For nylig bad en kunde mig om at udarbejde et budget for deres markedsføring.
For at kunne gøre det havde jeg brug for en oversigt over virksomhedens markedsføringsudgifter fra de seneste tre år. Det lyder umiddelbart som en enkel opgave, men i en større virksomhed kan oplysningerne være fordelt på forskellige konti, afdelinger, lande og økonomisystemer.
Samtidig findes der ikke nødvendigvis én konto, der hedder “markedsføring”. Udgifterne kan være bogført som blandt andet annoncering, messer, tryksager, sponsorater, licenser og en række andre ting.
Det tager derfor tid at finde og samle det hele – særligt når økonomiafdelingen også har mange andre og mere presserende opgaver.
Det fik mig til at tænke:
Kunne AI hjælpe med noget af det manuelle arbejde?
AI er ikke kun til tekst og billeder
Jeg møder stadig den opfattelse, at AI primært kan bruges til at skrive tekster, lave billeder og finde på idéer.
Men AI kan også arbejde med data og hente oplysninger fra andre systemer, hvis man har sat de nødvendige integrationer op.
Jeg har via en integration givet Claude adgang til relevante oplysninger i mit eget e-conomic. Derfor kan jeg blandt andet bede den om at finde posteringer, gennemgå dem og samle resultatet i et regneark.
Mit firma har ikke særlig mange markedsføringsudgifter. Til gengæld har jeg en hel del softwarelicenser, som er konteret på forskellige konti alt efter typen.
Det blev mit testområde.
Min opgave til Claude
Jeg bad Claude om at finde mine udenlandske licenser for flere forskellige regnskabsår.
Jeg ville ikke blot have alle posteringer fra én bestemt konto. Claude skulle finde de relevante udenlandske licenser på tværs af de konti, de var blevet bogført på.
Resultatet skulle leveres som et Excel-ark med:
- En samlet forside med beløbene fordelt på år og underkategorier
- Et separat ark for hvert regnskabsår
- En oversigt over de posteringer, der lå bag de samlede beløb
- Oplysning om, hvilken kategori hver postering var placeret i
Her kan du se hele chatten med Claude.
Og her kan du se det Excel-ark, der kom ud af arbejdet.
Det første resultat var ikke perfekt
Claude ramte ikke helt rigtigt i første forsøg.
Den havde blandt andet taget vores webhotellerWebserveren / Webhotellet er det sted, hvor filer og database til hjemmesiden ligger. Mere med i opgørelsen over licenser. I denne sammenhæng ville jeg holde webhotellerWebserveren / Webhotellet er det sted, hvor filer og database til hjemmesiden ligger. Mere og softwarelicenser adskilt, så jeg skrev ganske enkelt:
WebhotellerWebserveren / Webhotellet er det sted, hvor filer og database til hjemmesiden ligger. Mere skal ikke regnes som licenser og skal derfor ikke med i arket.
Derefter rettede Claude opdelingen og lavede en ny version.
Det kunne også være gået den anden vej. Måske ville jeg opdage, at en bestemt licens manglede. Så kunne jeg skrive:
Hvad med licensen til dette system? Der burde også ligge et bilag på den. Kan du prøve at finde det?
Man behøver altså ikke nødvendigvis at beskrive samtlige undtagelser og detaljer fra begyndelsen. Man kan gennemgå resultatet, stille opfølgende spørgsmål og bede AI’en om at undersøge eller rette bestemte ting.
Det afgørende er, at man selv kender sit materiale godt nok til at kunne vurdere resultatet.
Og så kom der lige en lynanalyse med
Da Claude havde fjernet hostingudgifterne og opdateret Excel-arket, afsluttede den med denne bemærkning:
Det interessante uden hosting: Udgiften vokser stadig kraftigt, men det er AI-værktøjer og produktivitetsabonnementer, der driver den.
Det havde jeg ikke specifikt bedt om. Claude havde bare gennemgået tallene og gjorde mig opmærksom på den udvikling, den kunne se i det korrigerede materiale.
Og det er faktisk ret smart.
Jeg fik altså ikke kun et regneark med de ønskede posteringer og beregninger. Jeg fik også en lille lynanalyse, der fortalte mig, hvad der var interessant ved tallene.
