Υπάρχει μια στιγμή που κάθε στέλεχος χρηματοοικονομικών αναρωτιέται: αυτό που κάνω σήμερα, μπορεί να γίνει αυτόματα; Όλο και πιο συχνά, η απάντηση είναι «ναι». Το ουσιαστικό ερώτημα, ωστόσο, δεν είναι αν θα αλλάξει ο ρόλος των finance λειτουργιών. Είναι ποιος οργανισμός θα προσαρμοστεί ταχύτερα - και ποιος θα ακολουθήσει εκ των υστέρων.
Η συζήτηση δεν αφορά δεξιότητες που ίσως χρειαστεί να αποκτηθούν σε ένα μακρινό μέλλον. Αφορά μεταβολές που ήδη συντελούνται και τις ευκαιρίες που δημιουργούνται για όσους τις αντιλαμβάνονται εγκαίρως.
Ο ρόλος που μετατοπίζεται
Για δεκαετίες, η αξία ενός στελέχους χρηματοοικονομικών μετριόταν από την ικανότητά του να διαχειρίζεται πληροφορία: να τη συλλέγει, να τη δομεί και να την παρουσιάζει. Σήμερα, μεγάλο μέρος αυτής της λειτουργίας μπορεί να αυτοματοποιηθεί.
Το McKinsey Global Institute εκτιμά ότι σημαντικό ποσοστό των δραστηριοτήτων στον χρηματοοικονομικό τομέα παρουσιάζει υψηλό δυναμικό αυτοματοποίησης (McKinsey Global Institute, 2017), ενώ νεότερες αναλύσεις ανεβάζουν το ποσοστό των αυτοματοποιήσιμων ωρών εργασίας ακόμη υψηλότερα (McKinsey Global Institute, 2025). Η ταχύτητα της μετάβασης δεν είναι γραμμική - επιταχύνεται.
Ωστόσο, αυτό που δεν αυτοματοποιείται είναι η κρίση. Η ικανότητα να παρουσιαστεί κανείς στη διοίκηση και να επισημάνει ότι «αυτό που δείχνουν τα νούμερα δεν είναι το πρόβλημα, αλλά το σύμπτωμα». Το στέλεχος χρηματοοικονομικών του 2030 δεν θα ξεχωρίζει επειδή παράγει αναφορές ταχύτερα. Θα ξεχωρίζει επειδή θέτει τα σωστά ερωτήματα και μετατρέπει τα δεδομένα σε στρατηγική κατεύθυνση.
Η τεχνική κατάρτιση είναι απαραίτητη. Η στρατηγική κρίση, όμως, διαμορφώνεται μέσα από εμπειρία, έκθεση σε πραγματικές αποφάσεις και κατανόηση επιχειρηματικού ρίσκου.
Η τεχνολογία ως επιταχυντής
Κάθε τεχνολογική τομή στην ιστορία των επιχειρήσεων ανέλαβε επαναλαμβανόμενες εργασίες και απελευθέρωσε ανθρώπινο χρόνο για δραστηριότητες υψηλότερης αξίας. Η λογιστική μηχανή δεν εξαφάνισε τους λογιστές. Το Excel δεν εξαφάνισε τους analysts. Αναβάθμισε το επίπεδο της ανάλυσης.
Σύμφωνα με την Boston Consulting Group (2024), οι οργανισμοί που έχουν ενσωματώσει αποτελεσματικά τεχνολογίες τεχνητής νοημοσύνης αναμένουν σημαντικά υψηλότερους ρυθμούς ανάπτυξης και βελτιωμένη λειτουργική αποδοτικότητα σε σχέση με όσους υστερούν στην υιοθέτηση. Η αξία δεν προκύπτει απλώς από τη μείωση κόστους, αλλά από την ανακατεύθυνση ανθρώπινου χρόνου σε ανάλυση, forecasting και στρατηγική λήψη αποφάσεων.
Η συζήτηση, επομένως, δεν αφορά το αν η τεχνητή νοημοσύνη θα επηρεάσει τα finance. Αφορά το ποιος οργανισμός θα μετασχηματιστεί ταχύτερα.
Το σημείο καμπής: από την πληροφορία στην απόφαση
Ίσως η πιο άβολη παραδοχή για τα σύγχρονα finance departments είναι η εξής: το reporting έχει ήδη χάσει τη στρατηγική του υπεραξία. Όταν η παραγωγή dashboards, forecasts και αναφορών έχει καταστεί τεχνικά εύκολη και ευρέως διαθέσιμη, η διαφοροποίηση δεν βρίσκεται πλέον στη δημιουργία πληροφορίας. Βρίσκεται στην ικανότητα έγκαιρης ερμηνείας της και στη μετατροπή της σε απόφαση πριν οι δείκτες καταστούν πρόβλημα.
Σε αυτό το περιβάλλον, το πραγματικό ρίσκο για έναν οργανισμό δεν είναι η τεχνολογία καθαυτή. Είναι η καθυστέρηση υιοθέτησής της. Και αυτή η καθυστέρηση δεν αποτελεί τεχνικό εμπόδιο - αποτελεί ηγετική επιλογή.
