几十年来，财务部门一直在努力追求信息的数量和复杂性。技术 - 特别是ERP和EPM云 - 帮助他们跟上了发展。但数据和工作量不断增长。
APQC最近的年度调查“ 金融时间在哪里?“尽管在降低成本方面取得了重大成功，但交易处理几乎占据了财务部门的一半时间。这可能会让财务团队及其领导人在新兴数字商业模式中扮演更具战略性的角色。
正如APQC所说：“这意味着在平均工作周内，高薪财务人员在星期三早上到午餐时间相当于确保账单得到支付，客户得到准确的发票，一般会计工作完成和固定资产在将资金转移到组织中的许多其他任务中，都要考虑到这一点。“
这留下了宝贵的时间来分析，例如，一种策略对另一种策略的成本结构影响，或投资决策的收入和运营利润影响。
现在，金融专业人士拥有了一种新的武器：自适应和人工智能，由机器学习(也称为AI / ML)支持。
在2018年的现代金融体验中了解AI / ML。
科幻探索技术正在转向业务系统，并承诺解决许多时候财务专业人员面临的紧缩问题 - 即数量，复杂性和可访问性问题，这些问题使交易变得非常耗时。
让我们来看看AI / ML如何解决这些问题。
数量： 根据一些估计，数据量每年增长2X到50X，具体取决于物联网(IoT)和大数据的组织投资。这些技术是未来的潮流，因此可以说随着物联网和大数据的使用加速，数据量将以更快的速度增长。解决这些大量数据，以便以经济有效的方式从中获取有意义的见解，这需要自动化。
随着机器自动化在农业和制造业中的应用，AI / ML承诺消除财务专业人员所需的手工，基于任务的非增值工作。
例如，英国的国家卫生服务部门负责该国整个人口的医疗保健需求，使用预测分析来帮助识别欺诈性索赔。这样的努力需要审查大量数据。以前，职员必须在计算机，屏幕和逐个字段上查看声明。过滤减少了一些工作，但这是劳动密集型的。
现在，潜在的欺诈行为是通过一系列众所周知的标准来确定的 - 不仅仅是一个有效的过滤器，而是历史数据和模式 - 它们通过机器学习不断更新。职员的参与 从系统确定的声明开始 。 消除了识别索赔的手工工作。
复杂性： 随着数量的增长，由于多种原因，财务数据变得越来越复杂。市场渠道，支付方式和产品配置的激增增加了记录交易的变化。必须更新ERP系统以接受来自具有独特协议的更广泛数据源的信息，这是耗时且昂贵的。使用AI / ML，系统可以相应地适应自己。
可访问性：AI / ML以两种方式面对数据可访问性问题：通过使系统中的信息更容易查找和使用，以及使更多的员工更容易访问信息。随着AI / ML功能扩展到越来越多的用例，该软件可以使用智能聊天机器人或“talkbots”推荐基于模式和趋势的操作。
智能助手可以承受大负荷
财务人员的一个一致要求是他们知道数据在系统中，但很难达到。chatbot(“bot”)技术的使用允许专业人员使用自然语言而不是繁琐的搜索工具来查找他们所需的信息。例如，正如NHS职员审查声明一样，他们可以用自然语言向系统询问“你能告诉我其他类似的项目吗?”这样可以不断创造更多类型的查询，以获得越来越多的相关信息。
机器人也取代了财务部门的“部落知识”。目前，只有当有人翻译信息时，非财务专业人员才能理解财务信息。通过机器人，公司的集体知识被收集并提供给更广泛的人群。
虽然这对某些人来说似乎有些未来感，但大多数人已经通过智能手机上的流行Alexa，Echo和Siri等消费产品使用这种技术，这些智能手机是使用情境智能的语音助手。
在商业领域，Oracle正在使用其数据即服务(DaaS)云将自适应智能嵌入其云应用程序中以实现财务(和其他功能)。该系统被称为 自适应智能折扣，它将Oracle的数据池(使用Oracle DaaS)与您公司的数据相结合，并使用算法确定哪些供应商可能会利用折扣来换取提前付款，以及何时。要在没有人工智能的情况下实现这一目标，至少需要一名全职人员来分析供应商的行为。
人工智能如何提高安全性
当公司考虑人工智能时，往往会出现两个问题：安全性以及对专业培训的潜在需求。
关于安全性，AI / ML减少了管理公司数据的最大漏洞之一：人类参与。传统上，当检测到威胁时，供应商会创建补丁并将其发布，然后将补丁推送给公司员工或第三方承包商进行申请。这个过程可能需要几天时间，并且一些公司已经知道在应用补丁之前需要几个月的时间才能获得补丁。
使用AI / ML，威胁和修复之间的“漏洞差距”非常小。在检测到威胁时，会自动创建补丁并在系统范围内应用。
AI提高安全性的另一种方法是减少暴露给人类的数据量; AI提供更有针对性的信息。例如，在NHS，职员无需访问和查看所有数据。相反，他只获得查询的结果，该查询公开了一小组数据。
至于培训员工如何使用AI / ML，这与技术提供商有所不同。例如，通过Oracle自适应智能应用程序，AI嵌入在企业用户每天都知道和使用的ERP和EPM云系统中。财务团队不需要广泛的培训。
最终，AI / ML将帮助财务专业人员有效地处理快速增长的复杂交易量。它将使他们摆脱平凡的手工交易任务; 协助他们做决策; 并允许他们贡献自己的人力资源，创造力和商业知识，以帮助解决业务问题并制定最佳业务战略。
