Latest / Frisch serviert - der Steuerpodcast / KI und Verrechnungspreise – Zwischen Daten, Technologie und menschlichem Urteil

Transcript

KI und Verrechnungspreise – Zwischen Daten, Technologie und menschlichem Urteil · Frisch serviert - der Steuerpodcast

• 0:05
  Speaker 1: Frisch Serviette, der Steuerpodcast.
• 0:33
  Speaker 2: from Ireland.
• 0:34
  Speaker 2: Ellie is an Irish partner and Ellie is heading our global transfer pricing technology committee project, whatever we want to call it.
• 0:43
  Speaker 0: thanks for having me guys really excited to be here.
• 0:45
  Speaker 0: yeah
• 0:48
  Speaker 2: so Ellie.
• 0:48
  Speaker 2: as you know we do that on a regular basis.
• 0:50
  Speaker 2: in today this session We want to talk about Technology AI data in Transfer Pricing.
• 0:56
  Speaker 2: So This Is Kind of in sync or link To Our Ich würde sagen Mutter Podcast, der generelle Textpodcast, wo wir über Texte und Technologie im Genere gesprochen haben.
• 1:10
  Speaker 2: Und heute wollen wir uns ein bisschen mehr aufhören und darüber reden um Technologie, AI-Data und Transferpricing zu sprechen.
• 1:19
  Speaker 2: Vielleicht wäre die erste Eröffnung der Frage bei Niels Wendt das letzte Mal in AI und für was?
• 1:25
  Speaker 1: So basically it's part of my daily life so looking into an application called mahmut i no commercials today but the secret that is you can have different large language models and can play around with.
• 1:40
  Speaker 1: Und wenn Sie mich fragen, dass es eine spezielle Frage ist, also nicht wirklich ein tägliches Thema heute, aber das ist eine speziell Frage mit der Gartenung.
• 1:50
  Speaker 1: Wir wollten einen besonderen Ort in den Garten haben, wo wir die Pflanzen planen wollen, die man mit hohen Räumen betreiben kann und nicht viel Räume haben.
• 2:04
  Speaker 1: Und so, der deutschen Termin wäre Prairie-Garten.
• 2:08
  Speaker 1: Wir haben uns in die A.I.
• 2:10
  Speaker 1: geschaut und fragten, okay, bitte sei unser Gardener und was kinder Flowers wir sollten benutzen?
• 2:16
  Speaker 2: Lass uns sehen, welches aus dem nächsten Jahr kommt, oder?
• 2:20
  Speaker 2: Niemand über dich!
• 2:20
  Speaker 2: Ich war gestern
• 2:22
  Speaker 0: in Hamburg, um Restaurants zu finden.
• 2:26
  Speaker 0: Letztes Nacht.
• 2:27
  Speaker 0: Und ich landete in diesem schönen Restaurant, den Edmundo.
• 2:32
  Speaker 0: Gorgeous!
• 2:32
  Speaker 0: Italien, fantastisch.
• 2:34
  Speaker 0: Wir haben eine schöne Mail.
• 2:35
  Speaker 0: So, yeah Claude helft mir mit das.
• 2:37
  Speaker 2: Amazing good next time you have to take us.
• 2:40
  Speaker 2: I've never been in that restaurant.
• 2:42
  Speaker 2: Let's start with technology.
• 2:43
  Speaker 2: Nils
• 2:45
  Speaker 0: what
• 2:45
  Speaker 2: kind of technology is Freudenberg using for the tax function?
• 2:50
  Speaker 1: When we define technology more in a broader sense Technologie startet z.B.
• 2:57
  Speaker 1: mit Dokumentmanagement, das ist ein wesentlicher Teil.
• 3:00
  Speaker 1: Vielleicht nicht nur für einen In-House Tax Advisor, aber wir werden uns selbst organisieren.
• 3:06
  Speaker 1: So textordert unsere verschiedenen Konsumtionsprojekte.
• 3:10
  Speaker 1: Der Technologien-Dokumentmanagement ist wirklich ein Assort.
• 3:14
  Speaker 1: Ein zweites Beispiel, wenn wir mehr auf die Transferpreisig-Area schauen, ist der Transferpricing-Dokumentation, wirklich technologisch durchgeführt.
• 3:25
  Speaker 1: Und hier haben wir tatsächlich jahrelang für eine PwC-Solution genutzt, called Global Dog.
• 3:32
  Speaker 1: Der dritte Beispiel, auch über die Transferpreisung, ist natürlich die Operation der Transferprise.
• 3:39
  Speaker 1: Das ist nicht so zu sagen ein Projekt, das wir in der Textdepartement haben, denn es muss sehr nahe zum Geschäft sein und deshalb sind sie Teil der kontrollierten Funktionen unserer verschiedenen Geschäftsgruppen.
• 3:53
  Speaker 1: Aber hier ist Technologie wirklich eine wichtige Asset, um Transparenz herzustellen und einen bestimmten Level von Robusten, v.a.
• 4:03
  Speaker 1: für den Textordert, um nur bereit zu sein.
• 4:05
  Speaker 1: Vielleicht sind es drei Beispiels aus der Technologie, die wir in unserem Textdepartement benutzen.
• 4:13
  Speaker 0: Und wie hast du die Technologie gefunden?
