Tallene er klar tirsdag morgen. Rapporten skal afsted torsdag. De to dage midtimellem går ikke med at regne, for regnestykket er lavet. De går med at skrive hvad tallene betyder, rykke fire afdelinger for forklaringer, og formulere det hele så ledelsen kan læse det på tyve minutter.
Det er dér AI til budgetopfølgning hører hjemme. Ikke i tallene, men i teksten omkring dem.
Det er en vigtig skelnen, fordi de fleste går den modsatte vej. De prøver at få en sprogmodel til at regne, opdager at den tager fejl, og konkluderer at AI ikke kan bruges til økonomi. Konklusionen er forkert, men eksperimentet var også det.
Hvor de to dage faktisk går
De sidste ti år er gået med at automatisere fremskaffelsen af tallet. Integrationer, ERP-opsætning, dashboards, natlige opdateringer. Det har virket. Tallet er klar tidligere end det var i 2016.
Den anden halvdel af arbejdet har ikke flyttet sig en centimeter. Forklaringen skrives stadig i hånden hver måned, ofte forfra, og som regel af den i afdelingen der har mindst tid i forvejen.
En brugbar afvigelsesforklaring består af tre ting: hvad der afveg, hvorfor det afveg, og hvad der sker med det nu. Den midterste er den svære. Årsagen står ikke i tallene, den ligger hos den der bestilte, solgte eller udskød. Den kan hverken et regneark eller en sprogmodel finde.
Til gengæld er den første og den tredje mekaniske. At oversætte “konto 4210, budget 480.000, forbrug 611.400” til en sætning et menneske kan læse, er ikke analyse. Det er oversættelse. Og det er præcis dét en sprogmodel er bygget til.
Hvad AI til budgetopfølgning kan overtage, og hvad den ikke må
Fordelingen er ikke et smagsspørgsmål. Den følger af hvad værktøjerne faktisk kan.
| Opgave | Hvem | Hvorfor |
|---|---|---|
| Regne | Arket | En sprogmodel forudsiger tekst. Et tal den selv har lavet, er en sætning der ligner et regnestykke |
| Beskrive afvigelsen i ord | AI | Ren oversættelse fra tal til sætning, og den er ens hver måned |
| Finde årsagen | Mennesket | Årsagen står ikke i materialet. Den ligger hos den der traf beslutningen |
| Formulere konsekvensen | AI, du retter | Udkastet tager sekunder. Vurderingen bag er stadig din |
| Ensarte sproget på tværs af afdelinger | AI | Samme struktur, samme detaljeringsgrad, hver måned. Det er modellens stærkeste side |
| Godkende inden det sendes | Mennesket | Der skal stå et navn på det der går til ledelsen |
Modellen regner ikke. Arket regner.
Det er den ene regel der afgør om AI til budgetopfølgning bliver en tidsbesparelse eller en fejlkilde.
Beder du en sprogmodel om at lægge en kolonne sammen, får du et tal der ser rigtigt ud. Nogle gange er det rigtigt. Det er værre end hvis det altid var forkert, for så havde I opdaget det med det samme.
Løsningen er ikke at holde AI væk fra økonomiarbejdet. Den er at give modellen tal der allerede er regnet. Summen laves i arket, resultatet indsættes, og modellen bliver bedt om teksten. Skal I bruge en formel I ikke kan huske, så bed om formlen og lad arket køre den. Så står regnestykket ét sted, og det er et sted der kan efterprøves.
Beder du modellen om at regne, får du et tal der ser rigtigt ud. Beder du den om at forklare et tal du selv har regnet, får du en forklaring du kan bruge. Forskellen er hvem der har lavet regnestykket.
Fire steder i budgetopfølgningen hvor AI sparer reel tid
Afvigelsesforklaringen
Indsæt de afvigende linjer med budget, forbrug og forskel, og skriv de årsager I allerede kender. Bed om en forklaring på tre til fem linjer pr. konto, i samme struktur hver gang. Det I får tilbage, er et udkast der kan rettes, ikke en analyse der kan sendes. Men det er et udkast der tager to minutter i stedet for fyrre.
