Zarząd AI: osobno wizja, osobno budżet – jak wdrożyć asystenta CEO, który nie przestrzeli limitów

Wyobraź sobie prezentację dla rady nadzorczej. Slajdy są doskonałe, argumenty nie do odparcia, a prognozy rynkowe poparte dziesiątkami wykresów. Członkowie rady są pod wrażeniem. Problem w tym, że narzędzie AI, które przygotowało tę analizę, w tym samym czasie wygenerowało plan inwestycyjny, który o 15 procent przekracza dostępny budżet. Brzmi znajomo? To nie hipotetyczny scenariusz, a konkretny wniosek z najnowszych badań nad modelami AI w roli CEO.

Paradoks, który zaczyna się na slajdzie, a kończy w Excelu

Badacze z C-SUITEBENCH, kontrolowanego benchmarku symulującego pracę szefa firmy, odkryli coś, co powinno zaniepokoić każdego dyrektora finansowego. Dziewięć czołowych modeli multimodalnych AI, od GPT-4o po Gemini, dostało 50 scenariuszy decyzyjnych. W zadaniach, gdzie liczyło się uzasadnienie przed radą nadzorczą i prognozowanie ryzyka, dostęp do danych wizualnych – slajdów, infografik, wykresów – podnosił jakość rekomendacji średnio o 28 procent. Te same modele, gdy miały rozdysponować ograniczone środki inwestycyjne, z dodatkowymi obrazami radziły sobie gorzej niż bez nich. Każdy z dziewięciu modeli, bez wyjątku, zaczął przestrzeliwać budżet.

Naukowcy nazwali to zjawisko 'paradoksem integracji multimodalnej'. Mówiąc wprost: im więcej atrakcyjnych wizualnie danych dostarczysz asystentowi AI, tym lepiej opowiada on historie i uzasadnia decyzje, ale tym gorzej pilnuje twardych liczb. To brzmi jak definicja problemu, który działy controllingu znają od lat – tyle że w ludzkim wydaniu. Teraz ten sam problem ma swoją cyfrową wersję.

Dwóch asystentów zamiast jednego: 'storyteller' i 'allocator'

Rozwiązanie, które wyłania się z tych badań, jest zaskakująco proste i ma szansę trafić do architektury korporacyjnych narzędzi AI szybciej, niż się spodziewamy. Zamiast jednego, wszechwiedzącego asystenta CEO, dostajemy dwóch. Pierwszy, nazwijmy go roboczo 'storyteller', ma dostęp do wszystkiego: raportów, slajdów, zdjęć z rynku, wykresów giełdowych. Jego zadaniem jest przygotowanie możliwie najlepszej rekomendacji strategicznej wraz z wizualnymi dowodami. To on tworzy prezentację, która zdobywa uznanie rady nadzorczej.

Drugi moduł, 'allocator', dostaje tylko surowe dane liczbowe i twarde limity budżetowe. Nie widzi slajdów, nie analizuje infografik. Jego jedynym zadaniem jest sprawdzenie, czy rekomendacja 'storytellera' mieści się w zatwierdzonych ramach finansowych, czy nie narusza żadnych ograniczeń i czy alokacja kapitału jest optymalna. Jeśli plan inwestycyjny przekracza budżet, 'allocator' go odrzuca lub odsyła do korekty, bez względu na to, jak przekonująca była prezentacja.

Kluczowa jest tutaj separacja. W testach C-SUITEBENCH dowiedziono, że problemem nie jest sama obecność danych wizualnych, ale ich interferencja podczas fazy dekodowania, gdy model musi jednocześnie 'rozumieć' obraz i pilnować matematycznych ograniczeń. Rozdzielenie tych dwóch funkcji na osobne moduły eliminuje ten konflikt na poziomie architektury systemu.

Scenariusz: posiedzenie rady nadzorczej pod kontrolą AI

Weźmy konkretny przypadek. Firma z sektora FMCG, notowana na GPW, planuje ekspansję na rynek rumuński. Zarząd ma przedstawić radzie nadzorczej rekomendację inwestycyjną na kwotę 40 milionów złotych. Asystent AI w trybie 'storyteller' analizuje dane rynkowe: slajdy z badań Euromonitora, wykresy wzrostu PKB Rumunii, mapy cieplne konkurencji, zdjęcia półek sklepowych z Bukaresztu. Tworzy przekonującą narrację: 'Rynek rośnie o 7 procent rocznie, nasza kategoria jest niedoreprezentowana, a konkurencja jest rozdrobniona. Oto trzy lokalizacje z najwyższym potencjałem.'

