AI: monster en kameraad

Doemscenario’s genoeg. Joe Toscano, ex-werknemer van Google en auteur van Automating Humanity: “Artificial Intelligence (AI) snijdt als een kettingzaag door de maatschappij. Het gaat allemaal te snel voor de mensen om het te begrijpen.”
De Chinese venture-capitalist Kai-Fu Lee (AI Superpowers) denkt dat AI 40 à 50 procent van de banen overbodig maakt. “In die transitie zullen mensen steeds minder vaste voet aan de grond krijgen voor hun baan”, zegt hij in een interview met het FD: “Net als bij een overstroming moeten ze zich als dieren terugtrekken. Springen van rots naar rots.”

Werk wordt alleen maar leuker

“Ik heb niet zo’n doemscenario voor ogen,” zegt Marco de Jong, CEO van Experience Data: “Het werk wordt alleen maar leuker. Je hoeft als financieel expert niet meer al die inkoopfacturen te boeken, die berekeningen te maken en al die standaard-maandverslagen uit je Excel te trekken. terwijl je weet dat je achter de feiten aanloopt. Je houdt altijd te weinig tijd over voor een goede analyse.”

Lees ook: Nederlandse bedrijven voorloper op gebied van AI
De Jong ziet bij bedrijven vooral angst voor het onbekende: ondoorgrondelijke robots en algoritmes. Dat overleg met de IT-afdeling! Al die afkortingen en dat jargon! De Jong: “Dat schrikt af. Dan is het het makkelijkst om niets te doen.” Een slecht idee, vindt hij, want hoe dan ook: AI rukt op. Je kunt niet achterblijven.”
De Jong verwacht vooral dat Machine Learning (ML) van grote betekenis wordt voor financiële afdelingen. Met ML kan een bedrijf van veel kanten een probleem of kans bekijken en berekenen. Bijvoorbeeld de omzet van een bepaalde markt en een bepaald product of een optimale prijs. “Met de huidige tools kun je hooguit een handvol variabelen in je oordeel laten meewegen – meer kan de mens gewoon niet aan.”
Met ML krijg je een betere beschrijving van je klant, want je kunt al je data invoeren voor die ene klant: hoeveel hij koopt en wanneer, welke producten, hoe hij reageert op prijsveranderingen en kortingen, hoe en wanneer hij betaalt, of hij claimt, beroep doet op garanties en nieuwsgierig is naar jouw andere producten. Al die honderden contacten kun je meenemen en meewegen, zodat met ML een ideale mix ontstaat om winst en klanttevredenheid voor dat ene bedrijf te optimaliseren.

AI beslist of bedrijf krediet krijgt

In tien landen werken financials met het Nederlandse bedrijf Advicerobo, dat slimme software maakt dat allerlei gedrag mee laat bepalen of een onderneming krediet kan krijgen. Dat programma gebruikt ook niet-financiële informatie, onder andere aan de hand van vragenlijsten, zoektermen op Google en gedrag op sociale media. In Nederland gebruikt onder meer De Volksbank (ASN Bank, SNS, RegioBank) deze software.

  
Maar de voorzichtigheid is terecht. Want hoe weten we dat AI ons de juiste besluiten aanreikt? Nog maar drie jaar geleden beweerde Twitterrobot van Microsoft (TayTweets) op de eerste dag van zijn lancering op grond van AI en Machine Learning dat ‘Hitler het beter zou hebben gedaan dan de aap die we nu hebben’ (Obama was toen president van de VS, red.). Verder foeterde de robot op Mexicanen en vond hij zwarten een kwaadaardig ras. Voordat TayTweets meer schade zou aanrichten, trok Microsoft de stekker er uit.
China gebruikt AI om het sociale gedrag van zijn burgers te volgen. Het financiële conglomeraat Ping An bepaalt mede aan de hand van gezichtsuitdrukkingen of een klant een krediet krijgt. De AI van Ping An weegt het gedrag mee van het kredietvragende bedrijf: hoe netjes betaalt het?, in wat voor auto rijdt de directeur (heel duur is een minpunt) en hoeveel boetes heeft hij de afgelopen jaren gekregen? Dit is geen toekomstmuziek, maar keiharde realiteit. Ping An heeft op deze manier al 50 miljard euro aan leningen verstrekt aan tienduizenden bedrijven – zonder dat er één medewerker bij betrokken was.

AI is beangstigend

Arjan Hofman, partner bij adviesbureau ACS Partners, is voorzichtig over AI: “Ik vermoed dat het de komende jaren een grotere vlucht neemt, met verschillende toepassingen, maar vind dat tegelijkertijd ook beangstigend. Ik vraag me af of organisaties straks begrijpen wat er onder de motorkap van die AI-modellen plaatsvindt. Bijvoorbeeld: Hoe betrouwbaar zijn de beslissingen die door het AI-model worden genomen en op basis waarvan neemt het systeem een beslissing?”
Hofman zegt dat AI razendsnel besluiten kan nemen, maar geen rekening houdt met de context en de impact van die besluiten: “Hiervan moet je je bewust zijn, om te voorkomen dat er ernstige situaties ontstaan. Want je blijft als management natuurlijk verantwoordelijk voor de gevolgen. Inzicht in hoe resultaten tot stand zijn gekomen, blijft een randvoorwaarde bij het gebruik van AI.”
Hij ziet nu vooral meerwaarde in toepassing van proces mining (PM) en robotics process automation (RPA). “Met PM kun je bedrijfsprocessen verbeteren, omdat je inzicht krijgt in hoe die worden uitgevoerd in vergelijking met de op papier ontworpen processen. Daarmee kun je bijvoorbeeld snel zien hoe een transactie is gelopen, zoals: zijn alle stappen in een inkoopproces volledig doorlopen, inclusief de checks-and-balances én op welke punten kan het efficiënter? RPA stelt organisaties in staat routinematige- en repeterende taken van medewerkers te automatiseren.”
Hofman schat dat 30 procent van het werk van financials routinematig is: nodig, maar voor een deel makkelijk te vervangen door hulpmiddelen. “Elke maand die afsluiting maken, die rapportages in Powerpoint en Excel: dat neemt veel tijd in beslag,” zegt hij. “Doordat RPA veel routinetaken kan overnemen, kunnen medewerkers zich richten op complexer werk dat meerwaarde oplevert.

