Kennisbank

Što financijska administracija zna, a IT ne zna

Račun ne laže

Pretplata se sklapa jer je nekome potrebna. To je svojstvo koje čini podatke o nabavi i licencama vrijednima kod izgradnje AI inventara. Zaposlenik koji koristi jezični ili slikovni model bez da IT to zna, obično za to i plaća: kreditnom karticom, putem povrata troškova, putem timske kartice, putem odjelnog budžeta. Ta transakcija je negdje zabilježena, i to čak i ako je nitko nije prijavio kao "korištenje AI-a".

To financijske podatke čini drugačijim izvorom od IT popisa. Dok zašto IT popis nije točan u organizaciji s više odjela objašnjava zašto se formalno odobrenje i stvarno korištenje razlikuju, ovaj trag pokazuje što je, unatoč tom jazu, zabilježeno: novac koji je potrošen na nešto.

Odakle to preuzeti

Izvori ne leže kod jednog odjela. Relevantni su, među ostalim:

• Pregledi kreditnih kartica i povrati troškova. Redoviti iznosi prema poznatim dobavljačima AI-a, često pod nazivima koji se ne prepoznaju odmah kao "AI".
• Računi u administraciji dobavljača. Ugovori koji idu putem nabave, uključujući jednokratne troškove implementacije koji upućuju na pretplatu.
• SaaS alati za upravljanje, ako ih organizacija koristi: oni često prikazuju koje su aplikacije aktivno povezane s poslovnim računima, bez obzira na to jesu li zatražene kod IT-a.
• Zapisi jedinstvene prijave i identiteta (SSO). Tko se prijavljuje u koju uslugu s poslovnim računom, i to bez postojanja središnjeg ugovora.
• Registri nabave po odjelima. Posebno u organizacijama gdje odjeli upravljaju vlastitim budžetom, ovdje se nalaze pretplate koje nikada nisu prijavljene IT-u.

Nijedan od ovih izvora sam po sebi ne daje potpunu slika. Zajedno otkrivaju obrazac koji IT popis ne prikazuje.

Što bilježite po pronađenoj stavci

Cilj nije popis iznosa, već popis primjena s podrijetlom. Za svaku pronađenu pretplatu ili ugovor korisno je zabilježiti:

• naziv dobavljača i proizvoda, kako stoji na računu
• odjel ili trošak mjesto odakle izdatak potječe
• radi li se o individualnoj pretplati, timskoj licenci ili ugovoru koji obuhvaća cijelu organizaciju
• pretpostavljeno razdoblje korištenja, izvedeno iz datuma prvog i posljednjeg računa
• pojavljuje li se primjena već na postojećem IT popisu, ili je riječ o novom nalazu

Ova polja su polazna točka. Potpuniji pregled onoga što je potrebno po primjeni da bi se došlo do klasifikacije, opisan je u što bilježite po primjeni u organizaciji s više sustava. Podaci o nabavi prije svega daju polazište: naziv, odjel, iznos. Ostatak klasifikacije slijedi kasnije.

Granica ove metode

Podaci o nabavi i licencama prije svega pronalaze plaćeno korištenje. Besplatne verzije AI alata, probna razdoblja i osobni računi koji se ne naplaćuju putem tvrtke, ostaju time nevidljivi. Također, usluge koje su ugrađene u postojeći ugovor — AI funkcija dodana softveru koji se već koristio, bez posebnog fakturiranja — ne pojavljuju se u pregledu računa.

To je jedan od razloga zašto su financijski podaci jedan izvor uz druge, a ne jedini. Drugi materijal, kao što je mrežni promet ili preglednički dodaci, pronalazi upravo korištenje koje ne košta novac. Koji tehnički signali su za to korisni i što oni pokazuju a što ne, opisano je u koji IT signali su korisni pri otkrivanju korištenja AI-a. Oba traga zajedno daju bolju slika nego svaki zasebno.

Postavljanje pitanja bez isticanja računa

Onaj koji naiđe na nepoznatu pretplatu u administraciji, može odjel koji ju je sklopio o tome izravno pitati. To bolje funkcionira ako se to pitanje ne postavlja kao kontrola. Voditelj odjela koji sumnja da se izdatak dovodi u pitanje, manje će vjerojatno dati potpune informacije od osobe koja smatra da je pitanje namijenjeno samo dobivanju potpune slike. Kako to pitanje postaviti tako da netko odgovori umjesto da se zatvori, detaljno je obrađeno u kako to pitati zaposlenike bez svođenja na odgovornost u organizaciji s postojećim AI primjenama.

Jedan izvor u širem procesu

Podaci o nabavi jedna su od građevnih jedinica pri izgradnji inventara na razini cijele organizacije, a ne cijeli proces. Kako se ovaj izvor odnosi na ispitivanja zaposlenika, tehničke signale i postojeći IT popis, i kojim redoslijedom to praktično pristupiti, opisano je u kako izgraditi AI inventar u organizaciji s više odjela.

Od znanja što se koristi do znanja koliko to vrijedi

Inventar temeljen na podacima o nabavi odgovara na pitanje koje AI primjene postoje i tko za njih plaća. Time još nije rečeno što te primjene stvarno donose, ili koji dio posla za koji su nabavljene zaista obavlja AI. To pitanje izlazi izvan opsega inventara za potrebe upravljanja i odgovara na njega radna analiza (werkscan) tvrtke FTE TO AI, koja po zadatku izračunava koji dio posla može preuzeti AI. Onaj koji jednom zna koje primjene postoje u organizaciji, može uz tu analizu utvrditi što one konkretno pomiču u pogledu posla.