Финансовый отдел оплачивает счета за каждый инструмент ИИ в бизнесе, поэтому это первое подразделение, которое ставит 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 внедряли копайлоты, инструменты автоматизации и все более функциональные модели в рабочие процессы в финансах, маркетинге, разработке и операционной деятельности. Ожидалось, что внедрение будет продолжаться в одном направлении.
Эта пауза указывает на нечто более сложное. Финансовый отдел склонен видеть обе стороны внедрения ИИ одновременно. Он видит рост производительности, обещанный новыми инструментами, и в то же время видит счета, затраты на внедрение и отдачу, которая в конечном итоге должна отразиться в бюджете, марже или отчете о движении денежных средств. Это делает финансы одной из первых сфер, где энтузиазм по поводу ИИ сталкивается с вопросом о том, что именно приносят эти инвестиции.
Если не указано иное, все статистические данные, приведенные в этой статье, взяты из исследования «Building An AI-Ready Finance Function», проведенного Forrester Consulting по заказу Airwallex в июне 2026 года.
ИИ выявляет проблемы, которые существовали и раньше
Ограниченный опыт управления финансовыми процессами с поддержкой ИИ является наиболее часто упоминаемым барьером для внедрения в исследовании Forrester — его назвали 53% респондентов. Еще 40% говорят, что им трудно обосновать дальнейшие инвестиции, помимо краткосрочного прироста производительности. Во многих компаниях технология также накладывается на данные, которые остаются фрагментированными по подразделениям, системам и регионам.
Финансовые команды годами накапливали системы. Ваша компания может использовать разные бухгалтерские платформы в дочерних компаниях, вести отдельные планы счетов, вручную проводить сверку между подразделениями и полагаться на электронные таблицы для объединения информации. Эта фрагментация заставляет вашу команду вручную «сшивать» все эти точки данных.
ИИ менее снисходителен, когда дело доходит до консолидации данных. Например, сотрудник может понять, что один и тот же поставщик может фигурировать под тремя слегка отличающимися именами в трех книгах учета. С другой стороны, ИИ-агенту, пытающемуся сопоставить эти транзакции, сначала требуется устранение несоответствий в самих исходных данных.
По этой причине фрагментированные данные остаются в топе списка препятствий. В исследовании Forrester 58% финансовых руководителей в регионе EMEA называют это серьезной технологической проблемой по сравнению с 47% в Северной Америке.
Проблема навыков имеет ту же форму. Финансовые специалисты разбираются в бухгалтерском учете, контроле, казначействе и операционных деталях своего бизнеса. Но лишь немногие команды имеют опыт перепроектирования этих процессов под ИИ, что подразумевает принятие решений о том, где автоматизация уместна, а где по-прежнему требуется человеческое суждение.
Такое перепроектирование требует специалистов, которые могут закрыть отчетный период и одновременно работать с базовыми моделями данных. Такое сочетание бухгалтерского опыта и навыков работы с данными пока едва ли представлено на рынке труда, поэтому большинству команд придется развивать эти качества у своих нынешних сотрудников.
Финансовые отделы могут требовать окупаемости ИИ слишком рано
За этой паузой скрывается еще одна возможность: компании могут требовать от ИИ окупаемости слишком рано. Deloitte оценивает, что типичный сценарий использования ИИ окупается за два-четыре года, в то время как другие инвестиции в технологии окупаются примерно за семь-двенадцать месяцев, и только 6% опрошенных руководителей сообщили о возврате инвестиций в течение года.
Большинство инвестиций в технологии сопровождаются привычным бизнес-кейсом, в котором компания тратит определенную сумму, ожидает измеримую выгоду и оценивает результат в соответствии с установленным периодом окупаемости. Однако ИИ не вписывается в эту схему.
Новая модель ИИ может сократить время, необходимое для сверки счетов, подготовки прогнозов или ответов на вопросы бизнеса. Ценность этих сэкономленных часов зависит от того, как они будут использованы в дальнейшем. Они могут позволить компании расти без увеличения штата, быстрее закрывать отчетность или дать команде больше времени для анализа. Но ничего из этого не отображается отдельной строкой в отчете о прибылях и убытках.
ИИ также обычно внедряется вместе с новыми системами, архитектурами данных, процессами и ролями. То же исследование показало, что руководителям трудно отделить отдачу от ИИ от отдачи, полученной за счет сопутствующих изменений. Таким образом, решение заключается в более точном определении того, что именно измеряет финансовый отдел и за какой период.
