KI in Medien und Tech: Vor- und Nachteile

Auch wenn ChatGPT und KI die Schlagzeilen erst seit kurzem zu bestimmen scheinen, suchen Führungskräfte schon seit geraumer Zeit nach Möglichkeiten, die Vorteile von künstlicher Intelligenz (KI) und Machine Learning (ML) zu nutzen. Und für Führungskräfte in der Technologie- und Medienbranche könnte die Identifizierung geeigneter Anwendungsfälle für KI und ML über Erfolg und Misserfolg ihres Unternehmens entscheiden. 

Laut einer Deloitte-Umfrage vom Oktober 2022 bekundeten 72 % der Führungskräfte aus den Bereichen Technologie, Medien und Telekommunikation ihre feste Überzeugung, dass KI in den nächsten fünf Jahren sehr wichtig für ihre Wettbewerbsfähigkeit sein wird. Aber der Weg dorthin ist nicht einfach: Laut einer kürzlich durchgeführten Workday-Umfrage gaben nur 21 % der Tech-Führungsriege an, datengestützte Entscheidungen in Echtzeit zuverlässig treffen zu können. 

Justin Joseph, Senior Director of Industry Product Strategy bei Workday, drückt es so aus: „KI- und ML-gestützte Erkenntnisse sind so wertvoll, weil Technologieunternehmen über die größten Datenbestände überhaupt verfügen. Sie waren bisher nur nicht in der Lage, sie optimal zu nutzen.“ Führungskräfte haben zudem nicht immer das größte Vertrauen in ihre Daten. Der kürzlich veröffentlichten KI-IQ-Umfrage von Workday zufolge äußern 77 % der Befragten Bedenken bezüglich der Aktualität oder Zuverlässigkeit der zugrunde liegenden Daten.

Anwendungen, die KI und ML nutzen, kommen in vielen Bereichen des Unternehmens zum Einsatz. Dennoch hat die Finanzfunktion bei Technologie- und Medienunternehmen KI und ML besonders im Blick. Sehen wir uns einige Beispiele dafür an, wie Finanzführungskräfte diese Technologien praktisch anwenden können. 

Praktischer Einsatz von KI und ML

In erster Linie können KI und ML den Quote-to-Cash-Prozess beeinflussen. Obwohl dieser Begriff außerhalb der Finanzwelt kaum verwendet wird, ist er in unserem Alltag allgegenwärtig. Einfach ausgedrückt, bezeichnet Quote-to-Cash den umfassenden Verkaufsprozess, die Journey vom Interessenten zum Kunden. Dabei kann es sich um einen eher komplexen Prozess handeln, wie z. B. den Erwerb einer neuen Finanzsoftware durch ein großes Unternehmen, oder um eine einfache Transaktion wie den In-App-Kauf durch einen Verbraucher, um das nächste Level des Lieblings-Games zu erreichen.

Technologie- und Medienunternehmen liegt viel daran, den Quote-to-Cash-Prozess zu optimieren. Je effizienter der Prozess, desto schneller können Interessenten als Kunden gewonnen werden. An dieser Stelle kommen KI und ML ins Spiel. Wenn es Technologie- und Medienunternehmen beispielsweise gelingt, mithilfe von KI und ML 80 % des Prozesses von der Angebotserstellung bis zur Bezahlung zu automatisieren, können sie ihre strategische Energie auf die verbleibenden 20 % konzentrieren.   

Für Workday-Kunde Blue Yonder wirkt sich der Einsatz von KI und ML entscheidend auf den Prozess des Kundenzahlungsabgleichs aus (auch bekannt als Rechnungsabgleich). Dabei werden die Rechnungen mit den zugehörigen Dokumenten abgeglichen, um korrekte Zahlungen an die Anbieter zu gewährleisten. 

