Финансовый отдел оплачивает счета за каждый инструмент ИИ в бизнесе, поэтому он первым начинает ставить под сомнение окупаемость инвестиций (ROI).
Более трети финансовых руководителей, уже использующих ИИ, не планируют расширять его применение в этом году, согласно исследованию Forrester, проведенному среди 1279 лиц, принимающих финансовые решения, по заказу Airwallex в начале этого года.
На первый взгляд это звучит как отступление. Последние несколько лет компании добавляли в рабочие процессы в финансах, маркетинге, инженерии и операционной деятельности копалотов, инструменты автоматизации и все более мощные модели. Ожидалось, что внедрение будет двигаться только в одном направлении.
Эта пауза указывает на нечто более сложное. Финансовый отдел склонен видеть обе стороны внедрения ИИ одновременно. Он видит прирост производительности, обещанный новыми инструментами, а также счета, затраты на внедрение и отдачу, которая в конечном итоге должна отразиться в бюджете, маржинальности или отчете о движении денежных средств. Это делает финансовый отдел одним из первых мест, где энтузиазм по поводу ИИ сталкивается с вопросом о том, что именно производит эти инвестиции.
Если не указано иное, вся статистика в этой статье взята из заказного исследования «Создание финансовой функции, готовой к внедрению ИИ», проведенного Forrester Consulting по заказу Airwallex в июне 2026 года.
ИИ обнажает проблемы, которые существовали и раньше
Ограниченный опыт управления финансовыми процессами с поддержкой ИИ является наиболее часто упоминаемым препятствием для внедрения в исследовании Forrester — его назвали 53% респондентов. Еще 40% говорят, что им трудно оправдать дальнейшие инвестиции, выходящие за рамки краткосрочного прироста производительности. Для многих компаний эта технология также надстраивается над данными, которые остаются фрагментированными между подразделениями, системами и регионами.
Финансовые команды годами накапливали системы. Ваша компания может использовать разные бухгалтерские платформы в дочерних структурах, вести раздельные планы счетов, вручную сверять юридические лица и полагаться на электронные таблицы для объединения информации. Эта фрагментация заставляет вашу команду вручную собирать воедино все эти точки данных.
ИИ менее снисходителен, когда дело доходит до консолидации данных. Например, сотрудник может узнать, что один и тот же поставщик может фигурировать под тремя немного разными именами в трех реестрах. С другой стороны, агент ИИ, пытающийся сверить эти транзакции, сначала нуждается в том, чтобы это несоответствие было устранено где-то в исходных данных.
По этой причине фрагментированные данные остаются на верхних строчках списка препятствий. В исследовании Forrester 58% финансовых руководителей в регионе EMEA называют это серьезной технологической проблемой по сравнению с 47% в Северной Америке.
Проблема с навыками имеет ту же природу. Финансовые специалисты разбираются в бухгалтерском учете, контроле, казначействе и операционных деталях своего бизнеса. Гораздо меньше команд имеют опыт реорганизации этих процессов с учетом ИИ, что означает необходимость определять, где автоматизация занимает свое место, а где человеческое суждение по-прежнему выполняет работу.
Такая реорганизация требует специалиста, который может закрыть месяц и одновременно работать с базовыми моделями данных. Такое сочетание бухгалтерского суждения и навыков работы с данными пока почти не встречается на рынке труда, поэтому большинству команд придется развивать эти качества у людей, которых они уже наняли.
Возможно, финансы требуют от ИИ слишком быстрой отдачи
За паузой кроется еще одна причина: компании могут требовать от ИИ окупаемости слишком рано. По оценкам Deloitte, типичному сценарию использования ИИ требуется от двух до четырех лет на окупаемость по сравнению примерно с 7–12 месяцами для других технологических инвестиций, и только 6% опрошенных руководителей сообщили об окупаемости в течение года.
Большинство технологических инвестиций имеют привычное экономическое обоснование, при котором компания тратит фиксированную сумму, ожидает измеримой выгоды и оценивает результат по определенному периоду окупаемости. Однако ИИ сопротивляется такому подходу.
Новая модель ИИ может сократить время, необходимое для сверки счетов, подготовки прогнозов или ответов на запросы бизнеса. Ценность этих часов затем зависит от того, что с ними происходит дальше. Они могут позволить компании расти без увеличения штата, быстрее закрывать бухгалтерские книги или дать команде больше простора для анализа. Но ничто из этого не отображается в качестве отдельной строки в отчете о прибылях и убытках.
ИИ также обычно появляется вместе с новыми системами, архитектурой данных, процессами и ролями. В ходе того же исследования было обнаружено, что руководители с трудом отделяют отдачу от ИИ от отдачи, создаваемой всем, что меняется вокруг него. Таким образом, ответом является большая точность в отношении того, что именно измеряет финансовый отдел и за какой период.