• 4:15
  Speaker 0: Du hast deine Teams vom Prozessspunkt von dir entwickelt.
• 4:19
  Speaker 1: Also du machst ein sehr guter Keyword-Prozess.
• 4:24
  Speaker 1: Zuerst muss man sich in den Prozessen lernen, um einen Moment zurückzustehen.
• 4:33
  Speaker 1: Eine sehr wichtige Reise, die wir starten, ist, mit Signavio zu arbeiten und diese überwiesen werden, damit wir wirklich denken, wie unser Dokumentationprozess aussieht.
• 4:47
  Speaker 1: Und wenn ich sage, dass das nicht nur ein Dokumentationsprozess ist Freundenberg ist immer ein Konklammererat von mittweiligen Firmen, eine Gruppe der mittweilligen Firme.
• 4:59
  Speaker 1: Deshalb haben wir verschiedene Dokumentationsprozesse, depending on the setup we have in our business groups.
• 5:09
  Speaker 1: The enabling factor was really to step back and start thinking processes.
• 5:15
  Speaker 1: because when you think processes then realize that this is maybe not the most efficient way of doing things.
• 5:23
  Speaker 1: Oh, this is not really the most compliant way we are doing things and then you start to redesign processes.
• 5:31
  Speaker 1: So really process thinking is I think an essential part.
• 5:35
  Speaker 0: yeah i couldn't agree more.
• 5:36
  Speaker 0: when im working with clients as they think about their technology journey that's actually one core part of where we started.
• 5:42
  Speaker 0: like what are your processes?
• 5:44
  Speaker 0: And Where can technology enable any part?
• 5:48
  Speaker 0: Manchmal finde ich, dass wir jünglich viele CFOs verabschieden, die Mandate an ihren Taxteams zu stellen.
• 5:56
  Speaker 0: Ich möchte mit der AI und der Taxfunktion aber keine Struktur oder Strategie hinterherzulegen.
• 6:03
  Speaker 0: Ich denke, dass es durch den Prozess ein sehr cleverer Weg ist, weil ich denke, man sieht die Bedeutung ziemlich schnell.
• 6:11
  Speaker 0: Das andere Bereich, das sehe ich mehr und mehr aus from a strategy perspective is starting to think, well how can AI help me?
• 6:21
  Speaker 0: From a judgmental point of view.
• 6:23
  Speaker 0: So looking at areas particularly for my transfer pricing perspective where there's a lot of judgement being exercised so you mentioned planning.
• 6:29
  Speaker 0: You also mentioned controversy.
• 6:33
  Speaker 0: could AI and the data analytics side of AI help you visualise your data get an drive insights that you can exercise human judgement in much more efficient way?
• 6:46
  Speaker 1: Ja, und wir haben das Kind von Journey begonnen.
• 6:50
  Speaker 1: Vielleicht ist es wertvoll zu reden.
• 6:52
  Speaker 1: ein paar Sekunden über die Struktur unserer Textdepartementen, insbesondere der Transferpricing Team.
• 6:57
  Speaker 1: Denn was wir wirklich gemacht haben in den letzten fünf Jahren ist, dass unser Team mehr und mehr spezialisiert wird.
• 7:06
  Speaker 1: Also wenn ich sagen, dass wir spezializiert werden, sind wir in der Transfer-Pricing-Team operiert.
• 7:12
  Speaker 1: Man könnte die Service-Line nennen.
• 7:15
  Speaker 1: So eine Service-Scheinung ist mit TP Consultancy, wo wir wirklich ein Businesspartner sind und einen Transferpreis für unsere Geschäftsgruppe.
• 7:25
  Speaker 1: Eine ist TP Controversy.
• 7:27
  Speaker 1: Der erste ist TP-Komplint, also in Partikeller Dealing mit der Transferpricing Dokumentation.
• 7:32
  Speaker 1: In der vierten Service-Line sind Global Text Processes und Text Analytics.
• 7:37
  Speaker 1: Und die vierte Pillarung ist wirklich das, was du gesagt hast.
• 7:42
  Speaker 1: Wir haben angefangen, unsere Daten zu analysieren, bei denen sicher Pillar II war ein Enabler für dieses gesamte Projekt.
• 7:53
  Speaker 1: Aber bevor wir dann started to use AI and we are really here just at the beginning.
• 7:58
  Speaker 1: It's, you know a whole set of homework I would say it will have to do.
• 8:03
  Speaker 1: where your data coming from?
• 8:05
  Speaker 1: what kind of structure Do You need those kinds Of questions?
• 8:08
  Speaker 0: Yeah i think its Really important To At least From A TP Perspective start.
• 8:13
  Speaker 0: The thing I always Think about What Are the fifteen or twenty pieces?
• 8:19
  Speaker 0: eine sehr komplexe Sache zu bauen.
• 8:24
  Speaker 0: Aber es ist nicht wirklich so.
• 8:28
  Speaker 0: Es ist wirklich nur, was sind die fifteen oder zwanzig Dinge, die ich brauchen?
• 8:31
  Speaker 0: Wo leben sie heute und wie kann ich sie zusammenbringen?
• 8:33
  Speaker 0: Denn wenn du sie zusammenbringst und alle Daten in einem Ort sitzen kannst, dann wird es plötzlich sehr leicht auf der AI-Krise einzugehen.