Ein Seniro Accounting Specialist bei Blue Yonder berichtet: „Zahlungsverarbeitung und Rechnungsabgleich können eine Stunde bis einen ganzen Tag in Anspruch nehmen. Mithilfe von Machine Learning hat die Abgleichfunktion für Kundenzahlungen in Workday die drei Rechnungen für eine Zahlung mit fehlenden Zahlungsverkehrsdaten identifiziert. Das hat mich wirklich beeindruckt. Anstatt Zeit damit zu verbringen, Zahlungen zu suchen und zu prüfen, konnte ich die Empfehlungen sofort umsetzen.“

Anomalien: Dieses Wort lässt Finanzführungskräfte erschaudern. Anomalien sind keine Freunde der Finanzfunktion. Kein CFO wünscht sich Überraschungen bei seinen Prozessen (Abschlüssen) oder Finanzergebnissen (z. B. Ertrag, Fakturierung, Ausgaben und Zahlungen). Für Finanzführungskräfte in der Technologie- und Medienbranche ermöglicht die Anomalieerkennung mit KI und ML (z. B. die in Workday Financial Management integrierten Funktionen) die frühzeitige Erkennung und Behebung kostspieliger Fehler. Gleichzeit lässt sich die Effizienz des gesamten Prozesses steigern. 

Ein weiterer Begriff, der in dieselbe Kategorie wie Anomalien fallen könnte: Audits. Während die meisten Menschen bei diesem Wort an die Steuerbehörde denken, ist es für Finanzführungskräfte mit den Vorteilen von KI und ML verbunden, die einen proaktiven Ansatz, d. h., lückenlose Audits, ermöglichen. Was bedeutet das konkret? Die Idee ist einfach, könnte sich aber als Gamechanger erweisen: Anstatt Audits nur periodisch durchzuführen, können Sie Ihre Finanzen mithilfe von KI und ML kontinuierlich in Echtzeit überwachen. Dies vereinfacht die Risikominimierung und Prozess, Kontrolle und Governance werden durchgehend – und wesentlich genauer eingehalten, als dies mit Menschen möglich wäre.

Und schließlich sind unnötige Ausgaben ein weiterer Bereich, den Finanzführungskräfte im Auge behalten müssen. Im aktuellen wirtschaftlichen Umfeld der Technologie- und Medienbranche stehen CFOs unter dem Druck, ihre Gesamtausgaben zu senken und Richtlinien und Kontrollen zu verbessern. Sie müssen verhindern, dass Geld für etwas ausgegeben wird, das keinen Mehrwert generiert, oder dass Ausgaben falsch kategorisiert werden, was wiederum zu Budgetproblemen führt. Dies ist ein weiterer wichtiger Bereich, in dem KI und ML Finanzführungskräfte in der Tech- und Medienbranche unterstützen können. Mithilfe der neuen Technologien lassen sich die Systeme ständig nach Ausgaben durchsuchen, die möglicherweise falsch kategorisiert wurden. Mehr Effizienz, weniger Fehler – das ist das Erfolgsrezept, um den Druck zu mindern, unter dem Tech- und Medien-CFOs stehen. 

Einen wichtigen Punkt gilt es jedoch zu bedenken: Ohne das richtige Enterprise Cloud Management-System nützen selbst die modernsten KI- und ML-Lösungen nicht viel. Finanzführungskräfte in der Technologie- und Medienbranche müssen dafür sorgen, dass ihre Lösungen wie Workday eine zentrale Quelle für Cloud-Daten bieten, damit der Einsatz von KI und ML zielgerichtet und effektiv ist. Workday bietet eine enorme Datenmenge als Basis. Je größer das Dataset, desto besser die Ergebnisse und desto eher sind KI und ML in der Lage, sich anzupassen und zu lernen. Für Finanzführungskräfte ist das Ziel eines Zero-Day Close dank der charakteristischen Struktur von Workday und der Fülle an Daten somit viel leichter zu erreichen. 

Finanzführungskräfte in der Technologie- und Medienbranche, die angesichts des Hypes eine klare Richtung verfolgen und eine solide Cloud-Grundlage schaffen möchten, sollten sich unentwegt fragen: Wie lassen sich die Vorteile von KI und ML nutzen, um die Effizienz zu steigern, Fehler zu reduzieren und Echtzeit-Einblicke in die finanzielle Gesamtsituation zu gewinnen?