Trends in the digital accounts department

Jag heter Dan Rose Johansen och jag har fått äran att skriva en gästblogg för Acubiz om artificiell intelligens. Jag är VD och grundare av företaget TodAi. Jag har grundat TodAi för att göra artificiell intelligens mer jordnära och tillgänglig för så många företag i Danmark som möjligt. I den här artikeln ska jag försöka göra konceptet konkret och praktiskt tillämpbart. Trevlig läsning!

I korthetArtificiell intelligens inom finansbranschen behöver inte vara abstrakt eller skrämmande. I detta gästinlägg av Dan Rose Johansen, VD för TodAi, hävdas det att företag missförstår AI genom att blanda ihop det med automatisering, och att väl avgränsade AI-projekt inom områden som den digitala redovisningsavdelningen kan ge konkret värde utan att det krävs stora specialistteam eller omfattande investeringar.

Artificiell intelligens, eller AI som jag kallar det, är ett svårtillgängligt ämne för många. Men så behöver det inte vara. Det går att göra begreppet både konkret och praktiskt tillämpbart och på så sätt göra det mycket mer tilltalande för företag och deras anställda.

En av de stora utmaningarna med att bredda användningen av AI är det naturliga motståndet mot förändring. Hur man än ser på saken innebär AI ett paradigmskifte inom många funktioner i många branscher. De möjligheter som AI – och för den delen även robotteknik och maskininlärning – erbjuder kommer i framtiden att leda till en annorlunda arbetsstyrka. En arbetsstyrka som kommer att förändras och anpassa sig. Anställda kommer inte att förlora sina jobb, men arbetsuppgifterna och rollerna kommer att förändras.

Därför är det viktigt att företagen försöker ta tillvara AI:s många möjligheter för att förbli konkurrenskraftiga i framtiden – och det är inte alls så farligt som många tror.

Vi är inte överens om vad AI egentligen handlar om

Det största hindret jag upplever när det gäller det tidigare nämnda ”motståndet” mot AI är att vi alla är lite förvirrade när AI är samtalsämnet. Vi har ännu inte något gemensamt språk. Nyhetsflödet kan vara en del av hindret. Om vi tittar närmare på nyheterna om AI handlar 12 % av nyheterna om Elon Musk och självkörande bilar. Men AI är så mycket mer än så. Jag kommer till det om en stund.

Vi har ännu inte något gemensamt språk eller någon gemensam förståelse när det gäller AI. Därför hävdar många företag att de använder AI, men i själva verket använder de en helt annan teknik. Många tror automatiskt att AI är inblandat om en process är automatiserad. Så är det dock inte alltid. Faktum är att det visar sig att endast 40 % av de danska startupföretagen använder sig av AI. Jag är övertygad om att detta beror på ett missförstånd kring begreppet. Orsaken till missförståndet är oftast att AI förväxlas med robotteknik. Jag förstår förvirringen, och det är därför viktigt att betona att den stora skillnaden mellan de två begreppen är att robotteknik inte kan lösa en uppgift som den inte har sett tidigare. Men AI kan det! Med andra ord är AI experimentell och efterliknar i grunden mänskliga handlingar. Robotteknik, å andra sidan, kan endast agera utifrån de instruktioner den får.

Kontrollförlust är den sista viktiga faktorn när man talar om tveksamhet inför användningen av AI. Om ett företag väljer att använda AI kommer känslan av kontrollförlust oundvikligen att uppstå, men den är inte så extrem som den låter. Jag kommer att återkomma till det om ett ögonblick.

Vad är det svåraste med att arbeta med AI?

När jag började arbeta med AI trodde jag att det enklaste var att hitta ett problem som lämpade sig för att lösas med AI. Det visade sig dock vara det svåraste. Det jag trodde var de svåra delarna har i själva verket visat sig vara de enkla delarna av AI. Det enkla är att bygga AI-modeller, ta fram prototyper och komma på idéer om vad som kan lösas med hjälp av AI.

Det svåra är att förstå kärnan i det problem man försöker lösa och sedan lösa det med hjälp av all nödvändig data. Det beror på att det oftast är både dyrt och besvärligt att samla in data när en AI-uppgift ska lösas – även om uppgiften till en början verkar enkel.

Var inte rädd – det här betyder inte att AI är så svårt att det är omöjligt att komma igång med. Till skillnad från för några år sedan går det att bygga en AI-modell utan att behöva skriva en enda rad kod. Och i takt med att fler och fler AI-modeller utvecklas för att lösa ett allt bredare spektrum av problem kommer allt fler av dessa modeller att bli så kallade färdiga produkter som du bara kan välja, köpa och använda. Enkelt och smidigt – plug and play.

Hur kommer framtiden med AI att se ut?

Jag vet att många diskuterar hur framtiden kommer att se ut när marknaden för AI har mognat. När AI först introducerades låg fokus på om robotarna skulle ta över våra jobb – vilket naturligtvis bidrog till en del av det motstånd som jag nämnde inledningsvis. Varken robotteknik eller AI kommer att ta över våra jobb. Det är jag helt övertygad om. Men våra jobb förändras.

