Στην Τεχνητή Νοημοσύνη έχουν στραμμένα τα βλέμματά τους οι CFO’s προκειμένου να ανταποκριθούν στις νέες προκλήσεις, σύμφωνα με έρευνα της Ernst & Young.
Ειδικότερα, σύμφωνα με αυτήν, το 81% των οργανισμών σχεδιάζουν να υλοποιήσουν ουσιαστικές επιχειρησιακές αλλαγές – όπως η αναδιάρθρωση των εφοδιαστικών αλυσίδων – μέσα στα επόμενα δύο χρόνια, ποσοστό αυξημένο κατά 20% σε σχέση με πέρυσι
Σχεδόν εννέα στους δέκα (86%) δηλώνουν ότι η αξιοποίηση δεδομένων, GenAI και τεχνολογίας αποτελεί σημαντική προτεραιότητα
Οι επικεφαλής εκτιμούν ότι η AI θα απελευθερώσει έως και 23% επιπλέον προϋπολογισμό για πιο στρατηγικές δραστηριότητες
Οι προκλήσεις με την Τεχνητή Νοημοσύνη
Η πρόσφατη έκδοση της έρευνας της EY, EY Tax and Finance Operations (TFO) Survey, αποκαλύπτει ότι οι επικεφαλής οικονομικών και φορολογικών διευθύνσεων στρέφονται ολοένα και περισσότερο σε λύσεις GenAI και Agentic AI, προκειμένου να «θωρακίσουν» και να ενισχύσουν την ανθεκτικότητα των λειτουργικών και επιχειρησιακών τους μοντέλων. Στόχος είναι να μπορέσουν να ανταποκριθούν σε ένα πρωτοφανές μίγμα προκλήσεων, όπως οι γεωπολιτικές αναταράξεις, οι μεταβαλλόμενες εμπορικές και φορολογικές πολιτικές, αλλά και οι ολοένα πιο σοβαρές ελλείψεις εξειδικευμένου ανθρώπινου κεφαλαίου.
Η έρευνα, που πραγματοποιήθηκε σε ένα δείγμα 1.600 CFOs και ανώτατων στελεχών του χρηματοοικονομικού και φορολογικού κλάδου, σε 30 χώρες και 22 τομείς, καταγράφει μια ουσιαστική αλλαγή νοοτροπίας στον τρόπο με τον οποίο οι φορολογικές και οικονομικές διευθύνσεις προσαρμόζονται σε ένα διαρκώς μεταβαλλόμενο επιχειρησιακό περιβάλλον.
Μετάβαση σε πιο ανθεκτικά επιχειρησιακά μοντέλα
Μέσα σε ένα τοπίο ασταθές και συχνά απρόβλεπτο, περισσότεροι από 8 στους 10 συμμετέχοντες (81%) δηλώνουν ότι έχουν προχωρήσει σε ή σχεδιάζουν μετριοπαθείς έως σημαντικές παρεμβάσεις στις επιχειρησιακές τους δομές και λειτουργίες εντός της επόμενης διετίας, συμπεριλαμβανομένων των εφοδιαστικών αλυσίδων. Το ποσοστό αυτό παρουσιάζεται αυξημένο κατά 20% σε σχέση με το προηγούμενο έτος, υποδηλώνοντας την κλίμακα του μετασχηματισμού που βρίσκεται σε εξέλιξη.
Σημαντικότερη νομοθετική και ρυθμιστική εξέλιξη για τις επιχειρήσεις, σύμφωνα με την έρευνα, είναι η εφαρμογή του πλαισίου Pillar Two (BEPS 2.0) του ΟΟΣΑ για τον παγκόσμιο ελάχιστο φορολογικό συντελεστή. Το 81% των ερωτηθέντων θεωρούν ότι θα επηρεαστούν περισσότερο από αυτή την αλλαγή, σε σχέση με τους δασμούς, τις εθνικές φορολογικές μεταρρυθμίσεις ή ακόμα και την ηλεκτρονική τιμολόγηση. Επιπλέον, το 85% αναμένουν ότι οι συνολικές φορολογικές τους υποχρεώσεις θα αυξηθούν λόγω του νέου πλαισίου, ωστόσο μόλις το 21% δηλώνουν πλήρως προετοιμασμένοι να ανταποκριθούν στις σχετικές απαιτήσεις συμμόρφωσης και αναφοράς.
Το 86% των επικεφαλής φορολογικών διευθύνσεων, που συμμετείχαν στην έρευνα, τοποθετούν στις κορυφαίες στρατηγικές τους προτεραιότητες την αξιοποίηση των δεδομένων, της παραγωγικής τεχνητής νοημοσύνης (GenAI) και της τεχνολογίας, με στόχο την ενίσχυση της καινοτομίας, την παραγωγή ουσιαστικών insights, την προγνωστική ανάλυση (predictive analytics) και την αυτοματοποίηση των διαδικασιών αναφορών (reporting). Παράλληλα, εμφανίζονται ολοένα και πιο βέβαιοι ότι η τεχνητή νοημοσύνη μπορεί να αυξήσει την αποτελεσματικότητα των φορολογικών και οικονομικών λειτουργιών κατά 30% μέσα στα επόμενα δύο χρόνια, απελευθερώνοντας έως και 23% του προϋπολογισμού για ανακατεύθυνσή του σε στρατηγικές, υψηλής αξίας δραστηριότητες.