Опыт, судя по всему, облегчает эту задачу. Согласно отдельному исследованию финансовых команд, 30% команд на самых ранних этапах внедрения ИИ заявляют, что им трудно обосновать окупаемость инвестиций; среди наиболее продвинутых этот показатель снижается до 21%. Разница невелика, но тенденция показательна. Компании, по-видимому, учатся лучше находить ценность в ИИ по мере того, как совершенствуют навыки его использования.
Пауза в использовании ИИ может означать две совершенно разные вещи
Существует разница между прекращением инвестиций в ИИ и остановкой на время, достаточное для того, чтобы следующие инвестиции принесли результат.
Финансовая команда может потратить год, не покупая никаких новых инструментов ИИ, и при этом добиться значительного прогресса: стандартизировать данные по подразделениям, сократить количество ручных передач данных, определить средства контроля вокруг автоматизированных процессов и обучить сотрудников работе с уже имеющимися системами. Другая команда может просто ждать, пока технологии улучшатся. Год спустя эти две команды окажутся в совершенно разных позициях.
Компании, сообщающие о значительной окупаемости, как правило, встроили ИИ в свои операционные процессы, а не рассматривают его как отдельную категорию программного обеспечения.
- Представители ServiceNow сообщили на саммите совета финансовых директоров Wall Street Journal, что компания получила около 355 миллионов долларов США в виде экономии, связанной с ИИ, причем примерно 125 миллионов долларов США попали в чистую прибыль, а остальная часть была реинвестирована в другие сферы.
Представители ServiceNow сообщили на саммите совета финансовых директоров Wall Street Journal, что компания получила около 355 миллионов долларов США в виде экономии, связанной с ИИ, причем примерно 125 миллионов долларов США попали в чистую прибыль, а остальная часть была реинвестирована в другие сферы.
- Shopify ожидает, что сотрудники докажут, почему ИИ не может выполнить задачу, прежде чем запрашивать дополнительных сотрудников, что относит ИИ к бюджету распределения ресурсов компании, а не к технологическому бюджету.
Shopify ожидает, что сотрудники докажут, почему ИИ не может выполнить задачу, прежде чем запрашивать дополнительных сотрудников, что относит ИИ к бюджету распределения ресурсов компании, а не к технологическому бюджету.
- В Levi Strauss разработанный внутри компании агент сократил части процесса ввода заказов с нескольких дней до минут.
В Levi Strauss разработанный внутри компании агент сократил части процесса ввода заказов с нескольких дней до минут.
Это три совершенно разные компании, использующие ИИ тремя совершенно разными способами. Что их объединяет, так это технология, привязанная к конкретному операционному процессу и конкретному результату. Это более сложный, но и более эффективный подход к ИИ, чем простой вопрос о том, сколько сотрудников используют инструмент ИИ.
Фундамент данных может иметь большую ценность, чем сама модель ИИ
Дискуссии вокруг корпоративного ИИ постоянно возвращаются к технологиям: какая модель работает лучше, что теперь могут делать агенты и каковы темпы совершенствования. Однако вопросы, определяющие результат для финансовых руководителей, не столь захватывающие. Каждое подразделение должно видеть одну и ту же финансовую информацию, транзакции требуют единообразной кодировки, а системы должны обмениваться данными без необходимости выгрузки электронных таблиц вручную.
Эти вопросы существовали задолго до появления генеративного ИИ. Для компании, работающей с несколькими юридическими лицами, валютами и рынками, фундамент может начинаться с чего-то столь же базового, как единое представление о денежных средствах и балансах по всему бизнесу. Затем следует стандартизация данных, а после — более медленная работа по перепроектированию процессов и обучению сотрудников, которые их понимают.
Многие финансовые команды справедливо решают взять паузу в использовании ИИ, пока не будут готовы перестроить свои основы. Но советы директоров должны задаться вопросом, что именно строят эти команды в ожидании. Команда, которая консолидирует данные, устанавливает контроли и обучает своих сотрудников перестраивать работу с учетом ИИ, получит готовую базу для внедрения инструментов следующего поколения. Выводы Forrester указывают на то же самое: финансовые лидеры задаются вопросом, что именно их организациям нужно изменить, прежде чем ИИ сможет заработать в полном масштабе и реализовать свой огромный потенциал.
Создайте фундамент, на котором ваша финансовая команда сможет масштабировать ИИ.
Источник: Если не указано иное, вся статистика, приведенная в этой статье, взята из исследования «Создание финансовой функции, готовой к ИИ» (Building An AI-Ready Finance Function), проведенного по заказу Airwallex компанией Forrester Consulting в июне 2026 года.
Материал, представленный здесь, носит исключительно информационный характер и не является юридической, регуляторной, налоговой или инвестиционной консультацией. Читателям следует обратиться к собственным консультантам или юристам для получения советов, соответствующих их конкретным обстоятельствам.
