Финансиските тимови трошат 26% од неделата проверувајќи AI

Datarails во соопштението од 6 октомври 2026 година објави дека, според анкета со 270 финансиски директори и раководители од големи американски организации, нивните тимови трошат во просек 26% од работната недела проверувајќи или исправувајќи резултати од AI. Бројката е заснована на одговорите на раководителите за потрошеното работно време. Таа ја прави видлива задачата што останува откако алатката ќе произведе нацрт, пресметка или објаснување.

Во освртот на IT Pro од 8 октомври се наведува дека 96% од анкетираните раководители трошат најмалку 10% од своето време на такви проверки; извршниот директор на Datarails, Диди Гурфинкел, ја опишува нивната дилема со прашањето „how am I going to most effectively check its work?“. Само 5% од испитаниците би прифатиле AI да подготви финансиски извештај за управен одбор без човечки преглед, а 4% би го прифатиле тоа за месечното затворање. Брзото создавање одговор и одобрувањето финансиски резултат остануваат различни работни задачи.

Зошто одговорот не е доволен доказ

Проблемите што ги опишуваат раководителите се конкретни. Во целосниот извештај на Datarails, 65% велат дека добиле самоуверен AI-одговор заснован на погрешни податоци, 56% виделе суштински различни одговори за исто барање и исти податоци, а 51% не можеле да објаснат или да проследат како алатката дошла до одредена бројка. Тоа се три одделни причини за работа по генерирањето: проверка на влезот, усогласување на излезите и утврдување на потеклото на резултатот.

Кај финансиско известување, уверливата реченица не покажува дали износот е земен од точниот период, деловна единица и категорија. Ако бројката е извлечена од погрешна верзија на податоците, уредното објаснување само ја прикрива грешката. Проверувачот мора да ја најде врската меѓу заклучокот и изворниот запис пред да одлучи дали резултатот може да се користи.

Различните одговори за ист влез отвораат поинаква задача. Тимот треба да утврди дали алатката користела исти дефиниции и дали разликата е во податоците, пресметката или текстуалното толкување. Кога потеклото на бројката не може да се проследи, нема основа едноставно да се избере одговорот што звучи најубедливо. Затоа проверката опфаќа и усогласување меѓу колегите, а не само корекција на поединечна грешка.

Раздвоените податоци го зголемуваат товарот

Товарот е поголем таму каде што финансиските податоци се распоредени во неповрзани системи. Според анализата на CTMfile од 9 октомври, 76% од испитаниците во таа група трошат повеќе од четвртина од работното време на проверка на AI, наспроти 31% од оние чии податоци се претежно централизирани. Само 4% од сите испитаници навеле дека имаат единствен, усогласен извор за основните финансиски и оперативни податоци. Ова е поврзаност во анкетата, а не доказ дека раздвоените системи ја предизвикале секоја грешка.

Во таква средина, проверката започнува пред читањето на AI-објаснувањето. Некој мора да утврди која верзија на податоците влегла во анализата, дали записите од различни системи се усогласени и дали зборовите што ги користи алатката означуваат исти финансиски ставки како во извештајот. Ако, условно, се споредуваат планирани и остварени расходи, различен период или различен опфат на ставки може да произведе убедливо објаснување за погрешно отстапување.

Ова помага да се разбере зошто времето за проверка не е само време за читање. Во него влегуваат барање на изворниот запис, усогласување на дефинициите и повторување на анализата кога одговорите се разидуваат. AI може да го скрати изработувањето на почетниот текст, но дополнителните излези сепак треба да се поврзат со контролираните финансиски податоци.

Кој одобрува пред извештајот да продолжи

Ниската доверба во резултат без преглед за управен одбор и месечно затворање ја покажува границата на делегирањето. AI може да подготви нацрт, но одговорното лице мора да знае врз кои податоци се темели конечната бројка и кои исправки биле направени. Таа разлика е особено важна кога извештајот ќе стане основа за одлука или подоцнежно ревизорско прашање.

Работата затоа се дели на неколку препознатливи точки. Аналитичарот го поврзува резултатот со изворните податоци и ги испитува отстапувањата. Кога колеги добиле различни одговори, тие усогласуваат кои податоци и дефиниции се меродавни. Раководителот потоа ја одобрува верзијата што ќе стигне до управата. За бројката да може повторно да се проследи, треба да остане трага за употребениот влез, исправките и одобрениот резултат.

Тоа не значи дека секој нацрт бара иста постапка. Порака подготвена со AI и финансиска бројка за управен одбор имаат различни последици ако содржат грешка. Наодите ја покажуваат причината човечкиот преглед да остане највидлив кај задачите каде што конечниот резултат мора да биде објаснив и одобрен.

Што кажува анкетата за промената на улогите

Онлајн анкетата ја спровела Global Surveyz Research во јули 2026 година за Datarails. Опфатила финансиски директори и раководители од американски организации со повеќе од 1.000 вработени и годишни приходи од најмалку 100 милиони долари. Нејзиниот просек затоа не е мерка за времето што го трошат финансиските тимови во Северна Македонија.

Сепак, задачите зад тој просек се препознатливи за секој тим што вклучува генеративна AI во финансиско известување. Работата се поместува од самото составување на првиот одговор кон утврдување дали податоците се точни, дали повторените одговори се доследни и дали конечниот извештај има јасен човечки потпис. Ако времето за тие проверки не влезе во рокот за известување, брзиот нацрт нема нужно да значи и побрзо одобрена бројка.

Прочитајте и:

• AI создава „невидлива работа“: човечката проверка станува нов товар
• AI-агентите трошат петпати повеќе токени, но тоа не значи петпати повеќе работа
• Разговорот со AI-лик не е дневник: што да проверите пред да се доверите