تخطّ إلى المحتوى
كل الرؤى النمذجة المالية والأتمتة بالذكاء الاصطناعي

دعم الذكاء الاصطناعي للموازنة الصفرية

الموازنة الصفرية (zero-based budgeting) دقيقة ومُرهِقة. هنا يتولّى الذكاء الاصطناعي التجميع والتحليل بينما يحتفظ أصحاب البنود بسلطة القرار.

متخصصون في القطاع المالي يعملون على مبادرة للذكاء الاصطناعي

تطلب الموازنة الصفرية (zero-based budgeting) من كلّ مركز تكلفة أن يبرّر إنفاقه انطلاقاً من الصفر في كلّ دورة، بدلاً من تضخيم رقم العام الماضي. الذكاء الاصطناعي لا يقرّر ما الذي يبقى. بل يتولّى التجميع: سحب الفعليّات من دفتر الأستاذ، وتصنيفها ضمن حزم تكلفة (cost packages)، وربط كلّ حزمة بالعقود والمحرّكات (drivers) الكامنة خلفها، والإشارة إلى ما يبدو غير سويّ. أمّا الدفاع عن كلّ بند فيبقى على عاتق أصحابه.

هذا التقسيم مهمّ، لأنّ السبب في موت الموازنة الصفرية داخل أغلب الفرق المالية ليس الخلاف حول الأولويّات، بل الإرهاق. فإعادة بناء الموازنة من القاعدة تعني أن يطابق أحدهم آلاف المعاملات ضمن حزم قرار (decision packages) متماسكة، ويتقصّى أيّ عقد يحكم أيّ رسم متكرّر، ويجيب عن السؤال نفسه للمركز الأربعين على التوالي في الحادية عشرة ليلاً. التحليل جدير بأن يُنجَز، لكنّ العمل الكتابيّ الذي يسبقه هو ما يدفع الناس بهدوء إلى العودة، في العام التالي، إلى جدول بيانات يضيف نسبة نموّ على رقم العام الماضي.

أين تذهب الساعات فعلاً

تتبّع دورة موازنة صفرية حقيقية، وستجد أنّ الوقت لا يستقرّ حيث تضعه كتب المنهجية. القليل جدّاً منه يُنفَق على السؤال المثير: هل تستحقّ التكلفة عائدها؟ أمّا الجزء الأكبر فيُصرَف في الوصول إلى النقطة التي يمكن عندها طرح هذا السؤال أصلاً.

  • تصل الفعليّات من دفتر الأستاذ على مستوى الحساب، لكنّ حزمة القرار هي وحدة إنفاق مرتبطة بالنشاط. وتحويل أحدهما إلى الآخر عمل يدويّ وغير متّسق، وسيصنّف محلّلان المورّد نفسه بطريقتين مختلفتين.
  • الرسوم المتكرّرة يقف خلفها عقد ما في مكان ما. والعثور عليه، وتأكيد تاريخ التجديد، وتأكيد ما إذا كان الرسم ملتزَماً به أم استنسابياً، رحلة بحث مضنية عبر أنظمة المشتريات (procurement) والأقراص المشتركة.
  • يظهر المورّد الواحد نفسه بثلاثة تهجئات عبر ثلاث كيانات، فيتفتّت إنفاق كان ينبغي أن يتجمّع في حزمة واحدة إلى ثلاث.
  • ينتهي نصف المراجعة “الصفرية” إلى عملية مطابقة، لأنّ الأرقام المسحوبة لأجل التمرين لا تتطابق مع قائمة الأرباح والخسائر (P&L) المُبلَّغ عنها، ولا يثق أحد بإجمالي حزمة يخالف دفتر الأستاذ.

هذا عمل تسوية للكيانات (entity resolution) ومطابقة وتتبّع نَسَب. وهو تحديداً نوع التجميع الذي يُتقنه النموذج ويُنجزه الإنسان ببطء. أمّا الحُكم على ما إذا كان بند ما يستحقّ التمويل فهو الجزء الذي تريد أن يكون أفرادك مرتاحين ومركّزين له، وهو الجزء الذي لا يبلغونه أبداً وقد بقيت فيهم طاقة.

ماذا يجمّع النموذج، وكيف تُبقيه أميناً

وحدة الأتمتة هي حزمة القرار: تكلفة، وتاريخها، والمحرّك الذي يفسّر حجمها، والعقد الذي يلزِمها، والمالك المسؤول عنها. يبني النموذج تلك الحزمة ويسلّمها. هو لا يرتّب الحزم ولا يوصي بالخفض.

