slik endrer KI roller innen økonomi og finans: fra rutineoppgaver til faglig skjønn.

Når KI og automatisering overtar flere rutineoppgaver, endres også hvordan medarbeidere bygger erfaring og skaper verdi. For økonomifunksjonen betyr det større behov for faglig skjønn, kritisk tenkning, veiledning og kompetanse som gjør det mulig å forstå og utfordre resultatene fra teknologien.

Innholdsfortegnelse:

1. Et gap mellom ledelsens planer og medarbeidernes trygghet
2. Psykologisk trygghet blir viktigere når KI tar større plass
3. Fra rutineoppgaver til faglig veiledning
4. Mål kvalitet og faglig skjønn, ikke bare volum
5. Tre grep for å bygge kompetanse rundt KI
6. Ofte stilte spørsmål om KI og kompetanse i økonomifunksjonen

Et gap mellom ledelsens planer og medarbeidernes trygghet

Økonomi- og finansfunksjoner står midt i en omfattende omstilling. Samtidig viser Randstad Workmonitor et tydelig gap mellom hvordan arbeidsgivere og arbeidstakere ser på utviklingen. Hele 95 prosent av arbeidsgiverne er optimistiske med tanke på vekst, mens 51 prosent av arbeidstakerne deler den samme optimismen.

I en periode der arbeidsoppgaver og kompetansebehov endres raskt, blir dette gapet viktig. Når virksomheten har tydelige planer for KI og automatisering, trenger medarbeiderne også å forstå hva endringene betyr for egen rolle, kompetanse og utvikling.

Samtidig endrer automatisering hvordan nye medarbeidere bygger erfaring. Etter hvert som flere rutineoppgaver forsvinner, blir også de tradisjonelle læringsarenaene færre. Randstads analyser viser at 76 prosent av arbeidsgiverne innen finans, regnskap og økonomi forventer at halvparten av dagens stillinger på startnivå vil være borte i løpet av de neste fem årene.

Det skaper en ny utfordring. Når oppgavene som tidligere ga nyansatte praktisk erfaring automatiseres, må virksomheter finne andre måter å utvikle faglig forståelse, dømmekraft og forretningsforståelse på. Nye medarbeidere lærer ikke nødvendigvis gjennom repetisjon i samme grad som før, men gjennom veiledning, samarbeid og arbeid med mer komplekse problemstillinger.

Psykologisk trygghet blir viktigere når KI tar større plass

Tidligere lærte nyansatte økonomifaget gjennom praktisk arbeid. Oppgaver som avstemming, dataregistrering og rapportering ga erfaring, bygget faglig forståelse og la grunnlaget for større ansvar over tid.

Når slike oppgaver automatiseres, endres også måten ny kompetanse utvikles på. I stedet for å bruke mye tid på rutinearbeid må nyansatte lære å forstå, vurdere og utfordre resultatene fra KI og andre automatiserte systemer. Veiledning handler derfor ikke bare om å lære bort arbeidsoppgaver, men om å utvikle faglig skjønn og kritisk tenkning.

Fra kontroll til tillit

Når flere oppgaver automatiseres, endres også ledernes ansvar. Tidligere handlet kontroll i stor grad om å gjennomgå enkelttransaksjoner og rette feil. I en mer automatisert økonomifunksjon handler det i større grad om å vurdere om systemene leverer pålitelige resultater, og vite når resultatene bør utfordres.

Automatisering gjør det mulig å arbeide raskere og mer effektivt, men kan også gjøre at feil får større rekkevidde. Hvis en feil i et automatisert system ikke blir oppdaget, kan den påvirke flere transaksjoner eller beslutninger på kort tid.

Psykologisk trygghet blir derfor også et spørsmål om kvalitet og risikostyring. Medarbeidere må kunne stille spørsmål, utfordre analyser og si fra når noe ikke virker riktig. Det reduserer risikoen for at usikkerhet eller feil blir oversett.

Bygg en kultur der det er trygt å utfordre

Teknologi alene skaper ikke gode beslutninger. For å lykkes med KI må virksomheter også bygge en kultur der medarbeidere føler seg trygge på å stille spørsmål, utfordre resultater og varsle om risiko. 

Amy Edmondsons forskning på psykologisk trygghet viser at frykten for å fremstå uvitende, lite kompetent eller negativ kan gjøre at medarbeidere lar være å si fra:

• Virke uvitende: Medarbeidere kan vegre seg for å stille spørsmål om hvordan KI fungerer, fordi de er redde for å fremstå som om de ikke forstår teknologien.
• Fremstå som lite kompetente: Det kan være vanskelig å påpeke feil eller innrømme usikkerhet dersom det oppleves som et tegn på manglende faglig trygghet.
• Skape konflikt: Medarbeidere kan la være å utfordre beslutninger eller systemer som andre har innført, fordi de ikke ønsker å bli oppfattet som vanskelige.
• Bremse utviklingen: Kritiske spørsmål kan holdes tilbake av frykt for å bli sett på som negativ eller som en motstander av ny teknologi.

Fra rutineoppgaver til faglig veiledning

Når virksomheter utvikler kompetansen i økonomiteamet, representerer hver ledige stilling et strategisk valg. En ny rolle handler ikke bare om å fylle kapasitet til rutineoppgaver. Den er også en mulighet til å ansette og utvikle medarbeidere som kan analysere, vurdere og utfordre resultatene fra KI og automatiserte systemer.

