Kontrolere neće zamijeniti AI, nego poslovni partneri
Danny Szajnowicz, član uprave i partner njemačke CA Controller Akademie.
Umjetna inteligencija preuzima rutinske zadatke, a kontroleri moraju razvijati nove vještine i aktivnije sudjelovati u poslovnim odlukama
Umjetna inteligencija sve brže preuzima rutinske poslove kontrolera, od izrade izvještaja do financijskih prognoza, no njihova najveća prijetnja nisu algoritmi, nego kolege koji se iz proizvođača brojki uspiju pretvoriti u poslovne partnere menadžmenta.
Na to je na 14. međunarodnoj konferenciji o kontrolingu u Zagrebu upozorio Danny Szajnowicz, član uprave i partner njemačke CA Controller Akademie.
– Svi danas govore o AI-ju. No, u kompanijama i dalje imamo odluke koje se ne donose, a taj problem umjetna inteligencija ne može i neće riješiti. Upravo zato trebamo ljude i zato trebamo kontrolere – poručio je Szajnowicz.
Prema njegovim riječima, kontroling prolazi kroz jednu od najvećih transformacija dosad. Umjetna inteligencija već može izrađivati standardne izvještaje, analizirati odstupanja od planova, prepoznavati rizike i simulirati poslovne scenarije. Poslovi koji su kontrolerima nekada oduzimali sate rada sve se više automatiziraju, zbog čega se mijenja i njihova uloga unutar kompanija.
Izgubljeni u svojoj ulozi
– Ako govorimo o zadacima kontrolera, svjedočimo velikim promjenama. Imamo sve više automatizacije, što znači da se mnogi poslovi koje su kontroleri dosad obavljali danas mogu automatizirati. Istodobno se pojavljuju nove odgovornosti i zadaci – istaknuo je.
Međutim, problem je što mnogi kontroleri još uvijek nisu sigurni što se od njih očekuje. Umjesto aktivnog sudjelovanja u poslovnim odlukama, često ostaju usmjereni na prikupljanje podataka, pripremu analiza i objašnjavanje rezultata koji su već ostvareni.
– Kada razgovaram s kontrolerima, često imam osjećaj da su mnogi izgubljeni u svojoj ulozi. Zato smo razmišljali kako pomoći organizacijama da razviju viziju budućnosti kontrolinga. Sve počinje pitanjem zašto smo ovdje i koja bi trebala biti naša buduća uloga – rekao je Szajnowicz.
U budućnosti se vrijednost kontrolera neće mjeriti brojem izrađenih izvještaja, nego njihovim doprinosom poslovnim rezultatima. Od njih će se očekivati razumijevanje poslovnog modela, prepoznavanje rizika, kritičko preispitivanje analiza koje generira AI te pretvaranje podataka u konkretne preporuke menadžmentu.
Za takvu transformaciju nije dovoljno samo uvesti nove digitalne alate. Kompanije moraju unaprijediti planiranje, upravljanje podacima i poslovne procese te razvijati kompetencije zaposlenika. Szajnowicz je predstavio i primjer farmaceutske kompanije Vetter Pharma, koja je kontroling podijelila na funkciju zaduženu za sustave i podatke te onu usmjerenu na poslovno partnerstvo i upravljanje rezultatima.
Ipak, promjena organizacijske strukture sama po sebi ne jamči uspjeh. Kontroleri moraju razvijati komunikacijske vještine, razumjeti potrebe različitih poslovnih odjela i imati dovoljno samopouzdanja da menadžmentu otvoreno ukažu na probleme.
– Moramo znati koristiti tehnologiju, ali moramo imati i razvijene socijalne vještine. Moramo moći uvjeriti menadžment da se nešto događa, rješavati konflikte i preuzimati odgovornost. Sve su to stvari koje AI ne može raditi – naglasio je Szajnowicz.
– Kontrolere neće zamijeniti umjetna inteligencija, nego pravi poslovni partneri – poručio je.
