En officemanager eller juridisk medarbejder gør dokumenter klar til digital underskrift, udpeger de rette underskrivere, sender dokumentet via en e-signeringsplatform og gemmer det underskrevne resultat i dokumenthåndteringssystemet. Ved første øjekast er dette en repetitiv, let gennemskuelig række trin. Alligevel er svaret på spørgsmålet, om AI kan overtage dette: delvist, og kun under betingelser.
Struktureretheden scorer højt med en 4: ved en fast dokumenttype, for eksempel en standardkontrakt eller en leveringsaftale, er det præcist kendt, hvilke felter der skal udfyldes, hvor underskriftsfelterne er placeret, og i hvilken rækkefølge underskriverne skal underskrive. Det er en opgave, der lader sig fastlægge godt i regler, og dermed egnet til automatiseret behandling. Volumen (4) forstærker dette billede: virksomheder, der får mange ensartede dokumenter underskrevet, har gavn af et system, der fjerner det gentagne arbejde fra hænderne.
Men struktureretheden gælder kun, så længe dokumenttypen ligger fast. Så snart en organisation arbejder med varierende kontraktformer, med forhandlede bilag eller med dokumenter, hvor underskriveren varierer fra sag til sag, falder grundlaget for automatiseringen bort. Så skal nogen først afgøre, hvilken skabelon og hvilken proces der er relevant, og det er netop det element, der ikke lader sig fastlægge i en fast rute.
De to akser, der reelt afgør denne vurdering, er fejlomkostninger (2) og compliance (2), og de ligger ugunstigt. En underskriftsproces vedrører et dokuments retsgyldighed. Hvis systemet udpeger den forkerte person som underskriver, hvis en underskrift havner på den forkerte version af en kontrakt, eller hvis et underskrevet dokument ikke arkiveres korrekt, opstår der problemer, som ikke kan løses med en simpel rettelse. En forkert underskrevet ansættelseskontrakt eller en leveringsaftale med den forkerte tegningsberettigede kan have juridiske konsekvenser, der langt overstiger den tid, der spares ved automatisering.
Derfor er AI's rolle her begrænset til støtte: klargøring af dokumentet, udfyldning af standardfelter og afsendelse via e-signeringsplatformen kan gøres med regler og robotic process automation (RPA). Men udpegning af den rette underskriver, især når tegningsret, funktion eller mandat spiller en rolle, kræver en vurdering, der ikke uden videre kan overlades til et system. Det er netop det element, hvor kategori to fra taksonomien kommer i billedet: AI kan komme med et forslag, men et menneske skal godkende eller afvise dette forslag, med begrundelse.
Om automatisering fungerer her, afhænger af to ting. For det første: findes der en fast underskriftsproces pr. dokumenttype? Ved en standardaftale med en fast struktur kan dette automatiseres; ved dokumenter, der sammensættes fra sag til sag, kan det ikke. For det andet: kan den rette underskriver identificeres korrekt ud fra faste data, såsom funktion eller rolle i et system? Hvis denne identifikation er enkel og entydig, kan et system støtte dette trin. Så snart tegningsretten afhænger af kontekst, såsom størrelsen af et kontraktbeløb eller en specifik fuldmagt, er menneskelig vurdering nødvendig.
Dette forklarer også, hvorfor resultatet varierer fra organisation til organisation. En virksomhed, der får hundredvis af ensartede leverandørkontrakter underskrevet om måneden, med en fast tegningsberettiget pr. kontrakttype, kan automatisere en stor del af processen og begrænse den menneskelige rolle til stikprøvekontrol. En organisation, der primært behandler skræddersyede aftaler, fusionsdokumenter eller kontrakter med varierende fuldmagter, har derimod ringe gavn af automatisering: dér er hvert trin unikt, og risikoen for en dyr fejl for stor til at overlade til et system.
Sammenligningen med andre kontrollerende opgaver er oplysende her. Ligesom ved screening af kunder og partnere mod sanktionslister gælder det: AI kan generere et forslag eller signal, men den endelige vurdering og ansvaret forbliver hos et menneske, så snart konsekvenserne af en fejl er alvorlige. Underskriftsprocessen har den samme egenskab: omkostningerne ved en fejl er høje nok til at fraråde fuld automatisering, selvom opgaven på papiret er velstruktureret.
Drejer det sig om arkivering af allerede underskrevne dokumenter, ændrer billedet sig dog. Opbevaring og genfindbarhed af underskrevne dokumenter minder stærkt om den opgave, der behandles på siden om digitalisering og tilgængeliggørelse af et papirarkiv, og dér er mulighederne for automatisering betydeligt gunstigere end ved udpegning af underskrivere.
Bemærk: hvis denne opgave hænger sammen med funktionsændringer eller personaleindsats, gælder der egne lovkrav herfor; denne side handler kun om selve opgaven, ikke om konsekvenserne for medarbejdere.
Konklusionen er, at klargøring og afsendelse af standarddokumenter til underskrift kan understøttes med regler eller RPA, men at udpegning af den rette underskriver og tilsynet med resultatet forbliver menneskeligt arbejde, så længe fejlomkostningerne og compliance-risiciene er høje. Vil De vide, hvordan dette udspiller sig for Deres egen organisation, inklusive andre opgaver for officemanagere eller juridiske medarbejdere? Den gratis quickscan fra ftetoai.com giver på tolv spørgsmål, uden konto, en indikation af, hvilken del af timerne i Deres profil der i dag kan overtages af AI. Den fulde arbejdsscan, med en uddybende analyse pr. opgave, er stadig under udvikling.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.