AI flyttar snabbt in i ekonomiavdelningarnas mest centrala processer. En global studie från KPMG bland drygt 1 000 seniora finanschefer visar att den aktiva användningen av AI inom finans har mer än fördubblats på två år, från 30 till 75 procent. AI används redan inom finansiell planering, rapportering och kommersiell analys.
Samtidigt sker en stor del av AI-användningen utanför företagens kontroll. Redan 2024 uppgav 86 procent av svenska tjänstemän som använde AI på jobbet att de tog med sig egna AI-verktyg till arbetsplatsen.
Lägg ihop de två siffrorna och vi har ett problem som jag tror att många företagsledningar underskattar. AI har redan flyttat in på ekonomiavdelningen. Men styrningen har inte alltid följt med. När medarbetarnas egna AI-experiment börjar användas för prognoser, analyser och beslutsunderlag uppstår därför en betydligt obekvämare fråga:
Vem tar ansvaret när AI har fel? CFO:n, medarbetaren som byggde lösningen eller AI-leverantören? Svaret är kanske inte det alla vill höra. Företaget.
Under många år har Excel varit ett av ekonomiavdelningens viktigaste och samtidigt mest okontrollerade verktyg. Det går att bygga fantastiska prognosmodeller, rapporteringslösningar och verksamhetskritiska processer i ett kalkylblad. Problemet börjar när det som en gång byggdes för att lösa ett litet problem plötsligt driver en kritisk process. Formler ändras. Filer kopieras. Data flyttas. Till slut sitter företaget med en modell som påverkar viktiga beslut men som bara en eller två personer egentligen förstår.
Med generativ AI riskerar vi att göra om Excel-misstaget fast i hyperfart. En controller kan bygga ett AI-verktyg för att analysera avvikelser. En CFO kan skapa en AI-agent som sammanställer underlag till styrelsen. En redovisningsekonom kan automatisera en process som tidigare hade krävt ett utvecklingsteam.
Det här är inte ett argument för att bromsa AI. Tvärtom. Men vi måste sluta låtsas att ett AI-experiment fortfarande är ett experiment när verksamheten har börjat förlita sig på resultatet. Någonstans på vägen blir experimentet infrastruktur. Och då räcker det inte att säga: “AI:n gjorde fel.”
Riktning efter siffrorna. Prova Oxceed kostnadsfritt.
Prova Oxceed helt kostnadsfritt och utan förbindelser i 10 dagar. Se företagets siffror i realtid, gör analyser och ta fram rapporter. Du kommer igång på bara några minuter.
Ta till exempel det aktuella fallet med Air Canada som försökte skylla på sin chatbot. Air Canada fick lära sig detta den hårda vägen. Som ni säkert minns använde en kund flygbolagets chatbot och fick felaktig information om reglerna för en särskild rabatt. Kunden följde instruktionerna. När Air Canada senare inte ville stå för informationen argumenterade bolaget bland annat för att chatboten var en separat informationskälla. Det resonemanget höll inte. En kanadensisk tribunal slog fast att Air Canada var ansvarigt för informationen som presenterades på företagets webbplats.
Visst det är ett kundservicefall, inte ett finansfall. Men principen borde verkligen få varje CFO att fundera. Du kan outsourca uppgiften till AI. Du kan inte outsourca ansvaret.
Om en AI-genererad analys används som underlag för en prognos, investering eller styrelserapport spelar det liten roll hur imponerande tekniken bakom den är. Organisationen måste kunna stå för resultatet. Och då behöver vi kunna svara på betydligt fler frågor än om AI:n “fungerar”. Har ni som organisation koll på vilken data användes? Var lagrades den? Hur kom modellen fram till slutsatsen? Kan resultatet reproduceras och granskas? Vem godkände det? Och vem upptäcker om det är fel? Styrelsen kommer inte nöja sig med “ChatGPT sa det”
För ekonomiavdelningen är det här särskilt viktigt eftersom output snabbt blir input till nästa beslut. En analys blir en prognos. Prognosen blir ett budgetbeslut. Budgeten blir ett styrelseunderlag. När en styrelseledamot eller revisor frågar varför en siffra ser ut som den gör räcker det inte att svara att AI-modellen kom fram till den. Svaret måste gå att visa. Det måste finnas en tydlig koppling till underliggande data, en process som går att följa och en människa som är beredd att stå för resultatet.