• 8:42
  Speaker 0: Aber als du sagst, da gibt es Homework zu tun.
• 8:45
  Speaker 0: Da gibt es einen Prozess nachzusehen, um sicherzustellen, dass das
• 8:48
  Speaker 1: funktioniert.
• 8:48
  Speaker 1: Und ich würde sagen, wenn wir über das Data-Lag sprechen.
• 8:51
  Speaker 1: Wenn man askt, ob es zehn verschiedene Textdepartements gibt und wie sie Datenlager definieren.
• 8:56
  Speaker 1: Auch wenn du fragst, ob PwC verschiedene Partnern oder Direktoren sind, die Sie sehen, dass sie einen Definition von Datenlagen geben sollen.
• 9:05
  Speaker 1: Ich bin ziemlich sicher, dass ihr unterschiedliche Antworten bekommt.
• 9:07
  Speaker 1: Es ist vielleicht eine Theoretische Definition, was ein Datenlag sein soll.
• 9:12
  Speaker 1: Aber... Depends on the structure of that company.
• 9:17
  Speaker 1: To give you an example, I already mentioned that Foyvenberg is kind-of conglomerate.
• 9:23
  Speaker 1: so can imagine how our ERP landscape looks like.
• 9:28
  Speaker 1: Of course we are far away from having one SAP template and it's not our goal because every business needs to have its own answers.
• 9:40
  Speaker 1: Wir definieren für unsere Data Lake basically two things.
• 9:44
  Speaker 1: One is we should have the master data for our legal entities in an appropriate, accurate and very granular way so that roughly before the latest acquisition we've done four hundred, four hundred thirty entities under full consolidation around about sixty countries.
• 10:05
  Speaker 1: Nach unserer größten Acquisition haben wir uns in Höhe von ca.
• 10:09
  Speaker 1: bis zu rund fivehundert Euro gemacht, um eine sehr gute Organisation für das Master-Data zu haben.
• 10:15
  Speaker 1: und der zweite Thema ist die finanzielle Information, bei der wir aus dem zentralen Punkt des Vorausschusses nur unsere Konsolidation Systeme und Daten an den Konsolideationssystemen verabschiedet werden.
• 10:30
  Speaker 1: Aber als Konsequenz für Transferpricing-Purpose.
• 10:34
  Speaker 1: Wir sind nicht able to see transaction group details.
• 10:39
  Speaker 1: Transactional details, we need ERP details which we don't have in our data lake and I'm pretty sure if you would talk with other companies or consultants they will define also transactional data as part of their data lake.
• 10:56
  Speaker 1: We are not yet there.
• 10:57
  Speaker 2: It's one of the biggest topics, right?
• 10:59
  Speaker 2: Find transaction data.
• 11:01
  Speaker 2: So I would say sometimes seventy percent off the whole documentation work is finding your transaction data and getting it right so that after years in a tax audit you don't have to correct yourself
• 11:18
  Speaker 0: Absolut.
• 11:19
  Speaker 0: Und die transactionalen Daten sind immer das schwerste Data, um in deinem Data-Lake zu holen.
• 11:24
  Speaker 0: Aber was ich liebe, über was du mir gerade gesagt hast, ist sehr viel der Weg hierher.
• 11:29
  Speaker 0: Ich denke, das war es für Firmen da, die starten sich zu denken, wie ich AI benutze?
• 11:35
  Speaker 0: Es geht wirklich darum, nachdenken zu können, was mein Data Landschaft heute so aussieht und wo kann ich ein paar Werte bekommen?
• 11:42
  Speaker 0: Einige kleine Bereiche, bei denen man vielleicht anfangen kann, dieses Data- Lake zu bauen... Und dann kann man über die Zeit starten, um mehr Daten zu erhöhen.
• 11:53
  Speaker 0: Denk auf die Bereiche von deinem Geschäft, wo du mehr Judenstätigkeit willst und das vielleicht auch mit verschiedenen Typen definieren kannst.
• 12:00
  Speaker 0: Aber ja, nicht einfach perfekt sein, dass es gut ist.
• 12:04
  Speaker 0: Es geht alles um Progression.
• 12:09
  Speaker 0: Ja, ich glaube, bauen etwas und dann starten wir in der Zeit.
• 12:13
  Speaker 0: Und es
• 12:14
  Speaker 1: sind wirklich kleine Schritte, so zu sagen vorwärts.
• 12:18
  Speaker 1: Um ein Beispiel für diese Schritte zu geben, wenn ich sage wir haben keine transactionalen Daten in unserem Land.
• 12:25
  Speaker 1: Ja, das ist ein basicer Message.
• 12:27
  Speaker 1: Das ist richtig.
• 12:27
  Speaker 1: Aber natürlich haben wir Transaktional-Data mehr linked zu unseren körperlichen Transaktionen.
• 12:34
  Speaker 1: Cashpooling ist zum Beispiel, wie Cashpool is really managed centrally and for those let's say cash pools in I don't know ten different currencies we have where of course we have a different anslinks test behind Ofcourse We Have Those Transactional Data which can provide them centrally.
• 12:52
  Speaker 1: Das wäre auch für unsere Brandliszen.
