Para pemimpin keuangan semakin memanfaatkan AI agens untuk mengotomatiskan proses akun hutang, mengubah tugas manual menjadi alur kerja otonom. Sementara proyek AI umum mencapai pengembalian investasi (ROI) sebesar 67% tahun lalu, agen otonom telah memberikan rata-rata ROI yang mengesankan sebesar 80% dengan mengelola proses kompleks tanpa intervensi manusia. Kesenjangan kinerja yang mencolok ini mendorong CIO untuk mempertimbangkan kembali bagaimana mereka mengalokasikan anggaran untuk otomatisasi.
Sistem AI agens mengalihkan perusahaan dari manfaat teoretis ke pengembalian yang nyata. Berbeda dengan alat generatif yang hanya merangkum data atau menyusun teks, agen-agen ini menjalankan alur kerja yang diatur oleh aturan ketat dan ambang persetujuan. Tekanan dari ruang rapat mendorong pergeseran ini, dengan laporan dari Basware dan FT Longitude menunjukkan bahwa hampir setengah dari CFO didorong untuk menerapkan AI di seluruh operasi mereka. Namun, 61% pemimpin keuangan mengakui bahwa organisasi mereka sebagian besar telah menerapkan agen AI yang dikembangkan secara kustom sebagai eksperimen daripada untuk mengatasi tantangan bisnis tertentu.
Inisiatif eksperimental ini sering kali tidak menghasilkan hasil yang diharapkan. Model AI tradisional menghasilkan wawasan atau prediksi yang memerlukan interpretasi manusia, sedangkan sistem agens menjembatani kesenjangan antara wawasan dan tindakan dengan menyematkan keputusan langsung ke dalam alur kerja. Jason Kurtz, CEO Basware, mencatat bahwa kesabaran untuk eksperimen yang tidak terstruktur semakin menipis, menyatakan, "Kami telah mencapai titik kritis di mana dewan dan CEO sudah tidak sabar dengan eksperimen AI dan mengharapkan hasil yang nyata. AI untuk kepentingan AI itu sia-sia."
Departemen keuangan kini mengarahkan agen-agen ini ke lingkungan berbasis aturan dengan volume tinggi, dengan akun hutang diidentifikasi sebagai kasus penggunaan utama. Tujuh puluh dua persen pemimpin keuangan melihat akun hutang sebagai titik awal yang logis untuk penerapan agens karena ketergantungannya pada data terstruktur. Proses ini melibatkan entri faktur, yang memerlukan pembersihan dan pemeriksaan kepatuhan sebelum menghasilkan pemesanan pembayaran. Tim-tim menggunakan agen untuk mengotomatiskan tugas-tugas seperti pengambilan faktur dan entri data, yang merupakan tanggung jawab harian bagi 20% pemimpin keuangan.
Keberhasilan di sektor ini sangat bergantung pada kualitas data. Basware melatih sistemnya pada dataset lebih dari dua miliar faktur yang diproses, memungkinkan prediksi yang sadar konteks. Data terstruktur ini memungkinkan sistem untuk membedakan antara anomali yang sah dan kesalahan tanpa pengawasan manusia. Kevin Kamau, Direktur Manajemen Produk untuk Data dan AI di Basware, menggambarkan akun hutang sebagai "lapangan uji" untuk AI karena kombinasi skala, kontrol, dan akuntabilitasnya. Saat para pemimpin teknologi mempertimbangkan bagaimana untuk memperoleh kemampuan ini, mereka menghadapi lanskap di mana istilah "agen" mencakup segala sesuatu mulai dari skrip alur kerja sederhana hingga sistem otonom yang kompleks, yang mempersulit proses pengadaan.