Budgetkommentaren til ledelsen
Den lange forklaring findes allerede, den skal bare skæres til et andet publikum. Bed om en version på maks fem punkter til en direktion der har tyve minutter, hvor kun afvigelser over en grænse I selv sætter, kommer med. Nedskalering af tekst er noget af det mest pålidelige en model laver, fordi den ikke skal tilføje noget.
Oprydningen i eksporten
Rå udtræk fra økonomisystemet kommer sjældent i den form man skal bruge. Datoer som tekst, kontonavne med skiftende stavemåde, beløb med tusindtalsseparator systemet ikke selv kan læse igen. Beskriv hvordan kolonnen ser ud og hvad den skal blive til, og bed om formlen. Ikke om det rensede datasæt, kun om formlen. Så bliver oprydningen noget arket gør, og noget I kan køre igen næste måned.
Udkastet til månedsrapporten
Rapporten har samme afsnit hver måned. Sidste måneds rapport plus denne måneds tal og noter giver et første udkast der rammer strukturen, tonen og længden. Det sparer sjældent al tiden, men det fjerner den værste del, som er at sidde med et tomt dokument klokken halv fem.
Prøv det på sidste måned. Tag den budgetopfølgning I allerede har afleveret, og lad modellen skrive afvigelsesforklaringen forfra på de samme tal. Sammenlign med det I selv skrev. Det tager tyve minutter og svarer på spørgsmålet bedre end nogen demo kan.
Giv modellen nok til at forklaringen holder
Langt de fleste ubrugelige svar skyldes en prompt der mangler det halve. Modellen ved ikke hvilken periode det er, hvad der sammenlignes med, eller hvem der skal læse det. Så gætter den, og gæt lyder desværre lige så sikre som fakta.
- Perioden og sammenligningsgrundlaget. Juli mod budget, eller juli mod juli sidste år. Det ændrer hele forklaringen.
- Det I allerede ved. “Stigningen på konto 4210 skyldes en fremrykket vedligeholdelse” er guld. Så skriver modellen det ordentligt i stedet for at opfinde en årsag.
- Modtageren. En bestyrelse, en afdelingsleder og en revisor skal have tre forskellige tekster ud af de samme tal.
- Længden. Sig det i antal linjer eller punkter. Ellers får I altid for meget.
- Forbuddet mod at gætte. Skriv eksplicit: angiv ingen årsag der ikke står i mit materiale, marker i stedet linjen som uforklaret. Det er den vigtigste sætning i hele prompten.
Den sidste er værd at holde fast i. Uden den skriver modellen gerne “stigningen skyldes sæsonudsving”, fordi det er en sætning der plejer at stå der. Med den får I i stedet en liste over hvad I mangler at få svar på, og den liste er faktisk brugbar.
Kontrollen der skal ligge fast
Der skal ikke skrives en politik på fyrre sider, men fire ting skal være besluttet inden nogen begynder.
- Hvilket værktøj der er godkendt. Ét sted, valgt af jer, med en aftale der siger at jeres data ikke bruges til træning. Ikke det den enkelte tilfældigvis har oprettet.
- Hvad der aldrig indsættes. Løndata på personniveau, cpr, og tal der ikke er offentliggjort endnu. Aggregerede kontotal er noget andet end en lønliste.
- At et menneske godkender. Intet udkast forlader afdelingen uden at nogen har læst det igennem og sat sit navn på.
- At tallet stammer fra systemet. Kilden er økonomisystemet og arket. Teksten kan komme fra en model. Tallet kan ikke.
De to første punkter hænger sammen med den bredere afklaring af hvad økonomidata må bruges til, og den er beskrevet under AI til regnskab og økonomi. Er I flere funktioner om det samme spørgsmål, ligger den generelle version under AI til administrative opgaver.
Sådan kommer I i gang med AI til budgetopfølgning
- Vælg én rapport, ikke hele processen. Månedsrapporten til ledelsen er et godt sted, fordi den har fast form og en deadline der gør besparelsen synlig.
- Byg prompten som en skabelon. Samme opbygning hver måned, hvor kun tal og noter skiftes ud. Første gang tager en time, herefter tager det minutter.
