Wybrany intuicyjnie po studiach finansowych audyt okazał się dla Szymona Sikorskiego dziedziną, w której mógł połączyć szerokie spojrzenie na finanse z technologiczną ciekawością. Dziś jego praca łączy prowadzenie projektów audytowych z wdrażaniem rozwiązań AI i szkoleń. W rozmowie z nami wyjaśnia, jak znajomość branży pomaga tworzyć użyteczne technologie, czego nauczył rynek pierwszy boom na generatywną AI i jakie kompetencje warto rozwijać, by efektywnie budować karierę w audycie.
Dlaczego na początku kariery wybrał Pan audyt? Czy technologia już wtedy była ważną częścią Pana zainteresowań?
Powód był dość prozaiczny: nie byłem do końca przekonany, co chcę robić w życiu. Studiowałem kierunek finansowo-biznesowy, a audyt wydawał mi się dobrym miejscem, żeby zdobyć szerokie podstawy i dopiero później decydować, w której dziedzinie chcę się rozwijać. I rzeczywiście, daje on taką możliwość. Uczysz się rozumieć, co stoi za sprawozdaniami finansowymi i pracą zespołów finansowych czy księgowych, ale jednocześnie masz kontakt z ludźmi – własnym zespołem, klientami i różnymi interesariuszami. Do tego dochodzi zarządzanie projektami i własnym czasem.
Technologią interesowałem się dużo wcześniej. Zaczęło się bardzo zwyczajnie, od komputerów i sprawdzania jakie dają możliwości. Później pojawił się Excel, Power BI i kolejne rozwiązania. Instynktownie wiedziałem, że technologia będzie obecna w audycie, ale nie spodziewałem się, że aż w takim stopniu. Dziś te dwa światy są dla mnie bardzo mocno połączone.
Nie kusiło Pana, żeby zostawić finanse i przejść całkowicie na stronę technologiczną?
Zastanawiałem się nad tym i pojawiały się też pytania, czy nie powinienem zajmować się wyłącznie technologią. Ostatecznie właśnie doświadczenie audytowe uważam za jedną z największych zalet w tworzeniu rozwiązań dla tej branży.
Można być świetnym programistą czy specjalistą od budowy aplikacji, ale tworząc rozwiązanie dla audytorów, trzeba rozumieć ich rzeczywiste problemy. Ja cały czas pracuję przy projektach i z klientami, więc doskonale wiem, jak ta praca wygląda w praktyce. Dzięki temu łatwiej ocenić, czego naprawdę potrzebujemy, zamiast tworzyć narzędzia, które technologicznie są imponujące, ale nie rozwiązują codziennych problemów.
Dlatego nie chciałem całkowicie odchodzić od prowadzenia audytów. Gdy człowiek odcina się od branży, dla której projektuje rozwiązania, z czasem może stracić kontakt z rzeczywistością.
Jak od pracy audytora doszedł Pan do współtworzenia i wdrażania rozwiązań technologicznych?
Nie było jednego momentu, w którym powiedziałem sobie: „Od dziś będę zajmował się technologią”. Ta ścieżka powstawała stopniowo i w bardzo naturalny sposób. Najważniejsza była chyba moja wrodzona ciekawość.
Już jako asystent zastanawiałem się, czy czynności, które wykonujemy od lat w określony sposób, naprawdę trzeba robić automatycznie i powtarzalnie . Czasem wystarczyła inaczej napisana funkcja w Excelu albo wykorzystanie funkcjonalności, którą wszyscy mieliśmy pod ręką, ale nikt wcześniej po nią nie sięgał. Jeśli coś można zrobić w trzy godziny zamiast piętnastu i osiągnąć ten sam rezultat, to warto się nad tym zastanowić.
