Poza prognozą. Jak prowadzić finanse, kiedy przyszłości nie da się przewidzieć

Każdy, kto przygotowywał budżet, zna ten rytuał. Patrzymy na ostatni rok, dokładamy kilka procent, dopasowujemy założenia i powstaje obraz świata za dwanaście miesięcy. Obraz spokojny, uporządkowany i niestety coraz częściej złudny.

Każda taka prognoza opiera się na kilku cichych założeniach. Po pierwsze, że relacje między przychodami, kosztami, kursami walut i popytem pozostaną stabilne. Po drugie, że jedna liczba wystarczy do podejmowania decyzji strategicznych i operacyjnych. Po trzecie, że przeszłość dobrze mówi nam, co wydarzy się jutro. Tymczasem rynki poruszają się bez przerwy.

Wystarczy spojrzeć na polską gospodarkę. W drugim kwartale PKB wzrósł o 3,9%, napędzany inwestycjami. W tym samym czasie wskaźnik PMI dla przemysłu utrzymuje się poniżej granicy 50 punktów, a nowe zamówienia spadają od siedemnastu miesięcy z rzędu. Rentowność dziesięcioletnich obligacji w ciągu jednego roku wahała się od 4,88% do 5,92%.

Te dane nie składają się w jedną spójną opowieść. Którą z nich wpisać do budżetu? I co zrobić, kiedy w połowie roku okaże się, że wybraliśmy niewłaściwą?

Do opisu tej rzeczywistości coraz częściej używa się pojęcia BANI. To cztery cechy świata, w którym działają dziś firmy:

• Brittle (kruchy): Systemy wyglądają stabilnie, dopóki nagle się nie załamią. Punkty nacisku są ukryte, a wstrząsy rozchodzą się błyskawicznie.
• Anxious (niespokojny): Sprzeczne sygnały prowadzą do paraliżu decyzyjnego, a niepokój interesariuszy jest jak najbardziej realny.
• Non-linear (nieliniowy): Przyczyna i skutek przestają iść w parze. Mała zmiana potrafi wywołać ogromny efekt, a duża prawie żadnego.
• Incomprehensible (niezrozumiały): Złożoność przerasta nasze modele, a dane historyczne przestają przewidywać przyszłość.

BANI różni się od znanego wcześniej VUCA w jednym istotnym punkcie. VUCA zakładało, że niepewność da się opanować lepszymi danymi. BANI mówi coś trudniejszego: więcej danych nie rozwiąże problemu, bo sam system stał się trudniejszy do przewidzenia i kontrolowania. I właśnie w takim świecie tradycyjne prognozowanie zaczyna zawodzić.

Skoro przyszłości nie da się przewidzieć, co pozostaje finansom? Wbrew pozorom bardzo dużo. Potrzebna jest jednak zmiana sposobu myślenia.

Tradycyjne planowanie opiera się na przewidywaniu. Prognozujemy, co się wydarzy, budujemy jedną liczbę i bronimy jej przez cały rok. Korygujemy dopiero wtedy, gdy rzeczywistość wyraźnie rozjedzie się z planem. Celem jest trafność prognozy.

Odporne planowanie opiera się na interpretacji. Modelujemy, co może się wydarzyć, budujemy kilka scenariuszy i wracamy do planu co kwartał. Dostosowujemy się za każdym razem, gdy pojawiają się nowe dane. Celem jest szybka adaptacja.

Te same dane, ci sami ludzie, inna filozofia. Można idealnie przewidzieć inflację i zupełnie pomylić się co do kursu walut. Można trafnie oszacować popyt i zostać zaskoczonym przez łańcuch dostaw. Dlatego przewagą konkurencyjną nie jest już trafność prognozy. Jest nią szybkość interpretacji: umiejętność zrozumienia, co się dzieje, szybciej niż inni.

Naturalnym sprzymierzeńcem w tej zmianie wydaje się sztuczna inteligencja. Ale tu czeka na nas pułapka, o której mówi się zdecydowanie za rzadko.

Na łamach Harvard Business Review opisano eksperyment, który powinien zainteresować każdego lidera finansów. Wzięło w nim udział ponad 300 menedżerów i dyrektorów, uczestników programów edukacyjnych poświęconych AI, w okresie od czerwca 2024 do marca 2025 roku.

Zadanie było proste: na podstawie ostatnich notowań przewidzieć kurs akcji Nvidii za miesiąc. Każdy uczestnik najpierw podał własną prognozę. Potem badanych podzielono na dwie grupy. Pierwsza mogła zweryfikować swoją odpowiedź z pomocą ChatGPT, bez kontaktu z innymi. Druga nie miała dostępu do AI, za to mogła przedyskutować prognozę z pozostałymi uczestnikami.

Wynik? Grupa korzystająca z AI stała się bardziej pewna siebie, a jednocześnie mniej trafna. Grupa, która rozmawiała ze sobą, była ostrożniejsza i trafniejsza. Lepsza technologia, więcej danych i większa moc obliczeniowa dały gorsze prognozy i lepsze samopoczucie.

Stoją za tym dwa mechanizmy:

• Pułapka ekstrapolacji: Model bezrefleksyjnie przedłużył wzrostowy trend Nvidii w przyszłość.
• Pułapka autorytetu: Pewny siebie ton odpowiedzi AI przytłumił ludzki osąd.

