Võlgade osakonna töötaja või raamatupidaja jälgib raamatupidamissüsteemis, millal ostuarve tähtaeg saabub, kas varajase tasumise korral on võimalik maksesoodustust kasutada ja kas mõne makse tegemine ähvardab hilinema jääda. See on jälgimine: kuupäevade nimekirja võrreldakse kalendriga ja tegutsetakse, kui tähtaeg läheneb. Küsimus on, kas AI saab selle üle võtta.
See ülesanne saab peaaegu kõigil telgedel soodsa hinnangu. Struktureeritus on kõrge: maksetähtaeg on fikseeritud väärtus süsteemi kindlas kohas, tõlgendamist ei vaja. Mahtu on palju: pideva ostuarvete vooga ettevõttes on neid aastas sadu kuni tuhandeid, kõik ühesuguse mustri järgi. Kliendikontaktid, füüsilised tegevused ja loovus ei mängi rolli; see on puhtalt sisemine, digitaalne, korduv töö. Täpselt selline ülesanne, milleks tarkvara on juba ammu olemas ja millele nüüd lisandub ka AI-laadne signaalimine.
Erandiks on veakulud, ja need nihutavad pilti veidi. Vahele jäänud maksetähtaeg maksab raha: maksesoodustus kaob või tuleb meeldetuletus ja võimalik trahv või halveneb suhe tarnijaga. Otsustusruum ja vastavus (compliance) saavad keskmise hinnangu, mitte sellepärast, et tõlgendamist oleks palju, vaid sellepärast, et kõrvalekalle — arve, mis ei ühti tellimusega, äsja muudetud maksetähtaeg, tarnija, kes muul põhjusel makse peatab — vajab siiski hindamist. See ei ole loometöö, kuid seda ei saa ka täielikult automatiseerida ilma inimeseta, kes erandit märkab ja otsustab.
Kolm telge, mis siin otsustavad, on struktureeritus, maht ja veakulud. Esimesed kaks räägivad tugevalt automatiseerimise kasuks: töö on piisavalt regulaarne ja piisavalt lihtne, et tarkvarale üle anda. Kolmas telg pidurdab seda: kuna viga maksab raha, peab süsteem mitte üksnes signaale andma, vaid ka usaldusväärne olema, ja peab olema inimene, kes hoiatuse hindab enne, kui makse tegelikult tehakse.
Seetõttu on siin täna sobiv tehnoloogia rpa: tarkvara, mis loeb maksetähtajad välja, võrdleb neid maksekalendriga ning genereerib teavitusi või valmistab isegi ette maksepakkumisi. Ei mingit iseseisvalt otsustavat AI-d, mis järelevalveta maksab, vaid automatiseeritud jälgimine, kus inimene tegeleb eranditega. See on nihe, mis toimub juba praegu paljudes finantsosakondades: ülevaate hoidmine on töö, mis kaob võlgade osakonna töötaja igapäevaste ülesannete hulgast, kõrvalekaldeid puudutav otsustamine jääb.
Kaks eeltingimust määravad, kas see konkreetses ettevõttes toimib. Esimene on usaldusväärsed planeerimisandmed: kui maksetähtajad, maksetingimused ja soodustuskokkulepped on süsteemis korrektsed ja ajakohased, saab automatiseeritud jälgimine sellele toetuda. Kui need andmed on laiali e-kirjade, eraldiseisvate tarnijakokkulepete või raamatupidamisega ühilduva süsteemi puudumise vahel, on esmalt vaja korrastustööd, enne kui automatiseerimisest kasu on. Teine on signaalimine kõrvalekaldumiste puhul: süsteem peab tegelema mitte üksnes standardjuhtumitega, vaid tegema ka selgeks, millal midagi mustrist väljub, et inimene saaks selle hinnata.
Ettevõttes, kus on väike arv fikseeritud tarnijaid ja lihtsad maksetingimused, on jälgimine peaaegu täielikult automatiseeritav: vähe erandeid, prognoositavad mustrid. Ettevõttes, kus on palju tarnijaid, kõikuvad lepingutingimused, rahvusvahelised maksed erinevates valuutades või sagedased arvevaidlused, on olukord teine: seal on kõrvalekallete tõenäosus suurem ja püsivalt jääb rohkem hindamistööd. Ka lähteandmete kvaliteet loeb: hästi korraldatud raamatupidamissüsteem annab automatiseerimisele rohkem tugipunkte kui süsteem, kus on käsitsi sisestamine ja raamatupidamise kõrval eraldiseisvad Exceli tabelid.
See ülesanne ei seisa üksi. See on seotud laiema debitoorsete ja kreditoorsete lahtiste kirjete ülevaatega, pangaväljavõtete sisselugemise ja sobitamisega, mille kaudu makseid maha kantakse, ning maksepakkujate tehingute rekontsiliatsiooniga. Koos moodustavad need ülesanded suure osa haldustöödest, mis on seotud ettevõttesse siseneva või sealt väljuva rahaga, ja kõigil neil juhtudel kehtib sama muster: struktuur ja maht võimaldavad automatiseerimist, veakulud ja erandid säilitavad mingi järelevalve vormi.
See ei ole personaliteemaline nõuanne ega argument võlgade osakonna kokkutõmbamiseks. See on kirjeldus sellest, milline osa ülesandest on kaheksa telje järgi tarkvara poolt üle võetavaks sobiv ja milline osa jääb inimtööks. Kui ülesannete nihkumine mõjutab ametikohti, kehtivad selle kohta eraldi seadusest tulenevad nõuded; vaata ka selgitust selle kohta, millal on ettevõtte nõukogul selles asjas kaasarääkimise õigus. Miski siin ei taga, et ülesanne tegelikult üle võetakse; see sõltub andmete kvaliteedist, süsteemidest ja valmisolekust panna erandid korralikult märku andma.
Selleks, et näha, kuidas see teie enda võlgade osakonna protsessi puhul välja kukub, on kasulik vaadata arvete voo mahtu, tarnijate arvu ja seda, mil määral on maksetähtajad ja soodustuskokkulepped juba struktureeritult kirja pandud. FTE TO AI tasuta kiirtest annab selleks esimese suuna: kaksteist küsimust, kontot vajamata, koos näitajaga, kui suur osa teie profiili tundidest on täna AI poolt ülevõetav. Täielik tööanalüüs, mis kaardistab terve ettevõtte töö ülesandetasandini, on veel valmimisel.
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.