Låt oss använda ett redovisningsavdelningen till exempel. Om en anställd idag lägger 80 % av sin tid på att göra inmatningar i en ERP-system och endast 20 % på styrande, kommer fördelningen att vändas i framtiden. På lång sikt kommer det att bli möjligt att låta AI sköta uppgifter som anställda idag utför manuellt. Det kan ske med hjälp av en färdig produkt, men även en färdig produkt måste utvecklas över tid för att fungera optimalt. Här skiljer sig AI väsentligt från robotteknik. AI fattar sina beslut utifrån erfarenhet. Med andra ord måste du ”träna” din AI så att den kan lösa de uppgifter du vill att den ska lösa.

Du tränar din AI genom att visa den exempel på hur en ”riktig” medarbetare skulle agera i en specifik arbetssituation. AI:n registrerar sedan alla faktorer och variabler som fanns i exemplet och lär sig av det.

En medarbetare på ekonomiavdelningen kan till exempel träna en AI genom att visa hur en faktura ser ut. AI:n kommer sedan att använda sina förutfattade meningar för att bedöma om det är en faktura eller inte. Om man använder en färdig produkt har den redan en fördefinierad förståelse, och det går att vidareutveckla denna förståelse genom att träna AI:n. Medarbetaren försöker alltså fylla på AI:n med kunskap som kan vara relevant för om den aktuella uppgiften eller det aktuella problemet kan lösas.

När medarbetaren tränar AI:n är det viktigt att ge den uppgifter med varierande svårighetsgrad. Det kan vara en krånglig kvitto från vilken informationen ska läsas av. Om den AI som används för att läsa kvittot rapporterar tillbaka att den är 90 % säker på vad som står på kvittot, kan medarbetaren försöka träna AI:n ytterligare genom att mata in data som kan hjälpa AI:n att bli ännu mer säker nästa gång den ska läsa ett kvitto. Om AI:n inte kan tränas ytterligare kan detta vara en av de uppgifter som AI:n överlämnar till en ”riktig” medarbetare som kan utföra den nödvändiga kontrollen.

Så här kommer du igång med AI

Om du tycker att AI är spännande men inte riktigt känner dig bekväm med att låta en självständigt tänkande programvara sköta arbetsuppgifter i ditt företag, är mitt bästa råd att du börjar med en e-postbot. En e-postbot är en AI som kan lära sig att förstå, sortera, vidarebefordra och svara på e-postmeddelanden. Den ger dig möjlighet att testa tekniken och se om den fungerar i din organisation.

AI kommer att bli en konkurrensfaktor i framtiden. Därför kan du lika gärna börja fundera på vilka arbetsuppgifter AI kan ta hand om åt dig. Och kom ihåg att det inte är svårt att hitta idéer på hur AI eller robotteknik kan ta över en del av det ”tråkiga” arbetet, men svårigheten ligger i att ta reda på vad det tråkiga arbetet egentligen består av. En sak är säker – om du lägger ner den tid som krävs för att integrera AI i din verksamhet kommer du att kunna dra nytta av det i många år framöver.

Vanliga frågor

Vad är skillnaden mellan AI och automatisering inom finansprocesser?

Automatisering innebär att en fördefinierad, regelbaserad uppgift utförs utan mänsklig inblandning. AI går ett steg längre genom att lära sig av data och fatta beslut eller göra förutsägelser som inte uttryckligen har programmerats in. Många företag tror att de använder AI när de i själva verket använder automatisering. Det är viktigt att känna till skillnaden, eftersom datakraven, implementeringsinsatsen och de förväntade resultaten skiljer sig avsevärt mellan de två.

Var används egentligen AI inom redovisningsavdelningarna idag?

Praktiska tillämpningar av AI inom finanssektorn omfattar fakturaklassificering, upptäckt av avvikelser i samband med utgiftsbedrägerier, automatiserad kontokodning baserad på historiska mönster samt kassaflödesprognoser. Dessa användningsfall bygger på strukturerade finansiella data, vilket gör dem lättare att hantera än mer omfattande AI-projekt, och de kan avsevärt minska den manuella handläggningstiden.

Behöver vi ett särskilt datavetenskapsteam för att införa AI i vår ekonomiavdelning?

Inte nödvändigtvis. Många moderna plattformar för ekonomiprogramvara har AI-funktioner direkt integrerade i sina arbetsflöden, vilket innebär att du kan dra nytta av maskininlärning utan att behöva sätta ihop ett datavetenskapsteam. Om du däremot vill utveckla egna modeller behöver du dock expertis inom datavetenskap, vilket är en av de mest efterfrågade yrkesrollerna under detta decennium.

Vilka är de största hindren för införandet av AI i danska företag?

Gästförfattaren pekar ut bristen på ett gemensamt språk kring AI som det främsta hindret. Företagen är inte överens om vad AI innebär, vilket gör det svårt att föra produktiva samtal om implementeringen. Andra hinder är datakvaliteten, som ofta är lägre än förväntat, samt det kulturella motståndet mot förändring som följer med varje processförändring.