Waar rennen we naar toe?

Toscano schrijft: “De technologische wedloop gaat zo snel dat we niet weten waar we naar toe rennen.” Hij stelt dat menigeen de vele kansen ziet, maar weinigen weten waar ze moeten beginnen. Het zijn niet alleen technische barrières, zoals: waar haal ik betrouwbare data vandaan en welke data heb ik nodig? Wat de besluitvorming rond AI ook ingewikkeld maakt, is dat een organisatie op onbekende terrein antwoorden moet krijgen op vragen omtrent ethiek, wetgeving en privacy. En wie wordt de baas van het AI-monster?
Negen van de tien managers realiseren zich het belang van AI en data-kennis, staat in een recent onderzoek van Qlik, een adviesbureau op het gebied van data-analytics. Slechts een vijfde doet moeite meer vaardigheden op dit gebied te vergaren. Ondernemingen leggen die verantwoordelijkheid graag bij werknemers. Dezelfde studie wijst uit dat de afgelopen vijf jaar (wereldwijd) slechts 8 procent zijn databeleid heeft aangepast.
Onderzoek van accountantsorganisatie NBA toont de terughoudendheid bij het management aan: in het laatste kwartaal van 2018 wordt in slechts 3,2 procent van alle vacatures voor financieel specialisten gevraagd naar zijn kennis of ervaring met nieuwe technologieën, zoals data-analyse, robotics, data mining, process mining, data visualisatie of machine learning.
De Jong vindt dat financials niet moeten terugschrikken om gedetailleerde data te gebruiken: “Zoals orderregels en kenmerken van de klant of producten. Dat is fundamenteel anders dan kijken naar bijvoorbeeld de omzet per accountmanager, land of productgroep. Je krijgt een beter inzicht in de organisatie, bijvoorbeeld als het gaat om bedrijfsresultaten, uitval of verspilling.

Accepteren dat AI beter is

Ook volgens BI-expert en docent Tom Langerak liggen daar mogelijkheden. Je kunt op zoek naar data, maar data komen sowieso in steeds grotere hoeveelheden naar de financial: “Dan is het dilemma: wat kunnen we of moeten we ermee? En vooral: willen we als bedrijf accepteren dat software controles beter kan uitvoeren dan onze ervaren specialisten?”
Langerak: “Uit mijn praktijk: ik maakte onlangs een plan voor een bedrijf een investering te doen van eenmalig 4 miljoen euro, waarvan ook interne analisten onderschreven dat het tien miljoen euro voordeel per jaar zou kunnen opleveren. Je zou zeggen: een makkelijke business-case. Tot de leiding de handtekening eronder zou zetten: ‘Ja, zei men: helemáál zeker is dat voordeel niet!’” Die twijfel ziet hij vaker: “Vooral door onbekendheid met AI.”
Als bedrijven een AI-traject willen, doemt een tweede probleem op: de data zijn niet in orde. “Daar stagneert het,” ziet Langerak. “Dat is echt een rem op AI. Die data moeten echt goed genoeg zijn voor dat bepaalde doel. In het verlengde hiervan speelt heel erg mee dat veel begrippen vaag zijn, elkaar overlappen en soms hetzelfde blijken. Wat zijn nou ‘omzet’ en ‘marge’ precies? De één interpreteert het anders dan die collega een etage lager.”

Foutgevoelige spreadsheets verdwijnen

Langerak: “AI staat niet morgen al voor je deur te trappelen. Eerst verdwijnen de standaard controller-functies en daarmee de enorme foutgevoelige spreadsheets. Maar dat duurt vijf jaar, vooral omdat veel organisaties niet sneller kunnen veranderen. Alles wat met ‘handmatig’ controleren te maken heeft, is dan verdwenen.” Hij zegt, net als Hofman: begin op een beperkt ambitieniveau: “AI herkent makkelijk, snel en nauwkeurig patronen, die een controller niet of laat ziet. Zoals basisfouten in de facturering, fraude, witwassen. Dat levert al genoeg tijd en geld op.”
AI, PM en RPA zijn veelbelovend, maar kunnen tot problemen leiden als organisaties niet goed zijn voorbereid: “Daarom zijn een stevige administratieve organisatie en risicobeheersing belangrijke randvoorwaarden”, vindt Hofman. “Je moet altijd nagaan of de basis voldoende op orde is, voordat nieuwe technologieën kunnen worden ingevoerd. Net zoals bij alle andere veelbelovende technologieën, geldt hier het adagium: bezint eer gij begint!”