En leverantörsreskontramedarbetare eller bokförare håller i bokföringssystemet reda på när en leverantörsfaktura förfaller, om det finns en betalningsrabatt att utnyttja vid tidig betalning, och om en betalning riskerar att bli för sen. Det är bevakning: jämföra en lista med datum mot kalendern och agera när en tidsfrist närmar sig. Frågan är om AI kan ta över det.
Denna uppgift poängsätter på nästan alla axlar åt den gynnsamma sidan. Strukturgraden är hög: ett förfallodatum är ett fast värde på en fast plats i systemet, ingen tolkning behövs. Volymen är hög: hos ett företag med en stadig ström av leverantörsfakturor rör det sig om hundratals till tusentals per år, alla enligt samma mönster. Kundkontakt, fysiska handlingar och kreativitet spelar ingen roll; detta är rent internt, digitalt, repetitivt arbete. Precis den typ av uppgift som programvara länge har funnits för, och där nu även AI-liknande signalering läggs ovanpå.
Undantaget är felkostnader, och det drar bilden något åt en annan riktning. Ett missat förfallodatum kostar pengar: betalningsrabatten går förlorad, eller det kommer en betalningspåminnelse och eventuellt en avgift eller en försämrad kontakt med leverantören. Bedömningsutrymme och regelefterlevnad poängsätter i en mellanposition, inte för att det finns mycket att tolka, utan för att en avvikelse — en faktura som inte matchar ordern, en betalningsvillkor som just ändrats, en leverantör som av en annan anledning skjuter upp en betalning — kräver bedömning. Det är inte kreativt arbete, men det går heller inte att fullständigt automatisera utan någon som ser undantaget och beslutar.
De tre axlar som här är avgörande är strukturgrad, volym och felkostnader. De första två talar starkt för automatisering: arbetet är tillräckligt regelbundet och tillräckligt enkelt för att lämnas åt programvara. Den tredje axeln bromsar detta: eftersom ett fel kostar pengar måste systemet inte bara signalera utan också vara tillförlitligt, och det måste finnas någon som kan bedöma en varning innan en betalning faktiskt görs.
Därför är den teknik som passar här idag rpa: programvara som läser ut förfallodatum, jämför dem med betalningskalendern och genererar meddelanden eller till och med förbereder betalningsförslag. Inte självständigt bedömande AI som betalar utan tillsyn, utan automatiserad bevakning med en människa som hanterar undantagen. Det är en förändring som redan sker på många ekonomiavdelningar: att hålla överblicken är arbete som försvinner ur leverantörsreskontramedarbetarens dagliga uppgift, medan beslut om avvikelser kvarstår.
Två förutsättningar avgör om detta fungerar i ett specifikt företag. Den första är tillförlitliga planeringsdata: om förfallodatum, betalningsvillkor och rabattavtal är korrekta och aktuella i systemet, kan automatisk bevakning byggas på det. Om dessa uppgifter är utspridda över e-post, lösa överenskommelser med leverantörer eller ett system som inte är kopplat till bokföringen, krävs det först ett städarbete innan automatisering är meningsfull. Den andra är signalering vid avvikelser: systemet måste inte bara hantera standardfallen utan också tydligt visa när något faller utanför mönstret, så att en människa kan bedöma det.
Hos ett företag med ett litet antal fasta leverantörer och enkla betalningsvillkor kan bevakningen nästan helt automatiseras: få undantag, förutsägbara mönster. Hos ett företag med många leverantörer, varierande avtalsvillkor, internationella betalningar med olika valutor eller frekventa fakturatvister ser det annorlunda ut: där är risken för avvikelser större och det återstår strukturellt mer bedömningsarbete. Även kvaliteten på källdata gör skillnad: ett bokföringssystem som är väl uppbyggt ger automatiseringen bättre stöd än ett system med manuell inmatning och lösa Excel-listor bredvid bokföringen.
Denna uppgift står inte för sig själv. Den hänger samman med den bredare översikten av utestående poster hos kund- och leverantörsreskontra, med inläsning och matchning av bankutdrag som används för att avstämma betalningar, och med avstämning av transaktioner från betalningsleverantörer. Tillsammans utgör dessa uppgifter en stor del av det administrativa flödet kring pengar som går in eller ut ur ett företag, och i alla dessa fall gäller samma mönster: struktur och volym gör automatisering möjlig, felkostnader och undantag upprätthåller en form av tillsyn.
Detta är inte personalrådgivning och inte ett argument för att minska en leverantörsreskontraavdelning. Det är en beskrivning av vilken del av en uppgift som enligt de åtta axlarna är lämplig för övertagande av programvara, och vilken del som förblir mänskligt arbete. Om en förändring i arbetsuppgifter påverkar tjänster gäller egna lagstadgade krav för detta; se även förklaringen om när personalrepresentationen ska medverka i detta. Ingenting här garanterar att en uppgift faktiskt tas över; det beror på datakvaliteten, systemen och viljan att låta undantag signaleras på ett bra sätt.
För att se hur detta faller ut för er egen leverantörsreskontraprocess är det bra att titta på omfattningen av fakturaflödet, antalet leverantörer och i vilken grad betalningsvillkor och rabattavtal redan är strukturerat fastlagda. FTE TO AI:s kostnadsfria snabbanalys ger en första riktning för detta: tolv frågor, utan konto, med en indikation på vilken andel av timmarna i er profil som redan idag kan tas över av AI. Den fullständiga arbetsanalysen, som bryter ner arbetet i ett helt företag till uppgiftsnivå, 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.