Patrice Bouexel utforskar hur AI och automation påverkar anställdas förväntningar och beteenden i det bredare finansiella ekosystemet.
Nu mer än någonsin ser vi ett landskap där organisationer globalt tävlar om att automatisera sin finansiella verksamhet. För Patrice Bouexel, general manager för Europa på den finansiella mjukvaruplattformen Sis ID, är detta ett bevis på ett ekosystem där företag kämpar för att möta förväntningarna.
Bouexel sa till SiliconRepublic.com, ”Finansteam är under samma press som alla andra funktioner – gör mer med samma antal anställda och gör det snabbare.
”Gartner fann att AI-användningen inom finans steg från 37 procent 2023 till 58 procent 2024, medan Deloittes en global undersökning av mer än 1 300 finansledare visade att antagandet av ny teknik, inklusive AI, var en högsta prioritet för 48 procent av de svarande.”
Han tillade: ”Detta är inte ett litet skifte. Det återspeglar ett erkännande av att manuella, pappersbaserade processer inte kan hålla jämna steg med volymen och komplexiteten hos moderna betalningsflöden, särskilt som organisationer verkar över fler valutor, fler leverantörer och fler jurisdiktioner än de gjorde för fem år sedan.”
Bouexel förklarade att för de allra flesta företag är automatisering inte längre en trevlig funktion som ökar produktiviteten – den håller snabbt på att bli en grundförväntning bland styrelser och investerare, som ofta ser det som ett centralt sätt som en finansfunktion hanterar inte bara risker utan också kostnader.
Grov reglering
Men det är inte bara införandet av ny teknik som skapar möjligheter och kaos för organisationer. En av de mer angelägna utmaningarna för moderna finansproffs är att se till att den data som används och genereras av avancerad teknik är av hög kvalitet och är korrekt styrd.
”Klyftan ligger mellan att implementera ett verktyg och att lita på vad det producerar. Organisationer som gör det här behandlar automatisering som en styrningsövning först”, säger Bouexel.
”De kartlägger vilka processer som är regelbaserade och verkligen redo för automatisering, såsom fakturahantering och utgiftsgodkännanden, och separerar dem från processer med flera intressenter som behöver omdesigna arbetsflödet snarare än en bot som är fastskruvad i en gammal process. De investerar också i underliggande data innan de investerar i algoritmen.”
Färdigheter utgör också en betydande utmaning, finner han, som AI, automation, dataanalys och teknikintegration blir kritiska för experter på detta område.
”Automation lyckas när finansteam får tid och utbildning för att äga undantagsfallen, inte bara mjukvarulicensen.”
Ljudhastighet
Han finner också att i en miljö där AI och automation alltid är lika tillförlitliga som de finansiella data de förlitar sig på, kan skyndsamheten att slutföra en uppgift ofta innebära en katastrof.
Bouexel noterade, ”En automatiserad process kommer att utföra en dålig instruktion lika effektivt som en bra. Om en leverantörspost är föråldrad, om bankuppgifter ändrades utan korrekt verifiering eller om en dubblett av fakturan gled igenom för månader sedan, fångar inte automatiseringen det. Det påskyndar det.
”Det är den obekväma delen av automatiseringskonversationen som hoppar över. Organisationer går snabbare mot rak bearbetning vid exakt den punkt då data som matar dessa processer – leverantörshuvudfiler, betalningshistorik och godkännandespår – ofta är den minst granskade delen av finansstacken.
”Hastighet utan verifierad data minskar inte risken. Det betyder bara att ett fel eller en bedräglig instruktion når betalningen snabbare än tidigare.”
Han föreslog att nuförtiden är det verkliga målet att förebygga snarare än att städa upp i en röra när det redan har hänt. Eftersom upptäckten av bedrägligt eller misstänkt beteende blir en svårare utmaning, till stor del på grund av AI och deepfake-teknologier, kan verifieringsfärdigheter och processer göra stor skillnad.
”Det mer hållbara svaret sitter tidigare i kedjan, verifierar vem du faktiskt betalar och bekräftar deras identitet genom en kanal som bedragaren inte kan röra innan betalningen har godkänts, snarare än att försöka upptäcka anomalien när den redan är på väg”, sa han.
Berömvärt ledarskap
På frågan, ”Vad bör finansledare göra nu när bedrägeri, AI och reglering omformar betalningssäkerhet?”, påpekade Bouexel att det finns tre områden för ledare att fokusera på.
För det första bör de skilja processrisk från teknisk risk.
För det andra, AI-kunskaper måste byggas in i ekonomiteam som ett sätt att utveckla en mänskligt baserad teknisk kompetens, inte bara i de verktyg som används.
Han sa: ”Finansteam måste förstå hur AI-aktiverat bedrägeri faktiskt beter sig om de ska känna igen och utmana övertygande bedrägliga förfrågningar.”
Slutligen måste de behandla regelförändringar som ett golv, inte ett tak.
”Regler tenderar att formalisera hur god praxis redan ser ut. Organisationer som väntar på mandatet innan de agerar ligger, per definition, efter.”