بناؤها بموثوقية يتطلّب بضعة ضوابط ليست اختيارية.

  • الصحّة عند نقطة زمنية (point-in-time correctness). حين يعيد النموذج بناء إنفاق العام الماضي لتبرير قاعدته الصفرية هذا العام، عليه أن يستخدم دفتر الأستاذ كما كان عند الإقفال، لا كما يُقرأ اليوم بعد إعادات التصنيف والاستحقاقات المتأخّرة. فإن سحبتَ العرض الحاليّ، سرّبتَ معلومات إلى الوراء، وصارت القاعدة التي يُفترَض أنّك تعيد البناء منها خاطئة بهدوء.
  • سلسلة نَسَب لكلّ رقم. كلّ رقم في حزمة يعود إلى المعاملات أو بنود العقد التي أنتجته. والمحلّل الذي لا يثق بإجمالي ما يمكنه توسيعه إلى صفوف المصدر بخطوة واحدة. أمّا الرقم الذي لا يستطيع النموذج إسناده إلى مصدر، فيُسقَط ولا يُعرَض، لأنّ رقماً خاطئاً واثقاً أسوأ من فجوة ظاهرة.
  • المطابقة قبل المراجعة. إجماليات الحزم تعود بالجمع إلى دفتر الأستاذ العامّ قبل أن يراها إنسان. فإن لم تتطابق حزم مركز تكلفة مع التكلفة المُبلَّغ عنها لذلك المركز، توقّفت الدورة عند تلك النقطة. لا ينبغي لأحد أن يمضي بعد ظهيرة في مجادلة حول حزمة لم تكن لتتّزن أصلاً.
  • تسوية الكيانات للمورّدين ومراكز التكلفة. تُسوّى المورّدون والعقود ومراكز التكلفة الداخلية إلى كيانات مرجعية (canonical entities) لكي يتجمّع الإنفاق بشكل صحيح. هذا هو الفارق بين حزمة واحدة أمينة وثلاث شظايا مضلِّلة، وهنا تختبئ الأخطاء الصامتة.

تحليل المحرّكات (driver analysis) هو الجزء الذي يحوّل كومة تكاليف إلى شيء يستطيع المالك أن يجادل حوله. لكلّ حزمة يربط النموذج المحرّك الأفضل تفسيراً للإنفاق: عدد الموظفين لأدوات فريق، وحجم المعاملات لرسوم معالجة المدفوعات، وعدد المقاعد للبرمجيات. يذكر العلاقة ويتوقّف عند هذا الحدّ. وحين تنمو تكلفة أسرع من محرّكها، فتلك الفجوة هي مادّة النقاش. فارتفاع إنفاق السحابة بنسبة أربعين بالمئة مقابل حِمل عمل نما ثمانية ليس حُكماً؛ إنّه سؤال بحقّه اسم، يُوضَع أمام الشخص الذي عليه أن يجيب.

إبقاء أصحاب البنود ضمن الحلقة، والاحتفاظ بمسار تدقيق

الموازنة الصفرية لا تنجح إلّا لأنّ لكلّ تكلفة مالكاً عليه أن يدافع عنها. والأتمتة التي تزيح المالك تزيح المغزى. لذا تُوجَّه مخرجات النموذج إلى الشخص المسؤول، فيؤكّد الحزمة، ويعدّل المحرّك إن اختار النموذج محرّكاً ضعيفاً، ويسجّل التبرير بكلماته الخاصّة. ويلتقط النظام مَن اعتمد أيّ حزمة، ومتى، ومقابل أيّ نسخة من الأرقام.

مسار التدقيق (audit trail) هذا يستحقّ كلفته مرّتين. فهو ما يحتاج المراقب المالي أو المدقّق إلى رؤيته ليتأكّد أنّ الموازنة أُعيد بناؤها فعلاً، لا أنّها رُحّلت مع طلاء جديد. وهو يصير مجموعة التقييم (eval set) للدورة التالية. فحيث يتجاوز الملّاك باستمرار اختيار النموذج للمحرّك، فتلك تصحيحات مُعلَّمة (labeled) تُغذّيها إليه من جديد. وحيث أشار النموذج إلى فجوة تبيّن أنّها أثر توقيت، فتلك إشارة إيجابية كاذبة (false positive) تُضبَط عليها، لأنّ عملية مراجعة تُطلِق صفير الإنذار كثيراً تُتجاهَل خلال دورتين.