Опыт, по-видимому, упрощает эту задачу. В отдельном исследовании финансовых команд 30% групп на самом раннем этапе внедрения ИИ заявили, что им трудно обосновать ROI, в то время как среди наиболее продвинутых этот показатель снижается до 21%. Разница не огромна, но направление значимо. Похоже, компании лучше находят ценность в ИИ по мере того, как совершенствуются в его использовании.
Пауза в использовании ИИ может означать две совершенно разные вещи
Есть разница между прекращением инвестиций в ИИ и паузой, достаточной для того, чтобы заставить следующую инвестицию работать.
Финансовая команда может в течение года не покупать новые инструменты ИИ и при этом добиться значительного прогресса: стандартизировать данные по подразделениям, сократить количество ручных операций, определить механизмы контроля автоматизированных процессов и обучить сотрудников работе с уже имеющимися системами. Другая команда может просто ждать совершенствования технологий. Через год эти две команды окажутся в совершенно разных положениях.
Компании, сообщающие о значимой отдаче, как правило, встраивают ИИ в свои операционные процессы, а не рассматривают его как отдельную категорию программного обеспечения.
- Компания ServiceNow сообщила на саммите CFO Council Wall Street Journal, что она получила около 355 миллионов долларов США экономии благодаря ИИ, при этом около 125 миллионов долларов США пошли в чистую прибыль, а остальное было реинвестировано в другие направления.
Компания ServiceNow сообщила на саммите CFO Council Wall Street Journal, что она получила около 355 миллионов долларов США экономии благодаря ИИ, при этом около 125 миллионов долларов США пошли в чистую прибыль, а остальное было реинвестировано в другие направления.
- Shopify ожидает, что сотрудники обоснуют, почему ИИ не может выполнить задачу, прежде чем запрашивать расширение штата, что переводит ИИ в бюджет распределения ресурсов компании, а не в технологический бюджет.
Shopify ожидает, что сотрудники обоснуют, почему ИИ не может выполнить задачу, прежде чем запрашивать расширение штата, что переводит ИИ в бюджет распределения ресурсов компании, а не в технологический бюджет.
- В Levi Strauss агент, созданный внутри компании, сократил время выполнения некоторых этапов процесса ввода заказов с нескольких дней до нескольких минут.
В Levi Strauss агент, созданный внутри компании, сократил время выполнения некоторых этапов процесса ввода заказов с нескольких дней до нескольких минут.
Это три очень разные компании, использующие ИИ тремя совершенно разными способами. Их объединяет то, что технология привязана к конкретному операционному процессу и конкретному результату. Это более сложный, но и более эффективный подход к ИИ, чем просто вопрос о том, сколько сотрудников используют инструменты ИИ.
Фундамент данных может иметь большее значение, чем сама модель ИИ
Дискуссии вокруг корпоративного ИИ постоянно возвращаются к технологии: какая модель работает лучше, что теперь могут делать агенты и каковы темпы совершенствования. Вопросы, которые определяют результат для финансовых руководителей, не столь увлекательны. Каждому юридическому лицу необходимо видеть одинаковую финансовую информацию, транзакции требуют единообразной кодировки, а системы должны обмениваться данными без необходимости для кого-либо выгружать электронные таблицы.
Эти вопросы существовали задолго до появления генеративного ИИ. Для компании, работающей в нескольких организациях, валютах и на разных рынках, фундамент может начинаться с такого базового элемента, как единое представление о денежных средствах и балансах во всем бизнесе. За этим следуют стандартизированные данные, а затем более медленная работа по перепроектированию процессов и обучению людей, которые в них разбираются.
Многие финансовые команды поступают правильно, приостанавливая внедрение ИИ до тех пор, пока они не будут готовы перестроить свои основы. Но советы директоров должны спросить, что именно эти команды строят в ожидании. Команда, которая консолидирует данные, устанавливает средства контроля и учит своих сотрудников перестраивать работу с учетом ИИ, получит место для внедрения инструментов нового поколения. Выводы Forrester указывают в том же направлении: финансовые руководители задаются вопросом, что именно их организации должны изменить, прежде чем ИИ сможет работать в больших масштабах и полностью реализовать свой огромный потенциал.
Создайте фундамент, на котором ваша финансовая команда сможет масштабировать ИИ.
Материалы, представленные здесь, предназначены исключительно для информационных целей и не являются юридическими, нормативными, налоговыми или инвестиционными консультациями. Читателям следует привлекать собственных советников или юристов для получения консультаций, уникальных для их обстоятельств.