Ωστόσο, το 44% των ερωτηθέντων αναφέρουν ότι η απουσία ενός βιώσιμου και συνεκτικού πλάνου για τα δεδομένα, το AI και την τεχνολογία αποτελεί τον βασικότερο ανασταλτικό παράγοντα στην υλοποίηση του «οράματος» της φορολογικής τους διεύθυνσης. Μάλιστα, πάνω από τους μισούς οργανισμούς (51%) βρίσκονται ακόμη σε πρώιμο στάδιο ωριμότητας ως προς τη διαχείριση δεδομένων, γεγονός που δυσχεραίνει την ουσιαστική αξιοποίηση λύσεων AI.
Δεν προκαλεί έκπληξη, λοιπόν, ότι πολλοί οργανισμοί δυσκολεύονται να αναπτύξουν ολοκληρωμένες λύσεις εσωτερικά. Το 78% των συμμετεχόντων εκτιμούν ότι η συνεργασία με εξωτερικούς παρόχους, οι οποίοι διαθέτουν βαθιά εξειδίκευση στο AI, θα αποφέρει μέτριο έως σημαντικό όφελος στις φορολογικές λειτουργίες μέσα στα επόμενα δύο χρόνια.
Ανθρώπινο δυναμικό «έτοιμο» για την εποχή της AI
GenAI και Agentic AI επηρεάζουν καθοριστικά και το ανθρώπινο δυναμικό στον χώρο της φορολογίας, ο οποίος ήδη δέχεται πολλαπλές πιέσεις. Το 61% των ερωτηθέντων θεωρούν πως η αποχώρηση έμπειρων επαγγελματιών λόγω συνταξιοδότησης θα έχει ουσιαστικό αντίκτυπο στις λειτουργίες τους, ενώ το 66% εκτιμούν ότι η μειωμένη είσοδος νέων επαγγελματιών στο λογιστικό επάγγελμα θα δυσκολέψει την κάλυψη των αναγκών σε ταλέντο. Σήμερα, τα στελέχη φορολογικών λειτουργιών αφιερώνουν κατά μέσο όρο το 53% του χρόνου τους σε επαναλαμβανόμενες, χαμηλής προστιθέμενης αξίας εργασίες και θα ήθελαν να περιορίσουν το ποσοστό αυτό σε μόλις 21%. Αντίστοιχα, επιθυμούν να υπερδιπλασιάσουν τον χρόνο που αφιερώνουν σε εξειδικευμένα καθήκοντα υψηλής αξίας και στρατηγικής σημασίας.
Η τοποθέτηση του AI στο επίκεντρο του μετασχηματισμού του ανθρώπινου δυναμικού, αποτελεί κρίσιμο παράγοντα για τη γεφύρωση αυτού του κενού και τη δημιουργία ευέλικτων, ανθεκτικών και κατάλληλα προετοιμασμένων ομάδων φορολογίας και οικονομικών. Στο πλαίσιο αυτό, το 73% δίνουν προτεραιότητα στην πρόσληψη data scientists και ειδικών στη φορολογική τεχνολογία, ενώ το 89% επενδύουν συστηματικά στην αναβάθμιση των δεξιοτήτων και την επανακατάρτιση του υφιστάμενου προσωπικού. Παράλληλα, το 83% ενισχύουν τη συνεργασία με εξωτερικούς εξειδικευμένους παρόχους, με στόχο τη δημιουργία μιας ομάδας που κατανοεί και αξιοποιεί ουσιαστικά τις δυνατότητες του AI.
Σχολιάζοντας τα ευρήματα της έρευνας, ο Σπύρος Καμινάρης, Εταίρος και Επικεφαλής Φορολογικών Υπηρεσιών της EY Ελλάδος, δήλωσε: «Για τις φορολογικές και οικονομικές διευθύνσεις, το ερώτημα δεν είναι πλέον αν θα χρησιμοποιήσουν AI, αλλά αν έχουν τις βάσεις για να το χρησιμοποιήσουν σωστά. Σε ένα περιβάλλον όπου οι φορολογικές αρχές κινούνται προς συνεχή, σχεδόν real-time, έλεγχο, και η συμμόρφωση γίνεται πλήρως ψηφιακή, τα αποσπασματικά εργαλεία και οι πρόχειρες λύσεις απλώς μεταθέτουν το πρόβλημα. Η ουσιαστική διαφορά, λοιπόν, προκύπτει από την ποιότητα των δεδομένων και από το κατά πόσο οι ομάδες μπορούν να τα αξιοποιούν με κριτική σκέψη, συνέπεια και σαφή κατανόηση του φορολογικού κινδύνου. Οι οργανισμοί που επενδύουν σήμερα σε καθαρές δομές δεδομένων, σε στοχευμένες εφαρμογές AI, αλλά και σε εξειδικευμένο ταλέντο και εκπαίδευση, δεν κερδίζουν απλώς αποδοτικότητα, αλλά αποκτούν καλύτερο έλεγχο, μεγαλύτερη προβλεψιμότητα και χρόνο για πιο ουσιαστικές αποφάσεις».