Sådan en bemærkning kan være værdifuld, fordi den giver mig noget konkret at undersøge nærmere. Måske skal jeg se på, hvorfor udgifterne til AI-værktøjer er vokset. Måske har vi flere abonnementer med overlappende funktioner. Eller måske er stigningen helt bevidst, fordi værktøjerne sparer os tid andre steder.
AI’ens analyse skal naturligvis også kontrolleres. Men den kan hurtigt pege på udviklinger og mønstre, som det kan være relevant for et menneske at kigge nærmere på.
Claude arbejdede i et kvarter – jeg sparede mange timer
Jeg bad Claude om at arbejde forholdsvis grundigt med opgaven. Det tog cirka 15 minutter at hente posteringerne, gennemgå dem, kategorisere dem og opbygge Excel-arket. Selve integrationen til e-conomic har jeg i øvrigt brugt højst en halv time på at sætte op.
Men det betyder ikke, at jeg brugte 15 minutters arbejdstid på at vente.
Mens Claude arbejdede, kunne jeg fortsætte med andre opgaver. Da resultatet var klar, gennemgik jeg det, skrev min rettelse og lod Claude arbejde videre.
Det er en væsentlig forskel.
Hvis jeg selv skulle have udført hele opgaven manuelt, skulle jeg blandt andet:
- Søge efter de relevante posteringer
- Vurdere dem én efter én
- Samle dem i et regneark
- Fordele dem på år og kategorier
- Beregne totalerne
- Kontrollere, om noget manglede
- Sammenligne udviklingen fra år til år
Med AI blev min aktive opgave i stedet at beskrive behovet, kontrollere resultatet og give enkelte rettelser.
Det er stadig arbejde, men det er væsentligt mindre manuelt arbejde.
AI kan hjælpe – men den skal kontrolleres
At det første resultat ikke var perfekt, er ikke et argument imod at bruge AI. Det er et argument for at bruge AI fornuftigt.
Claude kendte ikke på forhånd min definition af, hvad der skulle tælle som en licens i lige netop denne opgørelse. Det måtte jeg forklare.
På samme måde kender en AI ikke automatisk en virksomheds interne konteringspraksis, særlige kategorier eller aftaler. Den kan også overse noget eller placere en postering i en forkert kategori.
Derfor skal et menneske stadig gennemgå resultatet.
AI’en kan heller ikke finde bilag, som ikke findes i det system, den har adgang til. Hvis virksomheden benytter flere økonomisystemer, kan den heller ikke automatisk hente fra dem alle. Det kræver, at der er etableret en passende integration til hvert system.
Endelig skal adgang til økonomiske data naturligvis håndteres med de nødvendige sikkerhedsforanstaltninger og begrænsninger. AI’en bør kun have adgang til de oplysninger, der er nødvendige for at løse opgaven.
Hvor kan en økonomiafdeling bruge AI?
AI skal ikke erstatte økonomimedarbejdernes faglige vurdering. Men den kan hjælpe med tidskrævende opgaver som at:
- Finde posteringer på tværs af konti
- Samle oplysninger fra flere regnskabsår
- Foreslå kategorier
- Strukturere data i Excel
- Kontrollere beregninger
- Lede efter bestemte bilag eller posteringer
- Tilrette en opgørelse efter nye instruktioner
- Pege på udviklinger og mønstre i tallene
Det kan frigive tid til de opgaver, hvor økonomimedarbejdernes viden, erfaring og vurdering virkelig er nødvendig.
Begynd med en konkret opgave
Man behøver ikke starte med en stor AI-strategi eller forsøge at automatisere hele økonomifunktionen.
Start med én konkret og afgrænset opgave, som normalt kræver en del manuelt arbejde. Det kan eksempelvis være at samle en bestemt type udgifter, finde afvigelser, kategorisere posteringer eller skabe et bedre grundlag for et budget.
Mit forsøg viser ikke, at AI kan løse alle opgaver i en økonomiafdeling. Det viser heller ikke, at resultatet altid er perfekt i første forsøg.
Men det viser, at AI kan udføre en stor del af det tidskrævende forarbejde – og måske endda få øje på noget interessant i tallene undervejs.
Jeg beskriver opgaven. Claude arbejder. Jeg laver noget andet imens. Bagefter kontrollerer jeg resultatet og beder om de nødvendige rettelser.
Og så får jeg måske ovenikøbet en lille lynanalyse med.
Det er en ret enkel måde at spare tid på.