Artificiell intelligens automatiserar byggandet av automatiserade inköpsfakturor
Artificiell intelligens har inneburit det största utvecklingssprånget för automatisering av inköpsfakturor under de senaste decennierna. Förändringen är så betydande att den till och med verkar otrolig. Jag hör fortfarande ofta kommentarer från våra kunder i förhandlingsfasen om att “det här låter för bra för att vara sant”.
Vilken typ av förändring medför artificiell intelligens för automatisering av inköpsfakturor?
Låt oss först kort återgå till nuvarande automatiseringsmetoder. Traditionellt sett har vi vant oss vid att utföra automatisering av inköpsfakturor baserat på regelbaserad automatisering. Det innebär att varje automatiseringsregel skapas manuellt i systemet för inköpsfakturor. Till exempel skapas en konteringsmodell för fakturor från en specifik leverantör, till exempel DNA, som föreslår en förutbestämd kontering för dessa fakturor. Om du bara köper en enda produkt eller tjänst från en enda leverantör kan denna regel fungera. Detta är dock sällan fallet och då fungerar inte regeln som den är tänkt.
Ju mer komplex din miljö är, desto svårare är det att bygga regelbaserad automatisering
Ju mer komplex din miljö är, desto fler och mer komplexa regler måste du kunna konstruera för att få automatiseringen att fungera i någon utsträckning. Ett företag med dussintals eller till och med hundratals enheter kommer till exempel sannolikt att behöva bygga och underhålla automatiseringsregler för varje enhet separat. Bara detta innebär en enorm mängd arbete och utmaningar när det gäller att bygga upp traditionell automatisering.
Vilka faktorer gör miljön för inköpsfakturor komplex? Komplexiteten påverkas av faktorer som t.ex:
Inköpsfakturavolym Antal enheter Antal leverantörer Antal spårningsobjekt/dimensioner Antal värden för enskilda dimensioner (t.ex. antal olika kontovärden i huvudboken) Antal fakturagodkännare och godkännare För att regelbaserad automatisering ska fungera måste inköpsfakturadata dessutom vara av mycket hög kvalitet och vissa referensuppgifter måste finnas i sina respektive fält. Vid avtalsmatchning måste t.ex. avtalsnumret finnas på rätt plats på fakturan eftersom avtalsnumret utlöser automatiseringsregeln. Det räcker alltså inte att ha lagt in avtalet i ert inköpsfakturasystem, utan fakturans avsändare måste också förbinda sig att placera rätt avtalsnummer på rätt plats.
Den mänskliga förmågan att bygga och underhålla komplexa automatiseringsregler är begränsad
Utmaningen med regelbaserad automation är att människor manuellt måste konstruera varje automationsregel och även underhålla dessa regler. Byggnadsautomation kräver en mycket kompetent person och en betydande mängd arbetstimmar för att skapa automationsreglerna. Vanligt återkommande inköpsfakturor och den underliggande logiken måste identifieras. Dessutom måste undantagsfall av dessa fakturor och till och med undantag inom undantag förstås, så att det inte finns något behov av att ständigt ingripa i regelförslagen.
Artificiell intelligens bygger automatiseringsregler automatiskt
En av de viktigaste aspekterna relaterade till spridningen av AI är det faktum att det är mycket enkelt att anta AI. Du behöver inte skapa några automatiseringsregler för AI, utan AI för inköpsfakturor lär sig automatiskt bearbetningslogik från historiska inköpsfakturor och deras konteringsinformation. Tack vare denna logik blir automatiseringen av inköpsfakturor automatiserad för AI.
Införandet av AI för inköpsfakturor börjar med att hämta tidigare behandlade inköpsfakturor från 3 till 12 månader. AI:t går igenom fakturorna en efter en, noterar all information från fakturameddelandet och fakturabilden och observerar hur fakturorna har konterats och vem som har granskat och godkänt dem. Efter att ha gått igenom alla fakturor med deras kontering och information om granskare och godkännare börjar AI:n skapa logiker för hur fakturorna ska konteras. AI:n känner igen korrelationer mellan informationen på fakturan och konteringen, och tar hänsyn till även de minsta nyanserna.
AI:t känner till exempel lätt igen att en specifik systemkostnad ska konteras på specifika dimensioner och att fakturan ska skickas för granskning och godkännande till en viss person. I utbildningen av AI utnyttjar den verkligen all data från inköpsfakturorna. Den förstår t.ex. att adressinformationen som syns på fakturan kan vara den viktigaste informationen för att välja kostnadsställe osv.
AI för inköpsfakturor får automatiskt feedback på varje behandlad faktura
Automatiseringen av inköpsfakturor med hjälp av AI fungerar dynamiskt. Det innebär att AI kontinuerligt ändrar sina automatiseringsregler automatiskt och anpassar sig till förändringar i miljön. Regelbaserad automatisering kräver ständigt underhåll, medan AI underhåller sig själv automatiskt.
Inköpsfaktura AI tar automatiskt emot återkopplingsmeddelanden från inköpsfakturasystemet för varje faktura som behandlas i det skede då fakturan har gått igenom godkännandeprocessen och överförs till bokföringen. Med hjälp av feedbackmeddelandet jämför AI sitt konteringsförslag med den kontering som slutförts efter godkännandeprocessen och kontrollerar om några ändringar har gjorts i förslaget under processen. Om alla dimensionsvärden är desamma som de som AI ursprungligen föreslog när de överfördes till bokföringen, är detta ett tecken för AI att alla dimensionsvärden var korrekta. Men om till exempel kostnadsställe ändrades under processen förstår AI att förslaget för kostnadsställe var felaktigt och att en korrigering behövs. Därför lär sig AI automatiskt av sina misstag och förbättrar sig hela tiden, blir bättre och säkrare.
I framtiden kommer det att krävas allt mindre tid för att automatisera inköpsfakturor
Av de skäl som nämnts tidigare blir det med tiden allt enklare att bygga och underhålla automatisering av inköpsfakturor. Det finns ingen anledning att lägga lika mycket tid på att konstruera och underhålla komplexa automatiseringsregler eftersom AI automatiserar konstruktionen och underhållet av automatiseringen.
Det kan fortfarande vara klokt att hantera de enklaste återkommande fakturorna med metoder som avtalsmatchning, men det är mycket enklare och mer kostnadseffektivt att överlåta de mer komplexa automatiseringsreglerna till AI. Dessutom, baserat på resultaten, överträffar AI mänskliga automationsbyggare med bred marginal.