Det endrer også rollen til erfarne medarbeidere og ledere. Mindre tid går til kontroll av manuell registrering, mens mer tid kan brukes på faglig veiledning, vurdering av avvik og utvikling av kritisk tenkning.

For å redusere risikoen ved automatiserte beslutninger kombinerer mange virksomheter automatisering med menneskelig vurdering og kontroll, ofte omtalt som "Human-in-the-Loop" (HiTL). Målet er å bruke teknologien til det den er god på, samtidig som mennesker beholder ansvaret for vurderinger der kontekst, faglig skjønn og kontroll er nødvendig.

Når mindre tid brukes på manuelle oppgaver, kan mer av kapasiteten flyttes til komplekse og verdiskapende oppgaver. Det forutsetter samtidig at medarbeiderne får anledning til å utvikle kompetansen som trengs for å forstå og kvalitetssikre resultatene.

Autopilot-paradokset: slik unngår du kognitiv gjeld

Økonomi- og finansmiljøer kan hente lærdom fra luftfarten. Da flysystemene ble mer automatiserte, oppsto det bekymring for at pilotenes manuelle ferdigheter kunne svekkes når de ble brukt sjeldnere. En lignende problemstilling diskuteres nå i kunnskapsarbeid. 

En studie fra MIT Media Lab omtaler en mulig konsekvens av sterk avhengighet av KI som "kognitiv gjeld", altså at vi bruker mindre egen mental innsats når stadig mer av arbeidet overlates til teknologien. 

Når medarbeidere blir for avhengige av automatisering, kan arbeidet bli utført effektivt samtidig som evnen til å oppdage feil eller vurdere resultatene utfordres. Derfor kan situasjoner der algoritmer flagger usikre eller tvetydige data brukes som læringsmuligheter. De gir medarbeiderne erfaring med å vurdere når menneskelig skjønn fortsatt er nødvendig.

Til ettertanke: bygger teamet opp kognitiv gjeld?

Still disse spørsmålene når dere automatiserer:

• Hvis KI-verktøyene sluttet å fungere i dag, har teamet fortsatt kompetansen som trengs for å oppdage og håndtere feil?
• Lærer nyansatte hvorfor en transaksjon behandles på en bestemt måte, eller bare hvordan systemet brukes?
• Rekrutterer dere først og fremst for effektivitet her og nå, eller også for evnen til å utvikle fremtidens fagmiljø og ledere?

Ved å gi nyansatte en rolle som går utover rutineoppgaver, investerer virksomheten ikke bare i dagens drift, men også i kompetansen og dømmekraften som blir viktig når mer arbeid automatiseres.

Mål kvalitet og faglig skjønn, ikke bare volum

For å utnytte gevinstene ved KI må virksomheter også se på hvordan prestasjon måles. I en mer automatisert økonomifunksjon sier antall gjennomførte oppgaver stadig mindre om den reelle verdien en medarbeider skaper. Det blir viktigere å vurdere hvordan medarbeideren bidrar til kvalitet, kontroll og gode beslutninger.

• Tradisjonell måling: Produktivitet vurderes ut fra antall oppgaver eller transaksjoner som fullføres.
• Et nytt perspektiv: Verdi vurderes også ut fra evnen til å identifisere avvik, stille kritiske spørsmål og forbedre kvaliteten i automatiserte prosesser.

Dette henger også sammen med funn i Randstad Workmonitor, som viser at 63 prosent av arbeidstakerne føler sterkere tilknytning til sin nærmeste leder enn til virksomheten. Det understreker hvor viktig lederrollen kan bli når medarbeidere skal lære nye arbeidsformer og utvikle kompetansen sin.

Fra erfaring til kompetanse

I et arbeidsmarked preget av KI og automatisering sier antall år i en rolle ikke alt om hvilken kompetanse en kandidat har. Moderne verktøy gjør det mulig å utvikle enkelte ferdigheter raskere, samtidig som erfaring fortsatt er viktig for faglig forståelse og dømmekraft

DRekruttering bør derfor i større grad vurdere kompetanse og potensial sammen med relevant erfaring. Evnen til å forstå systemer, vurdere automatiserte resultater og bruke faglig skjønn blir stadig viktigere i mange roller innen økonomi og finans.

Tre grep for å bygge kompetanse rundt KI

For å skape varig verdi av automatisering kan virksomheter arbeide systematisk med tre områder:

1. AAutomatiser egnede rutineoppgaver: La teknologien overta repetitive oppgaver som utgiftsbehandling og enkle avstemminger der det er hensiktsmessig, slik at medarbeiderne får mer tid til analyse og vurdering.
2. Invester i kompetanseutvikling: Bruk tiden som frigjøres til å utvikle forståelse for hvordan KI fungerer, og hvordan resultatene bør vurderes og kvalitetssikres.
3. Rekrutter for fremtidige behov: Prioriter kandidater som kombinerer relevant fagkompetanse med teknologiforståelse, forretningsforståelse og evnen til å omsette innsikt til gode beslutninger.

Ofte stilte spørsmål

Hvordan kan Randstad hjelpe?

Når økonomifunksjonen endres av KI og automatisering, endres også behovet for kompetanse.

Randstad hjelper vi virksomheter med rekruttering, kompetansebehov og planlegging av økonomiteam, slik at det blir lettere å finne og utvikle medarbeidere med riktig kombinasjon av faglig forståelse, teknologikompetanse og dømmekraft.

Ta kontakt med våre spesialister for å diskutere hvilke kompetansebehov virksomheten deres har fremover.