IBM：AI 對財務職能的量化影響：改善流程質量、降本增效（2022）（36頁）.pdf

《IBM：AI 對財務職能的量化影響：改善流程質量、降本增效（2022）（36頁）.pdf》由會員分享，可在線閱讀，更多相關《IBM：AI 對財務職能的量化影響：改善流程質量、降本增效（2022）（36頁）.pdf（36頁珍藏版）》請在三個皮匠報告上搜索。

1、IBM 商業價值研究院|對標洞察AI 對財務職能的 量化影響改善流程質量、降本增效2我們致力于幫助財務組織提高財務流程效率，打造基于智能工作流的智能財務。這些工作流可以查找、連接和分析數據，揭示可以為智能決策提供信息依據的深刻洞察。我們的財務顧問將與客戶攜手合作，為端到端流程提供建議和管理。如需了解更多信息，請訪問 如何提供幫助1AI 為整個財務職能創造可量化的運營效益。摘要AI 在財務領域有巨大的潛力尚待發掘。只有大約五分之一的受訪組織在財務計劃與分析、記錄到報告、訂單到現金、采購到付款領域運行或優化 AI。AI 對財務流程和應用具有重大影響。正在實施的主要 AI 用例包括關鍵績效指標(KP

2、I)選擇與監控、結算與合并、收款、財務預測以及市場績效對比。AI 正在推動改善運營效益。采用 AI 會對財務職能成本以及財務領域的特定生產力指標產生積極影響。2引言 如今，企業對 CFO 和財務職能寄予了更高的期望 CFO 和財務職能既要成為企業發展的“穩定器”，又要扛起推動轉型的大旗，這不僅帶來更大的風險，卻也增加了機遇。為了兼顧這兩項相悖的職責，推動整個企業創造價值，財務組織需要采用新的方法、新的工具、新的視角以及新的組織結構和技能，尤其是與數據相關的技能。然而，CFO 們對于其財務組織履行職責的效能也態度不一（參見圖 1）。1 根據 IBV 2022 年最高管理層 CFO 研究報告，受訪

3、高管們表示其財務組織在處理傳統財務任務（事務處理）方面的效能最高；但仍然有五分之二的受訪高管對此給出了否定的回復。只有 47%的受訪高管認為其財務組織擅長衡量和管理績效 這項任務自 2013 年以來未見改善。只有 38%的受訪高管表示在計劃和執行戰略方面具有高效能，相比同期下降了 25%。在控制和風險管理方面，效能下降的幅度更大：自 2013 年以來下降了 31%。為了增強效能，財務部門需要快速選擇正確的行動方案，這就需要在適當的時間獲得適當的數據，確保暢通無阻地做出執行決策。財務部門應當花費適量的時間和精力來做出決策，在不影響質量的情況下提高效率。3傳統財務任務績效評估和管理控制/風險管理戰

4、略計劃與執行問：您組織的財務職能在以下領域的效能如何？信息來源：IBV 2022 最高管理層 CFO 研究報告。50%47%51%57%47%64%44%38%31%降幅25%降幅圖 1 財務效能 戰略和控制效能呈下降趨勢2013 20212013 20212013 20212013 20214AI 可以成為一項關鍵推動因素，助力企業變革工作方式，改善業務成效。AI 可以應用于改善事務活動，為決策提供有力支持。AI 自動化功能可以替代手動任務，助力企業簡化財務流程，做出更加明智的決策，并最終加強業務合作。在記錄到報告(R2R)一般會計和報告領域，AI 驅動的工作流和數據模型可以引入對賬模塊來匯

5、總子分類賬交易，并執行基于風險的對賬和認知預測。事實證明，基于 AI 的采購到付款(P2P)流程自動化有助于提高生產力，并助力財務部門更有效地檢測欺詐性發票。2 AI 驅動的訂單到現金(O2C)創新有助于執行信用評分、做出定價決策以及預防付款欺詐。AI 和高級分析被列為財務計劃與分析(FP&A)流程的關鍵組成要素，有助于激發和協調計劃與績效管理。AI 是指能夠理解、推理、學習和交互的新一代信息系統。AI 可以持續建立知識體系，不斷學習和理解自然語言，從而實現上述目的。與傳統的可編程系統相比，AI 不僅具備邏輯推理能力，而且還可以更自然地與人類進行交互。觀點AI 定義45鑒于這一巨大的財務機遇，

