Verschenen in het magazine van Juni 2018
5 Juli 2018 //
Jo Cobbaut
“Medewerkers op de financiële afdeling willen het anders”
Hoe werd artificiële intelligentie plots een keukentafelthema? Oracle en FDmagazine kijken samen met dertig CFO’s naar fenomenen als machineleren, blockchain, artificiële intelligentie en robotisering.

Twéé biljoen dollar of 100012: zoveel zullen cloud- en andere digitale technologieën binnen tien jaar bijdragen aan de Amerikaanse economie. Dat blijkt uit een studie van Dr Michael Mandel van het Mack Institute aan Wharton (‘Intelligent Finance: How CFOs Can Lead the Coming Productivity Boom’). Tot zover de macro-economische insteek. Artificiële intelligentie is ook een keukentafelthema geworden en niet langer science-fiction of voer voor nerds. Jack Berkowitz van Oracle Adaptive Intelligence is niet verbaasd. Door sociale media en e-commerce raakt de doorsneeconsument vertrouwd met organisaties die relaties leggen tussen zijn surfgedrag en signalen die hij krijgt via sociale media.

 

Modellen bouwen


De technologiemarkt groeit stevig. Processen automatiseren wordt een stuk eenvoudiger door de combinatie van cloud en meer computerkracht. Ook data zijn cruciaal. Bedrijven die hun data op orde hebben, kunnen meer waarde creëren. Jack Berkowitz ziet zelfs strategische allianties ontstaan tussen bedrijven die hun data combineren, zoals spelers uit de zorgsector en de farma.

 

Om waarde toe te voegen, is het aan bedrijven om modellen te bouwen rond hun interne en externe data, op maat van hun bedrijfsactiviteit. Dat geldt natuurlijk ook voor de CFO, die data gebruikt om pakweg sneller de risico’s te identificeren op het vlak van accounts receivable. CFO’s halen vandaag wellicht al moeiteloos spreadsheets uit hun systemen, stellen de panelleden, maar met geïntegreerd machineleren kan het systeem ook actie ondernemen of acties suggereren op basis van patronen die het herkent. Dat herkennen van patronen speelt vooral bij grote volumes en hoge frequenties, waardoor het systeem als het ware leert. Het optimaliseert permanent.

 

Convergerende technologieën


Het gaat daarbij om sneller, maar ook om ‘beter’. Bedrijven besparen als ze kosten sneller in kaart brengen. Ze zijn geruster dat er geen fraude gebeurt als een systeem beter transparant maakt wie wie uitnodigt voor trips, etentjes etc. Het gaat dus om banale én minder banale processen. Oracle zelf, een beursgenoteerd miljardenbedrijf, sluit de boeken op bijna- permanente basis af. Dat gebeurt met de helft van de boekhouders, stelt Jack Berkowitz.

 

Steve Muylle, full professor & partner bij Vlerick, wijst op het hoge potentieel dat nu ontstaat doordat een aantal factoren convergeren. “Succes hangt af van de manier waarop je convergerende technologieën als big data, blockchain, cloud computing en artificiële intelligentie inzet voor je bedrijfsdoelstellingen.”

 

Machineleren


Machineleren is gebaseerd op het herkennen van statistische patronen. Het systeem past zich aan op basis van feedback. En dus leert het ook. Een systeem stelt een oplossing voor, krijgt feedback (goed, niet goed) en probeert opnieuw. Het herhaalt dat snel en zolang het nodig is om een voldoende niveau te halen. Steve Muylle vergelijkt het met een jong kind dat leert spreken. Het kind bestudeert geen grammatica, leert geen woordenlijsten. Het produceert talige uitingen, krijgt feedback van zijn omgeving en probeert opnieuw, tot het bevestiging krijgt.

 

Lerende systemen


De oudste lerende systemen evolueerden onder begeleiding van mensen, die extra data toevoegden. De nieuwere generaties hebben die interventie niet meer nodig en genereren zelf data op basis waarvan ze leren. Steve Muylle illustreert met spelletjes. Bij het schaken zijn zeer veel combinaties mogelijk, maar voor een machine is het geen probleem om bestaande partijen te analyseren.

 

Op die manier versloeg Deep Blue uiteindelijk schaakgrootmeesters. Bij het bordspel Go zijn er gigantisch veel meer combinaties mogelijk, waardoor het intuïtief leren op basis van patronen belangrijker wordt. Het leren wordt dus belangrijker dan de rekenkracht.

 

Wat betekent dit voor bedrijven? Steve Muylle wijst op een studie van Accenture (Organizational Insights uit 2017). Op financiële afdelingen kunnen systemen zowat de helft van het personeel vervangen: accountants (min vijftig procent), budgetanalisten (min vijftig procent), financiële analisten (min dertig procent), fiscalisten (min zestig procent), auditeurs (min zeventig procent) en treasurers (min veertig procent).

 

Snelle evolutie


Steve Muylle stelt vast dat de evolutie heel snel gaat. Het wordt tijd voor managers om praktijkvoorbeelden te zoeken die vandaag al werken. Hij schetst voorbeelden uit HR (kandidaten screenen voor rekrutering), volautomatische digitale marketeers (Albert), onderzoeksomgevingen (expertise van de bijna gepensioneerde experten capteren in een systeem)… Ze begonnen alle als kleinschalige en relatief goedkope pilootprojecten. “Aan de CFO’s om hun collega’s in het directiecomité en IT te overtuigen van de mogelijkheden. Het zal je trouwens helpen om collega’s uit te dagen die om extra middelen vragen.”

 

Apps uit het dagelijks leven


Ook Joris Van Malderen, managing director Accenture Products en global lead of Finance Transformation Practice bij adviesbedrijf Accenture, ziet het plots heel snel gaan. “Tien jaar lang waren we vooral bezig met procesautomatisatie. Sinds twee jaar zorgt de combinatie van data en snelle verwerkingscapaciteit ervoor dat we dingen kunnen doen die eerder onvoorstelbaar waren.” De verandering betreft niet enkel de technologie. Doordat mensen apps gebruiken in hun dagelijks leven, verwachten ze dat veel van die functies ook mogelijk zijn in hun professionele omgeving. “Klanten, medewerkers, ook op de financiële afdeling, willen het nu anders. De algoritmen die de Amazons, Googles en Facebooks van deze wereld gebruiken, zullen nu ook de praktijk van medewerkers in organisaties veranderen.”

 

Machinaal matchen


Bruno Thollebeke, CFO van Randstad Belux, herkent een en ander, zeker de voorbeelden uit de HR-sfeer. Data, zij het dan clean data, worden ook voor hem de basis voor toepassingen met artificiële intelligentie. “We begonnen met robotic process automation en integreerden die techniek in onze systemen. Daarna onderzochten we de mogelijkheden om ongestructureerde data om te zetten in gestructureerde data, want die laatste zijn verwerkbaar in bots.” Het eerste terrein dat zich leende voor leerprocessen met artificiële intelligentie was dat van de matching tussen kandidaten en werkgevers, omdat daarover voldoende data beschikbaar zijn. Randstad test nu twee jaar en toetst de uitkomsten van het matchingsysteem nog aan die van consultants. “Het systeem presteert op een steeds hoger niveau. Het ziet ernaar uit dat een pure machinale matching mogelijk wordt.”