L’IA financière se consolide comme l’un des principaux partenaires de transformation des départements financiers. Sans embargo, l’avance de l’IA financière ne sera pas toujours accompagnée des bases nécessaires pour garantir une utilisation cohérente, gouvernementale et sûre. Il est vrai que le pourcentage (45%) des entreprises qui se considèrent comme dirigeantes en IA financière ne dispose pas de normes minimales qui réglementent leur application dans les flux de travail clés.
C’est pourquoi nous avons réfléchi à l’étude « CFO AI Readiness Report », élaborée par Payhawk, solution mondiale pour la gestion des risques corporatifs, en collaboration avec IResearch. L’information analyse les violations qui conditionnent la capacité des organisations à intensifier l’IA financière dans les processus économiques et de contrôle, à partir d’une enquête auprès de 1 520 responsables financiers et directeurs d’entreprises de différents secteurs, tailles et régions. Entre elles, nous considérons les entreprises « dirigeantes en IA financière » et toutes les organisations qui se califient sur leur maturité en IA avec une ponctuation de 7 à 10 sur 10.
« Il existe une perception de la maturité de l’IA financière en avance de forme linéaire, mais la réalité est la plus complète. Y compris entre les organisations les plus avancées, la préparation est souhaitée et est conditionnée par différentes barres. Dans ce contexte, la principale limite n’est pas la capacité de la technologie de l’IA financière, Sino hasta qué punto las organizaciones pueden gobernarla, s’ils sont capables de justifier, de rastrearla et d’auditer votre utilisation dans les processus financiers », explique Laura Gámiz, directrice en Espagne de Payhawk.
Les conditions qui déterminent si l’IA financière peut augmenter les finances
Selon l’information de Payhawk, pour que l’IA financier n’ait pas adopté l’adoption initiale à un usage pleinement opérationnel au sein des flux de travail financier, les organisations doivent cumuler cinq conditions de base : connaître les mesures d’exécution implantées, disposer de normes minimales qui réglementent l’utilisation de l’IA. financière, avoir des équipes avec les capacités et les outils nécessaires, attribuer des présupposés spécifiques et fournir des données qui répondent à l’analyse imposée par la financière.
Sans embargo, alcanzar este niveau de préparation sigue siendo poco habituel. Seuls 26 % des organisations considérées comme dirigeantes en IA financière complètent les cinq exigences, ce qui est évident que, y compris entre les entreprises les plus avancées, l’adoption de l’IA financière ne se traduit pas toujours en une capacité opérationnelle pleinement consolidée.
Une adoption de l’IA financière avec des niveaux de préparation distincts
À partir de ces critères, les informations segmentées sur les organisations dirigeantes en IA financière dans leurs positions opérationnelles en fonction de leur degré de développement dans les cinq conditions requises. Seuls les «adoptants augmentés» (26,9%) disposent d’un modèle pleinement consolidé et réunissent tous les éléments nécessaires pour exploiter l’IA financière de forme efficace. En même temps, il y a les « meilleurs progressifs » (17,5 %), qui présentent une préparation partielle et équilibrée dans les différentes dimensions de l’IA financière, sans qu’il y en ait un spécialement.
Le reste répond aux niveaux de développement les plus exigeants lors de l’adoption de l’IA financière. Les « implémenteurs motivés par l’exécution » (16,0%) ont une bonne capacité opérationnelle, mais se soucient de normes minimes pour l’IA financière, alors que dans les profils «premiers agents, après contrôle» (14,1%) l’enthousiasme pour l’expérimentation de l’IA financière est supérieure à la gouvernance, sans que les cadres existent adéquat ni une préparation suffisante. Ils identifient également les « escaliers roulants avec la gouvernance par le passé » (13,8 %), avec des structures de contrôle les plus solides de l’IA financière, mais avec des limites à la qualité des données. Finalement, on retrouve les « planificateurs du contrôle latéral » (11,6%), qui ont des capacités, des présupposés et des données relatives à l’IA financière, mais sans mesures d’exécution implantées, ce qui prouve que la préparation n’est toujours pas traduite dans le cadre de l’opération.
Les principaux obstacles à l’escalade de l’IA financière
L’enquête révèle un déséquilibre clair : alors que 78 % des dirigeants de l’IA financière déclarent avoir des compétences et des outils solides, seuls les 55 % disposent de normes minimales d’administration pour l’IA financière, siendo est le facteur de préparation pour la valeur.
Ces informations opérationnelles répondent aux violations structurelles : la « deuda de normas » et la « deuda de datos » dans le contexte de l’IA financière. La première se produit lorsque les organisations proposent des solutions d’IA financière plus rapides pour celles qui développent leurs dirigeants, ce qui dérive des systèmes d’audit difficiles, en expliquant ou en intégrant une forme de sécurité dans les flux de travail financier qui exigent une réglementation et un contrôle complets.
De son côté, les « données » de l’IA financière apparaissent lorsque les capacités d’exécution et les mécanismes de contrôle sont implantés, mais les données subyacentes sont incohérentes, incomplètes ou fragmentées. Dans ces cas-là, les organisations peuvent gérer l’utilisation de l’IA financière, mais ne peuvent pas pleinement confirmer leurs résultats à l’échelle. Ceci explique pourquoi certaines entreprises doivent s’entendre avec une gouvernance solide en IA financière, qui ne va pas augmenter les opérations financières critiques, en particulier dans les entreprises complexes et hautement réglementées.
Seulement 55% disposent de normes minimales d’administration pour l’IA financière, siendo est le facteur de préparation des personnes valorisées
En dernière instance, la principale réponse à l’adoption de l’IA financière est de diagnostiquer avec précision le point de maturité de chaque organisation. Un diagnostic incorrect peut entraîner des inversions inefficaces, ce qui augmente la capacité de l’IA financière lorsque le plus grand obstacle est la faute de gouvernement, ou renforce les cadres normatifs lorsque le problème est radical en matière de qualité des données.
« Escalar l’IA financiera siendo complejo porque las organizaciones avanzan de forma desigual en las capacidades que lo hacen posible », conclut Gámiz. « Beaucoup d’entreprises sont touchées par la plus grande IA financière lorsque le verdadero cuello de botella se trouve dans les normes ou dans les données. Escalar l’IA financière est, en fait, un exercice de coordination qui implique une gouvernance linéaire, des données et des responsabilités dans l’ensemble des processus financiers. Toutes les organisations qui s’engagent seules dans une partie de ces exigences se soumettent à des limitations et ne notent pas la plupart des cas d’utilisation déterminés.