6、IBM 商業價值研究院(IBV)聯合美國生產力與質量中心(APQC)，針對全球范圍內的 1000 位高級財務人員開展了一項調研。這項調研涵蓋了受訪組織在四個關鍵財務領域（R2R、P2P、O2C 和 FP&A）以及財務組織績效方面采用 AI 的情況。這項調研已于 2021 年完成，旨在量化 AI 對運營級別指標的影響。AI 采用者（即表示在四個財務領域中的任何一個領域試點、實施、運行或優化 AI 系統的受訪高管）估算了 AI 對其通用財務指標評分的影響程度。在所有受訪高管中，大約有一半表示在每個領域都采用了 AI，只有五分之一的受訪高管表示正在運行或優化 AI 系統（參見圖 2）。超過 80%的

7、 AI 采用者將 AI 融入其日常業務運營環境的時間還不到兩年。15%13%14%15%14%15%14%14%11%13%13%13%11%8%7%8%正在試點 正在實施正在運行正在優化51%50%49%48%圖 2AI 在各個財務領域中的采用情況大約一半的組織表示在每個財務領域都采用了 AI財務計劃與分析訂單到現金記錄到報告采購到付款6案例研究媒體公司：優化記錄到報告 結算周期3以下因素導致這家媒體公司的結算流程變得復雜：眾多資源參與日記賬編制和對賬的相關子流程；團隊工作量分配不均；缺乏標準的模板、流程和統一的技術，容易導致錯誤和問題升級。AI 幫助該公司解釋海量數據、重新設計流程以及實現

8、流程標準化和自動化。AI 還有助于識別哪些人員可以更加快速和準確地完成相同的工作，并提供關于重新分配工作量的合理建議。最終，該公司的周轉時間縮短了 2.2 小時，錯誤率降低到 0.5%以下，效率則大幅提升了 24%。67在所有受訪高管中，大約一半表示 在四個財務職能領域都采用了 AI。8基于數據統計分析的經驗性證據表明，采用 AI 會對財務職能成本以及財務領域的特定生產力指標產生正相關的積極影響。這種相關性并不意味著因果關系，因為許多其他因素也會對財務績效產生積極影響，例如采用其他指數型技術、運營模式、財務技能和精益流程。從年度財務職能總成本占收入的百分比來看，一半的 AI 采用者認為 AI

9、將這一百分比減少了 7%或更多，四分之一的 AI 采用者認為 AI 將這一百分比減少了 14%或更多（參見圖 3）。顯然，AI 可以通過智能自動化減少勞動密集型的重復性任務，從而幫助企業簡化事務處理流程。而對于表現最差的四分之一的 AI 采用者群體，他們的財務職能成本增長了至少 2%，這可能表明其 AI 實施并不成功。AI 對財務指標的影響顯然，AI 可以通過智能自動化減少勞動密集型的 重復性任務，從而幫助企業簡化事務處理流程。9圖 3AI 對財務職能成本占收入 百分比的影響一半的 AI 采用者認為 AI 將財務職能成本占收入的百分比減少了 7%或更多年度財務職能總成本占收入的 百分比（中位數

10、）=1.28%估計 AI 對指標的影響*第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021。AI 帶來增長AI 帶來減少-7%-14%2%010過去 12 個月重新部署的財務職能全職員工數量占財務職能全職員工總數的百分比也反映了這項 AI 優勢（參見圖 4）。居中位的 AI 采用者將 40%或更多的這種變化歸因于 AI，讓這些員工能夠重新聚集于戰略活動。圖 4AI 對重新部署的財務職能全職員工數量的影響居中位的 AI 采用者將 40%或更多的這種變化歸因于 AI過去 12 個月重新部