• 12:55
  Speaker 1: Wir sind zentral gestohlen, natürlich für diese Verhandlungen haben wir Data.
• 13:00
  Speaker 1: Wir können das sämtlich verwenden.
• 13:03
  Speaker 1: Aber dann startet es wirklich um die Strukturen unserer Geschäftsgruppen zu steigen und die Situation da zu erhöhen.
• 13:11
  Speaker 0: Und hast du gefunden, dass du dann AI-Geräusche nimmst?
• 13:15
  Speaker 0: Wo wir mit AI starten, ist es
• 13:17
  Speaker 1: nicht wirklich um zu definieren, welche Transaktiongruppen wir haben.
• 13:27
  Speaker 1: Wir schauen in die Transaktionsdata und analysieren sie, z.B.
• 13:30
  Speaker 1: die Texte oder etwas.
• 13:34
  Speaker 1: Aber was wir starten ist, wenn wir einen offiziebelten... PNL kann natürlich relativ komplex sein, depending on the transaction an entity has.
• 13:49
  Speaker 1: And then we started really if you use for example co-pilot and asking analyzer please have a look into those data.
• 13:59
  Speaker 1: Wie wichtig ist das Kontext?
• 14:03
  Speaker 1: Man kann natürlich nur eine table auflaufen und fragen, was man sieht.
• 14:09
  Speaker 1: Ein Analyse machen.
• 14:11
  Speaker 1: Aber ihr seht, dass der Ausgang nicht wirklich ein wertvoller Ausgang ist.
• 14:17
  Speaker 1: Aber wenn du informierst, wie die PNL-Struktur
• 14:21
  Speaker 0: ist... Was
• 14:23
  Speaker 1: habe ich?
• 14:24
  Speaker 1: Wer ist die Testerpartei?
• 14:29
  Speaker 1: Man merkt, wie der AI beginnt zu verstehen ... den ganzen Kontext, um Fragen zu stellen.
• 14:37
  Speaker 1: Zum Beispiel, ob man Benchmarkinformationen hat, die ich wirklich testieren kann und so weiter.
• 14:43
  Speaker 1: So ist das eine interessante Reise, aber wir sind hier, freundlich gesagt, am Anfang.
• 14:48
  Speaker 0: Ja!
• 14:48
  Speaker 0: Und ich denke, dass es viele Gruppen gibt.
• 14:50
  Speaker 0: Und sicherlich meine Erfahrung ist, dass viele Gruppe mit Komponente starten wie ein Bedrockner für Ausgaben.
• 14:57
  Speaker 0: Wie können Sie vielleicht ein Localfile oder eine Präparation automaten?
• 15:02
  Speaker 0: Wie können sie eine CBCOR-Präparation automatieren?
• 15:04
  Speaker 0: Wie kann man AI benutzen, um die Qualitätschecks zu machen?
• 15:07
  Speaker 0: Vielleicht haben wir uns bis jetzt manual gemacht.
• 15:11
  Speaker 0: Ich denke, das ist ein super Ort zu starten.
• 15:12
  Speaker 0: Aber ich bin wirklich froh für uns, wenn wir nach vorne schauen und sehen Dinge wie ... AI Auditagent oder digitalen Twins.
• 15:22
  Speaker 0: Und was ich daraus betreffe, ist die Real-Time-Szenarioanalyse.
• 15:25
  Speaker 0: Ich denke, wenn Sie Ihre Benchmark nehmen und sagen, dass man in Polen Polish-only-Compareables braucht, mit einer Simulation, der sagt, welches my range is if I only have Polish camps?
• 15:36
  Speaker 0: All of that in real time gets really exciting and it makes compliance far easier to be honest than in the long term.
• 15:44
  Speaker 1: Wenn wir stay for a moment with documentation, the first thing you mentioned.
• 15:49
  Speaker 1: I think documentation is really an area of application.
• 15:54
  Speaker 1: so for example translation work course.
• 15:58
  Speaker 1: we are not using since last six months people as one solution different languages especially In Text-Ordits oder in der Local-File Translation.
• 16:13
  Speaker 1: Die Sprache ist nicht wirklich eine Barrierung mehr.
• 16:16
  Speaker 1: Für mich ist es sehr impressiv, wenn du die Teams oder andere Applikationen haben und das Real-Time-Translation-Funktion sieht.
• 16:30
  Speaker 1: foreign tax audits, where I was involved.
• 16:33
  Speaker 1: We had always the very good situation that we could talk in English through the tax auditorium.
• 16:40
  Speaker 1: but even if that would not be possible i think with the current stage of technology and give it another six month another twelve months.
• 16:50
  Speaker 1: so real time translation should not really a problem.
• 16:54
  Speaker 1: Um auch in den Ländern außerhalb der deutschen Text-Ordien zu unterstützen, ist das eine große Bedeutung.
• 17:05
  Speaker 1: Und du hast auch Konsistenzchecks und Lobbyfiles erwähnt.
• 17:08
  Speaker 1: Ich denke, das ist ein sehr gutes Beispiel.
• 17:13
  Speaker 1: Wir starten mit Agenten, die mit dem Content verabschiedet sind, dann wirklich dieses Kind von Konsistenzen zu checken.
• 17:21
  Speaker 1: Und ich bin ganz sicher, dass das auch die gesamte Serviceverwaltung verändern wird.
