For noen år siden var en månedlig avslutning med manuell avstemming på tvers av et par ERP-systemer og en styrepakke som landet en uke etter periodeslutt, en forsvarlig løsning. Neste nivå av funksjonalitet, en konsolidert sanntidsvisning med mulighet til å drille fra enhver KPI ned til en kildebokføring i et hvilket som helst datterselskaps regnskap, kostet et flerårig IT-prosjekt. De fleste konsern valgte det ikke, og de hadde rett i det, for avkastningen var vanskelig å forsvare.
Det kompromisset har endret seg, og jeg tror ikke endringen er priset inn.
Det AI endret er ikke det de fleste antar. Den konsoliderte sanntidsvisningen var alltid en mulighet. Flaskehalsen var å bygge det, ikke å drifte det. AI gjorde det dramatisk billigere å bygge det. Kontokartlegging på tvers av uoverensstemmende kontoplaner er et klassifiseringsproblem, og AI håndterer slike godt. Å oppdage konserninterne transaksjoner på tvers av enheter er mønstergjenkjenning, og AI håndterer også slike godt. Arbeidet som tidligere krevde et standardiseringsprosjekt på tvers av hvert datterselskap, krever nå at en controller godkjenner foreslåtte kartlegginger i omtrent tjue minutter i uken.
Kostnaden for å bygge bro falt. Standarden flyttet seg. De fleste økonomidirektørene jeg har snakket med siden jeg begynte i Corvenia har ikke sjekket det.
Slik ser det ut i praksis. To konsern, samme form. Tjue datterselskaper hver. Tre eller fire ERP-systemer i miksen. Tripletex for de norske operasjonene, Business Central for den tyske, Visma Net for selskapet som ble kjøpt opp i første kvartal.
Konsern A avslutter fortsatt månedlig, avstemmer manuelt, presenterer styrepakken uken etter.
Konsern B har en levende konsolidert visning. Økonomidirektøren driller fra enhver konsernlinje til kildebokføringen i et hvilket som helst datterselskap. En agent avdekker avvik før controlleren spør.
Begge bygget funksjonaliteten med start i dag. De betalte omtrent det samme. Forskjellen er hva hver enkelt gjorde med hvor modellen berører tallene.
Hvor modellen berører tallene er den underliggende arkitektoniske beslutningen, og de fleste nye verktøy gjør den samme feilen. De lar én modell håndtere alt i samme omgang.
Disse modellene er gode på klassifiseringsarbeid, ta for eksempel kontokartlegging på tvers av datterselskaper: Et datterselskap som bruker Tripletex merker en ekstern tjenestekostnad på én måte; et annet som bruker Fortnox merker samme type kostnad annerledes. AI kartlegger begge inn i samme konsernlinje, controlleren godkjenner, og det som tok en analytiker seks uker tar nå tjue minutter.
Disse modellene er dårlige på aritmetikk, en konsernintern gjeld på 1 000 000 NOK mellom to enheter krever en elimineringspost på nøyaktig minus 1 000 000 NOK, ikke noe modellen er 99 % sikker på er nær. En balanse som er 99 % balansert er ikke balansert.
Kjør begge jobbene gjennom én AI, og matematikken driver av. En liten feil på ett konserninternt lån er usynlig på linjen. På tvers av 40 datterselskaper akkumuleres det til en konsern-EBITDA revisoren finner ved årsslutt, etter at styret har sett feil tall to ganger.
Den rene måten er tre lag. AI på toppen for klassifiseringsarbeidet. En deterministisk motor i midten for aritmetikken. Uforanderlig sporbarhet i bunnen som sporer hvert konsernnummer tilbake til en kildebokføring i et navngitt datterselskap. Hvert lag gjør det ene det er godt til.
Jeg har fremført dette argumentet før i et annet domene. De åtte årene jeg tilbrakte som CTO i et bedrifts-AI-selskap som bygget for forsikringsbransjen, hadde det samme tilbakevendende spørsmålet i arkitekturgjennomganger. Hvor i stakken berører modellen tall som må være forsvarlige under regulatorisk granskning? Mønsteret gjentar seg her. Nyheten er AI-laget på toppen. Den deterministiske kjernen under er eldre enn AI-samtalen med flere tiår. Feilen de fleste nye finans-AI-produkter gjør, er å behandle det nye laget som en erstatning for den gamle kjernen i stedet for et tillegg til den.
Konsernets økonomidirektør som fortsatt kjører det manuelle, månedlige oppsettet, er ikke tregere ved månedsslutt på noen måte som tidligere spilte en rolle. Å være tregere ved månedsslutt var akseptabelt i 2022. Ulempen viser seg nå på steder som tidligere var usynlige. Når sponsoren ber om en 13-ukers kontantstrøm samlet på tvers av de fire ERP-systemene innen fredag, kan du ikke produsere det uten tre uker med analytikerarbeid. Når due diligence starter på enheten som ble kjøpt opp i første kvartal, kan du ikke svare på spørsmålet om enhetsøkonomi. Når revisoren trekker i tråden for sporbarhet på en Q3-eliminering, kan du ikke vise kildebokføringen den sporer tilbake til. Spørsmålene er de samme spørsmålene som de alltid har vært. Det nye er at svaret nå forventes innen minutter, fordi sammenlignbare selskaper har det innen minutter, fordi standarden flyttet seg.
Budsjettformen er flaskehalsen. Kategorien i økonomidirektørens hode er fortsatt "konsolideringsprosjekt", kostnadsmodellen er det flerårige IT-prosjektet de husker fra 2022, posten for 2027 er bygget rundt en leverandør hvis prising forutsetter det engasjementet. Den nye formen, uker med tilkobling snarere enn måneder med utskifting, passer ikke budsjettformen som allerede var godkjent.
Vi bygget Corvenia for den nye formen. Kartlegging er AI. Elimineringer er deterministiske. Sporbarhet er uforanderlig. ERP-systemene blir der de er. Qben Infra driver over 40 datterselskaper på tvers av fire ERP-systemer med denne arkitekturen, inkludert Tripletex, Fortnox, PowerOffice Go og Xledger. Å ta i bruk en ny enhet tar dager, ikke den flermåneders integrasjonen IT-kalenderen fortsatt forutsetter.