11、署的財務部門全職員工（包括合同工和外包資源）數量占財務部門全職員工總數的百分比（中位數）=6%估計 AI 對指標的影響*第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021。AI 帶來增長AI 帶來減少030%40%50%11記錄到報告受訪高管表示正在大量“記錄到報告”活動中實施 AI（參見圖 5）。KPI 將為企業的戰略執行提供指導。財務部門可以幫助企業做出制定和執行戰略所需的艱難選擇，包括支持受 AI 影響的 KPI。在 KPI 選擇和監控中運用 AI 不僅有助于確定需要衡量的成效

12、，而且還有助于對成效進行衡量和優先級排序。在結算和合并流程中，AI 可以協助自動處理日記賬分錄以及完成賬戶對賬。日記賬分錄 AI 智能顧問可利用歷史行為和規則來執行定性審查，幫助實施組織政策以及生成關于績效和業務影響的早期洞察。機器學習可提供關于對帳異常的切實可行的洞察。風險洞察可重點呈現不同時間段內的交易異常?；?AI 技術的風險報告流程可以識別和管理新出現的風險。例如，AI 解決方案可以從新聞和社交媒體中提取事件脈絡，并從中識別潛在風險。隨后，AI 解決方案可以根據選定的風險驅動因素來預測可能會在哪些場景中產生業務影響。圖 5 實施 AI 用例：記錄到報告超過 40%的受訪高管正在此領域

13、實施 AI40%41%KPI 選擇和監控結算和合并會計法規風險報告47%45%選擇目前正在實施與財務相關的 AI 用例的受訪高管百分比。1112在評估 AI 對業務的影響時，受訪高管估計 AI 幫助減少了在業務實體級別執行每月關賬所需的天數（參見圖 6）。這項指標用于衡量每個月末的關賬速度，更快的關賬速度有助于加快財務信息報告流程。一半的 AI 采用者認為 AI 將每月關賬時間縮短了至少 25%，四分之一的 AI 采用者認為 AI 將每月關賬時間縮短了至少 67%。第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV

14、績效數據與對標分析計劃。2021.AI 帶來增長AI 帶來減少0圖 6AI 對每月關賬周期時間的影響一半的 AI 采用者認為 AI 技術將每月關賬時間縮短了至少 25%。0在業務實體級別執行每月關賬所需的平均天數（中位數）=10 天估計 AI 對指標的影響*-25%-67%13采購到付款在采購付款流程中實施 AI 有助于簡化流程和改善決策（參見圖 7）?；跀祿Ｐ偷?AI 驅動型工作流可有效優化非接觸式處理，并為買家、供應商、采購和財務人員提供統一的界面。根據業務規則驗證發票，進行編碼 并自動匹配到采購訂單。支出和定價智能可在采購過程中提供洞察力。AI 可以自動處理采購事務，還可以自動管理來

15、自買家和供應商的問詢。圖 7實施 AI 用例：采購到付款大約 40%的受訪高管在此領域 采用了 AI選擇目前正在實施與財務相關的 AI 用例的受訪高管百分比。42%40%41%41%39%主數據管理費用管理欺詐防范采購單應付賬款處理1314對于從收到發票到審批并安排付款的天數（參見圖 8），一半的 AI 采用者認為 AI 將這一周期時間縮短了 33%或更多，四分之一的 AI 采用者認為 AI 將這一周期時間縮短了 100%或更多。審批階段的發票會產生成本?？s短這項周期時間 KPI 表明企業改善了 P2P 流程的效率。而且，財務部門還可以獲得許多額外優勢，包括提前付款折扣、有利的付款條件以及避免

16、滯納金。第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021.AI 帶來增長AI 帶來減少0圖8AI 對從收到發票到審批并安排付款的周期時間的影響一半的 AI 采用者認為 AI 將這一周期時間減少了 7%或更多0從收到發票到審批并安排付款的周期時間（包括周末）（中位數）=5 天估計 AI 對指標的影響*-33%-100%15訂單到現金受訪高管表示正在開票/計費、收款和付款流程中實施 AI（參見圖 9）。在這些活動以及訂單管理、爭議和扣減流程中，AI 可以從文檔和非結構化數據中收集數據，

