En administrativ eller ekonomimedarbetare lägger en hotellfaktura, en flygbiljett eller ett taxikvitto bredvid den bokade resan, kontrollerar om belopp och period stämmer, och godkänner för betalning. I sig en liten handling. Vid hundratals eller tusentals resor per år blir det en betydande post i den administrativa kapaciteten. Frågan är inte om detta arbete finns, utan om AI kan ta över matchningen och godkännandet.
Tre axlar är här avgörande: strukturering, volym och felkostnader.
Struktureringen ligger högt med en 4. En faktura från ett hotell eller flygbolag har fasta fält: datum, belopp, resenärens namn, referensnummer. En bokning i bokningsplattformen har samma fält. Matchning handlar i grunden om att lägga fält bredvid varandra och tillämpa en regel: stämmer beloppet inom en marginal, stämmer perioden, stämmer namnet. Det är precis den typ av arbete som regelbaserad automatisering, RPA, är bra på.
Volymen får en 4. Resefakturor kommer inte tillfälligt, de kommer strukturellt in, ofta i toppar kring konferenser, kvartalsavslut eller säsongsbetonade resor. En uppgift som förekommer ofta och varierar lite är precis där automatisering frigör mest tid, eftersom uppsättningen av regler betalar sig över många fall.
Felkostnaderna får en 3: genomsnittlig. En felaktig matchning leder till en felaktig betalning eller en dubbel bokning, besvärligt men vanligtvis åtgärdbart och ekonomiskt begränsat i omfattning. Det skiljer sig från exempelvis ett medicinskt eller juridiskt fel, och det är precis varför en mellanform passar här: AI gör matchningen, en människa bedömer undantagen.
Bedömningsutrymme (3) och compliance (3) gör att inte varje matchning kan gå igenom utan tillsyn. En faktura som ligger precis utanför den fastställda marginalen, en taxikostnad som inte passar in i resepolicyn, eller en bokning som ändrats efter avresa: det är fall där en regel inte automatiskt ger ett svar. Någon måste då bedöma om avvikelsen kan förklaras och godkänna eller avvisa matchningen, med motivering. Det är den andra kategorin i trenden: AI gör merparten, en människa håller tillsyn över resten.
Kundkontakt (5) och fysiskt (5) får båda höga, gynnsamma poäng, helt enkelt eftersom denna uppgift inte innefattar något av det: det finns ingen kund att betjäna och ingen fysisk handling att utföra. Det gör att uppgiften på de två axlarna inte utgör något hinder, vilket öppnar vägen för de andra axlarna att avgöra hur det faller ut.
Kreativitet (1) är här i praktiken irrelevant i negativ mening: det behövs ingen kreativ insats, och det är precis varför denna uppgift inte gör motstånd mot automatisering på den grunden.
Svaret är: delvis, och under villkor. RPA kan hantera merparten av matchningarna när det finns en digital koppling mellan bokningsplattformen och bokföringssystemet, och när matchningsreglerna har fastställts i förväg: vilken marginal gäller för beloppsskillnader, vilka referensfält måste stämma, vad är en acceptabel periodavvikelse. Utan dessa två förutsättningar förblir det manuellt arbete, helt enkelt eftersom det inte finns något att matcha mot eller ingen regel att följa.
I ett företag där resor bokas via separata, ej sammankopplade kanaler, eller där det inte finns en fastställd resepolicy, ser det alltså annorlunda ut. Då är det första steget inte automatisering utan att inrätta en strukturerad bokningsprocess. I ett företag med en fast resebyrå och en bokningsplattform som alla resor går igenom, finns kopplingen ofta redan på plats.
I organisationer där detta redan är inrättat är mönstret alltid detsamma: AI gör den första matchningsrundan, undantagen går till en medarbetare som godkänner eller avvisar med motivering. Det är ingen framtidsbild, det pågår redan idag i företag med en sammankopplad bokningsplattform. På andra håll, där systemen står separerade eller reglerna aldrig har fastställts, sker samma matchning fortfarande helt manuellt. Skillnaden ligger inte i tekniken utan i hur det är inrättat.
Detta mönster av strukturerat, repetitivt arbete med tillsyn i mellanform återkommer i bredare administrativa funktioner. Det syns även vid utformningen av standardbrev och formulär, där struktur och volym likaså är avgörande, och vid sortering och fördelning av inkommande post, en uppgift med liknande upprepning men lägre felkostnader. Där bedömningsutrymme spelar en större roll, som vid besvarande av medarbetares hr-frågor, ser förhållandet mellan automatiskt och tillsyn annorlunda ut.
Vad detta innebär för den egna personalinsatsen är upp till företaget självt; där gäller egna lagstadgade krav och det är inget ämne som denna sida tar ställning till. Vad som däremot kan sägas: om att matcha fakturor mot bokningar utgör en betydande del av någons arbete, är den frigjorda kapaciteten reell så snart systemen är sammankopplade och reglerna är fastställda.
Den som vill veta vad AI-kompetens inom det egna teamet innebär innan sådana uppgifter inrättas, hittar bakgrund i vad AI-kompetens som skyldighet innebär. För en första bedömning av det egna företaget finns den kostnadsfria snabbanalysen: tolv frågor, utan konto, med en indikation på vilken andel av timmarna i denna typ av profil som idag kan tas över av AI. Den fullständiga arbetsanalysen, som bedömer ett företags arbete per uppgift på alla åtta axlar, 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.