Η σύγκριση των πραγματικών δαπανών με τον προϋπολογισμό και η επισήμανση αποκλίσεων εμπίπτει στην κατηγορία 2: η AI μπορεί να αναλάβει ένα μεγάλο μέρος του υπολογιστικού έργου και της επισήμανσης, αλλά η αξιολόγηση μιας απόκλισης και η παρακολούθησή της παραμένουν στον ελεγκτή ή τον διευθυντή. Αυτή δεν είναι μια εργασία που μετατοπίζεται πλήρως στην κατηγορία 1, και αυτό είναι ακριβώς αυτό που δείχνει αυτή η σελίδα.
Τα υποκείμενα δεδομένα — εγγραφές στο λογιστικό σύστημα, κέντρα κόστους, γραμμές προϋπολογισμού στο εργαλείο BI — είναι συνήθως δομημένα και επαναλαμβανόμενα. Αυτό εξηγεί τη βαθμολογία 4 στη δομημένη μορφή και 4 στον όγκο. Ένα σύστημα μπορεί κάθε μήνα, εβδομάδα ή ημέρα να θέτει αυτόματα την πραγματοποίηση δίπλα στον προϋπολογισμό, να υπολογίζει τη διαφορά σε ευρώ και ποσοστά και να τη συγκρίνει με ένα προκαθορισμένο όριο. Με εκατοντάδες κέντρα κόστους και χιλιάδες γραμμές εγγραφών, αυτό είναι ακριβώς ο τύπος επαναλαμβανόμενης, βασισμένης σε κανόνες σύγκρισης στην οποία η AI είναι ισχυρή.
Ένα παράδειγμα: ένας ελεγκτής που ελέγχει μηνιαία 40 κέντρα κόστους για να δει ποια υπερβαίνουν το 10% του προϋπολογισμού, μπορεί να αυτοματοποιήσει αυτή τη διαδικασία. Το σύστημα παραδίδει τότε αμέσως μια λίστα αποκλίσεων, ταξινομημένη κατά μέγεθος, αντί να πρέπει ο ελεγκτής να ελέγχει χειροκίνητα κάθε γραμμή.
Το περιθώριο κρίσης βαθμολογείται με 3, και αυτός είναι ο άξονας που κρατά αυτή την εργασία εκτός της κατηγορίας 1. Η επισήμανση μιας απόκλισης είναι διαφορετική από την αξιολόγηση μιας απόκλισης. Είναι μια υπέρβαση 15% στο κέντρο κόστους 'μάρκετινγκ' πρόβλημα, ή είναι μια προπληρωμένη δαπάνη που θα διορθωθεί τον επόμενο μήνα; Οφείλεται σε ένα μοναδικό τιμολόγιο, σε ένα εποχικό πρότυπο ή σε μια διαρθρωτική αύξηση κόστους; Αυτό απαιτεί γνώση του πλαισίου του οργανισμού, των τρεχόντων έργων και του τρόπου κατάρτισης του προϋπολογισμού. Η AI μπορεί να επισημάνει την απόκλιση και, αν χρειάζεται, να προτείνει μια πρώτη ερμηνεία βάσει ιστορικών προτύπων, αλλά η τελική κρίση — είναι αυτό αποδεκτό, πρέπει να ληφθεί δράση — απαιτεί έναν άνθρωπο που εγκρίνει ή απορρίπτει, με αιτιολόγηση.
Επιπλέον, το κόστος σφάλματος και η συμμόρφωση βαθμολογούνται και τα δύο με 3: όχι αμελητέα. Μια αγνοημένη απόκλιση μπορεί να οδηγήσει σε έκπληξη στην τριμηνιαία αναφορά ή στο τέλος του έτους, και οι αναφορές προϋπολογισμού διαδραματίζουν κάποιες φορές ρόλο στη λογοδοσία προς τη διοίκηση, τους μετόχους ή, στην περίπτωση επιχορηγήσεων και δημόσιων κεφαλαίων, προς έναν εξωτερικό φορέα. Αυτό δικαιολογεί ένα ενδιάμεσο στάδιο ανθρώπινου ελέγχου προτού μια επισήμανση εισέλθει στον οργανισμό ως διαπιστωμένο γεγονός.
Η ρεαλιστική εικόνα σήμερα: η AI λειτουργεί ως ένας πράκτορας που κάνει συνεχώς τη σύγκριση, παρακολουθεί όρια και δημιουργεί ειδοποιήσεις μόλις η πραγματοποίηση και ο προϋπολογισμός αποκλίνουν υπερβολικά. Ο ελεγκτής ή ο διευθυντής αξιολογεί έπειτα τις επισημασμένες αποκλίσεις, τις εγκρίνει ή τις απορρίπτει, και τεκμηριώνει αυτή την απόφαση. Αυτό εξοικονομεί κυρίως τη χειροκίνητη εργασία σύγκρισης — το ξεψάχνισμα αναφορών, τον χειροκίνητο υπολογισμό ποσοστών, τη διατήρηση μιας επισκόπησης — και αφήνει την ουσιαστική αξιολόγηση εκεί όπου ανήκει.