Wniosek nie brzmi „nie używajcie AI”. Brzmi: AI wzmacnia to, jak myślimy, także nasze błędy. Pewność modelu nie jest tym samym co trafność. Czasem model, który deklaruje 95% pewności, jest bardziej niebezpieczny niż taki, który uczciwie przyznaje się do niepewności.

Jak więc korzystać z AI, żeby nie wpaść w pułapkę pewności siebie? Zamiast przyjmować wynik modelu albo go odrzucać, warto go przepytać. Te pytania nie są wyrazem nieufności. Są sposobem, by oddzielić wiedzę od szumu i zaufać AI tam, gdzie na to zasługuje.

1. Czy ta prognoza zakłada, że przeszłość przewiduje przyszłość? Jeśli tak, co zmieniło się od czasu, z którego pochodzą dane?

2. Skąd bierze się pewność modelu? Czy z siły wzorca, czy po prostu z dużej ilości danych historycznych?

3. Jakie założenia są w niej ukryte? Kursy walut, koszty energii, elastyczność popytu, czy nadal są aktualne?

4. Czy da się prześledzić logikę? Jeśli wyniku nie da się wyjaśnić, czy powinien wpływać na istotne decyzje?

5. Co, jeśli mylimy się co do prawdopodobieństwa scenariuszy? Czy nasza strategia obroni się także w scenariuszu pesymistycznym?

W finansach stawka jest inna niż w większości dziedzin. Błędna liczba nie zostaje w czterech ścianach firmy. Błędny wynik AI nie tylko opóźnia decyzję, kosztuje wiarygodność, pozycję w oczach audytora, a czasem znacznie więcej.

Nic dziwnego, że choć aż 89% liderów finansów bada możliwości AI, większość ma trudność ze wskazaniem bezpiecznych, praktycznych zastosowań. Chcą skrócić czas spędzany na zadaniach operacyjnych, poprawić gotowość do audytu i uwolnić zespół do pracy analitycznej. Hamują ich obawy o bezpieczeństwo danych, niejasność, jak AI wpisuje się w istniejące mechanizmy kontroli oraz wątpliwości co do trafności wyników bez nadzoru człowieka.

Dlatego prawdziwą miarą AI w finansach nie jest szybkość. Jest nią zaufanie. AI, któremu finanse mogą zaufać, musi łączyć trzy cechy jednocześnie:

• Human-First: Analityk finansowy korzysta z niego samodzielnie, bez zgłoszenia do IT i bez konsultanta. Finanse same definiują reguły: progi odchyleń, ścieżki akceptacji, obsługę wyjątków. Bez tego wdrożenie się nie przyjmie.
• Genuinely Intelligent: Rozumie kontekst finansowy: przepływy wewnątrzgrupowe, zasady konsolidacji, późne korekty i niedopasowane transakcje. Wie, kiedy czegoś nie wie i sygnalizuje niepewność, zamiast podawać pewną siebie, błędną odpowiedź. Bez tego narzędzie ląduje na półce.
• Trustworthy: Każdy wynik da się prześledzić do danych źródłowych, bez czarnej skrzynki. Przed trafieniem do materiałów dla zarządu czy sprawozdań wynik przechodzi przez punkty kontrolne człowieka. Bez tego AI staje się ryzykiem.

Pod wszystkimi trzema cechami leży fundament: dane gotowe dla AI: połączone, czyste, spójne i aktualne. Nawet najinteligentniejszy system wprowadzi w błąd, jeśli będzie wnioskował na złych danych.

Właśnie z myślą o takim podejściu powstał Lineos, towarzysz AI, który obejmuje cały cykl pracy działu finansów na jednej, połączonej platformie:

• Planowanie: Agentowe modelowanie scenariuszy z autonomiczną optymalizacją prognoz i wspólnym podejmowaniem decyzji.
• Uzgodnienia: AI nie tylko pomaga, ale samodzielnie uzgadnia bilans.
• Zamknięcie i konsolidacja: Inteligentne wsparcie z autonomiczną obsługą wyjątków i walidacją.
• Raportowanie: Analityka konwersacyjna: rozmowa z danymi, automatycznie generowane wnioski i komentarze osadzone w kontekście.
• Ujawnienia: Wsparcie w zgodności z inteligentnym tworzeniem narracji i aktualizacjami regulacyjnymi.
• Podatki: Autonomiczna optymalizacja i proaktywne monitorowanie zgodności.

Każdy z modułów może działać samodzielnie, ale największą wartość dają razem, jako kompleksowe spojrzenie na całe finanse firmy.

Nie wiemy, jaki będzie kurs złotego za rok, kiedy przemysł wyjdzie z zapaści ani który kolejny wstrząs przestawi nasze założenia. I nie musimy wiedzieć. Rola finansów przesuwa się od wyroczni, która ma znać przyszłość, do przewodnika, który pomaga firmie poruszać się w niepewności.

W tej roli AI może być ogromnym wsparciem, pod warunkiem że będzie wspierać ludzki osąd, a nie go zastępować. Najlepsze decyzje nie zapadną w firmach, które mają najdokładniejsze prognozy. Zapadną w tych, które najszybciej rozumieją, co się dzieje, zadają właściwe pytania i potrafią odpowiednio wcześnie zmienić kurs.