Građani koriste više, kompanije manje
Umjetna inteligencija postala je dio svakodnevice velikog broja zaposlenika, ali njezina primjena u kompanijama još nije dosegnula razinu na kojoj sustavno stvara mjerljivu poslovnu vrijednost. Upravo je taj raskorak između brzog prihvaćanja tehnologije i sporog prilagođavanja organizacija jedna od ključnih tema prezentacije Vedrana Antoljaka, AI savjetnika i osnivača tvrtke Best Advisory.
Na početku izlaganja, Antoljak je izniso nekoliko statističkih podataka. Prema online istraživanju koje su u listopadu 2026. proveli Improve i FutureHR na uzorku od 525 ispitanika, čak 84 posto anketiranih odraslih osoba koristi generativnu umjetnu inteligenciju. Međutim, samo sedam posto vidi u tome korist, istaknuo je Antoljak. Među korisnicima njih 45,7 posto upotrebljava je svakodnevno, a 46,2 posto svih ispitanika koristi je u poslovne svrhe.
Međutim, samo osam posto zaposlenih obuhvaćenih istraživanjem navodi da njihova kompanija ima formalni plan primjene umjetne inteligencije. Istodobno, 59,3 posto zaposlenih nikada nije prošlo edukaciju o umjetnoj inteligenciji na radnom mjestu, a samo 9,3 posto smatra da je AI bitno ili potpuno promijenio njihov posao.
Dodatnu potvrdu sporijeg prihvaćanja tehnologije na organizacijskoj razini pružaju podaci Eurostata za 2025. godinu. Prema njima, umjetnu inteligenciju koristi oko 15 posto hrvatskih poduzeća, dok je prosjek Europske unije oko 20 posto. Među velikim poduzećima u EU-u udio korisnika doseže približno 55 posto.
Takvi podaci upućuju da problem više nije samo dostupnost tehnologije, nego sposobnost kompanija da njezinu primjenu pretvore u sustavan proces poslovne transformacije.
Od izvještavanja prema predviđanju i preporukama
Antoljak primjenu umjetne inteligencije u kontrolingu promatra kroz pet razina stvaranja vrijednosti. Prva razina odnosi se na izvještavanje, odnosno odgovaranje na pitanje što se dogodilo. Druga obuhvaća analizu i objašnjavanje uzroka određenih poslovnih rezultata. Na tim se razinama danas nalazi najveći dio primjene umjetne inteligencije u financijama i kontrolingu.
Sljedeći razvojni korak predstavlja predviđanje budućih događaja, a zatim oblikovanje preporuka o tome kako bi kompanija trebala postupiti. Peta razina odnosi se na donošenje odluka. Upravo tu Antoljak povlači jasnu granicu između tehnologije i čovjeka. - Umjetna inteligencija može analizirati, predviđati i preporučivati, ali konačna odluka i odgovornost za njezine posljedice moraju ostati u rukama ljudi – istaknuo je.
Takav pristup mijenja i ulogu kontrolera. Umjesto da najveći dio vremena posvećuju prikupljanju podataka i pripremi izvještaja, kontroleri se mogu snažnije usmjeriti na poslovne analize, procjenu rizika i podršku menadžmentu.
Obrada ulaznih računa može biti 83 posto brža
Koliko umjetna inteligencija može promijeniti svakodnevne financijske procese, Antoljak je pokazao na trima ilustrativnim primjerima namijenjenima srednje velikim kompanijama. Prikazani rezultati predstavljaju moguće učinke primjene tehnologije, a ne dokumentirane rezultate pojedinačnih poduzeća.
Prvi primjer odnosi se na obradu ulaznih računa. U kompaniji koja mjesečno zaprima približno 600 računa, dvoje zaposlenika troši ukupno 96 radnih sati na njihovu obradu, uključujući usporedbu s narudžbenicama i ugovorenim cijenama.
Uz primjenu umjetne inteligencije sustav može automatski čitati račune u PDF formatu, uspoređivati podatke s ERP sustavom i cjenicima te predlagati odgovarajuća troškovna mjesta i projekte. Prema prikazanom modelu, mjesečno vrijeme obrade moglo bi se smanjiti s 96 na 16 sati, odnosno za 83 posto.
