आपके CFO पूछते हैं कि क्या AI फोरकास्ट, महीने के री-फोरकास्ट (reforecast) की जगह ले सकता है, और असली सवाल टूल्स के बारे में नहीं है। असली सवाल यह है कि फोरकास्ट किस फैसले में मदद करेगा, कौन उस पर भरोसा करेगा, और अगर वह गलत हुआ तो पेशेवर जवाबदेही किसकी होगी। अगर आप बातचीत को सिर्फ़ फोरकास्ट की सटीकता तक सीमित रखते हैं, तो आप ऐसा नंबर दे सकते हैं जो हिसाब-किताब में तो सही हो लेकिन फैसले के लिए बेकार हो। ऐसे में आपको CEO को यह समझाना पड़ सकता है कि हायरिंग प्लान या कैश कोवेनेंट कॉल गलत समय पर और गलत अनुमानों के आधार पर क्यों लिए गए।
AI ड्राफ्ट बना सकता है, वर्गीकरण कर सकता है, सारांश दे सकता है और फ़्लैग कर सकता है। फैसले का संदर्भ तय करना, लागत और वॉल्यूम के व्यवहार के अनुमान बनाना, मैनेजमेंट ओवरले की जिम्मेदारी लेना और जहाँ फोरकास्ट का इस्तेमाल हो रहा है वहाँ उसका बचाव करना, ये सब आपको ही करना होगा। अगर यह सीमा साफ़ नहीं है, तो आपके फोरकास्ट प्रोसेस का आंतरिक ऑडिट नहीं हो पाएगा (भले ही कोई बाहरी ऑडिटर उसे न देखे), क्योंकि आप यह नहीं दिखा पाएंगे कि संगठन ने कैसे अपना निर्णय लिया और मॉडल ने कैसे कमियों को भरा।
बजट एक प्रतिबद्धता और नियंत्रण का तरीका है, जो आमतौर पर सालाना ऑपरेटिंग प्लान के ज़रिए मैनेज किया जाता है। इसमें जवाबदेही संसाधनों के आवंटन और परफॉर्मेंस के मूल्यांकन से जुड़ी होती है। फोरकास्ट मौजूदा जानकारी के आधार पर अपेक्षित नतीजों का अपडेट होता है। इसे उस समय-चक्र (cadence) के ज़रिए मैनेज किया जाता है जिसका आप इस्तेमाल करते हैं, और इसमें जवाबदेही फैसले की गुणवत्ता से जुड़ी होती है, न कि वादे को पूरा करने से। रोलिंग फोरकास्ट एक निश्चित समय-सीमा बनाए रखकर इस अनुशासन को आगे बढ़ाता है, ताकि क्षमता, कीमत या इन्वेंट्री जैसे फैसले, जिनमें समय लगता है (lead times), उन्हें सालाना कैलेंडर में जबरदस्ती फिट न करना पड़े।
AI के लिए इस अंतर का महत्व गवर्नेंस (शासन-प्रक्रिया) है, न कि शब्दावली। अगर आप बजट को फोरकास्ट की तरह मानते हैं, तो आप लागत नियंत्रण को कमजोर करते हैं और इंसेंटिव में भ्रम पैदा करते हैं। अगर आप फोरकास्ट को बजट की तरह मानते हैं, तो मैनेजर असलियत को जल्दी सामने लाने के बजाय नंबरों में हेरफेर करना सीख जाते हैं, और AI अपने ड्राफ्ट में उसी व्यवहार को हूबहू दोहराएगा।
यह तय करने के लिए डिसीजन मैप का इस्तेमाल करें कि आप किस चीज़ (आर्टिफैक्ट) के बारे में बात कर रहे हैं, उसका मालिक कौन है, और वह किन फैसलों में मदद करता है।
महीने के आखिर में होने वाले FP&A साइकल में, AI वहां सबसे ज़्यादा असरदार होता है जहां काम बार-बार दोहराया जाने वाला और भाषा-प्रधान (language-heavy) होता है। यह सोर्स डेटा को व्यवस्थित करने, ड्राइवर कैंडिडेट का सुझाव देने, नैरेटिव कमेंट्री का ड्राफ्ट तैयार करने और उन मामलों (exceptions) को अलग करने में मदद कर सकता है जहां असल नतीजे उम्मीदों से अलग होते हैं। इससे साइकल का समय तो बचता है, लेकिन इससे यह नहीं बदलता कि ड्राइवरों को कौन मंज़ूरी देता है, मैनेजमेंट ओवरले को कौन मंज़ूरी देता है, और जब किसी फोरकास्ट के आधार पर ऐसे खर्च को मंज़ूरी दी जाती है जो बाद में बजट से बाहर साबित होता है, तो उसके लिए कौन ज़िम्मेदार होता है।
AI वहां सबसे कमज़ोर होता है जहां सच्चाई के बजाय ऑर्गनाइज़ेशन का संदर्भ (context) और इंसेंटिव ज़्यादा मायने रखते हैं। इसे यह पता नहीं होता कि किसी सेल्स लीडर ने पिछले क्वार्टर में जान-बूझकर कम टारगेट दिखाया था, किसी प्लांट मैनेजर ने मेंटेनेंस का काम समय से पहले करवा लिया था, या किसी कस्टमर के साथ एक बार हुए विवाद की वजह से कलेक्शन के आंकड़े बिगड़ गए हैं। अगर आप AI को कम जानकारी के आधार पर कॉस्ट बिहेवियर या सीज़नैलिटी का अंदाज़ा लगाने देते हैं, तो वह ऐसा मॉडल बना देगा जो देखने में तो सही लगेगा लेकिन असल कामकाज के लिहाज़ से गलत होगा; और इस तरह आप लीडरशिप को ऐसे भरोसे के साथ जानकारी देंगे जिसके आप असल में हकदार नहीं थे।
किसी काम को ऑटोमेट करने का फ़ैसला लेने से पहले, वर्कफ़्लो में उन जगहों की पहचान करें जहां मदद की ज़रूरत है और जहां इंसानी मंज़ूरी (sign-off) ज़रूरी है।
मैनेजमेंट रिपोर्टिंग सिर्फ़ ड्राफ़्ट बनाने का काम नहीं है। यह जवाबदेही तय करने का एक सिस्टम है। AI फ़ोरकास्ट पर कमेंट्री लिख सकता है, ड्राइवर में बदलाव का सुझाव दे सकता है और अंतर (variance) के मुख्य कारणों का सारांश बना सकता है, लेकिन फ़ोरकास्ट में बदलाव, मैनेजमेंट ओवरले और बोर्ड पैक की भाषा को किसी ज़िम्मेदार व्यक्ति द्वारा मंज़ूरी मिलनी चाहिए, क्योंकि इन्हीं फ़ैसलों के आधार पर असल कार्रवाई होती है।
जब आप मंज़ूरी के ज़रूरी चरणों को छोड़ देते हैं, तो जोखिम सिर्फ़ गलत नंबर का नहीं होता। जोखिम यह होता है कि आप यह पता नहीं लगा पाते कि उस समय संगठन ने कोई बात क्यों मानी थी; इससे FP&A पर भरोसा कम होता है और भविष्य में अंतर (variance) पर होने वाली चर्चाएँ समस्याओं को समझने के बजाय बचाव की मुद्रा वाली बन जाती हैं।
हर फ़ोरकास्ट एलिमेंट के लिए मंज़ूरी की प्रक्रिया को साफ़ तौर पर तय करने के लिए RACI मॉडल का इस्तेमाल करें।