Menu
خودکارسازی فرآیند رباتیک و یادگیری ماشین ممکن است خیلی محبوب باشد، اما بسیاری از فناوری‌های موجود هنوز به فراوانی مورداستفاده قرار نمی‌گیرند.
استراتژی، هوش مصنوعی، ابزارهای مالی، ابزارهای دیجیتال ، خودکارسازی فرآیند رباتیک، یادگیری ماشین، حسابداری مدیریت، ابزارهای دیجیتال مدیریت مالی
هوش مصنوعی در همه اشکال آن – رباتیک، یادگیری ماشین، پردازش و تولید زبان طبیعی – برای بخش‌های مالی فریبنده است. طبق نظرسنجی جدید موسسه Bain&Co در همکاری با رسرچ ناو[۱] از ۵۰۱ مدیر و متخصصین مالی در بریتانیا، ایالات‌متحده و آلمان مشاهده شد که انتظار می‌رود پذیرش خودکارسازی فرآیند رباتیک و یادگیری ماشین در دو سال آینده دو برابر شود (شکل ۱).
شکل ۱
شرکت‌ها در زمینه خودکارسازی فرآیند رباتیک و یادگیری ماشین انتظارات فراوانی دارند
خودکارسازی فرآیند رباتیک تا به این لحظه بیشترین شتاب را تجربه کرده است. به‌عنوان‌مثال، فدکس[۲] مالیات، حقوق، دستمزد، چانه‌زنی‌های کارت اعتباری، خزانه و سایر فرآیندهای مالی در سازمان خدمات مشترک جهانی خود را با خودکارسازی فرآیند رباتیک، به‌صورت خودکار درآورده است. فسیل گروپ[۳] از خودکارسازی فرآیند رباتیک برای بهینه‌سازی فرآیند ماهانه مالی استفاده می‌کند. آلیانز[۴] حساب‌های پول نقد را در سه سیستم به‌طور خودکار از طریق رباتیک پیگیری می‌کند. مسترکارت[۵] از خودکارسازی فرآیند رباتیک در اصلاح فرآیند نقدی روزانه برای حساب‌های پرداختی و دریافتی، سفارش و تحویل، تمیز کردن محل سکونت، کنترل کیفیت و مدیریت هزینه کارت استفاده می‌کند. برخی از شرکت‌ها حتی خودکارسازی فرآیند رباتیک خود را ربات نامیده‌اند زیرا آن را با ریتم روزانه بخش مالی ادغام می‌کنند.
سازمان‌های دولتی نیز به این روند پیوسته‌اند. سرمایه منابع انسانی و گمرک در بریتانیا[۶]، فرآیند پردازش مالیات داخلی را از طریق اسکن کردن متحول کرده‌اند. فنّاوری رباتیک و جریان کار با بیش از ۲۰۰ ربات خودکار و ۱۵۰۰۰ ربات غیر خودکار، سالانه بیش از ۱۰ میلیون تراکنش را پردازش می‌کنند.
یادگیری ماشینی و پردازش و تولید زبان ماشینی، هردوی تجزیه‌وتحلیل و خودکارسازی را به سطوح جدیدی می‌رسانند. در سال ۲۰۱۶، سیتی گروپ برای گذراندن آزمون صندوق دولت فدرال از یادگیری عمیق ماشینی استفاده کرد ولی بعداً شکست خورد. دنون[۷] از این فناوری برای مدیریت استنتاج‌ها استفاده می‌کند تا بهره‌وری و تأثیرپذیری فرآیند سفارش تا پول نقد خود را بهبود بخشد. یو اس ای‌ای[۸] در نسل زبان طبیعی سرمایه‌گذاری کرده است تا خلق نظارت حول عملکرد یک خط محصول، روندهای ادغام و تراکنش برای داشبورد محصول خود را خودکار سازد.
پذیرش سریع هوش مصنوعی در امور مالی، روندی مداوم در دهه اخیر در زمینه تحولات مالی است. استفاده گسترده از تشخیص نوری خصوصیت به سال ۱۹۷۰ برمی‌گردد تا دهه ۱۹۸۰ ادامه می‌یابد و سیستم‌های برنامه‌ریزی مالی و صدور فاکتور الکترونیکی به سال ۱۹۹۰ برمی‌گردد. هر یک از این فناوری‌ها، بهره‌وری در بخش مالی را افزایش دادند. امروز، نظرسنجی ما نشان می‌دهد که ۷۶ درصد از مدیران مالی موافق هستند که دیجیتال اساساً امور مالی را تغییر خواهد داد و به‌این‌ترتیب در دیجیتال سرمایه‌گذاری می‌کنند. ۲۳ درصد از سازمان‌ها بودجه فناوری اطلاعات را به میزان ۱۰ درصد افزایش می‌دهند.