17、加以處理并進行分發。這種自動化流程可以避免驗證數據以及手動將數據填充到訂單到收款系統中。AI 智能顧問會在訂單到收款流程的關鍵時刻呈現洞察，從而優化決策以及提高數據提取和匹配的準確性。例如，AI 可以幫助創建和驗證發票，以及分析和處理爭議。組織可以使用基于 AI 的客戶細分功能對高風險客戶的收款進行優先級排序，還可以利用 AI 技術來預測付款時間。隨后，財務人員可以處理有效扣款的后續流程，并幫助確?？蛻魸M意度?；?AI 智能化工作流可以自動在當天申請發票和匯款所需的現金，并自動管理親子關系、預付款等場景。4圖 9實施 AI 用例：訂單到現金超過 40%的受訪高管表示正在 此領域采用 AI43

18、%44%42%收款付款匹配發票/計費選擇目前正在實施與財務相關的 AI 用例的受訪高管百分比。1516大型消費品公司：提高收款效率，改善客戶體驗5 多個相互孤立的收款相關系統形成了孤立的流程，并需要員工執行多項復雜操作，從而導致該企業及其客戶的業務成效都不盡如人意。該企業采用了一個基于 AI 的認知收款平臺。該平臺可以從客戶的購買記錄、付款模式和趨勢中進行學習，并提供整改建議，包括重新配置工作流。借助敏捷的智能化解決方案，收款人員可以自行做出更明智的決策。最終，該企業的收款人員效率提高了 35%，拖欠的應收款項減少了 30%，客戶滿意度提高了 25%。案例研究1617受訪高管評估了 AI 對年

19、度壞賬金額占收入的百分比產生了影響（參見圖 10）。這項 KPI 用于衡量訂單到現金(O2C)流程的效率，可幫助企業減少浪費、優化資源利用并最終改善收款流程。6 一半的 AI 采用者認為 AI 將這一百分比減少了至少 2%，四分之一的 AI 采用者認為 AI 將這一百分比減少了至少 8%。圖 10AI 對壞賬金額占收入百分比的影響四分之一的 AI 采用者認為 AI 技術將這一百分比減少了至少 8%。年度壞賬金額占收入的百分比（中位數）=.65%估計 AI 對指標的影響*第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IB

20、V 績效數據與對標分析計劃。2021.AI 帶來增長AI 帶來減少03%-2%-8%18在應收賬款周轉天數(DSO)（參見圖 11）方面，一半的 AI 采用者認為 AI 將這一指標減少了 13%或更多，四分之一的 AI 采用者認為 AI 將這一指標減少了 24%或更多。DSO 用于衡量企業從客戶處收回付款所需的平均天數。7 縮短 DSO 有助于提高流動性。圖 11AI 對應收賬款周轉天數的影響一半的 AI 采用者認為 AI 將應收 賬 款 周轉天 數 減 少了 13%或更多平均應收賬款周轉天數（中位數）=42 天估計 AI 對指標的影響*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受

21、訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021.第 25 分位中位數第 75 分位AI 帶來增長AI 帶來減少00-24%-13%19財務計劃與分析A財務計劃與分析(FP&A)團隊需要匯總和評估關于市場、公司績效、競爭對手信息、定價和運營的大量數據。AI 實施（參見圖 12）可以通過解析此類數據來識別異常、增強預測、優化定價以及提供建議，從而在一定程度上實現勞動密集型流程自動化。AI 可以應用趨勢分析、相關性分析（包括模式和異常檢測）和神經網絡來進行財務預測。借助神經網絡，AI 可以確定數據之間的關系，并用于預測新數據，從而提高預測準確性。8 通過運用 AI 來進行市場

22、績效對比，財務計劃與分析 團隊可以考慮納入更多變量以及內部/外部影響。9 這有助于生成行業場景和行業同行行動，以及執行 ROI 預測。在定價優化領域，AI 分析模型可以平衡獲勝概率與定價、優化預期收入與利潤以及提高贏單率。AI 分析可以將歷史成功和交易特征（產品、配置、交易規模、客戶）納入考量因素，從而支持做出更明智的定價決策?？梢詫⒌扔诨騼炗谧顑炛笇r格的交易設置為“自動審批”，或者采用簡化的審批路徑。圖 12 實施 AI 用例：財務計劃與分析超過 40%的受訪高管表示正在此領域采用 AI44%42%44%43%財務預測市場績效對比定價優化財務計劃選擇目前正在實施與財務相關的 AI 用例的受