Det är därför det är en fundamental skillnad mellan att använda AI för att skriva ett mejl och att använda AI som en del av en prognos, finansiell analys eller styrelserapportering. Ju större konsekvensen av ett fel är, desto mindre acceptabelt är ett svart hål mellan input och output. Mer AI är inte samma sak som bättre AI.
Snabbare beslut för Hagabadet
Att driva verksamhet inom spa, hotell och upplevelser innebär att hantera flera intäktsströmmar, många resultatenheter och snabba variationer i efterfrågan.
Det finns dessutom en intressant paradox i KPMG:s siffror. AI-användningen inom finans har mer än fördubblats sedan 2024 och organisationer rapporterar förbättringar inom bland annat beslutshastighet, beslutskvalitet och prognosprecision. Men trots den snabba utvecklingen uppger bara 23 procent att AI överträffar deras förväntningar.
Det borde få oss att sluta mäta AI-framgång i antal funktioner, agenter och pilotprojekt. Nästa fas handlar inte om vem som har mest AI. Den handlar om vem som har AI som går att lita på. Och där tror jag att många organisationer har underskattat utmaningen. Det är enkelt att köpa ett AI-verktyg. Det är relativt enkelt att bygga en agent. Det svåra börjar när den ska användas på riktigt. Då kommer frågorna om informationssäkerhet, datakvalitet, behörigheter, spårbarhet, regulatoriska krav och mänsklig kontroll.
Enligt mig är det här CFO:ns ansvar. Att förbjuda medarbetare att experimentera med AI vore fel. Innovationskraften är alldeles för stor. Men fri innovation utan tydligt ansvar är inte en AI-strategi. Det är frånvaro av en strategi. CFO:er och företagsledningar måste därför sätta gränsen för när ett AI-experiment övergår till att bli en del av företagets infrastruktur. Vilka AI-verktyg får hantera finansiell information? Vilka processer måste dokumenteras? När krävs mänsklig kontroll? Vem äger en lösning som en enskild medarbetare byggt? Vilken data får lämna företagets egna system? Och vilka processer är helt enkelt för kritiska för att automatiseras utan tydliga kontrollmekanismer?
Det här är inte främst en teknikfråga. Det är en ledningsfråga. Och i nästa fas av AI-utvecklingen tror jag att förtroende kommer att bli en konkurrensfördel. De senaste åren har AI-racet handlat om vem som lanserar först, automatiserar mest och bygger snabbast. Det racet börjar bli ointressant. Det intressanta nu är vilka företag vi vågar lita på. För kunder, styrelser, investerare och revisorer spelar det i slutänden mindre roll hur avancerad AI ett företag använder. De vill veta att informationen är säker, att siffrorna går att förklara och att någon faktiskt tar ansvar när något blir fel. AI har gjort det billigare och snabbare än någonsin att bygga mjukvara. Men den har inte gjort ansvar billigare.
Vi kommer att låta AI analysera mer, rekommendera mer och fatta allt större delar av våra beslutsunderlag. Det är både oundvikligt och i grunden positivt. Men ju mer ansvar vi ger tekniken, desto tydligare måste vi vara med vem som faktiskt står bakom resultatet.
AI kan ta över processen. Men aldrig ansvaret.
Lin Eriksson Nordström, CMO på Oxceed, ett svenskt SaaS-bolag inom finansiell rapportering, budgetering och analys.
Texten har bearbetats med stöd av generativ AI. Innehåll, argumentation och slutsatser ansvarar skribenten för.
