Kecerdasan Buatan (AI) meluncur ke depan dengan kecepatan yang belum pernah terjadi sebelumnya, mengubah segalanya bersama caranya.
Untuk Kepala Pejabat Keuangan (CFO) dan pemimpin bisnis lainnya, kemajuan ini disambut dengan ragu -ragu. Alasannya? Kurangnya standar yang jelas, kekhawatiran tentang privasi data Dan Risiko output AI yang tidak dapat diandalkan.
“Kurangnya prosedur operasi ketika datang ke AI, khususnya Genai, seperti meletakkan gundukan kecepatan di jalan raya,” Jeff Stangle, Direktur Produk (AI dan Platform) di Memotongmemberi tahu Pymnts. “Sekarang, ukuran dan bentuk benturan kecepatan itu Sungguh sebanding dengan seperti apa kerangka kerja praktis Anda. “
Tanpa pemerintahan, tonjolan kecepatan ini dapat memperlambat adopsi AI dalam operasi pengadaan-ke-bayar-kecuali bisnis mengambil pendekatan yang tepat.
CFO menavigasi keseimbangan halus. Mereka bertanggung jawab atas hasil keuangan sambil juga memastikan keputusan yang digerakkan AI tidak memihak, aman Dan dapat diandalkan. Tanpa pemerintahan yang jelas, keraguan masuk. Dan sementara Beberapa perusahaan mendorong adopsi AI ke depan dengan kecepatan sangat tinggi, yang lain terjebak menunggu pedoman yang lebih jelas.
Jadi, apa solusinya? Stangle menawarkan pendekatan tiga cabang: praktis, transparan Dan Kerangka kerja yang dibangun khusus.
Mengatasi kurangnya standar
Tanpa perspektif holistik, perusahaan berisiko menggunakan solusi AI yang menciptakan inefisiensi, gagal untuk menyelaraskan dengan bisnis tujuan, atau memperkenalkan kerentanan yang tidak terduga. Di atas segalanya, perspektif holistik harus praktis.
“Kerangka kerja Anda harus praktis,” kata Stangle. “Anda tidak ingin melewatkan sesuatu. Anda tidak ingin hal -hal jatuh melalui celah. “
Dengan menetapkan model tata kelola yang terstruktur dan praktis, bisnis dapat memastikan fungsi AI sebagai aset yang andal dan digerakkan oleh nilai daripada sumber ambiguitas operasional.
Pada saat yang sama, tanpa transparansi, bisnis berisiko mengandalkan sistem AI “Black Box” – model yang menghasilkan output tanpa visibilitas yang jelas ke dalam pekerjaan dalam mereka. Kurangnya wawasan ini dapat menyebabkan bias yang tidak diinginkan, tantangan peraturan dan kesalahan pemecahan masalah.
“Semua AI dibangun di atas algoritma, tetapi berapa derajat pemisahan yang Anda miliki dari kebenaran?” Stangle mengatakan, menambahkan bahwa transparansi berarti memastikan model AI tetap dapat diartikan dan dijelaskan, sehingga bisnis dapat memahami bagaimana keputusan dibuat dan menyesuaikannya.
Dan akhirnyaAI tidak boleh diimplementasikan demi kebaruan – organisasi harus terlebih dahulu mengidentifikasi tantangan bisnis spesifik yang ingin mereka atasi sebelum mengembangkan atau menggunakan solusi AI.
“AI adalah alat. Genai (AI generatif) adalah alat ke menyelesaikan masalah. Kami tidak membangun kode yang tidak memiliki masalah yang ditentukan, ”kata Stangle.
Dari skeptis hingga adopsi
Stangle merekomendasikan strategi yang dijalankan dengan berjalan-jalan ke Adopsi AI. Mulailah dengan otomatisasi, dia menyarankanMemperhatikan bahwa banyak perusahaan sudah menggunakan otomatisasi yang digerakkan AI dalam fungsi keuangan dan pengadaan dasar. Di sinilah bisnis melihat penghematan biaya terbesar, katanya.
Itu merangkak. Sedang berjalan adalah bereksperimen dengan cAplikasi AI Ross-Functional dan mulai mengemudikan solusi Genai dengan tim tertentu.
Waktu untuk berlari? Itu akan meluncurkan Genai di seluruh organisasi setelah diuji, dioptimalkan Dan terintegrasi ke dalam kerangka tata kelola.
Namun, dua kekhawatiran AI terbesar yang diangkat oleh CFO dalam laporan Caio terbaru oleh Pymnts Intelligence dan Cowa sekitar Privasi dan informasi yang salah.
“Privasi data bukan hanya tentang anonimisasi dan enkripsi. Ini juga tentang agregasi. Salah satu hal utama yang kami lakukan di cowa adalah anonim, enkripsi Dan Agregat data untuk menghasilkan wawasan sambil menjaga informasi tetap aman, ”kata Stangle.
Tanpa tata kelola data yang kuat, model AI berisiko dilatih pada data yang bias atau tidak lengkap, yang mengarah ke output yang tidak dapat diandalkan. Informasi yang salah adalah tantangan lain.
“Jika dataset Anda sempurna pada hari pertama, ia mengikis sekitar 2% sebulan. Jadi, Anda perlu memiliki proses kualitas data sebagai bagian dari kerangka kerja Anda – dan Anda harus terus melakukannya, ”Stangle memperingatkan. “Waktu yang tepat untuk membersihkan data Anda? Sepanjang waktu.
“Jika data tidak bersih, maka itu tidak pribadi,” Stangle menekankan, menambahkan bahwa itu harus menjadi prinsip panduan untuk setiap CFO yang ingin menjadikan Genai sebagai kekuatan transformatif yang tepercaya dalam organisasi mereka.
Salah satu peluang terbesar yang terlewatkan dalam adopsi AI, katanya, adalah gagal memperlakukan vendor sebagai mitra strategis. Stangle menyarankan CFO untuk memikirkan kembali proses Permintaan Tradisional untuk Informasi (RFI). Dengan mendorong kolaborasi antara perusahaan dan penyedia AI, bisnis dapat mengembangkan praktik terbaik bersama dan standar industri, pada akhirnya mempercepat adopsi.
“Genai bukanlah saklar lampu yang hanya Anda soket,” katanya. “Jika Anda mencoba menerapkannya sekaligus, Anda akan melakukannya Dapatkan beberapa hasil yang sangat buruk. Tetapi jika Anda membangun kepercayaan diri selangkah demi selangkah, AI dapat menjadi alat yang ampuh. ”
Jalan menuju AI yang percaya diri membutuhkan tata kelola praktis, langkah -langkah privasi yang kuat, data bersih Dan pendekatan yang bijaksana dan langkah demi langkah. Tetapi bagi mereka yang merangkulnya, imbalan – efisiensi, wawasan Dan Keunggulan kompetitif – sepadan dengan usaha.