• 17:27
  Speaker 1: Jetzt kann man wirklich mit verschiedenen Funktionen und Risikoprofilen nur mit einem oder zwei Klicks checken auf den Qualitätslevel der Dokumentation.
• 17:37
  Speaker 0: Ja, ist es kompliziert mit OECD-Standards?
• 17:39
  Speaker 0: Ist es kompliert mit Italienstandards?
• 17:40
  Speaker 0: Irgendwas, was der Request sein könnte... Ich denke, A.I.
• 17:44
  Speaker 0: kann das wirklich erneuern.
• 17:46
  Speaker 0: Elli,
• 17:46
  Speaker 1: würdest du mir, wenn A. I., über diesen Teil, Konsultancy itself.
• 17:53
  Speaker 1: It's somehow back to what consultancy was invented for, yeah?
• 17:58
  Speaker 1: That is at least my impression.
• 17:59
  Speaker 1: you don't need put together any work which you may have thought in the past where a young consultant has done that work we would leave their level of education he or she has.
• 18:09
  Speaker 1: so thats atleast my impression.
• 18:11
  Speaker 1: the consulency is some how backed to what consulancy was inventive.
• 18:15
  Speaker 0: I couldn´t agree more.
• 18:16
  Speaker 0: i think what AI really allows us do?
• 18:19
  Speaker 0: spend time exercising our judgments.
• 18:23
  Speaker 0: So, it highlights patterns and data.
• 18:25
  Speaker 0: It gives us insights that we probably would have taken us weeks or months before to really drill into this... ...it does the data analytics for us.
• 18:34
  Speaker 0: so then what we need to do is read between the lines, read between whats going on in our data.
• 18:40
  Speaker 0: here's my experience of telling me how you know.
• 18:44
  Speaker 0: bring this to a tax authority and elaborate on your story because thats important particularly in a controversy landscape Or indeed in planning.
• 18:51
  Speaker 0: Ich denke, das wird wirklich spannend.
• 18:53
  Speaker 0: Das Beste, was wir viel überdenken, ist, wie wir die Menschen in diesem Welt trainieren können?
• 18:59
  Speaker 0: Denn sie haben nicht necessarily den selben Rücken der Belastungsarbeit, die sie vorhin gehabt haben.
• 19:06
  Speaker 0: Wie benutzen sie AI zu öffnen und sich ihre Judenung an einen exzellierten Ort
• 19:12
  Speaker 1: bilden?
• 19:12
  Speaker 1: Ja, ich würde sagen, dass es wirklich wichtig ist, die Leute zu trainieren.
• 19:15
  Speaker 1: um wirklich etwas Zeit zu denken, weil ich would agree that now you have time to do maybe more valuable things.
• 19:26
  Speaker 1: But of course you need to invest this time first in really train and educate people because some my colleagues or the people who know they kind of impression okay latest Potshit to talk about AI, youth and use AI.
• 19:48
  Speaker 1: And when you start then prompting it may have your first experience which is not really a very valuable experience or where we are disappointed than just saying okay but took me longer if I would've done the old fashioned way.
• 20:04
  Speaker 1: Und zumindest, was ich sehr dankbar für ist, dass in meiner Firma das Feuerwerk ein Educationsprogramm hat.
• 20:14
  Speaker 1: Wir benutzen Co-Pilot als eine Applikation, besonders im SGA-Area und unser IT hat einen Co-pilot-Academy, wo man auch verschiedene Bildungszeichen und Trainingschritte genutzt.
• 20:31
  Speaker 1: In dieser Woche habe ich heute eine Session, in der wir wirklich auf besondere Bereiche fokussieren.
• 20:40
  Speaker 1: Ich bin ein Finanzperson, um eine Finanzkommunität zu bauen und diese Tools für die Finanzkombinanz zu benutzen.
• 20:50
  Speaker 1: Wenn du hier HR-Kommunitie gemacht hast oder wenn du in einem System arbeiten willst ... Was für eine besondere Frage haben Sie?
• 21:03
  Speaker 1: Und das ist etwas, was wirklich low barriers hat.
• 21:07
  Speaker 1: Man kann dann die Rekordung später aufnehmen, wenn man nicht die Zeit hat, zum Teil der Meeting zu sein.
• 21:15
  Speaker 1: Es gibt einen Q&A-Sessionen, den wir seit dem Wochenende haben.
• 21:19
  Speaker 1: Wir versuchen, unsere Kollegen zu erneuern und sie zu nutzen.
• 21:24
  Speaker 1: Denn am Ende des Tages ... Es ist ein bisschen Geld, was wir haben.
• 21:29
  Speaker 1: Auch für die zusätzliche Begründung.
• 21:31
  Speaker 1: Deshalb müssen Sie sich sicher machen, dass die Menschen sie benutzen.
• 21:34
  Speaker 0: Aber ich denke, dass das Ton von oben so wichtig ist.
• 21:37
  Speaker 0: Denn was du sagst, wir wollen wirklich investieren in deinem Zukunftsleuchten und Entwicklung im AI-enableden Weg.
• 21:44
  Speaker 0: Ja, ich glaube, das ist eine sehr wichtige Message.
• 21:46
  Speaker 0: Wir machen den gleichen in PwC, wo wir eine Akademie mit der London School of Business haben.
