När ekonomichefer (CFO:er) överväger integrationen av agentisk artificiell intelligens (AI) bör de närma sig det på ett liknande sätt som med andra teknologier som tidigare antagits, samtidigt som nödvändiga justeringar görs för att hantera de unika risker som är förknippade med detta nya system. Enligt George Westerman, en senior lärare vid MIT Sloan School of Management, är agentiska system inte ett nytt koncept. Även om det inte finns någon allmänt accepterad definition kan agentisk AI förstås som programvara som kan bearbeta information och fatta beslut eller vidta åtgärder autonomt. Historiska exempel inkluderar automatiserade processer i Microsoft Windows och handelsalgoritmer på Wall Street. Skillnaden ligger i kapabiliteterna hos AI-agenter byggda på generativa AI-modeller, som kan anpassa sig, lära sig och delta i samtal, till skillnad från tidigare regelsystem. Trots dessa framsteg bör CFO:er fortfarande utvärdera agentisk AI med samma kriterier som användes för tidigare automatiseringsteknologier—identifiera fördelaktiga processer, potentiella kostnadsbesparingar och bedöma risker för både ekonomi och rykte. Befintliga styrningspolicyer och riskramar bör vägleda utvärderingen av agentisk AI, med nödvändiga revideringar för att rymma den nya teknologin. Stark styrning inom automatisering bör översättas till agentisk AI, med hänsyn till nödvändiga justeringar av policyer. Vid utvärderingen av avkastningen på investeringar (ROI) för agentisk AI betonar Westerman vikten av att förstå de associerade kostnaderna, som kan vara betydande. Dessa kostnader inkluderar datoravgifter, datarengöring, licensiering och processändringar.

De mest lovande möjligheterna för finansiella tillämpningar av agentisk AI inkluderar hantering av ostrukturerad data, automatisering av planering och rapportering, säkerställande av regelefterlevnad, underwriting och förbättring av kundinteraktioner. CFO:er rekommenderas att: 1. **Justera AI-initiativ med affärsmål**: Tydligt definiera finansiella utfall som kostnadsbesparingar och förbättrad prognostisering för att säkerställa att AI-investeringar ligger i linje med affärsmål och visar på ROI. 2. **Proaktivt hantera risker**: Identifiera risker relaterade till dataskydd, integritet, regelefterlevnad och finansiell noggrannhet. Etablera ansvarstrukturer och förbered beredskapsplaner för potentiella AI-fel. 3. **Investera i kompetens och hantera jobbfrågor**: Värna om transparens med personalen gällande potentiella förändringar i jobben och erbjuda utbildning i användning av AI. Företag bör bygga ett kärnteam med en stark förståelse för AI medan de säkerställer att resten av arbetskraften också utbildas i dess tillämpningar. Sammanfattningsvis är transparens, proaktiv riskhantering och anpassning av AI-projekt till affärsmål avgörande för en framgångsrik integration av agentisk AI inom finans.