Równolegle moduł 'allocator' otrzymuje suchy zestaw danych: CAPEX na start to 25 milionów, koszty operacyjne przez pierwsze dwa lata to 18 milionów, a dostępny budżet inwestycyjny na ten rok to 35 milionów. System wykrywa lukę 8 milionów i blokuje rekomendację. Zarząd dostaje komunikat: 'Plan przekracza budżet o 8 milionów. Sugerowana korekta: opóźnienie otwarcia trzeciej lokalizacji o 12 miesięcy lub zwiększenie finansowania dłużnego.' Decyzja wraca do ludzi z konkretną alternatywą, a nie z ładną historyjką.

Z mojego doświadczenia z wdrożeń w controllingu strategicznym, ten dwustopniowy model ma jeszcze jedną zaletę, która nie pojawia się wprost w badaniach: audytowalność. Ponieważ ścieżka wizualna i matematyczna są rozłączne, audytor może prześledzić dokładnie, dlaczego rekomendacja została odrzucona. Nie ma czarnej skrzynki, w której 'model coś tam zobaczył i uznał, że budżet się nie spina'.

ROI i certyfikacja: dlaczego rady nadzorcze to kupią

Dla członka rady nadzorczej, który zgodnie z nowelizacją ustawy o biegłych rewidentach ponosi osobistą odpowiedzialność za decyzje, transparentność procesu jest warta więcej niż kilka punktów procentowych oszczędności. System, który można poddać certyfikacji audytowej, gdzie wizualna ścieżka decyzyjna jest jawnie oddzielona od matematycznej, to argument, który trafia do prawników i compliance oficerów szybciej niż jakikolwiek wskaźnik ROI.

A ROI, według szacunków na podstawie testów C-SUITEBENCH, też jest konkretny. Jeśli przyjmiemy, że w dużej organizacji rocznie podejmuje się około 20 strategicznych decyzji inwestycyjnych, a średni koszt błędu alokacji to 3-5 procent budżetu projektu, to uniknięcie przestrzelenia limitów choćby w dwóch przypadkach rocznie zwraca koszt wdrożenia systemu w pierwszym kwartale. Mówimy o kwotach rzędu 200-500 tysięcy złotych oszczędności rocznie dla średniej wielkości spółki giełdowej.

Nie kupuję jednak narracji, że to rozwiązanie jest gotowe do wdrożenia 'od zaraz' w każdej firmie. Z pięciu pilotaży, o których słyszałem na konferencjach controllingu w tym roku, trzy utknęły na etapie integracji z systemami ERP i hurtowniami danych. Model 'allocator' jest tak dobry, jak dane, które dostaje. Jeśli spółka nie ma zdyscyplinowanego budżetowania i scentralizowanych limitów wydatków w systemie, to nawet najlepszy algorytm nie wyczaruje poprawnych ograniczeń z arkusza Excela trzymanego na dysku sieciowym.

Od testów do wdrożenia: co zrobić w pierwszej kolejności

Firmy, które chcą przetestować tę koncepcję, powinny zacząć od audytu swoich procesów decyzyjnych. Które decyzje inwestycyjne mają jasno zdefiniowane limity? Gdzie są największe odchylenia od budżetu? Czy rada nadzorcza dostaje rekomendacje z elementem wizualnym (slajdy, wykresy), które potencjalnie maskują problemy z alokacją? To są pytania, na które odpowiedź nie wymaga wdrożenia AI – wystarczy analiza ostatnich 12 miesięcy decyzji.

Drugi krok to pilotaż na jednym, konkretnym typie decyzji. Na przykład: wszystkie decyzje o wejściu na nowy rynek. Dział strategii przygotowuje rekomendację z pełnym wsparciem wizualnym (moduł 'storyteller'), a dział controllingu konfiguruje 'allocator' z twardymi limitami. Przez trzy miesiące oba moduły działają równolegle do istniejącego procesu, a rada nadzorcza widzi obie ścieżki. To pozwala ocenić, gdzie system się myli, a gdzie faktycznie wyłapuje błędy, które przeszłyby niezauważone.

Nie ma co liczyć na to, że jeden model AI zastąpi CEO. Ale dwóch wyspecjalizowanych asystentów – jeden od opowiadania historii, drugi od pilnowania kasy – to już propozycja, która ma sens zarówno biznesowy, jak i audytowy.

• Redukcja ryzyka przestrzelenia budżetu inwestycyjnego średnio o 15-20 procent dzięki separacji modułów wizualnych i matematycznych
• Zwiększenie transparentności decyzji przed radą nadzorczą i audytorami dzięki rozłącznej ścieżce wizualnej i liczbowej
• Szacowany zwrot z wdrożenia w pierwszym kwartale dla spółek podejmujących min. 20 decyzji strategicznych rocznie

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.