Ekonomifunktionen i en AI-driven vardag

Ekonomifunktionen, som sitter på några av organisationens mest värdefulla data, lägger fortfarande tid och resurser på repetitiva, manuella moment. Med AI och automation förändras nu möjligheten att arbeta annorlunda. Det handlar inte enbart om effektivisering, utan om att skapa utrymme för mer värdeskapande aktiviteter så som analys, bättre beslutsunderlag och en tydligare koppling till affären. För många organisationer kan detta innebära kortare ledtider under arbetsintensiva perioder, högre kvalitet i finansiella processer och en gradvis förflyttning mot en mer strategisk roll.

Skalbarhet som stärker ekonomifunktionen

En återkommande utmaning i ekonomiorganisationer är hanteringen av ökande datavolymer. Traditionellt har fler transaktioner och större komplexitet krävt större team.

Här ser vi nu en förändring.

Med rätt kombination av AI, automation och moderna plattformar kan processer skala mer flexibelt, utan att organisationen behöver växa med medarbetare i samma takt. Det skapar bättre förutsättningar för kontroll, men också för att arbeta mer proaktivt.

Samtidigt pågår ett skifte i systemlandskapet. Allt fler organisationer rör sig bort från äldre ERP-miljöer, ofta kopplade till fjärrskrivbord, mot molnbaserade och SaaS-lösningar. Skiftet ger kontinuerliga uppdateringar, förbättrad skalbarhet och minskat beroende av drift. Aktörer som Gartner lyfter exempelvis att finansorganisationer som använder moln-ERP med inbyggda AI-assistenter kan uppnå väsentligt kortare ledtider i bokslutsprocessen under de kommande åren. Även moderna ERP-leverantörer lyfter just att moln-ERP handlar om snabbare förbättringstakt/uppdateringar och modernisering från on-prem. Exempelvis beskriver SAP denna logik som en del av modern finance transformation.

Tre nivåer att förhålla sig till

För CFO:er kan det vara hjälpsamt att se AI och automation på tre nivåer, där varje steg bygger vidare på det föregående:

1. Regelbaserad automation

Automatisering av strukturerade och återkommande moment, såsom attestflöden, avstämningar, rapportutskick och dataöverföringar. Här finns ofta en tydlig och relativt snabb effekt.

2. AI som tolkar information

Nästa steg är att använda AI för att hantera ostrukturerad data som exempelvis fakturor, avtal och kvitton. Det möjliggör snabbare flöden och minskar beroendet av manuell hantering, samtidigt som kvaliteten ökar.

3. Agentisk AI

Den senaste utvecklingen handlar om AI som kan agera mer självständigt i processer, med människan kvar i kontrollpunkterna. Skillnaden är att agentisk AI inte bara svarar, utan kan orkestrera, planera steg, hämta information och utföra flera steg i ett arbetsflöde via kopplade verktyg (tips! Läs gärna min kollega Philips artikel för mer information kring detta). Enligt analyser från McKinsey & Company experimenterar många organisationer redan med denna typ av lösningar, även om de flesta fortfarande befinner sig i ett tidigt skede när det gäller att skala dem fullt ut.

Var vi ser konkreta effekter

I praktiken är det ofta i specifika, väl avgränsade processer som värdet blir tydligt. Några exempel där vi på Forefront redan ser resultat:

  • Due diligence-processer där AI kan stödja genomläsning av avtal och strukturering och populering av data i analysmodeller
  • Marknads- och omvärldsanalys som automatiseras och sammanställs löpande
  • Internredovisning där kvitton tolkas och kopplas till regelverk
  • Leverantörsreskontra (Accounts payable) där fakturaflöden digitaliseras med exempelvis fakturainläsning och datatolkning till en databas
  • Fakturagenering (Accounts receivables) där automatisk fakturering, påminnelse och indrivning av kundfordringar sker
  • Rapportering och analys (AR/AP och controllers) där siffror kompletteras med automatiska förklaringar av avvikelser och trender

Det gemensamma är att dessa områden kombinerar tydlig affärsnytta med relativt god tillgång till data. För mer inspiration, läs gärna Microsofts sida Using Copilot in Finance för fler exempel.

Från initiativ till struktur

En modell som visat sig fungera väl i många organisationer innehåller fyra steg:

  • Processkartläggning med fokus på friktion: Identifiera var tid går förlorad, var fel uppstår och var överlämningar skapar onödig komplexitet
  • Prioritering utifrån värde och risk: Börja där nyttan är tydlig och genomförandet är realistiskt
  • Proof of Value: Testa i verkliga processer med riktiga användare för att säkerställa faktisk effekt
  • Skalning med governance: Etablera strukturer för behörigheter, dataskydd, miljöhantering och uppföljning

Risker att vara medveten om

AI i ekonomifunktionen bygger i hög grad på förtroende. Därför är det viktigt att vara medveten om några vanliga fallgropar:

  • Att automatisera processer som inte är standardiserade: Risken är att automatiseringen låser in ineffektiva arbetssätt och skapar komplexa lösningar som är svåra att förvalta och skala.
  • Att underskatta betydelsen av datakvalitet: Risken är att automatiserade lösningar baseras på felaktig information, vilket leder till bristande beslutsunderlag och minskat förtroende för resultaten.
  • Att vänta för länge med att etablera styrning och kontroll: Risken är att lösningar utvecklas utan tydligt ansvar, säkerhet och efterlevnad, vilket kan öka den tekniska skulden samt eventuellt skapa framtida regelefterlevnadsproblem.

Genom att adressera dessa tidigt skapas bättre förutsättningar för att skala initiativen på ett hållbart sätt. Viktigt att ta med sig är även att det sällan är tekniken i sig som begränsar utvecklingen. Vår erfarenhet visar att det är människorna, kulturen och förmågan att förändra arbetssätt som är nyckeln, och avgör om potentialen realiseras.  Mer om det skriver min kollega Susanna Carling om här Förändringsledning i en AI-driven vardag.

En förändrad roll för både ekonomi och IT

En tydlig trend är att verksamheten i allt större utsträckning kan driva utveckling nära affären, med stöd av moderna verktyg och plattformar. Samtidigt blir IT:s roll allt viktigare när det gäller att säkerställa rätt nivå av säkerhet, governance och långsiktig hållbarhet. För CFO:er innebär detta en möjlighet att arbeta mer integrerat med verksamheten och IT, där de tillsammans driver utvecklingen framåt.

Att ta nästa steg

För många organisationer handlar nästa steg inte om att göra allt på en gång, utan om att börja strukturerat och bygga vidare successivt. Dessutom är steget mindre om en organisation redan har Microsoft 365 med tillhörande Copilot Studio-licenser. Med rätt prioriteringar och arbetssätt kan AI och automation bli ett naturligt stöd i ekonomifunktionens vardag och samtidigt bidra till en mer insiktsdriven och framåtblickande organisation, som exempelvis vi på Forefront även gjort internt.

Det är i den förflyttningen som den verkliga potentialen ligger och där vi på Forefront ofta stöttar våra kunder, från första initiativ till skalad lösning.

Anmäl dig till vårt nästa event!

Tillsammans med Microsoft bjuder vi in till ett event 11 maj där vi utforskar nästa steg i utvecklingen: smarta agenter som inte bara assisterar, utan agerar. Läs mer här eller anmäl dig direkt i formuläret nedan.

Datum: 11 maj
Tid: 10.00-12.00 ink lunch
Plats: Microsoft HQ, Regeringsgatan 25

Nyfiken på oss?

Kul! Vi är nyfikna på dig med. Hör av dig så lär vi känna varandra.