• 21:52
  Speaker 0: Und ich denke alle davon ist es sehr wichtig, weil wir investieren bei unseren Leuten und sorgen, dass sie sich in einer neuen und eindringenden Landschaft, die so
• 22:03
  Speaker 1: schnell verändert
• 22:04
  Speaker 2: wird... Ich denke, es wird sehr intensiv sein, besonders in den nächsten drei bis fünf Jahren.
• 22:07
  Speaker 2: Denn wenn du die Universität schaust und wie eine Universitätseducation aussieht, ist nicht so viel Influenz von AI und wie ich mit AI arbeite.
• 22:17
  Speaker 2: Es ist sehr, ich würde sagen, old-fashioned.
• 22:20
  Speaker 2: Also gibt es natürlich viel about Education and Knowledge.
• 22:23
  Speaker 2: Und dann kommen die jungen Leute in ihre professionelle Leben.
• 22:27
  Speaker 2: Und sie brauchen diese AI... Tools and processes, and technology.
• 22:33
  Speaker 2: And I guess they are very confused in the beginning.
• 22:36
  Speaker 2: what to do?
• 22:36
  Speaker 2: So how would you deal with that?
• 22:39
  Speaker 0: for me there's probably.
• 22:39
  Speaker 0: Es gibt zwei körperliche Werte, die sehr wichtig sind.
• 22:43
  Speaker 0: Wir haben mit dem anderen gesprochen, bevor er live ging.
• 22:45
  Speaker 0: Es ist darum, dass man sich interessiert.
• 22:48
  Speaker 0: Wenn der AI eine Antwort hat, dann fragt man, warum.
• 22:51
  Speaker 0: Wenn du nicht verstehen, warum, dann fängst du bis du ganz sicher, dass du das ganze Thema verstehst.
• 23:00
  Speaker 0: Das zu mir ist Nummer ein und das andere ist wahrscheinlich sehr linked, um ehrlich zu sein, für kritische Gedanken.
• 23:06
  Speaker 0: Um so, really standing back from it and asking yourself like what is the bigger picture here?
• 23:11
  Speaker 0: What do I want to do in this landscape?
• 23:14
  Speaker 0: because at Und ich denke, das ist
• 23:26
  Speaker 2: so wichtig, besonders die kritische Meinung.
• 23:29
  Speaker 2: Wenn du einen AI-Geräuschstab hast, dann riecht es so gut und so gut an.
• 23:34
  Speaker 2: Du readest ihn zum ersten Mal, es ist logischer, also kannst du es einfach aufnehmen.
• 23:38
  Speaker 2: Aber wenn du ihn beim zweiten Mal riechst, wirst du eigentlich realisieren, was dort drin ist.
• 23:42
  Speaker 2: Ich glaube, dass diese Kritik von der Kritik ein Teil ist.
• 23:44
  Speaker 2: Das ist eine der wichtigsten Dinge, die jungen und älteren Leute haben.
• 23:49
  Speaker 2: Nur eine Frage, Nils.
• 23:50
  Speaker 2: Du hast ein bisschen
• 23:51
  Speaker 1: mit deinen
• 23:53
  Speaker 2: AI-Tools gearbeitet.
• 23:54
  Speaker 1: Was ist das, was du currently
• 23:55
  Speaker 2: benutzt?
• 23:56
  Speaker 2: Was sind deine
• 23:57
  Speaker 1: Setups?
• 23:58
  Speaker 2: Und was denkst du, wird es die Zukunft sein?
• 24:01
  Speaker 2: Willst
• 24:01
  Speaker 1: du in den nächsten sechs Monaten Cloud
• 24:03
  Speaker 2: Code
• 24:05
  Speaker 1: haben?
• 24:07
  Speaker 1: Was kann man erwarten?
• 24:08
  Speaker 1: Was wir jetzt verwenden, ist der Coop-Pilot.
• 24:11
  Speaker 1: Der ganze Coop Pilot Landscape sozusagen.
• 24:14
  Speaker 1: Und wir haben auch einen Tool, den wir mit Fiskus AI benutzen.
• 24:20
  Speaker 1: Das ist von einer anderen Konsultancy-Kompanie, in der wir starten, um zu schauen, um mehr tief hinzuzubekommen.
• 24:28
  Speaker 1: Denn da kann man auch verschiedene große Modelle hinterlassen.
• 24:32
  Speaker 1: Man kann ein bisschen sparen.
• 24:34
  Speaker 1: Man hat eine Matrix, wo man checken kann.
• 24:38
  Speaker 1: Wenn du mich über die Zukunft fragst ... Die Rekommendation, die wir hier haben, als wir unsere Reise starten, ist es wichtig zu beginnen.
• 24:48
  Speaker 1: Welchen Tool wir in zwölf Monaten benutzen?
• 24:52
  Speaker 1: Ich weiß nicht genau, aber Dinge entwickeln so schnell.
• 24:55
  Speaker 1: Es ist therefore wichtig zu starten und dann schauen wir, was da kommt!
• 25:03
  Speaker 1: Und ich meine, du hast gesagt Steakurious.
• 25:05
  Speaker 1: Das ist wirklich Musik.
