Osittain. Saapuvan laskun kirjaaminen ja täsmäyttäminen tilaukseen ja vastaanottoraporttiin on suurelta osin automatisoitavissa, mutta ei täysin ja ei ilman ihmisen valvontaa. Tehtävä koostuu tunnistettavasta, toistettavasta osasta, jonka AI hoitaa jo tänään, ja pienemmästä osasta, jossa ihmisen tarkastus pysyy tarpeellisena. Tuo viimeinen osa ei ole vapaaehtoinen: kyse on rahasta, joka lähtee ulos, ja säännöistä, joita kirjanpidon on noudatettava.
Ostolasku on useimmissa yrityksissä jäsennelty asiakirja: kiinteä kuvio toimittajasta, laskunumerosta, summasta, alv:sta ja riveistä, jotka vastaavat tilausta. Tämä jäsentyneisyys yhdistettynä suureen määrään tekee tästä juuri sen tyyppisen tehtävän, jossa AI on osoittanut osaamisensa. Kun laskuja on satoja tai tuhansia kuukaudessa, hyöty per lasku on pieni, mutta vapautuneiden tuntien summa on huomattava. Tässä ei myöskään tarvita asiakaskontaktia tai fyysistä toimenpidettä: kyse on tekstinkäsittelystä ERP-ympäristössä tai laskunlukujärjestelmässä, ja se on juuri sitä työtä, jossa AI on tänä päivänä hyvä.
Esimerkki: kiinteän toimittajan lasku sadasta kappaleesta tuotetta X, summalla, joka vastaa tilausta, ja vastaanottoraportilla, joka vahvistaa toimituksen. Järjestelmä tunnistaa toimittajan ja tuotekoodit, täsmäyttää kolme asiakirjaa ja valmistelee laskun maksuun. Kenenkään ei ole tarvinnut tarkastaa tätä ennen kuin maksu esitetään hyväksyttäväksi.
Kolme akselia pitävät tämän "osittain"-kategoriassa: vaatimustenmukaisuus, virhekustannukset ja harkintavara. Lasku, joka ei täsmää — poikkeava summa, puuttuva vastaanottoraportti, uusi toimittaja, jonka kanssa ei ole vahvistettuja sopimuksia — vaatii arviointia, joka menee pidemmälle kuin kuvioiden tunnistus. Miksi summa on erilainen? Onko kyse virheestä, hinnanmuutoksesta, jota ei ole päivitetty, vai perustellusta lisähinnasta? Tämä on kysymys, jonka takana on syy, ja jonkun on kyettävä hyväksymään tai hylkäämään se syy.
Tähän liittyy vaatimustenmukaisuuden näkökulma: kirjanpidon on oltava paikkansapitävä, myös jälkikäteen tarkistettavissa, ja virhe velkojahallinnossa maksaa enemmän kuin sen korjaamiseen kuluva aika. Poikkeamien kohdalla virhekustannusakseli ei siis ole tarpeeksi alhainen jättääkseen riskin yksin järjestelmän varaan. Tämä on myös syy, miksi tilanne poikkeaa esimerkiksi vastaanottoraportin rekisteröinnistä järjestelmään, jossa toimenpiteeseen ei liity yhtä suoraan taloudellisia seurauksia.
Teknologia, joka tämän mahdollistaa, on tekstintunnistus: OCR, joka lukee laskun ja poimii tiedot, yhdistettynä täsmäytysjärjestelmään, joka asettaa tilauksen, vastaanottoraportin ja laskun rinnakkain. Tunnistuksen laatu määrittää, kuinka suuri osa etenee automaattisesti. Puhtaassa aineistossa — vakiintuneet toimittajat, digitaaliset laskut, yhtenäiset tilausnumerot — automaattisesti käsitelty osuus on suuri. Kun mukana on paljon yksittäisiä toimittajia, paperilaskuja tai poikkeavia muotoja, osuus on huomattavasti pienempi, ja työ siirtyy tilasta "AI tekee sen" tilaan "AI tekee esityön, ihminen arvioi poikkeuksen".
Lopputulos riippuu vahvasti siitä, miten standardoitu hankinta on. Yritys, jolla on pieni määrä vakiintuneita toimittajia ja tiukka PO-kuri — jokainen tilaus kirjattu etukäteen — voi antaa suuren osan laskuista täsmäytyä automaattisesti. Yritys, jolla on paljon kertaluonteisia ostoja, suullisia sopimuksia tai toimittajia, jotka toimittavat laskuja vaihtelevilla tavoilla, jää käsiteltäväkseen huomattavasti enemmän poikkeuksia, jotka ihmisen on tarkastettava. Myös lähiprosessien järjestely vaikuttaa: jos toimittajille tehdyt tilaukset ovat jo jäsennellysti järjestelmässä, laskun saapuessa täsmäytys on yksinkertaisempaa kuin silloin, kun tuo tieto puuttuu tai on epätäydellinen.
Tämä ei ole henkilöstöneuvonta eikä perustelu päätökselle, joka koskee tehtävää tai työntekijää. Kysymys tässä on, mikä osa työstä sisällöllisesti soveltuu automatisointiin, ei se, mitä organisaatio tekee tällä tiedolla henkilöstöpolitiikassa. Työsuhteeseen vaikuttaviin päätöksiin sovelletaan omia lakisääteisiä vaatimuksia; lisää siitä, miten AI:n käyttö ja työntekijöiden suoja kohtaavat, löytyy sivulta AI-asetus ja työntekijänne. Ne, jotka haluavat laajemmin tietää, miten tämä muutos ilmenee toimistotyössä, löytävät sen yleiskatsauksesta mitä AI voi ottaa hoitaakseen yrityspalveluissa.
Jotta näkisitte, miten tämä toteutuu omassa velkojaprosessissanne, on tarpeen tarkastella standardoitujen laskujen osuutta, PO-yhdistämisen laatua ja poikkeamien käsittelyä, jotka jo tänään ovat olemassa. FTE TO AI:n ilmainen pikatesti antaa siihen ensimmäisen suunnan: kaksitoista kysymystä, ei tiliä vaativaa, ja arvion siitä, mikä osuus tunneista tällaisessa profiilissa on tänään AI:n hoidettavissa. Koko työskannaus, joka laskee tämän tehtävätasolle asti koko yritykselle, on vielä rakenteilla.
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.