Les directeurs financiers doivent investir dans l'intelligence artificielle (IA) dans les prochaines années, ou leurs entreprises seront laissées à la traîne, selon Gartner, Inc. Dans une enquête menée auprès de 300 directeurs financiers et responsables des finances en mai 2020, 90 % des personnes interrogées ont déclaré qu'elles prévoyaient d'investir " plus, moins ou le même montant " dans l'IA depuis COVID-19.Pour tirer tous les bénéfices, et donc l'avantage concurrentiel, de ces investissements, les DAF doivent regarder au-delà des projets qui visent uniquement à moderniser la fonction.
"Il n'y a rien de mal à utiliser l'IA pour moderniser la fonction financière. C'est un travail très important", a déclaré Clément Christensen, directeur au sein de la pratique Finance de Gartner. "Cependant, les récompenses les plus impressionnantes de l'IA reviendront aux directeurs financiers qui réfléchissent plus largement à la manière dont la technologie peut changer fondamentalement la façon dont leur entreprise exerce ses activités."
Les principales priorités devraient être d'améliorer l'architecture de données de l'organisation pour soutenir les futurs objectifs de l'IA, d'investir dans des scientifiques de données citoyens afin que la production d'IA puisse être rapidement mise à l'échelle en cas de succès, et de remanier la suite de rapports de l'organisation afin qu'elle soit mieux alignée sur les besoins des clients internes plutôt que sur les "tâches financières" traditionnelles."
"La plupart des directeurs financiers sont conscients que pour atteindre leurs objectifs de numérisation fonctionnelle, ils doivent mener des projets de technologie numérique plus expérimentaux et moins familiers", a déclaré M. Christensen. "Malgré cela, ils suivent des approches axées sur les cas d'utilisation pour les projets d'IA qui ont tendance à avoir un parti pris pour la modernisation et l'amélioration des processus familiers afin d'obtenir des gains de retour sur investissement facilement quantifiés."
Par exemple, un cas d'utilisation courant de l'IA consiste à utiliser l'apprentissage automatique pour prédire les clients enclins aux retards de paiement et à leur envoyer plus tôt des rappels de paiement ou à poursuivre automatiquement les mauvais payeurs. La réduction des retards de paiement a un retour sur investissement clair dans la mesure où elle améliore la trésorerie de l'entreprise. Cependant, il ne s'agit pas d'utiliser l'IA pour faire quelque chose de nouveau. Le service financier aurait de toute façon poursuivi ces paiements, mais de manière moins efficace.
D'autre part, une véritable transformation pourrait consister à utiliser l'IA pour identifier les retards de paiement probables au stade de la vente, de sorte que les prospects soient classés par ordre de priorité en fonction de ceux qui sont susceptibles de payer le plus rapidement. Cela pourrait transformer l'approche d'une entreprise en matière d'atténuation des retards de paiement et améliorer encore plus la trésorerie tout en réduisant la nécessité de poursuivre les paiements à l'avenir, libérant ainsi le temps de la fonction financière pour des travaux à plus forte valeur ajoutée.
"L'option de transformation n'a pas un retour sur investissement immédiatement mesurable comme l'option de modernisation, mais le gain final est potentiellement beaucoup plus important", a déclaré M. Christensen.
Pour éviter le biais inhérent à une approche des projets d'IA axée sur les cas d'utilisation, les experts de Gartner conseillent aux directeurs financiers de commencer par un problème à résoudre, et non par un processus à moderniser.
"Il suffit d'un petit changement d'état d'esprit dans la façon dont les directeurs financiers pensent au déploiement de l'IA pour faire la différence entre un projet qui modernise une entreprise et un projet qui la transforme, ce qui est là où se trouvent les plus grands avantages concurrentiels", a déclaré M. Christensen.
Source : Gartner
Et vous ?
Qu'en pensez-vous ?
Voir aussi :
Les entreprises sont motivées pour adopter l'IA malgré les difficultés, dont le manque de personnel qualifié et les difficultés de recrutement, d'après l'enquête sur l'adoption de l'IA d'O'Reilly Qiskit Machine Learning, un outil d'IBM qui permet aux développeurs d'ajouter de la puissance du calcul quantique à l'apprentissage automatique, pour améliorer les modèles d'apprentissage automatique