Αυτό λειτουργεί μόνο εάν πληρούνται δύο προαπαιτούμενα: τα οικονομικά δεδομένα πρέπει να είναι πραγματικά συνδεδεμένα, ώστε το σύστημα να μπορεί να συμβουλεύεται τρέχοντα στοιχεία από το λογιστικό σύστημα και το εργαλείο BI αντί για χειροκίνητα παρεχόμενα αρχεία εξαγωγής, και πρέπει να υπάρχουν καθορισμένα όρια απόκλισης. Χωρίς ένα καθιερωμένο όριο — για παράδειγμα 'επισήμανε οτιδήποτε ξεπερνά το 8% ή τα 5.000 ευρώ' — ένα σύστημα δεν γνωρίζει πότε κάτι αξίζει επισήμανση και πότε όχι. Αυτή η επιλογή, ο τρόπος καθορισμού και προσαρμογής αυτού του ορίου, είναι και πάλι ανθρώπινη εργασία.
Το αποτέλεσμα εξαρτάται σε μεγάλο βαθμό από το πόσο προβλέψιμος είναι ο προϋπολογισμός ενός οργανισμού. Σε έναν οργανισμό με σταθερά, επαναλαμβανόμενα κόστη — ενοίκιο, μισθοδοσία, σταθερά συμβόλαια — η ανίχνευση αποκλίσεων αυτοματοποιείται ευκολότερα και η ισορροπία μετατοπίζεται περισσότερο προς την AI. Σε έναν οργανισμό με πολλές δαπάνες βασισμένες σε έργα, εποχικές επιδράσεις ή ασυνήθιστα μεγάλα κόστη, η ερμηνεία κάθε απόκλισης απαιτεί περισσότερο πλαίσιο και το ποσοστό της ανθρώπινης εργασίας παραμένει μεγαλύτερο. Επίσης ο βαθμός οικονομικής ωριμότητας παίζει ρόλο: όσο καλύτερα είναι κατασκευασμένος ο προϋπολογισμός με σαφείς κατηγορίες και όρια, τόσο περισσότερο μπορεί να αναλάβει η AI. Αυτή η διαφορά ανά οργανισμό είναι ακριβώς ο λόγος για τον οποίο πώς αξιολογούμε μια εργασία βασίζεται σε οκτώ άξονες αντί για μία γενική δήλωση σχετικά με την 'παρακολούθηση προϋπολογισμού'.
Αυτή η εργασία σπάνια αγγίζει άμεσα αποφάσεις προσωπικού, αλλά σε περίπτωση που ένας οργανισμός χρησιμοποιήσει επισημάνσεις από την παρακολούθηση προϋπολογισμού ως τεκμηρίωση για αναδιάρθρωση ή απόλυση, τότε ισχύουν γι' αυτό δικές τους νομικές απαιτήσεις που είναι ανεξάρτητες από αυτή την αξιολόγηση εργασίας.
Η παρακολούθηση προϋπολογισμού σπάνια στέκεται μόνη της. Όποιος εξετάζει επίσης το διαχείριση περιοδικής τιμολόγησης συνδρομών ή την ανταλλαγή ψηφιακών τιμολογίων μέσω ηλεκτρονικής τιμολόγησης, βλέπει ένα μοτίβο: δομημένα υποέργα υψηλού όγκου αυτοματοποιούνται σχετικά εύκολα, ενώ η αξιολόγηση και οι εξαιρέσεις παραμένουν στους ανθρώπους. Και εδώ ισχύει: σκόπιμα δεν το εκφράζουμε σε ποσοστό 'αυτοματοποιήσιμου προσωπικού', διότι το γιατί υπολογίζουμε σε ώρες και όχι σε ανθρώπους εξηγεί ότι οι ώρες που ελευθερώνονται από μια εργασία είναι κάτι διαφορετικό από τις θέσεις εργασίας που εξαφανίζονται.
Θέλετε να μάθετε πόσες από τις ώρες στο δικό σας προφίλ θέσης εργασίας μπορούν αυτή τη στιγμή να αναληφθούν από την AI; Η δωρεάν σύντομη ανάλυση (quickscan) της ftetoai αποτελείται από δώδεκα ερωτήσεις, δεν απαιτεί λογαριασμό και δίνει μια ένδειξη αυτού του ποσοστού — με την επιφύλαξη ότι, όπως εξηγεί το τι λέει ένα εύρος τιμών και τι όχι, αυτό είναι μια ένδειξη και όχι ένα ακριβές αποτέλεσμα. Η πλήρης ανάλυση εργασίας, η οποία εξετάζει σε βάθος μεμονωμένες εργασίες και διαδικασίες, βρίσκεται ακόμη υπό κατασκευή· δεν μπορούμε να σας την προσφέρουμε σήμερα.
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.