Dans ce livre blanc, Pigment jette un regard critique sur le secteur afin de proposer un aperçu réaliste de ce que la finance peut attendre de l'IA dans les années à venir.
Sommaire
L'époque où ils n'avaient à se préoccuper que des bilans, des comptes de résultat et des rapports de gestion est révolue. Aujourd'hui, les responsables financiers évoluent dans une période de volatilité et d'incertitude. Ankur Agrawal, de McKinsey, a récemment écrit sur le mélange d'opportunités et de défis auquel les directeurs financiers modernes sont confrontés.
Se référant à la célèbre enquête biennale de McKinsey sur les directeurs financiers, il a noté que le rôle et plus particulièrement les responsabilités se sont élargis au cours des dernières années. Plus de fonctions et de départements que jamais relèvent du directeur financier, qui est désormais responsable de domaines tels que les achats, la cybersécurité et même l'acquisition et la conservation des talents.
Les responsables financiers sont au premier plan de ces discussions et doivent non seulement identifier la pile technologique optimale, mais aussi être clairs sur le retour sur investissement.
L'environnement actuel, riche en données, signifie qu'il y a plus d'informations à analyser que jamais - mais avec leurs rôles plus étendus, les responsables financiers et les DAF ont également moins de temps pour le faire. C'est en partie la raison pour laquelle le secteur est si enthousiaste à l'égard de l'IA. Les outils d'IA peuvent analyser de grandes quantités de données et ont le pouvoir d'identifier des tendances que l'œil humain pourrait facilement manquer. Cela signifie de meilleures perspectives, des rapports et des prévisions plus précis et des décisions stratégiques mieux informées. En outre, les outils d'IA peuvent se charger de tâches routinières telles que la création de rapports et même les demandes de renseignements des clients, laissant les cerveaux humains libres de se concentrer sur des activités à valeur ajoutée plus intéressantes et plus gratifiantes.
ous considérons l'IA comme une technologie perturbatrice, et à juste titre, mais cela ne signifie pas qu'elle soit nouvelle sur le plan conceptuel. C'est simplement la vitesse de développement qui risque de prendre les entreprises au dépourvu.
Comprendre l'IA et ses utilisations n'exige pas une connaissance approfondie du codage. Un peu de connaissances techniques est utile, mais pas obligatoire, tout comme il n'est pas nécessaire de comprendre les aspects techniques des moteurs à combustion interne et des moteurs électriques pour prendre des décisions en matière de flotte. Ce qu'il faut comprendre à propos de l'IA, c'est qu'il s'agit simplement d'un outil supplémentaire, d'un moyen d'atteindre un but. Pour commencer à conceptualiser la meilleure façon d'utiliser les applications de l'IA, la première étape consiste donc à être parfaitement au clair sur la stratégie commerciale et les défis qu'elle peut permettre de relever. Sinon, il s'agit d'un cas classique d'Alice et du chat du Cheshire.
Qu'entendons-nous donc par IA et comment peut-elle nous aider à atteindre la destination souhaitée ou à atteindre notre objectif stratégique ? Bref, tout logiciel ou programme présentant ce que nous appellerions une qualité intellectuelle que nous associerions à la cognition est un exemple d'IA. En d'autres termes, il s'agit d'un logiciel capable d'apprendre, de résoudre des problèmes, de comprendre le langage ou de faire preuve de créativité.
Automated systems react in certain ways to external information in order to perform routine tasks more efficiently or quickly or to simply relieve humans of the task. Autonomous cars are an example.
Machine learning makes decisions or draws conclusions about new data on the basis of what it “knows” from existing data and past experience.
Natural Language Processing (NLP) processes words from everyday language and interacts with the data. Software that automatically reads and processes claim forms or doctors’ notes for insurance claims is a good example of NLP in action.
In this era of Siri and Alexa, we encounter AI every day. However, the somewhat scripted responses seem more “A” than “I”, using simple voice-recognition NLP to select an appropriate resource. We actually encounter far more powerful AI, but in more subtle ways. When you browse your social media news feed or Google Discovery over breakfast, the news stories at the top are all on the topics that interest you. It’s not by coincidence, AI uses your browsing history to anticipate your needs and interests.
Similarly, navigation apps learn our daily routines so they can recommend the best time to leave for work and what route to take.
The latter is a particularly pertinent example as it shows how AI can analyze data and make the best recommendation, saving humans from having to work it out for themselves. In this case, it is quite a simple process based primarily on the latest traffic reports on different roads. But this kind of decision-making extends far beyond the preserve of handy consumer gadgets.
AI can offer both faster and more reliable decision-making. Faster because it can analyze thousands of data records in a second and more reliable because it can therefore base its recommendations on a far larger data set. The implications are significant. Take medicine as an example.
A doctor might spend an hour consulting a dozen similar cases when attempting to diagnose an unusual case. AI can analyze thousands of cases much faster. Not only does it mean a quicker and more accurate diagnosis, it frees up an hour of the doctor’s time that can be spent treating patients.
Automated systems reduce costs, deliver efficiencies and improve accuracy by helping us work faster and smarter
The future is now - AI applications are already all around us
The more information AI has, the better its insights and recommendations - but the converse principle of “garbage in / garbage out” also applies
There are more similarities than might be immediately obvious between the doctor in our previous example and the average CFO or senior finance manager. We mentioned earlier that finance leaders have a broader remit than ever before. The right AI tools can take routine tasks from their shoulders, effectively transforming their day to day activities into more supervisory and strategic roles.
Vous avez lu 10 % du contenu. Remplissez le formulaire ci-dessous pour accéder au contenu complet.
Pour comprendre l'intérêt et les bénéfices concrets de Pigment pour votre organisation, inscrivez-vous à la prochaine démonstration live. Nous vous présenterons les fonctionnalités Pigment par cas d'usage.