Później, już jako senior, zacząłem patrzeć nie na pojedyncze zadania, ale na większe fragmenty całych procesów. Dzieliłem się rozwiązaniami z innymi i z czasem zaczęła do mnie przylegać łatka osoby, która „robi coś z technologią”. Kiedy nastąpił boom na generatywną AI, miałem już podstawy i naturalnie zacząłem mocniej rozwijać się w tym kierunku. Pojawiły się kolejne wdrożenia, zdobywanie wiedzy i szkolenia – także dla osób spoza EY. Z czasem ta część mojej pracy stała się na tyle duża, że przestała być „dodatkiem” do audytu.
To nie była liniowa, zaplanowana dziesięć lat wcześniej kariera. Raczej seria małych kroków wykonywanych przez miesiące i lata.
Jak w praktyce powstaje rozwiązanie AI, które później trafia do zespołów audytowych?
Najpierw musi istnieć rzeczywisty problem. Obserwujemy jakąś czynność i widzimy, że regularnie pochłania dużo czasu, jest w dużej mierze powtarzalna i wykonują ją dziesiątki albo setki osób. Wtedy można zacząć pytać: czy da się to zrobić inaczej?
Kolejny krok to sprawdzenie, czy rozwiązanie jest technologicznie możliwe i czy jego stworzenie ma sens biznesowy. Nawet oszczędność godziny może wyglądać niepozornie, ale jeśli pomnożymy ją przez setki pracowników i dużą liczbę projektów, daje to bardzo konkretną, wymierną wartość.
Potem pomysł musi zostać oceniony szerzej – również pod kątem bezpieczeństwa. Dopiero później przechodzimy do budowy, testowania i wdrożenia. I właśnie wdrożenie jest tutaj niezwykle ważne. Można stworzyć świetną aplikację, ale jeśli ludzie nie zobaczą, że naprawdę ułatwia im pracę, po prostu nie będą z niej korzystać. Dlatego częścią procesu są szkolenia i pokazanie, dlaczego warto zmienić dotychczasowy sposób działania.
Czy obecne wykorzystanie AI różni się od tego, jak firmy podchodziły do niej podczas pierwszego boomu?
Bardzo. W latach 2022–2023 praktycznie wszyscy chcieli jak najszybciej coś z AI zrobić. Technologia była nowa, każdy obawiał się, że zostanie w tyle, więc firmy eksperymentowały i inwestowały w rozwiązania, które bardzo szybko potrafiły się zdezaktualizować.
Mieliśmy na przykład specjalistyczne zastosowania, których przygotowanie wymagało wielu miesięcy pracy. Dziś, dzięki rozwojowi komercyjnych narzędzi, rozwiązanie o podobnej funkcji doświadczona osoba może stworzyć zdecydowanie szybciej. To dobrze pokazuje tempo tej zmiany.
Obecnie jednym z najbardziej interesujących kierunków są wyspecjalizowani agenci AI. Zamiast jednego bardzo szerokiego narzędzia tworzy się mniejsze rozwiązania przeznaczone do konkretnych zadań.
Jednocześnie trzeba zachować pokorę. Nie wiemy, czy rozwiązanie, które dziś wydaje się przełomowe, będzie standardem przez dwa lata czy przez dwadzieścia. Historia ostatnich kilku lat pokazała, jak szybko sukces technologiczny może stać się rozwiązaniem przestarzałym.
Polecane oferty pracodawcy: EY (dawniej Ernst & Young)
Prowadzi Pan również szkolenia z AI. Z jakim największym nieporozumieniem dotyczącym tej technologii spotyka się Pan u uczestników?
Najczęściej z przekonaniem: „Będę robić dokładnie to samo co wcześniej, tylko włożę w ten proces AI i ono zrobi wszystko za mnie”. To tak nie działa.
Żeby dobrze wykorzystywać AI, często trzeba najpierw przemyśleć sam proces. Rozłożyć go na mniejsze części, sprawdzić, które zadania są powtarzalne, które może przejąć narzędzie, a które nadal powinien wykonywać człowiek. Czasem trzeba nawet zmienić kolejność podejmowanych działań.
AI nie „myśli” tak jak człowiek. Dlatego bezrefleksyjne dołożenie jej do istniejącego sposobu pracy nie musi dać dobrego efektu. Znacznie lepszym podejściem jest pytanie: jak powinien wyglądać ten proces, skoro mam dziś do dyspozycji takie narzędzie?