- Kør den parallelt i to måneder. Skriv som I plejer, og lad modellen skrive sit udkast ved siden af. Det er den eneste måde at finde ud af hvor den er god og hvor den er upålidelig.
- Mål på gennemløbstid, ikke på antal prompts. Spørgsmålet er om rapporten er klar onsdag i stedet for torsdag.
- Lad den der skriver rapporten bygge det. Ikke IT, og ikke en projektgruppe. Det er detaljerne i arbejdet der afgør om det virker, og dem kender kun den der laver det.
Skal hele funktionen med, og ikke kun budgetopfølgningen, er det et AI-firmakursus der er formatet, hvor vi arbejder med jeres egne rapporter i stedet for eksempler. Handler det mere om selve rapporteringen og de tal ledelsen kigger på, ligger den diskussion i Power BI dashboards der bliver brugt.
Skal jeres økonomifunktion i gang?
Vi kommer ikke med et standardprogram. Vi tager jeres egen månedsrapport, jeres egne afvigelser og jeres egne kontoplaner, og arbejder i dem på dagen.
Paw Lundin
Stifter af Digital Forlomme. 15+ års erfaring med digitalisering, først som intern leder, nu som rådgiver. Underviser, implementerer og rådgiver.
Ofte stillede spørgsmål
Hvad kan AI til budgetopfølgning konkret overtage?
Beskrivelsen af afvigelsen, udkastet til budgetkommentaren, nedskaleringen til ledelsen, formlerne til oprydning i eksporten og førsteudkastet til månedsrapporten. Den kan ikke finde årsagen til en afvigelse, for den står ikke i tallene, og den skal ikke regne. Fordelingen er enkel: arket regner, modellen skriver, og et menneske godkender inden det sendes.
Kan man stole på at AI regner rigtigt på økonomital?
Nej, og det er heller ikke opgaven. En sprogmodel forudsiger tekst, så et tal den selv har udregnet, er reelt en sætning der ligner et regnestykke. Nogle gange rammer den rigtigt, hvilket er værre end hvis den altid tog fejl. Lav beregningen i regnearket, indsæt resultatet, og bed kun om teksten omkring det. Skal I bruge en formel, så bed om formlen og lad arket køre den.
Må vi lægge økonomital ind i ChatGPT eller Copilot?
Det afhænger af hvilken aftale I har, og hvilke tal det er. Brug et værktøj virksomheden har godkendt, med en aftale om at jeres data ikke bruges til træning. Aggregerede kontotal er noget andet end løndata på personniveau, cpr eller tal der endnu ikke er offentliggjort, og de sidste hører ikke hjemme i en prompt uanset aftalen. Afklar det som en beslutning i afdelingen, ikke fra sag til sag.
Hvor meget tid sparer man reelt?
Det interessante tal er ikke hvor hurtigt et afsnit bliver skrevet, men hvornår rapporten er klar. Det tunge er sjældent selve skrivningen. Det er at vente på forklaringer fra andre afdelinger, og dét flytter AI ikke på. Til gengæld fjerner den det tomme dokument og den sidste finpudsning, og for de fleste betyder det at deadline rykker en dag frem, ikke at arbejdet forsvinder.
Hvorfor skriver modellen forklaringer der lyder rigtige, men ikke passer?
Fordi den udfylder huller når den mangler information. Står der ikke en årsag i materialet, skriver den den sætning der plejer at stå, typisk noget med sæsonudsving eller periodisering. Skriv derfor eksplicit i prompten at den ikke må angive årsager der ikke fremgår af materialet, og at uforklarede linjer skal markeres i stedet. Så får I en liste over det I mangler svar på.
Skal vi bruge et særligt værktøj til det her?
Nej. Metoden er den samme uanset om I bruger Copilot i Microsoft 365, ChatGPT eller Claude ved siden af regnearket. Forskellen ligger i om værktøjet kan se jeres filer direkte, eller om I kopierer tallene ind. Det ændrer arbejdsgangen, men ikke princippet: arket regner, modellen skriver. Vælg det I allerede har licens til, før I køber noget nyt.