23、訪高管百分比。1920案例研究Nukissiorfiit：在財務計劃與分析流程中 利用 AI 創造回報10Nukissiorfiit 是格陵蘭的一家國有能源公司，致力于利用非化石燃料為居民提供水和能源。該公司面臨的一項重大挑戰就是難以提供準確的財務數據和預測。過去，70 人的員工團隊每年只能生成一項預測。而在采用機器學習和分析解決方案之后，Nukissiorfiit 可以自動加速處理和共享智能化預測與成效?，F在，該公司可以更迅速地做出更明智的資本項目決策。從 70 位員工制定年度計劃簡化為僅由 9 位員工來制定月度計劃，計劃和預測流程大幅改善。利益相關者可以及時獲取最新和最準確的信息，業務可見

24、性、預測可靠性和敏捷性大幅提升。相關人員在預測上花費的時間從每年 1000 小時減少至遠低于 200 小時。借助這些解決方案，該公司現在可以運用洞察來設置閾值，并在預測超出范圍時收到警報。此外，該公司還可以根據經驗或其他信息來覆蓋警報。成果：Nukissiorfiit 不僅增強了自身的敏捷性，而且還提高了財務計劃的準確性。AI 的自然語言處理可以捕獲和分析人類語言數據的意圖，并據此提供關于改善財務計劃流程效能的工作方式建議。自動機器學習功能根據傳入數據創建“假設情景”建模，并幫助財務人員更深入地理解未來成效并制定合理計劃。11 通過持續比較當前計劃數據與歷史數據和趨勢，AI 可以協助計劃人員理

25、解差異。AI 可以幫助 FP&A 團隊納入更全面的考量因素，包括經濟數據、組織對標分析和運營數據。12在這些用例中，AI 可以通過智能自動化改善效率（即縮短周期時間），并通過準確的預測能力來提高質量。2021在財務預測用時天數（參見圖 13）方面，一半的 AI 采用者認為 AI 將這一指標減少了至少 25%，四分之一的 AI 采用者認為 AI 將這一指標減少了至少 50%。通過縮短這一周期時間，財務部門可以專注于執行分析，并提出關于調整組織方向的建議。此外，AI 采用者還表示 AI 縮短了短期現金流量預測所需的周期時間。一半的 AI 采用者認為 AI 將這一指標減少了 50%或更多，四分之一的

26、 AI 采用者認為 AI 將這一指標減少了 140%或更多。第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021.AI 帶來增長AI 帶來減少圖 13AI 對財務預測周期時間的影響一半的 AI 采用者認為 AI 技術將這一周期時間縮短了至少 25%。0-25%-50%完成財務預測的平均日歷天數（含周末）（中位數）=12 天估計 AI 對指標的影響*022為了向客戶提供高質量的產品和服務，芬蘭面包烘培生產商 Vaasan 需要利用整個組織中的各種數據源來實現超短的計劃周期。在新冠疫情爆發

27、之初，Vaasan 的面包需求在一夜之間翻了一番，給其供應鏈帶來了巨大的壓力。在預測性分析的支持下，該公司能夠在運營中保持更少的過剩產能，預測能源消耗與成本，以及制定長期產品計劃。在采用基于 AI 的計劃解決方案之后，Vaasan 大幅提升了利潤率和客戶滿意度。目前，Vaasan 正在測試一種可分析成本中心趨勢的模型，旨在幫助計劃人員減少在月底手動篩選數據所花費的時間。案例研究 Vaasan：升級計劃1323一半的 AI 采用者認為 AI 將典型總體預測誤差減少了 20%或更多，四分之一的 AI 采用者認為 AI 將典型總體預測誤差減少了 50%或更多（參見圖 14）。更小的預測誤差可降低風險

