصال آن به صفحه‌گسترده‌ای که در ابزار هوش مصنوعی مصرف‌کننده قرار می‌دهند، امضا کرده است. آراکو گفت که زاویه قرارداد به ویژه در تورنتو بیشتر از هر یک از میزگردهای اخیر ایالات متحده بود.

یکی از شرکت‌های حاضر در این رویداد اکنون هوش مصنوعی مبتنی بر مرورگر را مسدود کرده و از کارمندان می‌خواهد از یک برنامه دسکتاپ محدود به درایوهای خاص استفاده کنند. به گفته مدیر مالی، هدف، محلی نگه داشتن خروجی و محدود کردن اطلاعاتی است که ابزار می تواند به آن برسد. این سیاست ناشی از نگرانی در مورد تکیه کارکنان به تنظیماتی بود که به طور کامل درک نمی کردند.

مدیر مالی دیگری گفت که در تنظیمات خود را به عنوان مدیر مالی معرفی کرده اند و به این ابزار دستور داده اند که همه چیز را محرمانه تلقی کند. آراکو به یاد آورد که یکی دیگر از شرکت‌کنندگان به این رویکرد کاملا صریح پاسخ داد و گفت: «تا جایی که بتوانم آن را پرتاب نکنم به آن اعتماد ندارم».

Galarneau فرض می کند که برخی از کارمندان در اکثر شرکت ها در حال حاضر از حساب های هوش مصنوعی شخصی استفاده می کنند. عدم وجود داده های قابل اعتماد در مورد آن فعالیت، مدیریت قرار گرفتن در معرض را دشوارتر می کند. او گفت: "فکر نمی‌کنم کسی شماره تمیزی داشته باشد، و این بخشی از مشکل است."

یک تولیدکننده صد ساله در میزگرد یکی از واضح‌ترین نمونه‌های هوش مصنوعی را ارائه داد که بیش از حد به فرآیند مالی اصلی نزدیک شده است. این شرکت با استفاده از ChatGPT برای پیش نویس یادداشت های صورت های مالی برای اولین وام بانکی خود شروع به کار کرد. بعدا کلود را به Oracle NetSuite متصل کرد تا KPI تولید کند.

کنترل کننده آن در نهایت یک مهارت هوش مصنوعی برای ساخت پیش بینی پول ایجاد کرد. اتصال به ERP بدون اینکه کسی متوجه شود قطع شد و ابزار پیش بینی را با استفاده از اعداد نادرست بازسازی کرد. آراکو گفت: «هیچ کس آن را نگرفت تا زمانی که به جستجو پرداختند.

آن تجربه یک قانون عملیاتی جدید برای شرکت ایجاد کرد. اکنون، امور مالی می‌تواند از هوش مصنوعی برای تعیین اینکه یک گزارش باید شامل چه چیزی باشد و چگونه به نظر برسد، استفاده کند، اما یک توسعه‌دهنده گزارش را مستقیما در داخل سیستم می‌سازد.

آراکو گفت: هوش مصنوعی برای طراحی است و سیستم ها برای تولید هستند. او رویکردی را «عملی‌ترین چیزی» نامید که در مجموعه میزگرد شنیده بود، زیرا به تیم‌های مالی فرآیندی تکرارپذیر برای مشارکت انسانی می‌دهد.

Galarneau گفت که امور مالی باید مشخص کند که کدام داده معتبر است و تصمیم بگیرد که مجوزها به کجا تعلق دارند. او همچنین گفت که توانایی ردیابی پاسخ به منبع آن بسیار مهم است. او توضیح داد: "بسیاری از خلبانان ثابت می کنند که این مدل می تواند کار مفیدی انجام دهد." تعداد بسیار کمتری ثابت می کند که ارزش عملیاتی شدن و ایمن بودن آن را دارد تا بتوان به آن اعتماد کرد.»

گالارنو همچنین گفت که یافتن استعدادهای مورد نیاز چه در کانادا و چه در ایالات متحده دشوار است. او توضیح داد که چگونه شرکت ها به افرادی نیاز دارند که درک کنند که چگونه امور مالی کار می کند و می توانند این فرآیندها را به زیرساخت های فنی تبدیل کنند. او گفت که این شکاف استعداد باعث ایجاد تقاضای بین المللی برای مهندسان بزرگ مالی شده است.

او گفت: "شما نمی توانید فقط [پروتکل بافت مدل] را روی زیرساخت های مالی قدیمی بچسبانید و انتظار داشته باشید که آن را بومی هوش مصنوعی کنید."

به گفته برخی از مدیران مالی، مشتریان همچنین با ارسال درخواست‌های گسترده به عوامل هوش مصنوعی در حال کار، هزینه‌ها را افزایش می‌دهند. آن مدیران مالی و تیم‌هایشان شروع به تخصیص مدل‌ها بر اساس کار در حال انجام کرده‌اند و دریافتند که یک مدل ارزان‌قیمت جدیدتر با مدل شاخص در یک شغل مطابقت دارد. این تغییر به کاهش حدود 30 درصدی هزینه های هوش مصنوعی برای آن گروه کمک کرد.

یکی از مدیران مالی در طول بحث گفت: "اگر من به سمت فروشگاه گوشه ای رانندگی می کنم، به فراری نیازی ندارم." یکی دیگر از شرکت کنندگان سؤال مالکیت را خلاصه کرد: "ما به یک افسر ارشد نیاز نداریم." آراکو گفت که یک خط معضل پذیرش گسترده تر را نشان می دهد: "آیا می خواهم مشتری 46 باشم یا مشتری 46001؟"

آراکو همچنین گفت که او متوجه شده است که رهبران مالی تورنتو در مورد حکومت سنجیده تر هستند زیرا آنها در بسیاری از سوالات مشابه کار می کنند. او گفت: "تورنتو در حال گفتگو با ایالات متحده با نفع تماشای اول است."

یکی از رهبران امور مالی در میزگرد همچنین گفت که هوش مصنوعی آنچه را که شرکت می‌توانست انجام دهد را بدون ایجاد سود آشکار در کارایی گسترش داده است. ما بهره‌ورتر نیستیم. کارهایی را انجام می‌دهیم که قبلا هرگز انجام نداده‌ایم. مدیر اجرایی از Araco و سایر مدیران مالی حاضر در جلسه درخواست کرد.

در طول افزایش بهره وری، مسئولیت پذیری همچنان حیاتی است زیرا هوش مصنوعی بیشتر کارهای معمول را به عهده می گیرد. یکی از شرکت‌کنندگان گفت که می‌توانند تولید گزارش سالانه را با استفاده از هوش مصنوعی از ۲۵ به ۴۰ گزارش افزایش دهند، اگرچه هر رقم باید خط به خط بررسی شود. آراکو گفت که مدیر مالی به اتاق گفت: "من نمی توانم به قاضی بگویم که هوش مصنوعی چنین گفته است."

قیمت گذاری کلود سؤالات بودجه بندی جدیدی را برای مدیران مالی ایجاد می کند