Ostolaskujen käsittelyprosessi on tunnetusti aikaa vievä ja turhauttava prosessi. Suurin osa laskuista tiliöidään ja lähetetään kiertoon manuaalisesti. Manuaalityö aiheuttaa viiveitä laskujen maksuun sekä tuottaa virheellisiä tiliöintejä. Ostolaskujen käsittely on harvoin se mielitehtävä liiketoiminnassa, joten niiden käsittelyä siirretään usein viime tinkaan ja joskus jopa senkin yli.
Laskujen tiliöinnistä vastaa usein asiatarkastaja eli hankinnan tehnyt henkilö liiketoiminnasta. Kun laskuja tiliöidään ihmisten toimesta, jotka eivät ole taloushallinnon ammattilaisia, niin laskujen tiliöinnin laadussa on paljonkin huomautettavaa, kuten arvata saattaa.
Melko usein ostoreskontra joutuu tekemään ostolaskuille vielä lopputarkastuksen ennen laskujen vientiä kirjanpitoon, minkä tärkeimpänä syynä on tiliöintivirheiden korjaaminen. Näin ollen jopa suuri osa laskuista käytännössä joudutaan tiliöimään kahteen kertaan, kun liiketoiminta tekee sen ensin ja sitten ostoreskontra vielä korjaa tiliöinnin kuntoon.
Mikäli ostolaskuprosessin automatisointi perinteisin sääntöpohjaisin menetelmin olisi ollut helpompaa, meillä ei olisi manuaalityön haasteita. Kaikki olisivat automatisoineet ostolaskuprosessinsa. Kuitenkaan sääntöpohjaisella automaatiolla ei olla pystytty automatisoimaan ostolaskuprosessista kuin pieni osa.
Tähän on useita syitä, joita olen avannut aiemmassa blogitekstissäni. Summeerattuna monimutkaisia ja usein muuttuvia laskuja ei voi automatisoida yksinkertaisilla säännöillä. Pääset blogiin tästä.
Tekoäly on todistetusti erinomainen teknologia ostolaskuprosessin automatisointiin. Tekoälyn avulla voidaan saavuttaa jopa yli 90 % automaatiotaso. Toisin kun sääntöpohjaisen automaation kanssa, tekoälyä varten ei tarvitse luoda automaatiosääntöjä ollenkaan, vaan tekoäly oppii kaiken historiadatasta.
Kuitenkin tekoälyyn liittyen ilmoilla on ollut useita huolia. Tapaamme jatkuvasti isojen yhtiöiden taloushallinnon edustajia ja käymme keskustelua tekoälyn hyödyntämiseen liittyen ja kohtaamme tiettyjä huolia toistuvasti.
Listasimme viisi yleisintä huolta ja muutamia ajatuksia, miten voit välttää niiden toteutumisen.
Pelko: Minulla ei ole kontrollia ja näkyvyyttä tekoälyn toimintaan. En tiedä miten hyvin tekoäly oikeasti toimii ja millä perusteella se on päätynyt tiettyyn tiliöintiin.
Ratkaisu: Vakavasti otettava ostolaskutekoälypalvelu sisältää aina läpinäkyvän reaaliaikaisen analytiikan. Sen avulla pystytte seuraamaan tasan tarkkaan, miten hyvin tekoäly on teillä toiminut ja miten se on ajan yli kehittynyt. Mikäli teille tarjotaan ostolaskutekoälyä ilman analytiikkaa, niin harkitsisin sitä todella tarkkaan.
Pelko: Tekoäly tekee virheitä tiliöinnissä. Mikäli virhettä ei huomata, kirjanpitoon voi päätyä väärin tiliöityjä laskuja.
Ratkaisu: Tämä on huolena hyvin yleinen ymmärrettävästikin. Fakta on se, että tekoäly tekee virheitä. Fakta on myös se, että tekoäly tekee selkeästi vähemmän virheitä kuin ihminen. Tekoäly perustaa kaikki ennusteet loogisesti historiadataan. Sillä ei herpaannu keskittyminen kuten ihmisellä toisinaan.
Tekoäly antaa myös jokaiselle ennusteelle luottamusarvolukeman, joka indikoi, miten varma tai epävarma tekoälyä kustakin ennusteesta on. Mitä epävarmempi tekoäly on ennusteesta, sitä todennäköisesti se voi sisältää myös virheen. Onneksi ennusteita voi suodattaa pois luottamusarvon perusteella. Eli voitte itse määrittää, kuinka itsevarma tekoälyn täytyy olla esimerkiksi kirjanpidon tiliin ennusteesta, jotta kelpuutatte sen ja ennuste viedään kirjanpidon tili -kenttään ostolaskujärjestelmässänne. Mikäli tekoäly on riittävän epävarma, niin kenttä voidaan jättää tyhjäksi, ettei virheellinen ennuste pääse epähuomiossa prosessin läpi.
Esimerkiksi SAPissa luottamusarvolla voidaan myös värikoodata tiliöintikenttiä esim. Punaiseksi, keltaiseksi tai vihreäksi tekoläyn itsevarmuuden mukaan.