راقب الانحراف (drift) بين الدورات. تُعاد هيكلة أدلّة الحسابات (charts of accounts)، وتندمج مراكز التكلفة، ويهبط نظام تخطيط موارد (ERP) جديد. فالتخطيط (mapping) الذي سوّى الإنفاق في حزم بنظافة العام الماضي يتدهور بصمت مقابل هيكل هذا العام. عامِل هذا التخطيط بوصفه شيئاً مُصدَّراً بنُسَخ (versioned) ومُراقَباً، لا إعداداً يُجرى مرّة واحدة، وافحصه مقابل عيّنة من الحزم المطابَقة قبل أن تثق بتشغيل كامل.

الخلاصة الأمينة ضيّقة. الذكاء الاصطناعي يجعل الموازنة الصفرية في المتناول لتُنجَز على وجهها الصحيح، ولتُنجَز أكثر من مرّة في السنة، بأن يزيح المطابقة والتجميع عن كاهل أفرادك. هو لا يتّخذ القرارات، وينبغي أن تكون مرتاباً بمن يبيعه لك وكأنّه يفعل. أمّا الخفض فيبقى ملكاً لمن عليه أن يتعايش معه.

الأسئلة الشائعة

هل يقرّر الذكاء الاصطناعي أيّ التكاليف يجب خفضها في الموازنة الصفرية؟

لا. يجمّع النموذج الأدلّة الخاصّة بكلّ حزمة تكلفة (cost package) ويُبرز الحالات الشاذّة، لكنّ مالكاً محدَّداً بالاسم هو من يبرّر كلّ بند ويدافع عنه. ويسجّل مسار التدقيق (audit trail) مَن اعتمد ماذا، لا ما اقترحه النموذج.

كيف تمنع النموذج من احتساب النفقات مرّتين أو من اختلاقها؟

كلّ رقم يُظهره يحمل سلسلة نَسَب (lineage) تعود إلى معاملة مصدر أو عقد، وتتمّ مطابقة إجماليات الحزم مع دفتر الأستاذ العامّ (general ledger) قبل أن يراجعها أحد. والرقم بلا مصدر يُعامَل بوصفه عيباً لا قيمة.

هل تستحقّ الموازنة الصفرية الأتمتة إن كنّا نُجريها مرّة واحدة في السنة فقط؟

عمل التجميع واحد سواء أعدتَ بناء الموازنة سنوياً أم فصلياً. أتمتته هي ما يجعل الدورة الأكثر تواتراً في المتناول، وهو عادةً الغرض من تبنّي الموازنة الصفرية (ZBB) من الأساس.

قراءات ذات صلة

#النمذجة

أتمتة التخطيط القائم على المحرّكات باستخدام الذكاء الاصطناعي

الخطة مجموعة من المحرّكات، لا جدول بيانات مليء بالقيم المُدخلة يدويًا. إليك كيف نؤتمت التخطيط القائم على المحرّكات (driver-based planning) لتتحدّث التوقّعات مع تغيّر الواقع.

#نمذجة

تخطيط المصروفات التشغيلية والقوى العاملة بالذكاء الاصطناعي

تمثّل القوى العاملة الجزء الأكبر من المصروفات التشغيلية وهي أصعب بند في التخطيط. إليك كيف نبني خطط قوى عاملة ومصروفات تشغيلية قائمة على المحرّكات (driver-based) تتحدّث مع واقع التوظيف.

#النمذجة

التنبؤ المستمر والهندسة الكامنة وراء تعليقات الانحرافات بالذكاء الاصطناعي

لا ينجح التنبؤ المستمر إلا حين يكون التوقع موصولاً بالأرقام الفعلية الحية، وحين يستند كل تفسير لانحراف إلى محرّك ورقم محددين. وفي ما يلي كيف نبنيه.

#النمذجة

إعداد تعليقات الأداء التي يوقّع عليها المحلّل بثقة

لا تنجح أتمتة تعليقات المحفظة إلا حين تستند كل جملة إلى رقم من تحليل الأداء. إليك كيف نبنيها بحيث يستطيع المحلّل مراجعتها واعتمادها.

تعمل على شيء مشابه؟

أخبِرنا عن بياناتك وسير العمل المحيط بها، وسنعطيك رأياً صريحاً.

احجز مكالمة تعريفية مدتها 30 دقيقة