28、，讓財務部門能夠在人員配置、生產、資本支出和其他領域做出更明智的決策。不僅如此，AI 采用者還表示 AI 降低了總體銷售額預測誤差和庫存成本預測誤差。第 25 分位中位數第 75 分位*AI 影響：根據受訪者數據得出的計算結果。AI 貢獻占受訪者現行值的百分比。信息來源：IBV 績效數據與對標分析計劃。2021.AI 帶來增長AI 帶來減少0圖 14AI 對典型總體預測誤差的影響一半的 AI 采用者認為 AI 將典型總體預測誤差減少了 20%或更多0典型總體預測誤差（中位數）=2.5%估計 AI 對指標的影響*-50%-20%24案例研究 全球制藥公司：改善預測14某全球制藥公司面臨藥物級別預

29、測準確性低較低的問題。過去，該公司一直采用傳統方法，例如使用歷史數據來估算未來指標。此外，對競爭形勢變化的反應較慢導致投資回報率較低，以及分析數據和確定行動的周轉時間較長。為了解決此問題，該公司開發了一種認知模擬器解決方案，可實現動態、集成和簡化的端到端財務計劃流程。該解決方案內置基于機器學習的預測功能，可通過實時場景計劃引擎從外部視角洞悉真正的市場潛力，還可以準確評估客戶和競爭對手行為、政策變化、市場動態和新法規等因素的影響。最終，該公司將藥物級別的預測準確率從大約 85%提高到了 97%。通過按需計劃優化投資和大幅提高效率，該公司在兩年內錄實現了約 1.15 億美元的超額利潤。2425AI

30、 采用者表示 AI 降低了總體銷售額預測誤差和 庫存成本預測誤差。2601制定轉型路線圖。優先為財務職能制定清晰、定義明確的轉型戰略。這樣一來，CFO 一方面可以確立戰略目標，另一方面可以發現新的和不斷發展的技術機會。超越一維、成本驅動的智能自動化。隨后，財務部門可以創建相應的轉型路線圖來闡明交付 AI 的不同步驟和投資要求。使用商業論證來支持此路線圖，并采用收益跟蹤方法來保障實現投資回報、降低成本、緩解風險以及增強洞察。納入先決條件，注重夯實基礎。在實施 AI 之前，投資建立所需的人員技能、流程、數據和文化，以便充分發揮 AI 技術的優勢。制定深思熟慮的 AI 人才獲取和發展方法。確立流程和

31、系統共性。使用流程挖掘工具來幫助識別最高效和最有效的路徑和惡意變體。將數據置于轉型的中心。建立標準化的財務和非財務數據定義，落實數據治理框架。此外，創建中央存儲庫來集中管理財務、運營和外部數據。財務部門實施 AI 所獲得的回報可能是巨大的。然而，只有五分之一的受訪高管表示正在記錄到報告、采購到付款、訂單到現金、財務計劃與分析領域運行或優化 AI。為了從 AI 中發掘明確的財務價值，財務部門需要將 AI 整合到其轉型戰略中，并更加系統化地衡量績效。行動指南AI 對財務職能的量化影響2702在組織中更廣泛地采用“車庫”概念。財務領域的 AI 計劃會對整個組織產生影響 打造“攜手共創、共同執行”的管

32、理團隊，引入財務、業務、技術和運營部門的領導者。這種集中式創新團隊有助于加速制定未來計劃，并推動在銷售、供應鏈（訂單到現金）和業務線（財務計劃與分析）領域更廣泛地實施和采用 AI。推動建設敏捷的創新孵化器，積極開發 AI 驅動的自動化財務功能。選擇并衡量關鍵流程指標，創建基線來跟蹤持續績效，量化 AI 的影響。03在實施過程中著眼于速度和成效為 AI 驅動的財務轉型制定實施計劃，包括業務目標、里程碑和成本。納入試點和分階段投資，以便快速取得成功并展示解決方案的價值。這還可以構建底層 AI 就緒功能。當試點成功后，就可以在財務部門正式上線。衡量商業論證中定義的 KPI，并與基線水平進行比較，以量

33、化收益實現。定期與利益相關者進行溝通 尤其是需要由他們來提供關鍵數據。例如，在 AI 采購到付款實施中，需要對來自供應商的數據進行清理并作為新系統的輸入。與業務利益相關者開展每周和每月的正式審查，加強執行，確保全面了解障礙、關鍵路徑和價值實現。28Caitlin H 是 IBM Consulting 的合伙人以及數據和財務轉型負責人，擁有 17 年的行業經驗。她負責數據實踐，與數據和財務負責人合作實施數據戰略、ERP 系統、治理、變更管理、數據結構以及數據和 AI 用例。Caitlin 建立了由 1300 多位首席數據官和首席 AI 官組成的 IBM 全球客戶社區，并組織舉辦了行業歷時最長的數