اما تجمع فناوری‌ها، پیچیدگی فراوانی ایجاد می‌کند، چند بخش مالی را قادر می‌سازد که ارزش بالقوه را از فناوری‌هایی که مالک آن‌ها هستند کسب کنند. فقدان ابزارهای دیجیتال ، نقطه عطف اصلی نیست. در عوض، متخصصین امور مالی از ابزارهای پراکنده استفاده می‌کنند، به عبارتی این امر ابزارهای زیاد و تجربه ضعیف کاربر را در بردارد (شکل ۲).
شکل ۲
کمبود ابزارهای دیجیتال مشکل اصلی نیست، بلکه ابزارهای غیر یکپارچه، به عبارتی ابزارهای متعدد و تجربه ضعیف در زمینه کاربری مشکل اصلی است.
به‌عنوان‌مثال، در حساب‌های پرداختی، کمتر از یک‌سوم شرکت‌های پاسخ‌دهنده، بیش از ۶۰ درصد از برگ خریدهای عرضه‌کننده را به‌صورت الکترونیکی پرداخت می‌کنند و تنها ۶ درصد بدون مداخله دستی پرداخت می‌کنند (شکل ۳). علی‌رغم اینکه فاکتور الکترونیکی به مدت زیادی است که وجود دارد، اما از فرآیند خودکار بسیار دور است.
شکل ۳
حتی زمانی که بخش‌های مالی ابزارهای دیجیتال دارند، بیشتر آن‌ها از پتانسیل فناوری به‌طور کامل استفاده نمی‌کنند
بر اساس صرفه‌جویی‌های هزینه که در حال حاضر از خودکارسازی فرآیند رباتیک و یادگیری ماشینی به‌دست‌آمده، بسیاری از شرکت‌ها امیدوار هستند که این فناوری‌ها در برطرف کردن ناکارآمدی‌ها و استثنائات ناشی از فناوری موجود به آن‌ها کمک کند (شکل ۴). بااین‌حال، درحالی‌که بخش مالی به‌سرعت در تعدادی از فناوری‌های جدید سرمایه‌گذاری می‌کند، هنوز بسیاری از فناوری‌های بالقوه را به‌طور کامل در اختیار ندارند:
بسیاری از بخش‌های مالی ممکن است بدون برداشتن گام‌های متعادل برای خلق ارزش از فناوری‌های موجود خود، به فناوری‌های جدید روی می‌آورند. در حالتی که ادغام مناسب انجام نمی‌گیرد، شرکت‌هایی که ابزارهای بیشتری را به کار می‌گیرند، پیچیدگی بیشتری ایجاد می‌کنند و به‌طور ناخواسته مجموعه‌ای جدید از مشکلات به وجود می‌آورند.
خوشبختانه، این نظرسنجی نشان می‌دهد که چگونه بخش‌های مالی می‌توانند صرف‌نظر از هماهنگی با روندهای دیجیتال، استفاده مؤثرتری از جعبه‌ابزار داشته باشند.
شکل ۴
فرآیند خودکارسازی رباتیک منجر به‌صرفه‌جویی در هزینه‌ها می‌شود.
شکل ۵
بسیاری از بخش‌های مالی در اتخاذ فناوری‌های کامل مشکل‌دارند، حتی اگر در فناوری‌های جدید سرمایه‌گذاری کنند
تجدیدنظر در مورد نحوه استفاده بخش مالی از ابزارهای دیجیتال -بخش دوم
[۱] – Research Now
[۲] – FedEx
[۳] – Fossil Group
[۴] – Allianz
[۵] – Mastercard
[۶] – HM Revenue & Customs
[۷] – Danone
[۸] – USAA
ما گروهی از مدیران و متخصصان مدیریت، مهندسی، استراتژی و بازاریابی با تجربه بین المللی هستیم که در پی ارتقای سطح دانش کاربردی مدیریت در پهنه صنعت و تجارت کشوریم. در این راه آماده ارایه خدمات در شاخه های کسب وکار گوناگون و صنایع مختلف هستیم.
آدرس: تهران، دهکده المپیک، دانشگاه علامه طباطبایی، دانشکده مدیریت و حسابداری
شماره تماس: ۰۹۱۹۸۳۶۶۳۶۱
ایمیل: Ibc.consulting2020@gmail.com
استفاده از مطالب با ذکر منبع بلامانع است.
