En kreditorbogholder eller bogholder holder i regnskabssystemet styr på, hvornår en indkøbsfaktura forfalder, om der er betalingsrabat at udnytte ved tidlig betaling, og om en betaling risikerer at komme for sent. Det er overvågning: en liste med datoer sammenlignes med kalenderen, og der handles, når en frist nærmer sig. Spørgsmålet er, om AI kan overtage dette.
Denne opgave scorer på næsten alle akser til den gunstige side. Struktureringsgraden er høj: en forfaldsdato er en fast værdi på et fast sted i systemet, ingen fortolkning nødvendig. Volumen er højt: hos en virksomhed med en jævn strøm af indkøbsfakturaer er der hundredvis til tusindvis om året, alle efter samme skabelon. Kundekontakt, fysiske handlinger og kreativitet spiller ingen rolle; dette er rent internt, digitalt, gentaget arbejde. Præcis den slags opgave, som software længe har eksisteret til, og hvor AI-lignende signalering nu også passer oveni.
Undtagelsen er fejlomkostninger, og den trækker billedet lidt i en anden retning. En overset forfaldsdato koster penge: betalingsrabatten bortfalder, eller der kommer en rykker og eventuelt et gebyr eller en forringet relation til leverandøren. Skønsrum og compliance scorer i en mellemposition, ikke fordi der er meget at fortolke, men fordi en afvigelse — en faktura, der ikke matcher ordren, en betalingsfrist, der lige er ændret, en leverandør, der af en anden grund stiller en betaling i bero — kræver vurdering. Det er ikke kreativt arbejde, men det kan heller ikke fuldt automatiseres uden nogen, der ser undtagelsen og træffer beslutningen.
De tre akser, der her er afgørende, er struktureringsgrad, volumen og fejlomkostninger. De første to taler stærkt for automatisering: arbejdet er regelmæssigt nok og simpelt nok til at overlade til software. Den tredje akse dæmper dette: fordi en fejl koster penge, skal systemet ikke blot signalere, men også være pålideligt, og der skal være nogen, der kan vurdere en advarsel, før der reelt betales.
Derfor er den teknologi, der passer her i dag, rpa: software, der aflæser forfaldsdatoer, sammenligner dem med betalingskalenderen og genererer meddelelser eller endda gør betalingsforslag klar. Ikke selvstændigt dømmende AI, der betaler uden tilsyn, men automatiseret overvågning med et menneske, der håndterer undtagelserne. Det er en forskydning, der allerede finder sted på mange økonomiafdelinger: at holde overblikket forsvinder fra kreditorbogholderens daglige opgave, beslutningen om afvigelser bliver tilbage.
To forudsætninger afgør, om dette virker i en bestemt virksomhed. Den første er pålidelige planlægningsdata: hvis forfaldsdatoer, betalingsfrister og rabataftaler er korrekte og opdaterede i systemet, kan automatisk overvågning bygge videre på det. Ligger disse oplysninger spredt i e-mails, løse aftaler med leverandører eller et system, der ikke er koblet til bogholderiet, er der først behov for oprydningsarbejde, før automatisering giver mening. Den anden er signalering ved afvigelser: systemet skal ikke kun håndtere standardtilfældene, men også gøre det tydeligt, når noget falder uden for mønsteret, så et menneske kan vurdere det.
Hos en virksomhed med et lille antal faste leverandører og enkle betalingsfrister kan overvågningen næsten fuldt automatiseres: få undtagelser, forudsigelige mønstre. Hos en virksomhed med mange leverandører, skiftende kontraktvilkår, internationale betalinger i forskellige valutaer eller hyppige tvister om fakturaer forholder det sig anderledes: der er risikoen for afvigelser større, og der bliver strukturelt mere vurderingsarbejde tilbage. Også kvaliteten af kildedataene gør en forskel: et regnskabssystem, der er godt opsat, giver automatisering mere at holde fast i end et system med manuel indtastning og løse Excel-lister ved siden af bogholderiet.
Denne opgave står ikke alene. Den hænger sammen med det bredere overblik over åbne poster hos debitorer og kreditorer, med indlæsning og matchning af bankkontoudtog, hvormed betalinger afskrives, og med afstemning af transaktioner fra betalingsudbydere. Sammen udgør disse opgaver en stor del af det administrative arbejde omkring penge, der går ind i eller ud af en virksomhed, og i alle disse tilfælde gælder det samme mønster: struktur og volumen muliggør automatisering, fejlomkostninger og undtagelser fastholder en form for tilsyn.
Dette er ikke personalerådgivning og ikke et argument for at nedskalere en kreditorafdeling. Det er en beskrivelse af, hvilken del af en opgave der ifølge de otte akser egner sig til overtagelse af software, og hvilken del der forbliver menneskeligt arbejde. Hvis en forskydning i opgaver har konsekvenser for stillinger, gælder der egne lovmæssige krav; se også forklaringen om hvornår samarbejdsudvalget skal inddrages i dette. Intet her garanterer, at en opgave rent faktisk bliver overtaget; det afhænger af datakvaliteten, systemerne og villigheden til at få undtagelser til at blive signaleret ordentligt.
For at se, hvordan dette falder ud for Deres eget kreditorproces, er det nyttigt at se på omfanget af fakturastrømmen, antallet af leverandører og i hvilken grad betalingsfrister og rabataftaler allerede er struktureret registreret. Den gratis quickscan fra FTE TO AI giver en første indikation heraf: tolv spørgsmål, uden konto, med en indikation af, hvilken del af timerne i Deres profil AI kan overtage i dag. Den fulde arbejdsscan, der kortlægger arbejdet i en hel virksomhed helt ned på opgaveniveau, er stadig under udarbejdelse.
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.