34、據和 AI 系列峰會。關于 作者Monica P 是 IBM Consulting 的合伙人，負責領導全球財務轉型實踐。她擁有 20 年的咨詢和行業經驗。Monica 致力于幫助最高管理層客戶在以人為中心的轉型中融合 ERP 現代化、智能運營、數字化、技術和數據，從而優化財務運營模式并最終推動高速增長。她是一位人才倡導者，致力于持續推動 IBM Consulting 的多元化、公平性、包容性和參與度文化。2829Spencer L Lin 是 IBM 商業價值研究院的全球 CFO 負責人。他負責市場洞察、思想領導力發展、競爭情報以及針對 CFO 議程和趨勢的初步研究。他是最新發布的八項 IBM

35、 全球 CFO 研究報告的合著者。Spencer 在財務管理和戰略咨詢領域擁有超過 25 年的經驗。29Annette LaP 是 IBM 商業價值研究院績效數據和對標分析項目的 CFO 負責人。她負責管理財務管理對標分析，以及定期開展財務相關主題的對標分析研究。Annette 在財務管理和咨詢領域擁有超過 30 年的經驗。30研究和分析方法我們聯合 APQC 針對全球范圍內的 1000 位高級財務人員（角色包括 CFO、財務總監以及財務和會計總監）開展了一項調研。來自各個行業的受訪者評估了其財務組織在記錄到報告、訂單到現金、采購到付款以及財務計劃與分析領域中的績效和 AI 采用情況。受訪者全

36、面負責整個組織的財務和會計工作，可以回答其財務職能的戰略、預算、全職員工和實踐方面的問題。這項調研已于 2021 年完成，旨在量化 AI 對財務運營級別指標的影響。受訪者提供了關鍵運營指標當前績效的相關信息，AI 采用者還估算了 AI 對當前指標結果產生的影響。我們向 576 位 AI 采用者（即在四個財務領域中的任何一個領域試點、實施、運營和優化 AI 的采用者）詢問了以下問題：您組織當前的 KPI 值是多少（因為受訪者均為 AI 采用者，請包括來自 AI 的影響）？如果未采用 AI，您估計您組織的 KPI 值是多少？我們通過兩種方式計算了 AI 在受訪者層面的影響（參見圖 15）：AI 對

37、 KPI 分數的貢獻：AI 對 KPI 分數產生的原始差異 AI 影響占受訪者現行值的百分比。KPI 分數（采用 AI）13%未采用 AI 時的 KPI 分數估算12%AI 對 KPI 分數的貢獻1%AI 影響（AI 貢獻占 KPI 分數 的百分比）1%/13%=8%KPI 分數（采用 AI）45未采用 AI 時的 KPI 分數估算50AI 對 KPI 分數的貢獻-5AI 影響（AI 貢獻占 KPI 分數 的百分比）-5/45=-11%AI 帶來 KPI 分數增長的例子AI 帶來 KPI 分數減少的例子圖 15AI 對 KPI 的影響計算31調研范圍覆蓋全球，包括美洲、歐洲、亞太地區、中東和非

38、洲的 25 個國家。受訪企業代表 16 個行業，包括各種企業規模（參見圖 16）。本研究中引用的數據由研究受訪者自行報告。圖 16受訪者人口統計汽車5%生命科學12%銀行10%媒體和娛樂5%化工和石油精煉6%其他制造業5%電子產品10%零售5%快速消費品5%服務11%政府5%電信運營商3%醫療保健機構5%交通運輸4%保險5%公用事業5%行業分布非洲和中東5%亞太地區40%中美洲和南美洲8%歐洲29%美國和加拿大18%地區分布母公司收入不到 1 億美元5%1 億至 5 億美元28%5 億至 10 億美元21%10 億至 50 億美元20%50 億美元至 100 億美元6%超過 100 億美元21

