Att ordna, märka och lagra dokument i enlighet med bevaringstider är en uppgift som delvis kan tas över av AI, men inte helt. Att känna igen och placera dokument går bra att automatisera så snart strukturen finns på plats. Att faktiskt kontrollera om en bevaringstid är korrekt tillämpad, och beslutet att förstöra eller behålla något, förblir mänskligt arbete med tillsyn.
Tre axlar avgör här utfallet: compliance, felkostnader och strukturgrad. Den sista talar för automatisering, de första två inte.
Strukturgrad får en hög poäng, 4. Dokument har fasta kännetecken: typ, datum, avsändare, ärende. Det är exakt den typ av indata som mjukvara kan indexera och klassificera väl. Att känna igen en faktura, tilldela en etikett, skicka en fil till rätt mapp i dokumenthanteringssystemet: det är repetitivt arbete med ett förutsägbart mönster.
Men compliance får en 1, och det drar ner helhetsbilden. Bevaringstider är lagstadgade och skiljer sig per dokumenttyp: skattemässiga bevishandlingar, personalakter, medicinska uppgifter och avtal har alla sin egen tidsfrist och ibland sin egen undantagsgrund. Ett fel här är inte bara ett obehag. Att förstöra ett dokument för tidigt som fortfarande skulle bevaras kan försätta en organisation i bevisnöd vid en tvist eller kontroll. Att bevara personuppgifter för länge som egentligen borde raderas berör GDPR. Det förklarar också varför felkostnader får en låg poäng, 2: konsekvenserna av ett misstag är inte triviala och blir ibland synliga först flera år senare, när skattemyndigheten eller en domare frågar efter ett dossier som inte längre finns.
Ett exempel gör det konkret. En administrativ medarbetare skannar inkommande post, känner igen att det är en leverantörsfaktura och placerar den automatiskt i rätt mapp med rätt etikett och rätt bevaringstid. Den första delen, igenkänning och lagring, går bra att automatisera med rpa så snart bevaringstider per dokumenttyp i förväg är fastställda i systemet. Men frågan om ett specifikt dokument är ett undantag — till exempel eftersom det är en del av en pågående tvist och därför måste bevaras längre trots en förfallen standardtidsfrist — kräver bedömning. Den bedömningen vill man inte lämna åt en algoritm utan att en människa godkänner eller avslår utfallet, med en angiven anledning.
För ett företag med få dokumenttyper, en enkel bevaringstidsstruktur och låg juridisk känslighet — tänk på interna anteckningar utan skattemässig eller integritetsrelevans — förskjuts bilden. Där är risken för en felaktig klassificering mindre och en större del av processen kan köras med mindre tillsyn. Omvänt gäller: en organisation med många dokumenttyper, internationell lagstiftning eller en historik av kontroller från tillsynsmyndigheter kommer just att vilja bygga in mer mänsklig kontroll, även på den del som annars automatiseras utan problem på andra håll. Det är exakt varför ett allmänt uttalande om "arkivering" inte räcker och en uppgiftsinriktad kartläggning behövs.
Rpa är det lämpliga verktyget för den igenkännbara, repetitiva delen: läsa in dokument, extrahera metadata, skicka till rätt plats i dokumenthanteringssystemet baserat på i förväg fastställda regler och märka med rätt bevaringstid. Det fungerar bara bra om två förutsättningar är uppfyllda: bevaringstiderna per dokumenttyp måste vara fastställda i förväg, och den digitala lagringsstrukturen måste vara på plats. Utan dessa två element har automatiseringen ingenting att bygga på och allt förblir handarbete.
Vad rpa inte gör är den innehållsmässiga bedömningen av gränsfall, slutkontrollen innan något slutgiltigt förstörs, och ansvaret för helhetens riktighet. Det förblir hos en människa som godkänner eller avslår, med en anledning som dokumenteras för det fall att det senare efterfrågas.
Denna sida beskriver vilken del av arkiveringsarbetet som tekniskt kan tas över och vilken del inte. Det är inget uttalande om personalbehovet hos en specifik organisation och ingen grund för ett uppsägningsbeslut. För det senare gäller egna lagstadgade krav, oberoende av vad som här fastställs om uppgiften i sig.
Denna uppgift står inte för sig själv. Den som själv fortfarande måste omvandla det pappersarkivet, bör först titta på digitalisering och tillgängliggörande av pappersarkiv, eftersom det ofta är steget som föregår klassificering och lagring. Och den som undrar hur denna typ av uppgiftsanalys ser ut för en hel avdelning hittar en liknande metod hos vilket arbete kan AI ta över på IT-avdelningen, där samma axlar — compliance, felkostnader, strukturgrad — gång på gång avgör utfallet.
Kärnan i denna bedömning: att ordna och lagra dokument går bra att automatisera så snart bevaringstider och lagringsstruktur är i ordning, men kontrollen av dessa tidsfrister och beslutet om förstöring förblir hos en människa. Vill ni veta hur detta faller ut för er egen mix av uppgifter och dokumenttyper, ger den kostnadsfria snabbanalysen från ftetoai — tolv frågor, utan konto — en indikation på vilken del av timmarna i er profil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som går djupare in på specifika processer, är fortfarande under uppbyggnad.
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.