Jakich kompetencji potrzebuje audytor w świecie AI?
Z jednej strony nadal potrzebne są bardzo solidne podstawy branżowe – wiedza finansowa i audytowa. Z drugiej warto przynajmniej na podstawowym poziomie rozumieć, jak działają rozwiązania AI.
Nie chodzi o to, żeby każdy audytor był programistą albo doktoryzował się z modeli językowych. Jeśli jednak używamy narzędzi, dobrze wiedzieć, skąd mniej więcej bierze się odpowiedź, jakie ograniczenia ma technologia i z jakim ryzykiem wiąże się jej wykorzystanie. Dopiero wtedy możemy ocenić, do czego dane rozwiązanie naprawdę się nadaje.
Trzecim elementem, chyba najważniejszym, jest ciekawość. I tutaj osoby rozpoczynające karierę mają nawet pewną przewagę. Łatwiej nauczyć się nowego sposobu pracy od początku niż po dziesięciu latach usłyszeć, że wszystko, co do tej pory robiliśmy w określony sposób, trzeba teraz wykonywać inaczej.
Czy w takim razie audyt nadal jest dobrym miejscem na rozpoczęcie kariery?
Rynek pracy zmienia się bardzo szybko. W wielu branżach zmienia się zapotrzebowanie na juniorów, zmieniają się też zadania, które wykonują osoby znajdujące się na początku zawodowej kariery. Nie oznacza to jednak, że kolejne rewolucje technologiczne po prostu wyeliminują ludzi. Historycznie przede wszystkim zmieniały profil ich pracy.
Dlatego nie można stać w miejscu. Osoba, która wybierała kierunek kariery dwa czy trzy lata temu, dzisiaj powinna ponownie spojrzeć na uwarunkowania rynkowe i sprawdzić, co się zmieniło. Same kompetencje technologiczne nie wystarczą, podobnie jak sama wiedza branżowa. Trzeba obserwować gospodarkę, firmy, kierunki inwestycji i to, gdzie pojawiają się nowe potrzeby.
Audyt daje szerokie podstawy: znajomość finansów, kontakt z różnymi biznesami, pracę projektową, relacje z ludźmi i coraz większy kontakt z technologią. Dla mnie właśnie ta kombinacja była bardzo wartościowa.
Co poradziłby Pan osobie, która dopiero zaczyna i chce dobrze przygotować się do pracy w takim środowisku?
Przede wszystkim nie ograniczać się do samego korzystania z narzędzi. Jeżeli ktoś używa AI codziennie, naprawdę warto poświęcić dwie czy trzy godziny, przeczytać kilka dobrych materiałów, obejrzeć wartościowe szkolenie i zrozumieć podstawy jej działania.
Nigdy wcześniej dostęp do wiedzy nie był tak łatwy. Kiedy zaczynałem pracę, żeby poznać określony temat z rachunkowości czy finansów, trzeba było znaleźć osobę, która go rozumie, sięgnąć do książek albo korzystać z często płatnych portali branżowych. Dzisiaj mamy narzędzia, które mogą pomagać uczyć się praktycznie każdego zagadnienia.
Ale to oznacza też, że nauka nie kończy się wraz ze studiami. Właściwie wtedy dopiero się zaczyna. Świat zmienia się tak szybko, że trudno wyobrazić sobie tydzień, w którym nie można nauczyć się czegoś nowego.
Sam staram się być na bieżąco każdego dnia. Doszło nawet do tego, że mam własnych agentów AI, którzy podsumowują mi informacje o tym, co wydarzyło się ostatnio w świecie technologii. Trochę jak wąż zjadający własny ogon: używam AI, żeby dowiadywać się, co nowego wydarzyło się w AI.
I chyba właśnie o to chodzi – nie o opanowanie jednego narzędzia raz na zawsze, tylko o ciekawość i gotowość do ciągłego uczenia się.