Pelko: Markkinassa alkaa olla jo useita eri mahdollisuuksia tekoälyn hyödyntämiseen ostolaskuautomaatiossa. Miten osaan valita parhaan ratkaisun tarpeeseemme?
Ratkaisu: On totta, että markkinassa on useita vähintäänkin tekoälyksi itseään kutsuvaa ratkaisua. On myös fakta, että tekoälyratkaisut voivat tehdä hyvin erilaisia asioita osana ostolaskuautomaatiota. Useimmat ostolaskutekoälyratkaisut keskittyvät PDF laskujen tiedon poimimiseen laskun kuvalta ja tietokenttien luokitteluun.
Kun puhutaan automaattisesti ostolaskuja tiliöivästä ja kiertoonlähettävästä tekoälystä, niin tarjonta merkittävästi pienenee. Niitäkin kuitenkin joitain vaihtoehtoja on jo tarjolla. Useimmat järjestelmän sisäisiä.
Mikäli teillä on pieni ostolaskuvolyymi(alle 10 000 laskua / vuosi), niin teille todennäköisesti riittää järjestelmän sisäinen tekoälyratkaisu, mikäli sellainen ostolaskujärjestelmästänne löytyy. Ratkaisu ei todennäköisesti oli se kattavin tai tarkin tekoälyratkaisu, mutta parempi kuin ei mitään.
Isoilla volyymeilla(vähintään kymmeniä tuhansia laskuja) parhaaseen tulokseen pääsee järjestelmäriippumattomalla erikoistuneella ostolaskutekoälypalvelulla. Toimijat, jotka keskittyvät pelkän tekoälypalvelun kehittämiseen, ovat erikoistuneempia ja resursseiltaan laajempia toimijoita, kuin ne, jotka keskittyvät koko ostolaskujärjestelmän kehittämiseen ja ylläpitoon. Tämä näkyy tekoälyn tarkempina ennusteina sekä laajempina kyvykkyyksinä. Toinen selkeä etu on erikoistuneessa tekoälymoduulissa, että se toimii yleensä järjestelmäriippumattomasti. Mikäli vaihdatte ostolaskujärjestelmää, niin tekoälymoduuli pysyy mukananne järjestelmästä toiseen varmistaen korkean automaatioasteen.
Kun vertaatte tekoälymoduuleja toisiinsa, niin paras vertailu syntyy tekoälyn kyvykkyystestin avulla. Kyvykkyystesti toteutetaan teidän historian ostolaskudataa hyödyntäen siten, että yleensä noin 6kk historian ostolaskuilla, vastaavilla tiliöintitiedoilla sekä laskun hyväksyntäketjun tiedoilla koeponnistetaan tekoälyn ennustetarkkuus. Tästä lisää toisessa blogissamme.
Pelko: Ostolaskutekoälyn käyttöönotto mielletään IT-projektiksi. Ajatellaan, että tekoälyn käyttöönotto on paljon aikaa ja resursseja vievä IT-projekti.
Ratkaisu: Valitse tuotteistettu tekoälyratkaisu. Valmiit rajapinnat ostolaskujärjestelmäänne varmistaa sen, että käyttöönotto sujuu mutkitta ilman IT-projektia. Käyttöönottoon kuuluu tekoälypalvelun koluluttaminen historiadatallanne ja tekoälyn kytkeminen rajapinnoilla ostolaskujärjestelmäänne. Parhaimmillaan tämä on erittäin helppo ja nopea toimenpide, mikä ei todellakaan ole IT-projekti.
”Asiakkaiden ei tarvitse huolehtia siitä, että Snowfox.AI:n käyttöönotto olisi valtava ponnistus. Meille se oli suoraviivainen ja lyhytkestoinen hanke.” - Hanna Van Enk, Lumon (voit lukea Lumonin kokemuksista lisää tästä)
Pelko: Tuoko tekoälyn käyttöönotto uuden järjestelmän jalkauttamisen? Emme halua uutta järjestelmää.
Ratkaisu: Varmistakaa, että valitsemanne tekoälyratkaisu kytkeytyy saumattomasti nykyiseen ostolaskujärjestelmäänne siten, että laskujen käsittely tapahtuu edelleen käyttämässänne ostolaskujärjestelmässänne. Järjestelmäriippumaton tekoälypalvelu kytkeytyy osaksi nykyistä ostolaskuprosessianne ilman, että ostolaskujen käsittelyyn tulee uutta käyttöliittymää. Voitte siis edelleen käyttää nykyistä ostolaskujärjestelmäänne, mutta prosessi automatisoituu tekoälyn avulla.
Toivottavasti nämä huolet ja ratkaisut auttavat teitä eteenpäin ostolaskuautomaatiomatkallanne!
Katso alta vielä webinaaritallenne, miten tekoäly auttaa tilauksettomien ostolaskujen automaattisessa tiliöinnissä ja reitityksessä.