Pritom bi 92 posto računa moglo proći kroz proces bez potrebe za neposrednom ljudskom intervencijom. Kad je riječ o ljudskoj intervenciji, Antoljak je posebno istaknuo rizik kod obrade računa. - Ljudska pogreška može iznositi i do pet posto, ovdje se taj rizik smanjio praktički na nulu – istaknuo je Antoljak.
No takva automatizacija zahtijeva odgovarajuće preduvjete: uredne šifrarnike, dostupne i usklađene cjenike te jasno definirane kriterije za prepoznavanje odstupanja.
Mjesečni izvještaj već drugog radnog dana
Drugi primjer pokazuje mogući utjecaj umjetne inteligencije na pripremu mjesečnih upravljačkih izvještaja. U kompaniji sa sedam poslovnih jedinica tri zaposlenika mjesečno troše oko 40 sati na analizu rezultata, usporedbu s planom i prethodnom godinom te objašnjavanje odstupanja, primjerice pada marže.
Umjetna inteligencija može automatski razložiti odstupanja na pojedine uzroke, poput promjene prodajnih količina i cijena, te pripremiti prvi nacrt komentara za svaku poslovnu jedinicu. Takav model mogao bi smanjiti mjesečni angažman s 40 na osam sati, odnosno za 80 posto. Uprava bi pritom izvještaj mogla dobiti već drugog radnog dana, umjesto petog.
Treći primjer odnosi se na prognoziranje prodaje, područje u kojem kvaliteta procjena izravno utječe na planiranje proizvodnje, zaliha i financijskih tokova. U tradicionalnom procesu 12 voditelja prodaje unosi vlastite procjene u Excel, često u različitim formatima.
Njihovo prikupljanje, usklađivanje i objedinjavanje može trajati pet radnih dana, uz prosječno odstupanje prognoze od stvarnog rezultata od oko 14 posto. Uz umjetnu inteligenciju moguće je izgraditi model koji analizira prethodnih 36 mjeseci prodaje i automatski predlaže početnu prognozu.
U prikazanom primjeru takav pristup smanjuje trajanje procesa s pet dana na jedan, dok se odstupanje prognoze smanjuje s 14 na sedam posto. Dodatna prednost jest transparentnost jer sustav omogućuje praćenje tko je mijenjao procjene i na temelju kojih pretpostavki. - Uloga čovjeka je i dalje izuzetno bitna, čovjek mora biti točka koja preuzima odgovornost za odluke – naglasio je Antoljak.
AI je vrh piramide, a ne njezin temelj
Jedna od ključnih poruka Antoljakove prezentacije jest da uspješna primjena umjetne inteligencije ovisi o temeljima koji se često zanemaruju. Na dnu piramide nalaze se podaci. Oni moraju biti kvalitetni, dosljedni i dostupni. Iznad njih dolaze procesi, s jasno definiranim pravilima, odgovornostima i kriterijima odlučivanja.
Sljedeću razinu čine ljudi, odnosno njihove kompetencije, sposobnost kritičkog razmišljanja i razumijevanje poslovanja. Tek na vrhu nalazi se umjetna inteligencija kao alat koji može ubrzavati, uspoređivati, analizirati i predlagati. Bez kvalitetnih podataka, uređenih procesa i educiranih zaposlenika umjetna inteligencija može samo ubrzati proizvodnju pogrešnih informacija.
Za početak primjene umjetne inteligencije nije nužno pokretati višegodišnje projekte ni ulagati u novi ERP sustav. Antoljak predlaže pristup koji se temelji na trima uzastopnim koracima: razvoju vještina, prepoznavanju poslovnih prilika i dokazivanju vrijednosti kroz mjerljive pilot-projekte.
Prvi korak podrazumijeva edukaciju menadžmenta i zaposlenika te poticanje praktične primjene novih alata. Drugi je identificiranje poslovnih procesa koji troše najviše radnog vremena, posebno ponavljajućih administrativnih i analitičkih zadataka. Treći korak jest odabir konkretnog procesa na kojem će se kroz šest do osam tjedana testirati AI rješenje, uz mjerenje rezultata prije i nakon njegove primjene.
S AI transformacijom možete započeti već danas, praktički bez troškova, poručio je na kraju izlaganja Antoljak.