39、%32IBM 商業價值研究院IBM 商業價值研究院(IBV)成立于 2002 年。憑借 IBM 在商業、技術和社會交叉領域的獨特地位，IBV 每年都會針對成千上萬高管、消費者和專家展開調研、訪談和互動，從中分析提煉出可信賴的、振奮人心和切實可行的洞察，幫助領導者做出更明智的業務決策。需要 IBV 最新研究成果，請在 上注冊以接收 IBV 的電子郵件通訊。您可以在 Twitter 上關注 IBMIBV，或通過 https:/ibm.co/ibv-linkedin 在 LinkedIn 上聯系我們。訪問 IBM 商業價值研究院中國官網，免費下載研究報告：https:/ AI 創造業務價值https

40、:/ 的戰略智慧https:/ https:/ IBM，我們積極與客戶協作，運用業務洞察和先進的研究方法與技術，幫助他們在瞬息萬變的商業環境中保持獨特的競爭優勢。關于對標洞察對標洞察反映的是主管對于重要業務和相關技術主題的洞察。對標洞察基于性能數據分析以及其他一些對標評測結果。如需了解更多信息，請聯系 IBM 商業價值研究院：33 Copyright IBM Corporation 2022國際商業機器（中國）有限公司 北京市朝陽區金和東路 20 號院 3 號樓 正大中心南塔 12 層 郵編：100020美國出品|2022 年 11 月IBM、IBM 徽標、 和 Watson 是 Intern

41、ational Business Machines Corporation 在世界各地司法轄區的注冊商標。其他產品和服務名稱可能是 IBM 或其他公司的商標。以下 Web 站點上的“Copyright and trademark information”部分中包含了 IBM 商標的最新列表： 可能隨時對其進行更改。IBM 并不一定在開展業務的所有國家或地區提供所有產品或服務。本文檔內的信息“按現狀”提供，不附有任何種類的（無論是明示的還是默示的）保證，包括不附有關于適銷性、適用于某種特定用途的任何保證以及非侵權的任何保證或條件。IBM 產品根據其提供時所依據的協議條款和條件獲得保證。本報告的目

42、的僅為提供通用指南。它并不旨在代替詳盡的研究或專業判斷依據。由于使用本出版物對任何企業或個人所造成的損失，IBM 概不負責。本報告中使用的數據可能源自第三方，IBM 并未對其進行獨立核實、驗證或審查。此類數據的使用結果均為“按現狀”提供，IBM 不作出任何明示或默示的聲明或保證。JDEPLEMJZHCN-01備注和參考資料 1“The CFO Study:Strategic IntelligenceCFOs as architects of action and champions of change.”IBM Institute for Business Value C-suite Seri

43、es.January 2022.https:/ IBM Institute for Business Value Performance Data and Benchmarking Program.Unpublished data.2022.3 Based on internal IBM client information.4“AI-Based Cash Application Software.”HighRadius Corporation.Accessed July 25,2022.https:/ Based on internal IBM client information.6“To

44、tal uncollectable balances as a percentage ofrevenue.”APQC.Accessed October 28,2022.https:/www.apqc.org/what-we-do/benchmarking/open-standards-benchmarking/measures/total-uncollectable-balances7“Days Sales Outstanding.”APQC.October 12,2022.https:/www.apqc.org/resource-library/resource/days-sales-out

45、standing8 Manole,Lucy.“5 AI Technologies Powering Intelligent FP&A Solutions.”IT Chronicles.February 8,2022.https:/ Ibid.10 Primerano,Bill.“The future of Financial Planning and Analysis with Digital Transformation.”IBM blog.April 5,2021.https:/ and leaner with intelligent analytics.”IBM case study.A

46、ccessed July 27,2022.https:/ Marmer,David.“IBM brings affordable planning AI to the SMB.”IBM blog.May 20,2020.https:/ Halloran,Grant.“What FP&A teams need to know about AI/ML.”Diginomica.February 8,2021.https:/ Marmer,David.“IBM Planning Analytics delivers continuous integration with Watson.”IBM blog.June 3,2021.https:/ Based on internal IBM client information.掃碼關注 IBM 商業價值研究院官網微博微信公眾號微信小程序