Τι ζητά πλέον η αγορά
Το Future of Jobs Report 2025 του World Economic Forum καταγράφει σαφώς τη μετατόπιση: ρόλοι που σχετίζονται με data analytics και τεχνολογική κατανόηση αναπτύσσονται, ενώ παραδοσιακές back-office λειτουργίες φθίνουν (World Economic Forum, 2025). Το 39% των βασικών επαγγελματικών δεξιοτήτων αναμένεται να αλλάξει έως το 2030, ενώ η συντριπτική πλειονότητα των εργοδοτών εκτιμά ότι η τεχνητή νοημοσύνη θα μετασχηματίσει τις επιχειρήσεις τους.
Παράλληλα, σημαντικό ποσοστό finance ομάδων διεθνώς παραμένει σε στάδιο μερικής αυτοματοποίησης (Rossum, 2026), γεγονός που αναδεικνύει το χάσμα μεταξύ δυνατοτήτων και υφιστάμενης ωριμότητας. Το κενό αυτό δημιουργεί ανταγωνιστικό πλεονέκτημα για όσους κινηθούν έγκαιρα. Εργαλεία όπως το Power Automate για την αυτοματοποίηση επαναλαμβανόμενων διαδικασιών, το Claude για ανάλυση δεδομένων και εξαγωγή πληροφορίας από έγγραφα, και το Lovable για τη δημιουργία custom εφαρμογών παρακολούθησης, δεν απαιτούν τεχνικό υπόβαθρο. Απαιτούν απόφαση.
Η ελληνική πραγματικότητα
Στην Ελλάδα, πολλές μικρομεσαίες επιχειρήσεις εξακολουθούν να βασίζονται σε χειροκίνητες διαδικασίες και κατακερματισμένα spreadsheets. Σύμφωνα με τα στοιχεία της Eurostat (2025), το ποσοστό των ελληνικών επιχειρήσεων που χρησιμοποιεί τεχνολογίες τεχνητής νοημοσύνης υπολείπεται σημαντικά του ευρωπαϊκού μέσου όρου.
Η υστέρηση αυτή δεν συνιστά μόνο πρόβλημα ανταγωνιστικότητας. Αποτελεί και παράθυρο ευκαιρίας για τα στελέχη που θα ηγηθούν του μετασχηματισμού εντός των οργανισμών τους. Σε ένα περιβάλλον αυξημένης αβεβαιότητας, η ταχύτητα λήψης τεκμηριωμένων αποφάσεων καθίσταται κρίσιμος παράγοντας διαφοροποίησης.
Το ερώτημα που έχει στρατηγική αξία
Το ουσιαστικό ερώτημα δεν είναι αν πρέπει να αποκτηθεί μία ακόμη τεχνική δεξιότητα. Είναι ποια είναι η συμβολή ενός στελέχους χρηματοοικονομικών που δεν μπορεί να αυτοματοποιηθεί - και πόσος από τον εργάσιμο χρόνο αφιερώνεται σε εργασίες που δεν απαιτούν ανθρώπινη κρίση.
Η αυτοματοποίηση δεν υποκαθιστά την εμπειρία. Απελευθερώνει χώρο για ανάλυση, κρίση και λήψη αποφάσεων - δηλαδή για ό,τι παραμένει κατεξοχήν ανθρώπινο. Το finance του 2030 δεν θα κριθεί από την ταχύτητα παραγωγής reports. Θα κριθεί από το πόσο έγκαιρα αναγνωρίζονται οι κίνδυνοι και οι ευκαιρίες πριν αποτυπωθούν στους αριθμούς. Και αυτό, προς το παρόν, παραμένει ευθύνη της ηγεσίας.
Η Κωνσταντίνα Κουσίνα είναι Finance & Operations Manager με εμπειρία στο κατασκευαστικό και αρχιτεκτονικό κλάδο, με εστίαση στην αυτοματοποίηση χρηματοοικονομικών διαδικασιών. Είναι υποψήφια MBA στο Alba Graduate Business School.
Boston Consulting Group (2024) Where’s the value in AI? Boston: BCG. Available at: bcg.com/publications/2024/wheres-the-value-in-ai
Eurostat (2025) ICT usage in enterprises. Luxembourg: European Commission. Available at: ec.europa.eu/eurostat/statistics-explained/index.php/ICT_usage_in_enterprises
McKinsey Global Institute (2017) A future that works: Automation, employment, and productivity. New York: McKinsey & Company.
McKinsey Global Institute (2025) Agents, robots, and us: Skill partnerships in the age of AI. New York: McKinsey & Company.
Rossum (2026) 2026 automation statistics that’ll upset the finance applecart. [Online] Available at: rossum.ai/blog/automation-statistics-that-will-upset-the-finance-applecart/ [Accessed: March 2026].
World Economic Forum (2025) The future of jobs report 2025. Geneva: WEF. Available at: weforum.org/publications/the-future-of-jobs-report-2025/