• 25:06
  Speaker 1: in meinen Jahren und das ist eine unserer Erklärungen, besonders die Erklärung wir hatten, als wir die einhundertundseventig-fünfjährige Anniversität der Firma ausgeliefert haben, wo wir wirklich starten, das SteakHurious Week nicht nur um den AI, sondern vor allem Steak curious, kritisch zu denken, einen wichtigen Punkt hier.
• 25:25
  Speaker 1: Das
• 25:26
  Speaker 0: andere Punkt, das wir nicht aufhörten haben, ist wirklich wichtig für die Regierung und den Kontrollen.
• 25:30
  Speaker 0: Ich denke, es ist wirklich sehr wichtig, besonders wie jeder, der sich über ihre Datalandscape anschaut, dass die Kontrolls da sind.
• 25:38
  Speaker 0: Denn wenn man mit Technologien präsentiert wird, aber die Kontrolle ist noch nicht stark genug.
• 25:44
  Speaker 0: Sehr schnell wird dieser Prozess eine Verbrechung sein, wenn du AI-List hast oder jede Form von Technologie.
• 25:52
  Speaker 0: So, again I think it's going back to the basics and fundamentals as well.
• 25:55
  Speaker 0: And saying if this is my process these are the controls that i need at each stage.
• 25:59
  Speaker 0: so then you start accelerating things.
• 26:01
  Speaker 0: You don't need to question or constantly check those control procedures because they're baked into a process.
• 26:08
  Speaker 0: To me thats another really important area.
• 26:11
  Speaker 1: und vielleicht diesen Punkt zu nehmen, also Kontrollen und Prozesse, also Text-Komplinen-Management-Systems.
• 26:18
  Speaker 1: Wenn wir über das reden, ist es für eine Minute.
• 26:19
  Speaker 1: Das ist wo ich wirklich ein dedikatorisches Beispiel geben kann, wie wir AI benutzen.
• 26:26
  Speaker 1: als die, ich denke, Text-Komplienz-Management-Systems und wirklich mit diesen Systemen herunterzuwenden ist das für den Zukunft sehr wichtig.
• 26:36
  Speaker 1: Was wir haben gemacht, ist dass wir z.B.
• 26:40
  Speaker 1: die Transcript Funktion benutzen, in der wir Interviews haben, wenn wir über Prozesse reden.
• 26:46
  Speaker 1: Und mit dem Kontext präumtet man in der Back.
• 26:50
  Speaker 1: Man kann sie dann generieren und dann beginnst du mit einem weißen Teil des Papiers.
• 27:00
  Speaker 1: Du hast dein Interview, deine Transkripte, deinen speziellen Agenten, die das Transkrip in eine Signavio-Upload-File transferieren.
• 27:12
  Speaker 1: Dann kannst du wirklich weiter arbeiten auf dem Prozess.
• 27:16
  Speaker 1: In dem nächsten Schritt... Wir diskutieren und definieren bestimmte Kontrollen.
• 27:22
  Speaker 1: Und wir benutzen sie als Agent, um wirklich Ideen zu verändern, um Fragen zu stellen, welche Kontrolls wir brauchen.
• 27:31
  Speaker 1: In dieser ganzen Landscape, das ist unser Text-CMS-Factory.
• 27:37
  Speaker 1: Das ist ein sehr tolles Beispiel, um die Systeme zu entwickeln.
• 27:42
  Speaker 1: Ich meine, es ist eine lange Art und Weise für sie zu gehen, wenn man sie wirklich anruft und vor allem in einem deutschen Kontext haben kann, damit sie aus dem Text-Ordentum benötigt werden.
• 27:55
  Speaker 1: Denn aktuell, wie ich weiß, sind es deutsche Textaussorten.
• 27:58
  Speaker 1: Auch wenn du einen aufgerufenen Text-Komplex-Management-System hast Da ist kein dedikated Statement.
• 28:07
  Speaker 1: Okay, this point is then more easy in an an audit.
• 28:10
  Speaker 1: so we are really here right at the beginning of that process.
• 28:14
  Speaker 1: but when I'm looking into how um The whole career opportunities are developing or people getting older So it's really kind of war of talents also for the tax authorities maybe data analytics driven and yeah, that will be an interesting journey.
• 28:39
  Speaker 0: And I'm definitely seeing tax authorities move in that way because you know You'll have a view on this too.
• 28:44
  Speaker 0: like what i am certainly saying is quite often the business case for larger scale tech investments tends to be things Like how can I close my quarter quicker?
• 28:52
  Speaker 0: If I want to cut five days off my quarter Tech should enable me.
• 28:58
  Speaker 0: Aber die einzige Weise, in der man auf diese Höhe speeden kann ist, wirklich stark zu kontrollieren.
• 29:03
  Speaker 0: Und was wir jetzt mehr und mehr sehen, ist, wie Taksathardy sagt, describe your control landscape to me.
• 29:09
  Speaker 0: What do you control procedures look like?
• 29:11
  Speaker 0: Rather than auditing necessarily the DAB itself they're actually standing back and looking at the control landscape And I think that's really interesting.
• 29:19
  Speaker 2: Absolut, ein weiteres Thema, das wir über vier Stunden reden können.
• 29:23
  Speaker 2: Aber leider müssen wir in eine Klasse kommen und ich würde gerne fragen, was die letzte Frage ist.
