Kan du inte förklara hur AI kom fram till svaret – är det värdelöst för ekonomiavdelningen?

Kontrollen är produkten

Det finns en berättelse om AI som vi hört om och om igen: den handlar om hastighet, besparingar och automatisering. Färre manuella steg, snabbare rapporter, lägre kostnader. Det är en övertygande berättelse — men för ekonomichefer och finansledare är den ofullständig.

För i finansvärlden räcker det inte att få rätt svar. Du måste också kunna visa hur du kom fram till det.

Det är precis den insikten som det svenska mjukvarubolaget Pacera bygger sin höstlansering på. Enligt DI Digital lanserar bolaget Pacera AI — en plattform utformad specifikt för ekonomifunktioner, där kravet på transparens och revisionssäkerhet är inbyggt från grunden, inte påklistrat i efterhand.

– Finansledare står under växande press att agera snabbare och leverera bättre insikter, samtidigt som tillit och kontroll måste upprätthållas, säger Toby Davidson, produktchef på Pacera.

Det är en formulering som låter enkel men rymmer en genuint svår ingenjörsmässig och designmässig utmaning.

Edda och Ora — två lager av intelligens

Plattformen är uppbyggd kring två samverkande delar. Edda fungerar som ett analyslager med förmåga att granska, föreslå och stödja arbetsflöden inom bokslut, konsolidering och verksamhetsstyrning. Ora är ett samtalsgränssnitt som låter användare interagera med system och data via naturligt språk — det vill säga, du ställer en fråga och får ett svar utan att behöva navigera i komplexa menysystem.

Men det som verkligen särskiljer Pacera AI är de tre grundprinciper som hela lösningen vilar på: AI-anpassade tillämpningar, öppen samverkan mellan system och AI-agenter, samt arbetsflöden där människan behåller kontrollen genom tydliga godkännanden och fullständiga revisionsspår.

Det sista är avgörande. Ett revisionsspår är inte bara ett tekniskt krav — det är en förutsättning för att en revisor, en styrelse eller en tillsynsmyndighet ska kunna lita på att processen gått rätt till. Utan det är AI i ekonomifunktioner i praktiken en svart låda.

Varför har det tagit så lång tid?

Många organisationer har experimenterat med generativ AI under de senaste åren, men få har tagit steget till verksamhetskritiska processer. Det är inte av okunnighet — det är av försiktighet. Och den försiktigheten är befogad.

De hinder som bromsat utvecklingen är välkända i branschen: AI-system som hittar på information med övertygande säkerhet, otydligt ansvar när något går fel, och regelkrav som inte är utformade för autonoma system. Inom finans är konsekvenserna av fel inte abstrakta — de syns i balansräkningar, i revision och i yttersta fall i rättsliga påföljder.

Det är mot den bakgrunden som Paceras ansats är strategiskt klok. Genom att göra styrning till en kärnfunktion snarare än ett tillägg adresserar de den verkliga anledningen till att ekonomiavdelningar tvekat. Det handlar inte om att AI är för komplicerat — det handlar om att AI hittills inte gett tillräckliga garantier.

Ett perspektivskifte med branschomfattande konsekvenser

Vad Pacera signalerar är ett mognadsskifte i hur vi tänker kring AI i reglerade verksamheter. Den första vågen handlade om att visa vad AI kan göra. Den andra vågen — den vi nu träder in i — handlar om att visa vad AI får göra, och hur vi vet att det gjort det rätt.

Detta är inte en nischfråga. Inom finans, juridik, sjukvård och offentlig förvaltning finns liknande krav på spårbarhet och ansvarsskyldighet. Den plattformslogik som Pacera tillämpar för ekonomifunktioner är i princip överförbar till alla domäner där beslut måste kunna granskas i efterhand.

Och i takt med att EU:s AI-förordning träder i kraft med allt skarpare krav på högriskiga AI-system, kommer frågan om revisionssäkerhet att flytta från att vara en konkurrensfördel till att bli ett absolut minimikrav.

Pacera är tidigt ute. Det är ett bra ställe att vara på.