• 29:28
  Speaker 2: Gestern hatten wir den Power-Cut zu Hause, also für den ganzen Tag war der Power nicht mehr da.
• 29:33
  Speaker 2: Und irgendwann waren alle Batterien rausgekommen.
• 29:37
  Speaker 2: Wir sitzen dort, es stammt, und es fühlte sich wirklich seltsam, nichts zu haben.
• 29:43
  Speaker 2: Kein AI, kein Phone oder was so.
• 29:47
  Speaker 2: Wie schnell und wie schnell denkst du, dass ein AI dein Leben macht?
• 29:52
  Speaker 2: Ich bin
• 29:52
  Speaker 1: nicht sicher, ob ein AI jetzt wirklich mein Leben schneller ist als wenn ich in meinem Schädel und Kalender sehe.
• 30:02
  Speaker 1: Also das ganze Job sozusagen.
• 30:06
  Speaker 1: es generiert einen bestimmten Level der Speed, also wenn die AI wirklich schneller macht... Ich weiß nicht, vielleicht fragt er mich in sechs oder zwölf Jahren.
• 30:20
  Speaker 1: Vielleicht ein Mädchen als ich?
• 30:22
  Speaker 1: Es ist schneller, aber mit einer kleinen Daughter ist es dann auch einen bestimmten Level der Speed.
• 30:29
  Speaker 1: Du hast es anyway in deinem Leben und zumindest die große Vorteile habe ich in meinem Zuhause.
• 30:34
  Speaker 1: Ich habe wirklich viele Buchs, die ich kann readsen.
• 30:38
  Speaker 1: Und ich habe einige Handel, also sogar wenn wir eine Power Outage haben und ich keine Arbeit hätte, würde ich wissen, was ich mache.
• 30:45
  Speaker 1: Ich glaube
• 30:48
  Speaker 0: nicht, dass es mich auf die Art und Weise spielt.
• 30:50
  Speaker 0: Was ich liebe über AI ist, dass sie meinen Tatschauspass anzusehen.
• 30:53
  Speaker 0: Wenn ich mit einer Idee komme, vor allem wenn ich experimentiere, wie ein Podcast oder einen Global-Konferenz für uns bereit bin – und ich benutze AI um den Usererheben zu挑angen und etwas mehr kreativ zu denken, kann das mir Ideen geben!
• 31:13
  Speaker 0: Aber ich muss es im Kontext geben und meine Idee für das, was ich aus der Session kommen möchte.
• 31:20
  Speaker 0: Aber ich denke, die AI kann wirklich die Perspektivität füllen.
• 31:24
  Speaker 0: Und ich genieße das sehr viel.
• 31:25
  Speaker 0: Es ist aber nichts, das mir eigentlich drückt, weil sie mich von einem
• 31:33
  Speaker 1: anderen Angeln machte.
• 31:33
  Speaker 1: Aber für mich ist das etwas, an dem ich die AI alle Zeit benutze.
• 31:36
  Speaker 1: Und
• 31:38
  Speaker 2: wie schnell oder fast war dein ... Wir haben uns mit Kennerleit aufgerufen.
• 31:42
  Speaker 2: Meine Sons waren da, wir saßen auf dem Table und sprachen.
• 31:45
  Speaker 2: Es war eine sehr seltene, aber sehr schöne Situation.
• 31:49
  Speaker 2: Also es war wirklich gut.
• 31:50
  Speaker 2: Ich glaube die Idee ist eigentlich gute News.
• 31:53
  Speaker 2: Wir kommen wieder zu diesem Thema in den letzten sechs Monaten.
• 32:00
  Speaker 2: Und dann werden wir sehen, wie unser Leben schneller wird.
• 32:07
  Speaker 0: Wie sagen Sie?
• 32:14
  Speaker 2: So, ich würde sagen, danke sehr viel.
• 32:17
  Speaker 2: Das war eine sehr spezielle Edition.
• 32:19
  Speaker 2: Ich hoffe, ihr könnt das wieder machen.
• 32:21
  Speaker 2: Danke, Nils!
• 32:21
  Speaker 2: Speciales Dankeschön, Alli!
• 32:23
  Speaker 2: Vielen Dank
• 32:23
  Speaker 0: für die Einladung!
• 32:24
  Speaker 0: Und
• 32:24
  Speaker 2: Christoph für alle der Tech-Works.
• 32:26
  Speaker 2: Ja,
• 32:27
  Speaker 1: dieses Mal statt Arzen, vielen
• 32:30
  Speaker 2: Dank Arzen für die Infos ab Fronten.
• 32:33
  Speaker 1: Und hier auch ein Beispiel, wo AI hilft.
• 32:35
  Speaker 1: Absolut!
• 32:36
  Speaker 1: Ich war nicht sicher, ob
• 32:39
  Speaker 2: das funktioniert,
• 32:43
  Speaker 1: aber
• 32:44
  Speaker 2: es funktioniert
• 32:45
  Speaker 1: im Endeffekt.
• 32:45
  Speaker 1: Aber ich glaube, dass
• 32:47
  Speaker 2: es
• 32:48
  Speaker 1: einen schönen Wissen gibt, was ohne AI passiert.
• 33:09
  Speaker 1: Es ist schön in einem analogen Welt zu sein.